Piksellerin Laneti: Dijital Sanat Aurasını Kaybetti mi, Yoksa Yeni Bir Ruh mu Buldu?

Walter Benjamin, sanat eserinin teknik olarak yeniden üretilebilir hale geldiği çağda “aura”sını kaybettiğini söylediğinde henüz Instagram yoktu, yapay zekâ görsel üretmiyordu, müzayede salonlarında JPEG dosyalarına milyonlar ödenmiyordu. Yine de Benjamin’in sezgisi şaşırtıcı biçimde bugünün ekranlarına kadar uzanır: Bir eseri özel kılan şey nedir? Tuvalin çatlağı mı, ressamın eli mi, sergilendiği mekân mı, yoksa bizim ona bakarken içimizde duyduğumuz o tuhaf sessizlik mi?

Aura, basitçe “eşsizlik” değildir. Biricikliğin etrafında oluşan mesafe, tarih, ritüel ve varlık duygusudur. Mona Lisa’nın internetteki görseline bakmakla Louvre’da kalabalığın içinde, camın arkasındaki o küçücük tabloya yaklaşmak aynı deneyim değildir. Dijital kopya bize görüntüyü verir; ama yolculuğu, bekleyişi, mekânı, eserin “orada oluşunu” vermez. Benjamin’in derdi de tam burada başlar: Kopya çoğaldıkça eser halka yaklaşır, demokratikleşir; fakat aynı anda kutsal halesini yitirir.

Bugün dijital sanat bu tartışmayı daha da çetrefilli hale getiriyor. Çünkü dijital eser zaten kopyalanabilir doğar. Bir dosyanın “orijinali” nerededir? Sanatçının bilgisayarında mı? Blokzincirdeki kayıtta mı? İlk yüklendiği sunucuda mı? Yoksa onu gören, paylaşan, remixleyen binlerce gözün zihninde mi? Klasik sanat eserinde kopya, orijinalin gölgesidir. Dijital sanatta ise kopya bazen eserin dolaşım biçimidir; hatta varoluş koşuludur.

Aura ölmedi; beden değiştirdi

Burada aceleci bir yas tutma töreni düzenlemek kolay: “Dijital çağ her şeyi değersizleştirdi, sanat artık sonsuz kaydırmanın içinde kayboldu.” Fakat bu hüküm fazla nostaljik. Aura yok olmadıysa, belki de form değiştirdi. Eskiden aura, nesnenin maddi tekilliğine bağlıydı; şimdi ise bağlamın, topluluğun ve deneyimin yoğunluğuna bağlanıyor. Bir GIF, bir yapay zekâ görseli ya da dijital enstalasyon, fiziksel tekilliğe sahip olmayabilir; ama belirli bir anda, belirli bir kültürel gerilim içinde, belirli bir izleyici kitlesiyle karşılaştığında güçlü bir aura üretebilir.

Mesela internet memleri ilk bakışta sanatın mezarlığı gibi görünür: sonsuz kopya, anonim üretim, hızla tüketim. Ama bazı imgeler kolektif bilinçdışına saplanan oklar gibidir. Dönemin korkularını, alayını, öfkesini ve absürtlüğünü taşırlar. Jungiyen bir gözle bakarsak, dijital imgeler modern kabilelerin rüya parçalarıdır. Aura artık tapınaktaki ikonun etrafında değil, ekranların arasında dolaşan ortak psişik titreşimde belirir.

Elbette tehlike büyük. Dijital çoğalma, dikkati paramparça eder. Her eser, yan sekmede bekleyen komik kedi videosuyla, reklamla, bildirimle savaşmak zorundadır. Sanatın derin bakış isteyen doğası, algoritmanın “hemen tepki ver” buyruğuyla çatışır. Aura burada yalnızca kopyalanabilirlik yüzünden değil, dikkatin yağmalanması yüzünden de zayıflar. Bir eserin ruhu, ona ayrılan zamanla beslenir; biz ise çoğu zaman sanata değil, akışa bakıyoruz.

