İstanbul Gelişim Üniversitesi (İGÜ), Güzel Sanatlar Fakültesi (GSF) Dekan Yardımcısı ve Gastronomi ve Mutfak Sanatları Bölümü öğretim elemanlarından Doç. Dr. Murat Doğan’ın yazısı Hotel Restaurant & Hi-Tech Dergisi’nde yayımlandı. Yazı, dergide “Restoran İşletmeciliğinde Prompt Mühendisliği Ve Gelecek Vizyonu” başlığıyla yer aldı. İlgili yazıya ait metin aşağıda yer almaktadır.
Değerli okurlarım bir süredir aylık yazılarımda yiyecek-içecek sektöründe uygulanabilecek yenilikçi yaklaşımlar üzerine yazıyorum. Bu ayki yazımda da dünyadaki uygulamaları çok yeni olan ve Türkiye’deki restoran sektöründe uygulamasına rastlamadığım prompt mühendisliğinden söz edeceğim.
Uzun bir süre doktora öğrencimle “Prompt mühendisliği restoran sektöründe nasıl uygulanabilir?” sorusuna kafa yorduk. Bilimsel bulgularımızı ise şubat ayı içinde uluslararası bir kongrede bildiri olarak sunduk. Bu yazımda konuyu yalın bir şekilde anlatmaya çalışacağım.
Prompt mühendisliği nedir?
Öncelikli olarak “prompt” sözcüğünden başlamakta fayda var. Muhtemelen önceki yıllarda prompt sözcüğünü duymasak ta prompter cihazını ve prompter kazalarını çokça duymuşuzdur. Bildiğiniz gibi prompter cihazı bir nevi elektronik suflördür. O zaman şunu rahatlıkla söyleyebiliriz ki prompt sözcüğünün etimolojik kökeninde “destek olma eylemi” yatıyor demektir. Prompt sözcüğü batı dillerinde on beşinci yüzyılın başlarından itibaren “harekete geçmeye teşvik etmek” ve “bir konuşmacıya repliklerinde yardımcı olmak” anlamları yüklenmiştir. Günümüzde yapay zekanın hakim olduğu tüm alanlarda prompt, yapay zekaya belirli bir görev veya içerik üretmesi için verilen talimat veya açıklama anlamlarında kullanılmaktadır.
ChatGPT’nin piyasaya sürülmesinden bu yana doğal dil işleme, kod oluşturma ve otonom sistemler gibi alanlarda büyük ilerlemeler olmuştur. Ancak bu tür programların kullandığı Büyük Dil Modellerinin (LLM- Large Language Models) muhakeme yetenekleri sınırlı kalmaktadır. Yapılan araştırmalar farklı araçların kullanımı ve bunların entegre edilmesi ile daha geniş uygulama alanlarına uyarlanabilen LLM ajanları geliştirilebilmektedir. Yapılan yeni çalışmalarda promptlar önemli bir rol oynamaktadır. Bu bağlamda promptlar LLM’lerin çıktılarını yönlendiren ve süreçleri otomatikleştiren talimatlar sunabilmektedir.
Prompt mühendisliği nasıl ortaya çıktı
Prompt mühendisliği karmaşık ve zaman alıcı bir süreçtir. Bu nedenle, LLM'lerin kendi promptlarını oluşturmasını imkânlı hale getiren otomatik prompt mühendisliği (APE- Automatic Prompt Engineer) yöntemi geliştirilmiştir. APE, az sayıda deneme ile daha etkili ve sağlam promptlar üretebilmektedir. Ayrıca, LLM'lerin istenilen çıktıları üretmesini sağlamak ve yaygın hatalardan kaçınmak için belirli stratejiler ve metinsel yapılandırmalar içeren püf noktalar oluşturulmuştur.
Restoran işletmelerinde prompt mühendisliğinin uygulanabilirliği
Restoran işletmeciliğinde prompt kalıpları, yazılım kalıplarına benzer şekilde bilgi transferi sağlayabilir ve yaygın sorunlara yeniden kullanılabilir çözümler sunabilir. Bu kalıplar, talimat, girdi, rol, çıktı formatı, tarz/ton ve kısıtlamalar gibi unsurlardan oluşmakta olup aşağıda kısaca açıklamaya çalıştım.
Talimat: Modelin ne yapması gerektiğini belirler.
Girdi: Yanıt için gerekli bağlamı sağlar.
Rol: Modelin davranışını ve bakış açısını şekillendirir.
Çıktı Formatı: Yanıtın yapısını ve biçimini tanımlar.
Tarz/Ton: İletişimin tonunu ve resmiyet derecesini belirler.
Kısıtlamalar: Yanıtların etik ve teknik sınırlara uygun olmasını sağlar.
Bu unsurlar, elde edilen verilerin kullanışlı ve anlaşılır olmasını sağlamaktadır. Jules White ve arkadaşları 2023 yılında “ChatGPT ile Prompt Mühendisliğini Geliştirmek İçin Prompt Desen Kataloğu” başlıklı çalışmalarında, bu yaklaşımı “Ana Kategoriler ve Kalıplar” olarak sınıflandırmıştır. Bu kalıplar, restoran işletmeciliğinde etkili iletişim ve problem çözme için önemli bir araçtır.
