DEHB İçin Yapay Zekâ: Otomatik Doldurma Karar Yorgunluğunu Nasıl Azaltır

Günde yaklaşık 35.000 karar veriyorsunuz — "ne giyeceğim"den "bu göreve hangi önceliği atayacağım"a kadar (Decision Lab, 2024). DEHB beyinleri için bu rakam sadece bir istatistik değil — tükenmişliktir. Waterloo Üniversitesi araştırması, DEHB'li yetişkinlerin yürütme işlevi kaynaklarını nörotipiklerden 3 kat daha hızlı tükettiğini gösteriyor ve bu, her mikro kararı — öncelik, etiket, tarih, enerji seviyesi — sizinle üretkenliğiniz arasındaki gerçek bir engele dönüştürüyor. Çözüm daha fazla disiplin değil. Yapay zekâ ile gereksiz kararları ortadan kaldırmaktır.

Boş Alan Sorunu: DEHB ve Görev Yönetimi Neden Uyuşmuyor

Çoğu üretkenlik uygulaması nörotipik insanlar tarafından, nörotipik insanlar için tasarlandı. Üretkenlik tavsiyelerinin %90'ı DEHB beyinlerinin nasıl çalıştığını tamamen göz ardı ediyor — ve görev oluşturma formları bunun mükemmel örneği.

Herhangi bir görev yöneticisini açın ve bir görev oluşturun. Başlığı yazarsınız ve ardından bir dizi boş alanla karşılaşırsınız: öncelik, proje, teslim tarihi, etiketler, enerji seviyesi, tahmini çaba, süre. Her boş alan bir mikro karardır. Ve bir DEHB beyni için her mikro karar orantısız bilişsel kaynak tüketir.

DEHB konusundaki en önde gelen otoritelerden biri olan Dr. Russell Barkley mekanizmayı açıklar:

"DEHB ne yapılacağını bilme bozukluğu değil, bildiğini yapma bozukluğudur. Yürütme işlevi eksikliği, her karar noktasının potansiyel bir başarısızlık noktası olması anlamına gelir — yetersizlik nedeniyle değil, eylemi başlatmanın nörolojik maliyeti nedeniyle." Dr. Russell Barkley, Taking Charge of Adult ADHD (2021)

Bu nörolojik maliyetin bir adı var: karar yorgunluğu. Journal of Personality and Social Psychology'de yayımlanan bir çalışma, karar kalitesinin gün boyunca kademeli olarak bozulduğunu ve bu düşüşün yürütme işlevi eksikliği olan bireylerde önemli ölçüde daha belirgin olduğunu gösterdi (Vohs ve diğerleri, 2008).

Pratik sonuç tahmin edilebilir: DEHB'li kişi uygulamayı açar, boş alanları görür, aşırı yüklenmeyi hisseder ve uygulamayı kapatır. Ya da daha kötüsü, her şeyi aceleyle doldurur, yanlış öncelik atar, tarihi unutur ve sonra kendi sistemine güvenmez. Sorun hiçbir zaman araç eksikliği değildi. Aracın içindeki çok fazla karardı.

Yapay Zekâ Satır İçi Önerileri Felci Nasıl Ortadan Kaldırır

DEHB ve üretkenlik için en etkili yaklaşım aracı basitleştirmek değil — düşük değerli kararları otomatikleştirmektir, böylece beyin kaynaklarını önemli kararlar için saklar.

Satır İçi Öneriler tam olarak bunu yapar. Herhangi bir varlık (görev, proje, amaç) oluştururken, yapay zekâ bağlamı analiz eder ve alanları düşünmenize gerek kalmadan önce otomatik doldurur.

Pratikte şöyle olur:

1. Yazarsınız: "Q2 sunumunu hazırla"
2. Yapay zekâ önerir: yüksek öncelik, proje "Çeyreklik Planlama", süre 90 dakika, yüksek enerji, teslim tarihi gelecek Cuma
3. Tek tıkla kabul edersiniz — veya uymayanı ayarlarsınız

Boş alan yok. Felç yok. Altı yerine bir karar (kabul et veya ayarla).

Bu kalıp görev oluşturma bilişsel maliyetini dramatik olarak azaltır. Dahili test verileri, otomatik doldurmanın görev oluşturma sürtünmesini %70'e kadar azalttığını gösteriyor; formu açma ile tamamlanmış görevi onaylama arasındaki süreyle ölçülmüştür.