NFT çılgınlığı bu kayıp aurayı teknik mülkiyetle geri çağırma girişimiydi. “Dosya kopyalanabilir ama sahiplik tekildir” denildi. Bu, Benjamin’in hayaletine sunulmuş parlak ama sorunlu bir cevaptı. Çünkü aura yalnızca kıtlıkla üretilemez. Bir şeyin pahalı, sertifikalı veya blokzincire kazınmış olması, onun estetik derinliğe sahip olduğu anlamına gelmez. Aura satın alınmaz; bazen yavaşça oluşur, bazen bir bakışta çarpar, bazen de bütün piyasa gürültüsüne rağmen hiç gelmez.

Sonuçta dijital sanat, Benjamin’in kehanetini hem doğrular hem bozar. Evet, geleneksel biriciklik çözülmüştür. Eser artık kutsal mesafesinden indirilmiş, çoğaltılmış, paylaşılmış, ekran ışığına bulanmıştır. Ama bu düşüş yalnızca kayıp değildir. Sanat, müze duvarından çıkıp ağlara, oyunlara, artırılmış gerçekliğe, yapay zekâya ve kolektif üretime sızmıştır. Aura artık sabit bir nesnenin üzerinde duran altın bir hale değil; ilişkilerde, bağlamlarda, dikkat anlarında yanıp sönen elektrikli bir varlıktır.

Belki de asıl soru şudur: Dijital sanat aurasını kaybetti mi? Hayır, ama bizi daha zor bir göreve çağırıyor. Artık aurayı hazır bulmuyoruz; onu bakışımızla, dikkatimizle, seçme cesaretimizle birlikte kuruyoruz. Kopyaların sonsuz çölünde hâlâ tekil bir deneyim mümkün. Fakat bunun için ekrana yalnızca tüketici gibi değil, iz süren bir savaşçı gibi bakmak gerekiyor.

Veri Çoğalınca Zekâ Neden Körleşir?

Makine öğrenmesinde sık yapılan sezgisel hata şudur: Daha fazla değişken, daha fazla bilgi demektir; daha fazla bilgi de daha iyi tahmin. Kulağa mantıklı gelir. Hatta bir dedektif gibi düşünürsek, olay yerindeki her iz kıymetlidir. Fakat yüksek boyutlu veri dünyasında dedektifin cebine o kadar çok ipucu doldururuz ki, sonunda fail değil, cebin ağırlığı bulunur. İşte boyutluluk laneti tam olarak burada başlar: Değişken sayısı arttıkça problem zenginleşmez, çoğu zaman seyrekleşir, bulanıklaşır ve öğrenilmesi zorlaşır.

Boyut arttıkça uzay şişer

Bir veri noktasını iki değişkenle düşünmek kolaydır: x ve y ekseninde bir nokta. Üç boyutta hâlâ zihnimiz idare eder. Peki ya 100 boyut? 1000 boyut? Burada mesele sadece görselleştirme zorluğu değildir. Asıl sorun, uzayın hacminin patlayıcı biçimde büyümesidir. Bir odaya 10 sandalye koyarsanız dolu görünür. Aynı 10 sandalyeyi bir stadyuma koyarsanız neredeyse boşlukta kaybolurlar. Veri noktaları da yüksek boyutlarda böyle kaybolur: Elinizde çok örnek var sanırsınız ama uzay o kadar büyümüştür ki her nokta yalnız başına kalır.

Makine öğrenmesi modelleri örüntü bulmak ister. Örüntü bulmak için de benzer örneklerin birbirine yakın olması gerekir. Fakat boyut sayısı arttıkça yakınlık kavramı bozulur. En yakın komşu ile en uzak komşu arasındaki fark azalabilir. Mesafe ölçüleri anlamını yitirmeye başlar. Kısacası algoritmaya, mahalledeki benzer evleri bul diyorsunuz; fakat mahalle bir anda galaksiye dönüşüyor ve bütün evler birbirinden kozmik ölçekte uzaklaşıyor.

