Utku KÖSE, utkukose@gmail.com
Giriş
Sağlık turizminde pazarlamanın kuralları uzun yıllar boyunca arama motorlarının sıralama mantığına göre şekillenmiştir. Bir kliniğin uluslararası hastalara ulaşabilmesi, büyük ölçüde Google gibi arama motorlarında ilk sayfada yer almasına, doğru anahtar kelimelerle bulunabilmesine ve reklam bütçesini etkili biçimde kullanmasına bağlıydı. Bugün bu tablo hızla değişmektedir. Hastalar artık yalnızca bağlantı listeleri karşısında karar vermemekte, sohbet tabanlı yapay zekâ sistemlerine doğrudan soru sormakta ve bu sistemlerin ürettiği hazır yanıtlarla yönlendirilmektedir.
Bu değişim, sağlık turizminde yeni bir rekabet alanı doğurmaktadır: Yapay zekâ arama motorlarının yanıtlarında görünür olmak. Hangi kliniğin, hangi hekimin ya da hangi destinasyonun bir yapay zekâ yanıtında anılacağı, artık yalnızca o kurumun hizmet kalitesine değil, dijital içeriklerinin bu sistemler tarafından nasıl okunduğuna da bağlı hâle gelmektedir. Bu yazıda, söz konusu yeni pazarlama alanının teknik arka planı, sağlık turizmi açısından taşıdığı riskler ve Türkiye için anlamı ele alınmaktadır.
Aramadan Yanıta: Sağlık Turistinin Değişen Yolculuğu
Geleneksel arama deneyiminde kullanıcı bir sorgu yazar, karşısına çıkan bağlantılar arasından seçim yapar ve farklı kaynakları kendisi karşılaştırırdı. Üretken yapay zekâ ile desteklenen arama sistemlerinde ise bu karşılaştırma işini büyük ölçüde model üstlenmektedir. Kullanıcı, birden fazla kaynaktan derlenmiş tek bir özet yanıtla karşılaşmakta ve çoğu zaman bu yanıtın ötesine geçmemektedir.
Bu davranış değişikliği ölçülebilir düzeydedir. Pew Araştırma Merkezi’nin Mart 2025’te 900 ABD’li yetişkinin tarama verileri üzerinden yaptığı analizde, incelenen 68.879 Google aramasının yaklaşık %18’inde yapay zekâ özeti görüntülenmiştir. Yapay zekâ özeti bulunan sayfalarda kullanıcıların yalnızca %8’i bir arama sonucuna tıklarken, özet bulunmayan sayfalarda bu oran %15 olarak gerçekleşmiştir. Özetin içinde verilen kaynak bağlantılarına tıklama oranı ise yalnızca %1 düzeyinde kalmıştır. Ayrıca yapay zekâ özeti görülen sayfalarda kullanıcıların %26’sı tarama oturumunu sonlandırmış, özet bulunmayan sayfalarda bu oran %16’da kalmıştır (Chapekis ve Lieb, 2025).
Bu bulgular sağlık turizmi açısından önemli bir gerçeğe işaret etmektedir: Yapay zekâ yanıtında yer almayan bir klinik, hasta tarafından hiç görülmeyebilir. Üstelik bu yanıtların doğruluğu da her zaman güvence altında değildir. Columbia Üniversitesi Tow Dijital Gazetecilik Merkezi’nin sekiz yapay zekâ arama aracı üzerinde 1.600 sorguyla yürüttüğü testte, araçların haber içeriklerinin kaynağını doğru belirleme görevinde sorguların %60’ından fazlasında hatalı yanıt verdiği görülmüştür. Araçların hatalı yanıtları çoğunlukla emin bir dille sunduğu, bazılarının ise uydurma ya da çalışmayan bağlantılar gösterdiği raporlanmıştır (Jaźwińska ve Chandrasekar, 2025). Bu test sağlık alanında değil, haber içerikleri üzerinde yapılmıştır. Ancak bir sağlık turistinin bir kliniğin akreditasyonunu ya da bir hekimin uzmanlığını teyit etmek için aynı araçlara başvurduğu düşünüldüğünde, kaynak gösterme sorununun bu alanda da ciddi sonuçlar doğurabileceği açıktır.
Üretken Motor Optimizasyonu Nedir?
Arama motoru optimizasyonu (SEO), web içeriklerinin arama sonuçlarında üst sıralarda yer alması için yürütülen çalışmaları ifade etmektedir. Yapay zekâ arama sistemlerinin yaygınlaşmasıyla birlikte bu alanın yeni bir türü ortaya çıkmıştır: Üretken motor optimizasyonu (Generative Engine Optimization, GEO). Bu kavram, Aggarwal ve arkadaşlarının 2024 yılında ACM SIGKDD konferansında yayımlanan çalışmasıyla akademik literatüre girmiştir (Aggarwal vd., 2024).
