Consensus haftalar sürecek araştırmayı dakikalar içinde tamamlamak için GPT‑5 ve Responses API kullanıyor

Her yıl milyonlarca yeni bilimsel makale yayımlanıyor. Bu da tek bir insanın okuyabileceği miktarı fazlasıyla aşıyor. 

Bilim insanları bilgiye erişim konusunda zorluk çekmiyor. Onları asıl zorlayan şey; bilgiyi bulmak, yorumlamak ve ilişkilendirmek. Büyük keşifler, mevcut bilginin en uç noktasında gerçekleşir. Oysa araştırmacılar, zamanlarının çoğunu bu noktayı aşmak yerine ona ulaşmak için harcıyor.

8 milyondan fazla kişinin kullandığı araştırma asistanı Consensus⁠(yeni bir pencerede açılır), bu durumu değiştirmek için tasarlandı. Christian Salem ve Eric Olson tarafından kurulan platform, 220 milyondan fazla makale arasında arama yapıyor ve hakemli makaleleri okuyup birleştirebiliyor. Akademisyen Ajan adlı yeni özelliği ise GPT‑5 ve Responses API üzerinde geliştirilen çok ajanlı bir sistem. Araştırmacıların gerçek çalışma yöntemlerini yansıtan sistem, haftalar yerine dakikalar içinde soru aşamasından çözüm aşamasına gelmelerini sağlıyor.

Ancak amaç, araştırma süreçlerini hızlandırmaya ek olarak, keşiflere giden yolda da ivme kazanmaktır. “Bilim ancak daha erişilebilir olduğunda ilerler,” diyen Salem şöyle açıklıyor: “Bizim işimiz, tüm araştırmacıların bulguları bulmasını ve bunları güvenle kullanmasını sağlamak.”

Consensus’un ilk versiyonu bilimsel araştırmalar için dikey bir arama motoru gibi çalışıyordu; akademik makaleleri dizinliyor, ilgili sonuçları getiriyor ve alıntılara dayanarak özetler üretiyordu. Ancak arama özelliği tek başına yeterli değildi. 

“Araştırma yapmak makale bulmaktan ibaret değildir,” diyen Salem şunları ekliyor: “Asıl mesele; sonuçları yorumlamak, bulguları karşılaştırmak ve fikirler arasında bağlantı kurmaktır. Bilim insanları doğru araştırma için eski bilgileri aramaya, okumaya ve yorumlamaya ne kadar çok zaman harcarsa, keşif ve gerçek araştırma için o kadar az zaman harcıyor.”

Bu nedenle ekip, Consensus’un mimarisini yeni bir kavram doğrultusunda tekrar ele aldı. “Akademisyen Ajan” adı verilen bu çok ajanlı sistem tıpkı gerçek bir araştırmacı gibi çalışıyor.

GPT‑5 ve Responses API üzerinde geliştirilen sistem, birçok ajanın birlikte çalıştığı bir iş akışı sunuyor:

• Planlama Ajanı, kullanıcının sorusunun bir dökümünü çıkararak sonraki adımda hangi eylemleri gerçekleştireceğine karar verir
• Arama Ajanı, Consensus’un makale dizinini, kullanıcının kişisel arşivini ve atıf grafiğini tarar
• Okuma Ajanı, makaleleri teker teker veya toplu olarak yorumlar
• Analiz Ajanı sonuçları birleştirir, yapıyı ve görselleri belirler, nihai çıktıyı üretir.

Her ajanın dar bir kapsamda çalışması, sistemin doğru bir şekilde akıl yürütmesini sağlıyor ve halüsinasyonları en aza indiriyor. Sistemin mimarisi, Consensus’un ne zaman yanıt vermeyeceğini de belirliyor. İlgili araştırmaların hiçbiri kalite standardına uymuyorsa, asistan bunu açıkça belirtiyor.

Salem, “İş akışını birçok ajan arasında bölüştürmek, hata ihtimalini azaltarak sistemin çok daha disiplinli çalışmasını sağlıyor,” diyor ve şunu ekliyor: “Hiçbir ajana çok fazla sorumluluk yüklememek, güvenilirlik açısından büyük önem taşıyor.”

Ekibin bağlam mühendisliği olarak adlandırdığı bu yaklaşım, üretim başlamadan önce doğru bulguların toplanmasına dayanıyor. Her yanıt, bir “araştırma bağlam paketiyle” sunuluyor. Bu pakette; yapılandırılmış birçok makale, üstveri ve kaynağı orijinal araştırmalara kadar uzanan temel bulgular yer alıyor.