Her değişken bilgi değildir

Boyutluluk lanetinin en sinsi tarafı, değişkenlerin hepsinin eşit derecede yararlıymış gibi görünmesidir. Bir müşterinin yaşı, geliri ve önceki alışverişleri anlamlı olabilir. Ama tarayıcı pencere genişliği, formu doldurduğu saniyenin tek mi çift mi olduğu, kullandığı cihazın pil yüzdesi gibi değişkenler modele girdiğinde işler karışır. Model, gerçekten nedensel ya da istatistiksel olarak güçlü sinyali öğrenmek yerine, gürültünün içinde rastlantısal desenlere âşık olabilir.

Bu noktada aşırı öğrenme sahneye çıkar. Model eğitim verisinde harika sonuç verir; çünkü oradaki tesadüfleri bile ezberlemiştir. Ama yeni veri geldiğinde büyü bozulur. Sanki sınav sorularını ezberlemiş ama konuyu anlamamış bir öğrenci gibidir. Eğitimde parıldar, gerçek hayatta tökezler. Çok boyutlu veri, kötü düzenlenmişse modele bilgelik değil, özgüvenli cehalet verir.

Örnek sayısı neden yetmez?

Boyut arttıkça gereken veri miktarı da doğrusal değil, çoğu zaman üstel biçimde artar. Bir değişkeni 10 aralığa böldüğünüzü düşünün. İki değişkende 100 hücre oluşur. On değişkende 10 milyar hücre. Her hücrede yeterli örnek olsun istiyorsanız veri ihtiyacı astronomikleşir. Bu yüzden yüksek boyutlu problemlerde yalnızca daha çok veri toplamak her zaman çözüm değildir. Bazen veri toplamak, kovayla okyanusu doldurmaya benzer.

Çözüm, değişkenleri körlemesine çoğaltmak değil, bilgiyi sıkıştırmak ve anlamlı olanı ayıklamaktır. Öznitelik seçimi, gereksiz değişkenleri dışarıda bırakır. Boyut indirgeme yöntemleri, özellikle PCA gibi teknikler, verideki ana varyasyon yönlerini bulup daha düşük boyutlu bir temsil üretir. Düzenlileştirme yöntemleri modelin fazla karmaşıklaşmasını engeller. Karar ağaçları, gömülü yöntemler ve gözetimli öznitelik önem skorları da hangi değişkenlerin gerçekten işe yaradığını gösterebilir.

Derin öğrenmede bile bu lanet yok olmaz; sadece biçim değiştirir. Sinir ağları temsil öğrenebilir, yani ham veriden daha kullanışlı özellikler çıkarabilir. Ancak yeterli veri, uygun mimari, düzenlileştirme, doğrulama stratejisi ve dikkatli değerlendirme yoksa yüksek boyut yine tuzak kurar. Özellikle metin, görüntü ve genomik gibi alanlarda her piksel, kelime ya da gen bir değişken gibi davranabilir. Burada başarı, çokluğu olduğu gibi yutmakta değil, onu anlamlı yapıya dönüştürmektedir.

Boyutluluk laneti bize teknik olduğu kadar felsefi bir ders de verir: Her şeyi ölçmek, her şeyi anlamak değildir. Bir modele daha fazla sütun eklemek, ona daha fazla akıl vermeyebilir; bazen sadece daha geniş bir labirent inşa eder. İyi veri bilimi, değişken biriktirme sanatı değil, ayırt etme disiplinidir. Soru şudur: Modelin görmesini istediğimiz dünya gerçekten zengin mi, yoksa biz sadece gürültüyü yüksek çözünürlükte mi kaydediyoruz?