Söz konusu çalışmada, farklı alanlardan 10.000 sorgudan oluşan GEO-bench adlı bir değerlendirme kümesi oluşturulmuş ve web içeriklerinde yapılan çeşitli düzenlemelerin, bu içeriklerin üretken yanıtlarda ne ölçüde yer bulduğuna etkisi ölçülmüştür. Sonuçlar dikkat çekicidir. İçeriğe alıntı eklenmesi, istatistik eklenmesi ve kaynak gösterilmesi gibi yöntemlerin görünürlüğü %40’a varan oranlarda artırabildiği görülmüştür. Buna karşın geleneksel SEO’nun bilinen yöntemlerinden anahtar kelime doldurma, üretken motorlarda beklenen etkiyi göstermemiştir. Çalışma ayrıca bu stratejilerin etkinliğinin alandan alana farklılaştığını ortaya koymaktadır (Aggarwal vd., 2024).
İlk bakışta bu bulgu olumlu bir tablo çizmektedir. Kaynak gösteren, verilerle desteklenen ve uzman görüşlerine yer veren içeriklerin ödüllendirilmesi, bilgi kalitesini artırıcı bir etki yaratabilir. Ancak sağlık turizmi bağlamında aynı bulgu farklı bir soru doğurmaktadır: İstatistik ve alıntı içeren bir metin daha görünür oluyorsa, bu istatistiklerin doğru olup olmadığını kim denetleyecektir?
Optimizasyondan Manipülasyona
Üretken motor optimizasyonunun bir de karanlık yüzü bulunmaktadır. Yapay zekâ arama sistemleri, web sayfalarından aldıkları metinleri doğrudan dil modeline girdi olarak verdiğinden, bu sayfalara yerleştirilen özel ifadeler modelin davranışını etkileyebilmektedir. Pfrommer ve arkadaşları, gerçek tüketici ürünlerine ait web sitelerinden oluşturdukları bir veri kümesi üzerinde, sayfalara eklenen saldırgan metinlerin alt sıralardaki ürünleri güvenilir biçimde üst sıralara taşıyabildiğini göstermiştir. Araştırmacılar bu saldırının, kullanımda olan ticari bir yapay zekâ arama motoru üzerinde de etkili olduğunu raporlamıştır (Pfrommer vd., 2024).
Nestaas, Debenedetti ve Tramèr (2025) ise bu durumu bir adım öteye taşımış ve “tercih manipülasyonu saldırıları” adını verdikleri bir saldırı sınıfı tanımlamıştır. Bu saldırılarda, özenle hazırlanmış web içerikleri aracılığıyla dil modelinin saldırganın ürününü öne çıkarması ve rakip ürünleri olumsuz biçimde sunması sağlanmaktadır. Saldırıların Bing ve Perplexity gibi kullanımdaki yapay zekâ arama sistemlerinde de çalıştığı gösterilmiştir. Çalışmanın belki de en çarpıcı tespiti, bu durumun bir tutsak ikilemi yaratmasıdır: Her aktör kendi görünürlüğünü artırmak için manipülasyona yönelme eğilimindedir, ancak herkes bu yola başvurduğunda yapay zekâ yanıtlarının kalitesi tüm kullanıcılar için düşmektedir (Nestaas vd., 2025).
Bu tespit sağlık turizmi için özellikle önemlidir. Yüksek gelirli ve rekabetin yoğun olduğu estetik cerrahi, diş tedavisi ve saç ekimi gibi alanlarda, aracı kurumların ve kliniklerin bu tür yöntemlere başvurması için güçlü ekonomik teşvikler bulunmaktadır. Hastanın karşısına “tarafsız bir yapay zekâ önerisi” olarak çıkan yanıt, aslında hangi kurumun içeriğini makinelere daha etkili biçimde sunduğunun bir yansıması olabilir.
Sağlık Turizmi Neden Özellikle Kırılgandır?
Sağlık turizminde dijital pazarlamanın risk iletişimi açısından sorunlu bir geçmişi bulunmaktadır. Penney ve arkadaşlarının Kanada’daki 17 sağlık turizmi aracı kurumunun web sitesini incelediği çalışmada, sitelerin yaklaşık yarısında cerrahi risklere hiç değinilmediği, risk bilgisinin genellikle sıkça sorulan sorular veya sorumluluk reddi bölümlerine sıkıştırıldığı görülmüştür. Aynı çalışmada sitelerin %70,6’sında hasta yorumlarına yer verildiği ve düzenleyici değeri tartışmalı akreditasyon kuruluşlarına sıkça atıf yapıldığı belirlenmiştir. Araştırmacılar, bu durumun hastaların eksik ya da yanıltıcı risk bilgisiyle karar vermesine ve bilgilendirilmiş onam sürecinin zayıflamasına yol açabileceği sonucuna varmıştır (Penney vd., 2011).
