Üretilmiş Otorite: Yapay Zekâ Çağında GEO'da Otoritenin İmali ve İki Operasyonel Metrik (MAI ve VLS) | İbrahim Göktaş

Bu, akademik ön baskı çalışmamın (preprint) blog uyarlamasıdır. Metodolojinin ve kaynakların tamamı o çalışmada. Burada hiçbir gerçek marka, kişi ya da site adı geçmiyor; amaç kimseyi suçlamak değil, mekanizmayı ve çözümü göstermek.

Önce şu gerçeği bilmek gerekiyor: AI "earned media"yı sever

Yeni nesil arama, bağlantı listesi vermek yerine sentezlenmiş, kaynak gösterilen bir cevap üretiyor. Geniş ölçekli karşılaştırmalı çalışmalar, bu sistemlerin earned media'ya, yani üçüncü taraf ve otorite sayılan kaynaklara, Google'ın dengeli karışımının aksine sistematik ve ezici bir yanlılık gösterdiğini ortaya koyuyor (Chen ve ark., 2025).

Bu tek cümle işin can damarı. AI, "üçüncü tarafların onayladığı" izlenimini seviyor. Öyleyse bu izlenimi üretebilen herkes, cevabı etkileyebilir.

Sahada gördüğüm üç mekanizma

"En iyi GEO ajansı/uzmanı" sorgusunun ilk sayfasını sekiz pazarda inceledim. Üç desen sürekli tekrar ediyor.

1. Kendini birinci yazma (M1). Bir "en iyiler" listesi, o listenin tepesinde çıkan tarafın kendisi tarafından yazılıyor. Teşhis basit: farklı listeler farklı "bir numara" veriyor, yani ortak bir gerçek yok.

2. Aynı bülteni serpme (M2). Tek bir tanıtım metni, düzinelerce ayrı haber sitesine kelimesi kelimesine kopyalanıyor. Tek kaynaktan çıkan iddia, birçok bağımsız yayın onaylamış gibi görünüyor. AI'ın gözünde "çok kaynak = güvenilir" olduğu için tam isabet çalışıyor.

3. Ödemeli listeleme (M3). Sıralama platformu ya da "teklif al" pazaryeri kılığında, listeye girmenin bedeli para oluyor. Daha kötüsü, bu platformlar bazı yapay zekâ cevaplarında gerçek otoriteymiş gibi kaynak gösteriliyor.

Bu bir pazarlama meselesi değil, bir güvenlik meselesi

İkinci mekanizma laboratuvarda da kanıtlandı. Bir güvenlik araştırması, temiz görünen bir siteye tek bir yanlış tıbbi iddia yerleştirip etrafını sahte "editoryal" yazılarla çevirdiğinde, bu iddiayı yapay zekâ cevaplarına sokabildi. "Editoryal onay" tekniği en etkili yöntemdi ve en zayıf modelde tek başına yüksek oranda, listicle formatıyla neredeyse tamamen başarılı oldu (Lasso Security, 2026). Bağımsız bir başka çalışma da bir sayfaya eklenen kısa bir metnin, deep-research ajanlarını bir çok soruda yanlış yöne çekebildiğini gösterdi (Zhang ve ark., 2026). Ortak nokta şu: model, iddiayı kendi sesiyle, kaynak göstermeden tekrarladığında, sizin "kaynağa bakıp doğrulama" yolunuz kapanıyor. Buna atıf boşluğu (attribution gap) diyorlar.

İki basit ölçü: VLS ve MAI

Bir modeli anlatmak yetmiyor, ölçmek gerekiyor. Bu yüzden iki basit endeks öneriyorum.

MAI (Üretilmiş Otorite Endeksi, 0-10): İlk sayfadaki kaynakların ne kadarının üretilmiş (M1, M2, M3) olduğu. Yüksek MAI, ilk sayfanın kendini öven ve satın alınmış içerikle dolu olduğu anlamına gelir.

VLS (Doğrulama Katmanı Puanı, 0-10): Bir pazarda üretilmiş otoriteyi gerçeğinden ayırabilecek bağımsız altyapının gücü. Beş kriter, her biri 0-2 puan: bağımsız doğrulanmış dizinler, meslek standartları, uzmanı kayda geçiren ciddi basın, akademik/ansiklopedik referans, bağımsız üçüncü taraf metrik.

Sekiz pazarı bu iki ölçüyle puanladığımda çıkan tablo şu:

Her pazar, doğrulama katmanı (VLS, yatay) ve üretilmiş otorite (MAI, dikey) ile konumlanıyor. MAI her yerde yüksek, VLS ise 1'den 9'a yayılıyor.

Asıl mesele: bağışıklık, ahlak değil

Bu tablonun kolay ama yanlış okuması "bazı ülkelerin sektörü daha ahlaksız" demektir. Rakamlar bunu desteklemiyor. MAI en güçlü pazarlarda bile yüksek. Değişen şey pazarın bağışıklık sistemi, yani VLS: üretilmiş otoriteyi gerçeğinden ayırabilme kapasitesi.

İki farklı hastalık var. Türkiye savunmasız (MAI 9, VLS 1): manipülasyonun karşısında dengeleyici bir güç yok. Çin ise örneklemle tutarlı biçimde sahte savunmalı (MAI 9, VLS 2): otorite kılığında bol malzeme var ama çoğu ödemeli, yani bağımsızlık ölçütünü geçemiyor. İkisi farklı riskler, farklı çözümler gerektiriyor.

Burada teknik bir nokta da var. Kendi AIVI modelimde, modern retrieval mimarilerinin manipülasyonu çoklu kaynak doğrulamasıyla azalttığını savunmuştum (Göktaş, 2026). Bu inceleme o iddiayı nazikçe düzeltiyor: "çoklu kaynak" ancak kaynaklar bağımsızsa işe yarar. Bülten serpme, tek kaynaktan çok sayıda kaynak üretir; ödemeli liste, otoriteyi sipariş üzerine sağlar. Yani koruma retrieval'ın doğasında değil, dışarıdaki bağımsız doğrulama katmanına bağlı.

Üretilmiş otoriteyi nasıl anlarsınız? (Kısa kontrol listesi)

• Bu listeyi kim yazdı ve o taraf listenin neresinde? Kendisi tepedeyse dikkat.
• Aynı metin başka sitelerde birebir tekrar ediyor mu? Ediyorsa bu bağımsız haber değil, dağıtılmış bülten.
• Listeye girmek para gerektiriyor mu? Gerektiriyorsa bu sıralama değil, reklam.
• Bağımsız bir doğrulayıcı var mı? Kayıt, standart, kayda geçmiş basın, akademik referans arayın.
• İddianın kaynağı gösteriliyor mu? Yapay zekâ kaynaksız bir övgü sunuyorsa, doğrulama yolu zaten kapalıdır.

Sonuç

Üretilmiş otorite, tek bir ülkenin ayıbı değil, GEO sektörünün yapısal bir özelliği. Meşru GEO'yu çalıştıran earned media sinyali, aynı zamanda üretilmiş otoritenin ve GEO poisoning'in saldırı yüzeyi. Eksik olan kamusal fayda ise doğrulama katmanı ve bu katmanın yokluğu yapay zekânın verdiği cevaplara sessizce taşınıyor.

Türkiye için sonuç hem uyarı hem fırsat. Almanya'nın ve Fransa'nın doldurduğu "şeffaf metodoloji, kayda geçmiş otorite" alanı bizde boş duruyor. O boşluğu, yarışmacı olarak değil, hakem katmanı kurarak doldurmak mümkün.