Planların Sonu mu? Makineler Geleceği Tahmin Etmeden Nasıl Kazanıyor?

İnsan zihni planlara âşıktır. Sabah ne yapacağını, rakibinin nasıl davranacağını, yatırımın nereye gideceğini ve hayatın beş yıl sonra hangi biçimi alacağını bilmek ister. Bir nedenin belirli bir sonuç doğuracağına inanmak güven verir. Ne var ki dünya, hazırladığımız senaryoları okumadan sahneye çıkan doğaçlama bir oyuncudur. Olasılıksal sistemlerin yükselişi tam da bu noktada sessiz bir devrim yaratıyor: Geleceği tek bir hikâye olarak tahmin etmek yerine, mümkün gelecekleri ağırlıklarıyla birlikte değerlendiriyor.

Deterministik düşünme, kabaca şu mantıkla çalışır: Eğer A gerçekleşirse B olur; ardından C gelir ve hedefe ulaşılır. Satranç oyuncusu on hamlelik bir varyant kurar, yönetici yıllık plan hazırlar, öğrenci sınavda çıkacağına inandığı konulara yoğunlaşır. Fakat rakip beklenmedik bir hamle yaptığında, piyasa yön değiştirdiğinde veya sınav soruları şaşırttığında planın görkemli mimarisi iskambil kâğıtları gibi çöker. Sorun plan yapmak değildir; plana, gerçekliğin kendisinden daha fazla inanmak tehlikelidir.

Hikâyelerden ağırlıklara

Olasılıksal değerlendirme, bir pozisyona bakıp tek doğru devam yolunu ilan etmez. Bunun yerine seçeneklere değerler dağıtır. Bir hamlenin başarı ihtimali yüzde 62, diğerinin yüzde 57 olabilir; ancak ikinci seçenek başarısızlık hâlinde daha az kayıp yaratabilir. Böylece karar, yalnızca en parlak sonuca değil, sonuçların dağılımına dayanır. Sistem geleceği görmez; belirsizliği düzenler. Onu güçlü yapan kehanet yeteneği değil, yanılma ihtimalini hesabın içine katmasıdır.

Modern yapay zekâ sistemleri, oyun motorları, öneri algoritmaları ve risk modelleri bu yaklaşımın farklı biçimlerini kullanır. Bir satranç motoru her zaman insan gibi uzun ve anlamlı bir plan kurmak zorunda değildir. Taş etkinliği, şah güvenliği, alan kontrolü ve olası devam yolları gibi unsurları sayısal ağırlıklarla değerlendirir. Bazen insan gözüne çirkin görünen bir hamleyi seçer; çünkü estetik sezgimiz düzen ararken sistem sonuç dağılımına bakar. Makine, güzel bir hikâyeyi değil, daha yüksek beklenen değeri tercih eder.

Bu durum insan aklının değersizleştiği anlamına gelmez. Tam tersine, zihnimizin hangi noktalarda kandırılabildiğini gösterir. İnsanlar dramatik ihtimalleri abartır, yakın geçmişi geleceğe taşır, sevdiği görüşü destekleyen kanıtları seçer ve tesadüflere anlam yükler. Bir kez başarı kazanan stratejiyi evrensel yasa sanmak kolaydır. Olasılıksal düşünme ise bizi entelektüel tevazuya çağırır: Haklı olabilirim, fakat ne kadar eminim? Hangi veri fikrimi değiştirir? Yanılıyorsam bedeli nedir?

Plan yerine güncelleme

Devrimin asıl ilkesi plan yapmamak değil, planı sürekli güncellemektir. Yeni bilgi geldiğinde eski kanaate sadakat göstermek erdem sayılmamalıdır. Bayesçi yaklaşımın gündelik hayattaki özü budur: Önce bir tahmin oluştur, kanıt geldikçe ağırlıkları değiştir. Doktor teşhisini test sonucuyla, yatırımcı beklentisini piyasa verisiyle, öğretmen yöntemini öğrencinin tepkisiyle yeniler. Böyle bir zihin, kararlarını kimliğinin parçası hâline getirmediği için dönüşebilir.