Öneri kalibrasyonu üç kaynağa dayanır:

• Kullanıcı profili: yaşam alanlarınız, hedefleriniz, rutinleriniz ve tercihleriniz (ilk yapay zekâ görüşmesinde toplanan)
• Tamamlama kalıpları: geçmişte benzer görevleri nasıl doldurduğunuz
• Oturum bağlamı: şu anda ne yaptığınız, hangi projenin açık olduğu, saat kaç

Her öneri 0 ile 1 arasında bir güven puanıyla gelir — yapay zekâ ne zaman emin olduğunu, ne zaman tahmin ettiğini bilir. Yüksek güvenli öneriler varsayılan değerler olarak görünür. Düşük güvenli öneriler varsayılan değil, seçenek olarak görünür.

Düzeltmelerinizden Öğrenen Yapay Zekâ (Siz Hiçbir Şey Yapılandırmadan)

Öneren bir yapay zekâ ile doğru bilen bir yapay zekâ arasındaki fark öğrenmedir. Çoğu araç asla iyileşmeyen genel öneriler sunar. Satır içi önerileri DEHB için gerçekten etkili kılan pasif öğrenme sistemidir.

Mekanizma basittir: yapay zekâ "yüksek öncelik" önerdiğinde ve siz bunu "acil" olarak değiştirdiğinizde, farkı kaydeder. Bir dahaki sefere, "yüksek" yerine "acil" kullandığınızı zaten bilir. Yapılandırma yok. Tercihler menüsü yok. Form yok.

Yapay Zekâ Öğrenme Sistemi dört boyutta çalışır:

• Terminoloji: yapay zekâ sizin "kira" yerine "konut gideri" dediğinizi öğrenir ve otomatik yerine koyar
• Tercih: tarih formatları, iletişim tonu, organizasyon stili
• Olgu: kalıcı bağlam — şirket adınız, rolünüz, saat diliminiz
• Reddetme: ASLA görmek istemediğiniz terimler ve kalıplar (yapay zekâ negatif bir liste tutar)

En alakalı 50 öğrenme TÜM gelecek yapay zekâ etkileşimlerine enjekte edilir. Bu, ne kadar çok kullanırsanız o kadar az düzeltmeniz gerektiği ve günde o kadar az karar vermeniz gerektiği anlamına gelir.

DEHB beyinleri için bu belirli bir sorunu çözer: tutarsızlık. En sinir bozucu DEHB belirtilerinden biri, güne, ruh haline, enerji seviyesine bağlı olarak aynı şeyi farklı yapmaktır. Öğrenme sistemi, beynin tek başına sürdüremediği bir tutarlılık katmanı oluşturur.

Journal of Attention Disorders'da (2019) yayımlanan bir çalışma, DEHB'li yetişkinlerin tekrarlayan karar görevlerinde nörotipiklere kıyasla %40'a kadar daha fazla değişkenlik gösterdiğini ortaya koydu. Yapay zekâ bir dengeleyici olarak işlev görür — yargıyı değiştirmez, tekrar karar verilmesi gerekmeyen şeyi standartlaştırır.

Otomatik Oluşturulan Kontrol Listeleri: Büyük Görevleri Eyleme Dönüştürülebilir Adımlara Bölmek

Alanları doldurmanın ötesinde, yapay zekâ bir diğer kritik DEHB sorununu çözer: büyük, belirsiz görevler karşısında felç.

"Webinar hazırla" tam olarak bir DEHB beyninin bakıp donacağı türden bir görevdir. Nasıl yapılacağını bilmediği için değil — nereden başlayacağına karar veremediği için. Driven to Distraction kitabının ortak yazarı Dr. Edward Hallowell bunu görevlere uygulanan "boş sayfa tiranlığı" olarak tanımlar:

"DEHB'li insanlar fikir veya yetenek eksikliği çekmez. Sıralama ve başlatma yeteneği eksikliği çeker. Karmaşık bir görevi adımlara bölmek kendi başına bir yürütme işlevi görevidir — tam olarak bozulmuş olan işlev." — Dr. Edward Hallowell

Kontrol Listesi Oluştur özelliği bunu otomatik olarak çözer. Tek tıkla, yapay zekâ bağımlılık sırasına göre sıralanmış, fiil + nesne formatında 3 ile 6 eyleme dönüştürülebilir alt öğe oluşturur:

1. Konu ve hedef kitleyi belirle
2. Slayt taslağını oluştur
3. Canlı demoyu hazırla
4. Yayın platformunu kur
5. Katılımcılara davetiye gönder
6. Teknik prova yap

Her alt öğe felce neden olmayacak kadar küçüktür. Davranış psikolojisindeki araştırma, görevleri 15 dakikanın altındaki adımlara bölmenin tamamlanma oranını %74 artırdığını gösteriyor (Gollwitzer & Sheeran, 2006, Advances in Experimental Social Psychology).