Salem, “Araştırmacıların her iddiayı tekrar tekrar kontrol ederek zaman kaybetmesini istemiyoruz,” diyor ve şunu ekliyor: “Sistem bir yanıtı gerçek bulgularla temellendiremezse, uydurma bir yanıt vermez.”

Consensus, çok ajanlı yönlendirmeyi desteklemek için Chat Completions yerine Responses API kullanmaya başladı. Sistemi daha güvenilir ve daha uygun maliyetli kılan bu değişiklik, ekibin alt ajan çağrılarını daha iyi kontrol etmesini sağladı. GPT‑5’in uzun bağlamlı akıl yürütme özelliği ve araç çağrıları konusunda güvenilirliği nedeniyle, bu kararı vermek zor olmadı.

İlk değerlendirmeler bunun ne kadar doğru bir karar olduğunu gösterdi: GPT‑5, doğru şekilde araç çağırma ve istikrarlı planlama konusunda GPT‑4.1, Sonnet 4 ve Gemini 2.5 Pro’yu geride bıraktı. Böylece Consensus ekibi, istem cambazlığıyla vakit kaybetmek yerine araştırma iş akışlarıyla bire bir örtüşen ajan davranışları geliştirmeye odaklandı.

Consensus’un sektöre olan yaklaşımı en başından itibaren beklentilerin dışındaydı. Ekip, ürünü kurumlar aracılığıyla satmak yerine bizzat araştırmaları yürüten insanlara, yani acil yanıtlara ihtiyacı olan öğrenci, akademisyen ve klinik uzmanlara odaklandı. Doğrudan araştırmacılara odaklanan bu yaklaşım ürün tasarımını şekillendirerek hızlı büyümenin önünü açtı.

“Herkes akademi dünyasında doğrudan tüketiciye ulaşmanın imkânsız olduğunu söylüyordu, ama yapay zeka bunu değiştirdi,” diyen Salem bunu şöyle açıklıyor: “İnsanlar artık onay için beklemiyor, işleri yarayan şeyi kullanıyor.”

Bu karar ürünün tonunu ve büyüme eğrisini şekillendirdi. Hızlı oryantasyon, kolay kullanılan tasarım ve sohbet arayüzü sayesinde Consensus, geleneksel akademik araçlardan ziyade modern bir tüketici uygulamasına benzeyen bir deneyim sunuyor. Ürün kampüs ve laboratuvarlarda ağızdan ağıza yayılarak daha çok insan tarafından kullanılmaya başladı.

Yüksek lisans öğrencileri ve doktora adayları ürünü yoğun bir şekilde kullanan ilk grup olurken, onları akademisyenler ve özel araştırmacılar izledi. Ardından, Consensus’u alanlarındaki en yeni bulguları ortaya çıkarmak için kullanmaya başlayan klinik uzmanlar geldi. 

Salem, “Doktorlar için bir ürün geliştirmeyi amaçlamıyorduk,” diyor ve ekliyor: “Ancak tıpkı araştırmacılar gibi onların da güvenilir bulgulara hızlı erişmeye ihtiyacı var.”

Şirket yakın zamanda Mayo Clinic’in tıp kütüphanesini de kaynakları arasında ekledi ve pratisyen hekimlerin klinik bulguları aramasını sağlayan yeni bir özellik olan ‘Doktor Modu’nu kullanıma sundu.

Geçtiğimiz yıl hızla büyüyerek dünya genelinde 8 milyondan fazla araştırmacıya ulaşan Consensus, cirosunu da sekize katladı.

Bu büyüme, ürünün önceliklerini değiştirmedi. Her özellik hâlâ doğrulanabilir, halüsinasyon oranı düşük yanıtlar etrafında dönüyor. Ekip; doğruluğu, alıntıların izlenebilirliğini ve ajanlar genelinde üslup tutarlılığını test eden değerlendirme süreçlerine ciddi yatırım yaptı.

Consensus kasıtlı olarak modüler bir mimariye sahip. Böylece modeller gelişip iyileştikçe deneyleri tekrarlayacak, grafikleri üretecek ya da istatistiki analizler yapacak yeni ajanlar eklenebiliyor.

“Hızla değişen bir dünyada araştırmacıların tam ihtiyacı olan asistanı geliştiriyoruz,” diyen Salem sözlerini şöyle noktalıyor: “Modeller geliştikçe sistem de onlarla büyüyor ve bilimsel ilerleme hız kazanıyor.”