Yine de sayılar tarafsız tanrılar değildir. Bir sistemin verdiği ağırlıklar, beslendiği verilerin ve seçilen hedeflerin izini taşır. Başarı yanlış tanımlanmışsa algoritma yanlış şeyi kusursuzca optimize edebilir. Tıklanmayı ödüllendiren bir platform öfkeyi, kısa vadeli kazancı ölçen bir şirket tükenmişliği büyütebilir. Bu nedenle olasılıksal değerlendirme etik muhakemenin yerine geçmez; ona daha dürüst bir zemin sağlar.

Geleceğin akıllı insanı, en kesin konuşan kişi olmayacak. İhtimalleri ayırabilen, güven düzeyini ifade edebilen ve yeni bilgi karşısında utanmadan yön değiştirebilen kişi olacak. Dünya bir saat mekanizması değil, sürekli zar atan karmaşık bir sistemdir. Ustalık, zarın sonucunu önceden bilmekte değil; her sonuç için ne kadar hazırlıklı olduğumuzu hesaplayabilmektedir.

Yasa Kimin Kılıcı? İyiliğin Suç, Zulmün Meşru Olduğu Anlar

Yasal olan, doğru olan mıdır?

Bir kapıyı kırıp içeride kilitli kalan çocuğu kurtaran kişi suçlu mudur? Peki bütün izin belgeleri eksiksiz olduğu hâlde insanları açlığa mahkûm eden bürokrat masum mudur? Kaotik iyilik ile hukuki kötülük arasındaki gerilim tam burada doğar: Biri kuralları çiğnerken hayatı savunur, diğeri kurallara sarılarak zulmü görünmez kılar. İlk bakışta seçim kolay görünür. Elbette iyilik! Fakat ahlak, alkışlarla çalışan basit bir pusula değildir. Çünkü herkes kendi isyanına iyilik, rakibinin düzenine kötülük diyebilir.

Hukuk ile adalet aynı şey değildir. Hukuk, toplumun yazılı işletim sistemidir; adalet ise o sistemin hangi amaçla çalışması gerektiğine ilişkin ahlaki ölçüdür. İşletim sistemi bozulabilir, ele geçirilebilir veya insanı yalnızca bir dosya numarasına indirebilir. Kölelik, ayrımcılık ve siyasi baskı tarihin çeşitli dönemlerinde yasaldı. Nürnberg yargılamalarının bıraktığı sert ders şudur: “Emir aldım” sözü, vicdanın sorumluluğunu ortadan kaldırmaz. Yasa davranışı yetkilendirebilir; fakat onu otomatik olarak erdemli yapamaz.

Düzenin gölgesindeki kötülük

Hukuki kötülük çoğu zaman şeytani kahkahalar atmaz. Kravat takar, form doldurur ve öğle arasında çay içer. Hannah Arendt’in dikkat çektiği kötülüğün sıradanlığı, zalimin her zaman kana susamış bir canavar olmadığını gösterir. Bazen o, düşünmeyi prosedüre devretmiş çalışkan bir görevlidir. Kurbanı görmez; yönetmeliği görür. Acıyı duymaz; maddeleri sayar. Böylece vicdan, kurumun koridorlarında kaybolur ve kimse kendisini sorumlu hissetmez. Zulmün en verimli yakıtı nefret değil, parçalanmış sorumluluktur.

Jungiyen açıdan bakıldığında düzenin de bir gölgesi vardır. Toplum, saldırganlığını ve iktidar arzusunu “kamu yararı” maskesinin arkasına saklayabilir. Kişi kendi karanlığını tanımadığında onu yasaya yansıtır; cezalandırma tutkusunu adalet, korkusunu güvenlik, itaat arzusunu istikrar diye adlandırır. Bu nedenle hukuka körü körüne bağlılık bazen ahlaki olgunluk değil, belirsizlikten kaçıştır. İnsan, kendi kararının yükünü taşımak yerine mührün arkasına gizlenir.