DEHB için otomatik kontrol listesi oluşturma iki kararı aynı anda ortadan kaldırır: "nereden başlayacağım?" ve "sonraki adım ne?" — en sık yürütme ertelenmesine neden olan iki soru.

Manuel Oluşturma vs. Yapay Zekâ Destekli: DEHB İçin Gerçek Etki

Aşağıdaki tablo, DEHB perspektifinden yapay zekâ satır içi önerileriyle ve önerileri olmadan görev oluşturma sürecini karşılaştırır:

Boyut	Manuel Oluşturma (yapay zekâ yok)	Yapay Zekâ Satır İçi Oluşturma
Görev başına mikro karar	6-8 (öncelik, proje, tarih, etiketler, enerji, çaba, süre, kontrol listesi)	1-2 (öneriyi kabul et veya ayarla)
Ortalama oluşturma süresi	45-90 saniye	10-15 saniye
Boş bırakılan alanlar	%40-60 (geleneksel görev yöneticilerinin kullanım verileri)	%10'dan az
Görevler arası tutarlılık	Düşük — ruh hali ve enerjiyle değişir	Yüksek — yapay zekâ öğrenmeye dayalı standartlaştırır
Boş alan felci	Sık — boş form bir aşırı yüklenme tetikleyicisi	Ortadan kaldırıldı — alanlar önceden doldurulmuş gelir
Meta veri kalitesi	Düzensiz (tutarsız öncelikler, unutulan etiketler)	Kalibre — gerçek kullanım kalıplarına dayalı
Öğrenme eğrisi	Kullanıcı sistemi öğrenmeli	Sistem kullanıcıyı öğrenir
Alt görev kontrol listeleri	Manuel — bilişsel ayrıştırma gerektirir	Otomatik — yapay zekâ eyleme dönüştürülebilir adımlar üretir
Karar yorgunluğu üzerindeki etki	Yüksek — her görev yürütme kaynaklarını tüketir	Minimum — otomatik kararlar irade gücü tüketmez

%70 sürtünme azaltması sadece kolaylık değil — bilişsel erişilebilirlik. Sınırlı yürütme kaynaklarıyla çalışan bir beyin için her ortadan kaldırılan karar, uygulama kapasitesine doğrudan bir yatırımdır.

Başlarken: Yapay Zekâ ile DEHB Üretkenliği

DEHB'niz varsa ve karar yorgunluğunuzu yapay zekâ ile azaltmak istiyorsanız, yol başka bir araç benimsemek değil — beyninize uyum sağlayan bir araç benimsemektir.

DEHB üretkenliği için eksiksiz kılavuz tüm stratejiyi kapsar — hiyerarşik hedef yapısından uyarlanmış haftalık değerlendirmelere. Satır içi öneriler bu daha büyük sistemin bir parçasıdır.

İlke basittir: sistemler disiplini yener. Her zaman. Özellikle sistem sizden öğrendiğinde ve vermeniz gereken karar sayısını aktif olarak azalttığında.

Nervus.io, kullanıcıların yapay zekâ koçluğu, hesap verebilirlik değerlendirmeleri ve akıllı görev yönetimiyle anlamlı hedeflere ulaşmasına yardımcı olmak için katı bir hiyerarşi (Alan > Hedef > Amaç > Proje > Görev) kullanan yapay zekâ destekli bir kişisel üretkenlik platformudur. Satır içi öneriler, öğrenme sistemi ve kontrol listesi oluşturma bu yapının entegre parçalarıdır — izole özellikler değil, her etkileşimde bilişsel maliyeti azaltan bir sistemin bileşenleri.

---

Önemli Çıkarımlar

• DEHB beyinleri yürütme işlevi kaynaklarını 3 kat daha hızlı tüketir ve bu, görev formlarındaki her mikro kararı gerçek bir bilişsel maliyet haline getirir
• Yapay zekâ satır içi önerileri sürtünmenin %70'ini ortadan kaldırır — öncelik, etiket, tarih, enerji ve çaba gibi alanları otomatik doldurarak 6-8 kararı 1-2'ye dönüştürür
• Pasif öğrenme sistemi düzeltmelerinizi analiz eder ve sürekli iyileşir, DEHB beyninin tek başına sürdüremediği bir tutarlılık katmanı oluşturur
• Otomatik kontrol listesi oluşturma belirsiz görevleri 3-6 eyleme dönüştürülebilir adıma böler ve "nereden başlayacağım?" felcini ortadan kaldırır — bu da tamamlanma oranını %74'e kadar artırır
• Öğrenme eğrisi tersine çevrilmiştir: siz sistemi öğrenmek yerine, sistem sizi öğrenir ve günlük karar sayısını kademeli olarak azaltır

---

SSS

Yapay zekâ görevlerime hangi önceliği atayacağını nasıl biliyor?

