Sade anlatım
İyi bir kütüphaneciye “orta ölçekli bir şirket için en iyi CRM” diye sorarsanız o cümlenin aynısını aramaz. Fiyatlara bakar, kullanıcı yorumlarını okur, entegrasyon seçeneklerini inceler ve size bir özet verir. Yapay zeka araması aynı şeyi birkaç saniyede yapar; kullanıcı yalnızca nihai yanıtı görür.
Neden önemli
Bulunmanın ne demek olduğunu değiştirir. Yapay zeka yanıtında kullanılan sayfalar, kullanıcının hiç yazmadığı ve sizin göremediğiniz alt aramalarda çıkan sayfalardır. Ana soruda sıralanmayan bir site, sayfalarından biri bir alt soru için en iyi sonuç olduğu için yine de kaynak gösterilebilir. Bir konunun akla ilk gelen devam sorularını (fiyat, karşılaştırma, entegrasyon, sınırlar) karşılayan içeriğin seçilme şansı daha fazladır.
Örnek
Bir kullanıcı yapay zeka arama motoruna 200 kişilik bir şirkete hangi CRM'in uygun olduğunu soruyor. Sistem arka planda sekiz arama yapıyor; aralarında “kullanıcı başına CRM fiyatı”, “orta ölçekli şirketler CRM yorumları” ve “muhasebe yazılımıyla CRM entegrasyonu” var. “En iyi CRM” aramasında on dördüncü sırada olan bir üretici yanıtta kaynak gösteriliyor, çünkü entegrasyon kılavuzu üçüncü aramanın ilk sonucu.
Bununla en çok karıştırılan kavram
Query Fan-out ve Query expansion (sorgu genişletme) arasındaki fark
Sorgu genişletme, tek bir aramaya daha çok belgeyle eşleşsin diye terimler ekleyen eski bir tekniktir. Fan-out ise soruyu, her birinin kendi sonuçları olan ayrı sorulara böler ve bir modele hepsinden tek bir yanıt yazdırır. Genişletme bir bağlantı listesini iyileştirir; fan-out bir sentez üretir.
Köken: Google, terimi 2025'te AI Mode ve AI Overviews'un nasıl çalıştığını anlatırken kamuoyu önünde kullandı.
Teknik katman
Alt sorguları bir dil modeli üretir: konunun farklı yönleri, yeniden ifadeler, karşılaştırmalar, belirli varlıklar ve olası devam soruları; bazen kullanıcının konumu ya da geçmişi de kullanılır. Alt sorgular web dizininde ve ürün, harita, bilgi grafı verisi gibi başka kaynaklarda paralel çalışır. Sonuçlardan sayfaların tamamı değil ilgili pasajlar seçilir ve bir model yanıtı kaynak göstererek yazar. Alt sorgu sayısı sorunun karmaşıklığıyla birlikte artar: birkaç taneden, deep research modlarında yüzlercesine kadar. Alt sorgular her çalıştırmada değişir ve site sahiplerine raporlanmaz. Pratik sonuçlar: ilgililik pasaj düzeyinde değerlendirilir, alt konuların kapsanması önemlidir ve pasajlar tek başına anlam taşımalıdır. Aynı örüntü agentic RAG ve deep research'ün de temelidir.