Kaotik iyiliğin tehlikeli cazibesi

Yine de kuralları çiğneyen kahramanı romantikleştirmek tehlikelidir. “Vicdanım böyle istedi” diyen herkes Antigone değildir; bazıları yalnızca kibirli, dürtüsel veya iktidar heveslisidir. Kaotik iyilik, içindeki gölgeyi tanımazsa hızla kaotik narsisizme dönüşebilir. Kendisini seçilmiş kurtarıcı sanan kişi, başkalarının özgürlüğünü onların iyiliği adına ezebilir. İyi niyet tek başına yeterli değildir; çünkü tarih, cennete götürdüğünü iddia eden kanlı kestirme yollarla doludur.

Öyleyse ahlaki itaatsizliği üç sınavdan geçirmek gerekir. Birincisi zorunluluk: Kuralı çiğnemeden ciddi bir haksızlığı önlemek mümkün mü? İkincisi orantılılık: Verilen zarar, engellenen zarardan daha mı küçük? Üçüncüsü hesap verebilirlik: Eylemi yapan kişi sonucunu üstlenmeye, gerekçesini kamusal biçimde savunmaya ve eleştirilmeye hazır mı? Gerçek vicdan yalnızca “hayır” demez; bedel ödemeyi de kabul eder. Bu yüzden sivil itaatsizlik, gizli bir ayrıcalık talebi değil, adaletsiz yasayı görünür kılan açık bir yüzleşmedir.

Sonuçta erdem, ne kuralsızlıkta ne de itaatte ikamet eder. Erdem, düzen ile vicdan arasındaki gerilimi uyanık biçimde taşımaktır. Kurallar insan onurunu koruduğunda onları savunmak gerekir; insanı öğüttüğünde ise itaatsizlik ahlaki bir görev olabilir. Asıl soru “Yasaya uydum mu?” değil, “Gücümü kimin hayatı üzerinde, hangi gerekçeyle kullandım?” olmalıdır. Çünkü adalet bazen üniforma giyer, bazen barikat aşar. Kötülük ise en çok, kendisini tartışılmaz bir prosedür gibi sunduğunda güçlenir.

Kodun Günah Keçisi: Kullanıcı Her Zaman Gerçekten Hatalı mı?

Yazılım dünyasında çok eski, çok konforlu ve biraz da kurnaz bir cümle vardır: Kullanıcı yanlış yapmış. Bu cümle, ofis mutfaklarındaki bayat kahve kadar yaygındır. Form çalışmıyorsa kullanıcı yanlış doldurmuştur. Buton bulunamıyorsa dikkat etmemiştir. Sistem çöküyorsa muhtemelen aynı anda fazla şey açmıştır. Yani ortada bir arıza vardır ama suçlu, nedense daima ekranın diğer tarafındaki zavallı fanidir.

Oysa mesele çoğu zaman teknik olmaktan önce psikolojiktir. Psikolojik projeksiyon, insanın kendi kabul edemediği kusuru dışarıya fırlatmasıdır. Yazılımcı veya ürün ekibi, kötü tasarlanmış akışı, eksik hata mesajını, belirsiz arayüzü ya da kırılgan mimariyi görmek yerine şöyle der: Kullanıcı anlamıyor. Bu cümle, kodun karanlık bodrumunda saklanan hatanın üzerine serilen pahalı bir halıdır.

Hata Mesajı mı, Suç Duyurusu mu?