Yapay zekâ üç kaynağı birleştirir: kişisel profiliniz (hedefler, rutinler, yaşam alanları), daha önce oluşturduğunuz benzer görevlerden kalıplar ve mevcut oturum bağlamı. Her öneri bir güven puanıyla gelir — yüksek güvenli öneriler varsayılan olarak görünür, diğerleri seçenek olarak. Ne kadar çok kullanırsanız o kadar doğru olur.

Yapay zekâ önerileri DEHB'li insanlara gerçekten yardımcı mı oluyor yoksa sadece başka bir dikkat dağıtıcı mı?

Pasif ve bağlamsal olduğunda yardımcı olurlar — ekstra etkileşim gerektirmediğinde. Satır içi öneri modeli karar eklemek yerine azaltır. Araştırmalar, DEHB'li yetişkinlerin tekrarlayan kararlarda %40'a kadar daha fazla değişkenlik gösterdiğini gösteriyor. Yapay zekâ dikkat için rekabet eden başka bir girdi olarak değil, dengeleyici olarak işlev görür.

Yapay zekâ yanlış önerirse ne olur?

Tek tıkla düzeltirsiniz ve öğrenme sistemi farkı kaydeder. Bir dahaki sefere, öneri zaten tercihinizi yansıtır. Dört tür öğrenme aynı anda çalışır: terminoloji, tercih, olgu ve reddetme. En alakalı 50 öğrenme tüm gelecek etkileşimlere otomatik olarak uygulanır.

Otomatik kontrol listesi oluşturma gerçek planlamanın yerini alır mı?

Yerini almaz — hızlandırır. Yapay zekâ bağımlılık sırasına göre sıralanmış, fiil + nesne formatında 3-6 eyleme dönüştürülebilir alt öğe üretir. İnceleyip ayarlarsınız. Amaç — özellikle DEHB'de bozulmuş bir yürütme işlevi olan — başlangıç ayrıştırma felcini ortadan kaldırmaktır, neyin önemli olduğuna dair yargıyı değiştirmek değil.

Bu sistem ile diğer uygulamalardaki otomatik tamamlama arasındaki fark nedir?

Geleneksel otomatik tamamlama sıklığa dayalı metin önerir. Yapay zekâ satır içi önerileri yapılandırılmış alanları (öncelik, enerji, çaba, tarihler) doldurmak için anlambilimi, bağlamı, hedef hiyerarşisini ve kişisel geçmişi analiz eder. Sonraki kelimeyi tahmin etmekle sonraki kararı tahmin etmek arasındaki farktır.

Öğrenme sistemi gizliliğimi nasıl koruyor?

Öğrenmeler bireysel profilinizde saklanır ve yalnızca sizin etkileşimleriniz için kullanılır. Kullanıcılar arasında paylaşım yoktur. Sistem terminoloji, tercihler ve olgular öğrenir — görev içeriği değil. Herhangi bir öğrenmeyi istediğiniz zaman görüntüleyebilir ve silebilirsiniz.

DEHB'si olmayan insanlar da satır içi önerilerden faydalanır mı?

Evet. Karar yorgunluğu herkesi etkiler — DEHB beyinleri sadece daha erken ve daha yoğun yaşar. Günde 5-10'dan fazla görev oluşturan herkes önceden doldurulmuş alanlardan faydalanır. %70 sürtünme azaltması herhangi bir bilişsel profile uygulanır.

Yapay zekânın öğrenmeye başlaması için bir şey yapılandırmam gerekiyor mu?

Hayır. Pasif öğrenme ilk etkileşimle otomatik olarak başlar. Bir öneriyi düzenlediğinizde, yapay zekâ farkı analiz eder ve bir kural oluşturur. Kuralları doğal dilde manuel olarak da ekleyebilirsiniz — örneğin, "'acil' etiketini asla kullanma, 'kritik' kullan." Menü yok, yapılandırma formu yok.

---

Nervus.io ekibi tarafından yazılmıştır. Hedefleri sistemlere dönüştüren, yapay zekâ destekli bir üretkenlik platformu inşa ediyoruz. Hedef bilimi, kişisel üretkenlik ve insan-yapay zekâ işbirliğinin geleceği hakkında yazıyoruz.