Bu bulgular, yapay zekâ çağından önceki web siteleri için elde edilmiştir. Ancak bugün aynı içerikler, yapay zekâ arama sistemlerinin hammaddesini oluşturmaktadır. Tanıtım amaçlı hazırlanmış, riskleri geri planda tutan ve yorumlarla güçlendirilmiş bir içerik, yapay zekâ tarafından özetlendiğinde tarafsız bir bilgi gibi algılanabilmektedir. Dünya Sağlık Örgütü de büyük çok modlu modellerin yanlış, hatalı, taraflı veya eksik ifadeler üretme riskine ve hastalarda otomasyon yanlılığını, yani otomatik sistemlerin çıktısına gereğinden fazla güvenilmesini teşvik edebileceğine dikkat çekmektedir (World Health Organization, 2025).
Kullanıcıların bu sistemlere duyduğu güven de tabloyu karmaşıklaştırmaktadır. Svestkova, Huang ve Smahel (2025) tarafından Çekya’daki 4.775 yetişkin internet kullanıcısıyla yürütülen araştırmada, üretken yapay zekâya duyulan güvenin, bu teknolojileri sağlık bilgisi amacıyla kullanma isteğiyle güçlü biçimde ilişkili olduğu bulunmuştur. Güvenin yüksek olduğu bir ortamda, manipüle edilmiş bir yanıtın sorgulanma olasılığı da düşmektedir.
Türkiye İçin Mevzuat ve Strateji
Türkiye’de sağlık hizmetlerinin tanıtımı, 12 Kasım 2025 tarihli Sağlık Hizmetlerinde Tanıtım ve Bilgilendirme Faaliyetleri Hakkında Yönetmelik ile ayrıntılı kurallara bağlanmıştır. Yönetmelik; bilimsel terimlerin, araştırma sonuçlarının ve istatistiklerin gerçekte olduklarından farklı sonuçlar doğuracak biçimde sunulmasını ve bilimsel ve klinik olarak doğruluğu kanıtlanmamış yöntemlerin tanıtılmasını yasaklamaktadır. Sağlık turizmi kapsamında ise sağlık turizmi yetki belgesinin ilgili internet sitesinde yayımlanmasını zorunlu tutmakta, yurt dışına yönelik platformlarda yabancı dillerde sponsorlu içerik yayımlanmasına belirli koşullarla izin vermektedir (Sağlık Bakanlığı, 2025).
Bu hükümler, üretken motor optimizasyonu açısından ilginç bir kesişim noktası oluşturmaktadır. Aggarwal ve arkadaşlarının çalışması, istatistik eklemenin yapay zekâ yanıtlarındaki görünürlüğü artırdığını göstermektedir. Türk mevzuatı ise istatistiklerin yanıltıcı biçimde sunulmasını açıkça yasaklamaktadır. Dolayısıyla görünürlük kazanmak amacıyla içeriğe eklenen her sayısal iddia, aynı zamanda bir mevzuat uyum riski taşımaktadır. Öte yandan doğrudan insanlara değil, yapay zekâ sistemlerine yönelik hazırlanan içeriklerin ve web sayfalarına gizlenmiş yönlendirici metinlerin bu kurallar karşısında nasıl değerlendirileceği henüz açık değildir. Bu boşluk, önümüzdeki dönemde düzenleyici kurumların gündemine girmesi gereken bir konu olarak değerlendirilebilir.
Stratejik açıdan bakıldığında Türkiye’nin elinde önemli bir avantaj bulunmaktadır. Yetki belgesi, ruhsat bilgileri ve akreditasyon kayıtları gibi doğrulanabilir resmî veriler, yapay zekâ sistemlerinin güvenilir kaynak olarak kullanabileceği yapılandırılmış biçimde sunulduğunda, hem hastalar hem de bu sistemler için bir referans noktası oluşturabilir. Rekabeti yalnızca görünürlük üzerinden değil, doğrulanabilirlik üzerinden kurgulayan bir destinasyon, manipülasyon yarışının dışında kalarak uzun vadeli bir güven üstünlüğü elde edebilir.
Klinikler, Platformlar ve Hastalar İçin Ne Yapılabilir?
Sağlık kuruluşları açısından en sağlıklı yaklaşım, yapay zekâ sistemleri için ayrı ve yapay bir içerik üretmek yerine, insan okuyucu için hazırlanan içeriği doğru, kaynaklı ve güncel tutmaktır. GEO literatürünün ödüllendirdiği unsurlar, yani kaynak gösterme, doğrulanabilir veri ve uzman görüşü, etik tanıtımın da temel bileşenleridir. Bu nedenle kurumların görünürlük stratejisini mevzuata uyum ve bilimsel doğrulukla birlikte planlaması gerekmektedir. Risklerin, olası komplikasyonların ve tedavi sonrası bakım gerekliliklerinin içeriklerde açıkça yer alması da yapay zekâ yanıtlarının hastaya daha dengeli bir tablo sunmasına katkı sağlayabilir.