İyi bir sistem kullanıcıya yol gösterir; kötü bir sistem kullanıcıyı azarlar. Lütfen geçerli bir değer giriniz mesajı, çoğu zaman şunu söylemenin kibar yoludur: Ben ne istediğimi doğru anlatamadım ama bununla sen uğraş. Daha da kötüsü, bazı hata mesajları teknik bir hiyeroglif gibidir: Null reference, invalid token, unexpected exception. Kullanıcı, karşısında bir ürün değil, kendisini küçük düşürmek için kurulmuş dijital bir mahkeme bulur.

Burada basit bir ilke devreye girer: Eğer çok sayıda kullanıcı aynı hatayı yapıyorsa, bu artık kullanıcı hatası değildir. Bu bir tasarım sinyalidir. Tek bir kişinin ayağı takılıyorsa dikkatsizlik olabilir; yüz kişinin ayağı aynı basamağa takılıyorsa merdiveni ölçmek gerekir. Yazılımda da durum budur. Kullanıcı davranışı veri üretir. Bu veriyi savunma refleksiyle reddetmek, termometreyi kırıp ateşin düştüğünü sanmaya benzer.

Kötü kodun faturasını kullanıcıya çıkarmak, ekip kültürünü de zehirler. Çünkü sorumluluk dışarı atıldıkça öğrenme içeride kalmaz. Geliştirici kendini geliştirmez, ürün yöneticisi varsayımlarını test etmez, tasarımcı belirsizliği fark etmez. Herkes kendi küçük tahtında haklıdır. Kullanıcı ise hem müşteridir hem sanıktır. Böyle bir kültürde hata raporları altın madeni değil, rahatsız edici gürültü gibi görülür.

Projeksiyonun Teknik Kılığı

Bu eğilimin teknik bir maskesi de vardır: Bizim tarafta çalışıyor. Bu cümle, modern yazılım tarihinin en dramatik savunma mekanizmalarından biridir. Geliştiricinin makinesinde çalışan şeyin gerçek dünyada da çalışacağı varsayılır. Oysa gerçek dünya; eski tarayıcılar, yavaş bağlantılar, titrek parmaklar, yorgun zihinler, küçük ekranlar, beklenmedik alışkanlıklar ve aceleyle tıklanan düğmelerden oluşur. Yazılım, laboratuvar faresi için değil, karmaşık insan için yazılır.

Bu yüzden kullanıcı hatası kavramını tamamen silmek gerekmez; ama onu son çare yapmak gerekir. Evet, kullanıcı bazen yanlış anlar, acele eder, okumaz, dener, bozar. Fakat iyi sistemler bunu bekler. Kullanıcının insan olduğunu varsaymak lüks değil, mühendislik gereğidir. Bir köprü tasarlarken herkesin kusursuz yürüyeceğini varsayamazsınız. Bir arayüz tasarlarken de herkesin dikkatli, dinç ve teknik okuryazar olacağını varsayamazsınız.

Çözüm, suçu dağıtmak değil, geri bildirimi ciddiye almaktır. Hata günlükleri okunmalı, kullanıcı oturumları izlenmeli, destek talepleri sınıflandırılmalı, arayüz metinleri sadeleştirilmeli, kritik işlemler geri alınabilir olmalı, form doğrulamaları anlık ve açıklayıcı çalışmalıdır. En önemlisi, ekip şu soruyu alışkanlık haline getirmelidir: Kullanıcı neden böyle davrandı? Bu soru suçlamaz; araştırır. Savunmaz; öğrenir.

Yazılım geliştirmek, yalnızca makineye talimat vermek değildir; insanın zihinsel haritasıyla pazarlık etmektir. Kullanıcıyı aptal ilan etmek kolaydır, çünkü egoyu korur. Ama iyi ürünler egoyu değil gerçeği besler. Kötü yazılmış kod, çoğu zaman kendini kullanıcı hatası diye tanıtır. Bilge ekipler bu maskeyi tanır, çıkarır ve aynaya bakar. Çünkü gerçek debug işlemi yalnızca kodda değil, kibirde de yapılır.