Prompt mühendisliği ile restoran işletmeleri için ana kategoriler ve kalıplar
Restoran yönetiminde yapay zeka (AI) kullanımına yönelik çeşitli teknik ve stratejiler, AI'nın restoran işletmeciliğinde daha etkili ve verimli bir şekilde kullanılmasını sağlamayı amaçlayabilir. Ana başlıklar ve örnekler:
-
Girdi Anlamları (Input Semantics):
-
Çıktı Özelleştirme (Output Customization):
-
Persona: AI'nın belirli bir rol üstlenmesi sağlanır. Örneğin, bir şef gibi davranarak yeni bir menü öğesi önermesi istenebilir.
-
Şablon (Template): AI'nın belirli bir formatta çıktı vermesi sağlanır. Örneğin, yeni bir yemek tanıtımı için önceden belirlenmiş bir şablon kullanılır.
-
Görselleştirme Üreticisi (Visualization Generator): AI, menü veya restoran düzeni gibi konularda görsel çıktılar oluşturur. Örneğin, masa düzeni için bir diyagram kodu üretir.
-
Hata Tespiti (Error Identification):
-
Gerçek Kontrol Listesi (Fact Check List): AI, müşteri hizmetleri süreçlerinde doğruluğu sağlamak için kontrol listeleri oluşturur. Örneğin, sipariş hazırlama prosedürünün sonunda önemli noktaları listeler.
-
Prompt İyileştirme (Prompt Improvement):
-
Soru İyileştirme (Question Refinement): Müşterilerden gelen genel sorular daha spesifik hale getirilir. Örneğin, “Ne önerirsiniz?” sorusu “Bugünkü özel yemekleriniz neler?” şeklinde yeniden ifade edilir.
-
Alternatif Yaklaşımlar (Alternative Approaches): AI, bir soruna farklı çözümler sunar. Örneğin, bir yemeği vegan hale getirmek için alternatif malzemeler önerir.
-
Etkileşim (Interaction):
-
Tersine Etkileşim (Flipped Interaction): AI, müşteri veya çalışanlardan bilgi toplar. Örneğin, yeni bir menü oluşturmak için gerekli bilgileri sorular sorarak toplar.
-
Oyunlaştırma (Game Play): Müşteri etkileşimleri eğlenceli hale getirilir. Örneğin, menüdeki malzemeleri tahmin ettiren bir oyun oluşturulur.
-
Bağlam Kontrolü (Context Control):
Bu teknikler, restoran işletmeciliğinde AI'nın daha etkili ve verimli kullanılmasını sağlayarak, müşteri deneyimini iyileştirmeyi ve operasyonel süreçleri optimize etmeyi hedefleyebilmektedir.
Prompt Mühendisliği ile restoran menü yönetimi ve kişiselleştirme
Menü yönetimi, “menü fiyatlandırma”, “menü tasarımı”, “menü operasyonları” ve “menü analizi” gibi temel başlıkları ve kısaca bilgisini aşağıda verdim.
-
Menü Fiyatlandırma:
-
Fiyatlar, müşterilerin algısını ve satışları doğrudan etkiler. Örneğin, “9” ile biten fiyatlar kalite algısını artırabilir.
-
Decoy (yemleme) ürünler, müşterilerin fiyat algısını yönlendirebilir.
-
Fiyat belirlemede maliyet ve kar hedefleri dikkate alınırken, müşteri beklentileri ve algıları da önemlidir.
-
Menü Tasarımı:
-
Menü, restoranın imajını yansıtan bir araçtır. Tasarım, renkler, yazı tipleri ve görseller, müşteri algısını etkiler.
-
Menüdeki “tatlı noktalar” (sweet spots), müşterilerin ilk baktığı alanlar olarak satışları artırabilir.
-
Öğelerin isimlendirilmesi ve açıklamaları, müşteri tercihlerini etkileyebilir.
-
Menü Operasyonları:
-
Gıda güvenliği ve hijyen, özellikle küçük işletmelerde büyük bir sorundur. HACCP gibi risk bazlı sistemler, gıda güvenliğini sağlamada önemlidir.
-
Standart tarifler, porsiyon kontrolü ve doğru talep tahminleri, maliyetleri düşürürken müşteri memnuniyetini artırır.
-
Menü Analizi:
-
Menü analizi, ürünlerin maliyet, popülerlik ve karlılık gibi performans göstergelerine göre değerlendirilmesini içerir.
-
Düşük performanslı ürünler için sunum, tarif veya fiyat değişiklikleri gibi stratejiler uygulanabilir.
-
Geleneksel analizlerin eksikliklerini gidermek için çok boyutlu analiz yöntemleri geliştirilmiştir.
-
ChatBot ile Menü Kişiselleştirme:
-
Yapay zeka (AI) ve chatbotlar, menü oluşturma ve kişiselleştirme süreçlerinde kullanılabilir. Örneğin, ChatGPT gibi modeller, spesifik bilgilerle eğitilerek menü geliştirme sürecine katkıda bulunabilir.
-
Bu tür teknolojiler, müşteri tercihlerine uygun kişiselleştirilmiş menüler oluşturmada etkili olabilir.
Sonuç olarak, restoran menü yönetimi, fiyatlandırma, tasarım, operasyon ve analiz gibi birçok faktörü içeren karmaşık bir süreçtir. Prompt Mühendisliği, bu süreçleri daha verimli ve müşteri odaklı hale getirebilir.
Sağlıcakla kalın…
Doç. Dr. Murat Doğan
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
.jpg)