Yapay zekâ arama sistemlerini geliştiren şirketler açısından ise sağlık turizmi, yüksek riskli bir alan olarak ele alınmalıdır. Sağlık kuruluşlarına ilişkin yanıtlarda resmî kayıtlara öncelik verilmesi, ticari içeriklerin açıkça işaretlenmesi ve web sayfalarına gizlenmiş yönlendirici metinlere karşı savunma mekanizmalarının geliştirilmesi, araştırma literatürünün açıkça işaret ettiği ihtiyaçlardır.
Hastalar açısından ise temel ilke basittir: Yapay zekâ yanıtı bir başlangıç noktasıdır, son karar değildir. Bir yapay zekâ sisteminin önerdiği kliniğin yetki belgesinin, ruhsat bilgilerinin ve hekim kayıtlarının resmî kaynaklardan teyit edilmesi, yapay zekâ çağında sağlık turistinin en önemli güvenlik adımı hâline gelmektedir.
Sonuç
Sağlık turizminde pazarlama savaşının cephesi değişmektedir. Dün arama sonuçlarının ilk sayfasında yer almak için yarışan kurumlar, bugün yapay zekâ yanıtlarında anılmak için yarışmaktadır. Bu yarışın kuralları henüz yazılmaktadır ve araştırmalar, kuralların hem kaliteli içeriği ödüllendirebileceğini hem de manipülasyona açık olduğunu göstermektedir.
Bu noktada asıl soru, yapay zekâ yanıtlarında kimin görüneceği değil, görünenin neden orada olduğudur. Bir kliniğin yapay zekâ yanıtında yer alması, o kliniğin en iyi seçenek olduğunu değil, belki yalnızca içeriğini makinelere en etkili biçimde sunduğunu gösterir. Sağlık turizminin geleceği, bu iki durumu birbirinden ayırabilen hastalara, şeffaf yapay zekâ sistemlerine ve doğrulanabilir bilgiyi rekabetin merkezine koyan kurumlara bağlı olacaktır.
Süleyman Demirel Üniversitesi Bilgisayar Mühendisliği Bölümü / Yapay Zeka Uygulama ve Araştırma Merkezi Müdürü (utkukose@gmail.com ve utkukose@sdu.edu.tr)
Kaynakça
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A. (2024). GEO: Generative engine optimization. Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (s. 5-16). ACM. https://doi.org/10.1145/3637528.3671900
Chapekis, A., & Lieb, A. (2025). Google users are less likely to click on links when an AI summary appears in the results. Pew Research Center. Çevrimiçi: https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/ (Erişim 29 Ekim 2026).
Jaźwińska, K., & Chandrasekar, A. (2025). AI search has a citation problem. Columbia Journalism Review. Çevrimiçi: https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php (Erişim 29 Ekim 2026).
Nestaas, F., Debenedetti, E., & Tramèr, F. (2025). Adversarial search engine optimization for large language models. The Thirteenth International Conference on Learning Representations (ICLR 2025). Çevrimiçi: https://openreview.net/forum?id=hkdqxN3c7t (Erişim 29 Ekim 2026).
Penney, K., Snyder, J., Crooks, V. A., & Johnston, R. (2011). Risk communication and informed consent in the medical tourism industry: A thematic content analysis of Canadian broker websites. BMC Medical Ethics, 12, 17. https://doi.org/10.1186/1472-6939-12-17
Pfrommer, S., Bai, Y., Gautam, T., & Sojoudi, S. (2024). Ranking manipulation for conversational search engines. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing (s. 9523-9552). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.emnlp-main.534
Sağlık Bakanlığı. (2025). Sağlık Hizmetlerinde Tanıtım ve Bilgilendirme Faaliyetleri Hakkında Yönetmelik. Resmî Gazete, 12 Kasım 2025, Sayı: 33075. Çevrimiçi: https://resmigazete.gov.tr/eskiler/2025/11/20251112-2.htm (Erişim 29 Ekim 2026).
Svestkova, A., Huang, Y., & Smahel, D. (2025). Factors that influence trust and willingness to use generative AI for health information: A cross-sectional study. Digital Health, 11, 20552076251360973. https://doi.org/10.1177/20552076251360973
World Health Organization. (2025). Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models (Cenevre: WHO / Dünya Sağlık Örgütü). Çevrimiçi: https://www.who.int/publications/i/item/9789240084759 (Erişim 29 Ekim 2026).
