Yapay Zekâ Diyetisyenlerin Yerini Alacak mı? Mesleğe Gerçekçi Bakış

Birkaç saniyede menü yazan, tahlil sonucunu özetleyen ve beslenme sorularına akıcı cevaplar veren araçlar yaygınlaştıkça, meslek içinde aynı soru daha sık soruluyor: yapay zekâ diyetisyenlerin yerini alacak mı? Yapay zekâ ve diyetisyenlik mesleği arasındaki ilişkiyi anlamak için "meslek" yerine "görevler" üzerinden düşünmek gerekir; çünkü teknoloji meslekleri toptan değil, görev görev dönüştürür.

Yapay zekânın diyetisyenlik mesleğini ortadan kaldırması beklenmiyor; ancak mesleğin görev dağılımını değiştiriyor. Veri girişi, hesaplama, taslak metin ve özetleme gibi tekrarlı işler hızla otomatikleşirken klinik değerlendirme, davranış değişikliği danışmanlığı, etik ve hukuki sorumluluk ile karmaşık vakalarda karar verme insan diyetisyende kalıyor.

Soruyu doğru sormak: meslek değil, görevler

Bir diyetisyenin haftası tek bir işten oluşmaz. Beslenme öyküsü alma, antropometrik ölçüm, besin tüketim kaydının analizi, enerji ve besin öğesi hesaplaması, menü planlama, rapor yazma, danışan görüşmesi, motivasyon desteği, ekip içi iletişim ve kayıt tutma aynı anda yürür. Otomasyon araştırmalarının ortak bulgusu, bir mesleğin tamamen ortadan kalkmasından çok, bu görevlerin bir kısmının makineye devredilmesi ve kalan kısmın ağırlığının artmasıdır.

Aşağıdaki tablo, tipik diyetisyen görevlerini yapay zekâ ile otomasyona uygunluk açısından kabaca sınıflandırıyor:

Bu tablo aynı zamanda mesleğin nereye doğru kaydığını da gösterir: hesap yapan diyetisyenden, hesabı doğrulayan ve sonuca göre karar veren diyetisyene.

Yapay zekâ bugün neyi gerçekten iyi yapıyor?

Büyük dil modelleri beslenme bilgisi sorularında şaşırtıcı derecede iyi sonuç verebiliyor; mesleki sınav sorularında yüksek başarı bildiren çalışmalar bile var. Ancak sınav sorusu ile gerçek danışan aynı şey değildir. Sınavda bilgi eksiksiz ve tek doğru cevaplı sunulur; klinikte ise bilgi eksik, çelişkili ve zaman içinde değişkendir. Danışan kan şekerini düzenli ölçmediğini söylemez, ilaç dozunu yanlış hatırlar, yeme davranışının ardındaki stresi ilk görüşmede anlatmaz.

Bugün yapay zekânın sağlam biçimde katkı sağladığı alanlar şunlardır:

• Serbest metni yapılandırmak: tarif, besin kaydı veya seans notunu düzenli bir biçime çevirmek.
• Çeviri: yabancı dildeki tarif, kılavuz özeti veya danışan materyalini Türkçeleştirmek.
• Taslak üretmek: eğitim broşürü, rapor yorumu veya e-posta taslağı.
• Eğilim özetlemek: birden fazla ziyaretin ölçüm ve laboratuvar değerlerini okunabilir bir anlatıya dönüştürmek.

Bu alanların çoğu, diyetisyenin zamanını yiyen ama uzmanlık gerektirmeyen işlerdir. Yapay zekânın iş akışına nasıl yerleştirileceğine dair ayrıntılı bir çerçeve için yapay zekâ diyetisyenlikte nasıl kullanılır yazısına, karar destek araçlarının genel mantığı için klinik karar destek sistemleri yazısına bakabilirsiniz.

Pratikte bunun anlamı basit bir zaman hesabıdır. Bir kontrol görüşmesinin ardından besin kaydını girmek, değerleri hesaplamak ve rapor metnini yazmak 30–40 dakika sürüyorsa ve bu sürenin önemli bir kısmı yazılım ile yapay zekâ desteğiyle kısalıyorsa, açığa çıkan zaman ya daha fazla danışana ya da danışan başına daha nitelikli bir görüşmeye aktarılabilir. Hangisinin seçileceği teknolojinin değil, diyetisyenin iş modelinin kararıdır. Mesleğin değeri tam da bu tercihte, yani makinenin hızlandırdığı işin ardından insanın neye odaklandığında belirginleşir.

Yapay zekânın yapamadığı ve yapmaması gerekenler

Bazı sınırlar teknik, bazıları ise ilkeseldir.

1. Sorumluluk: Türkiye'de diyetisyenlik, iş ve görev tanımları Sağlık Bakanlığı yönetmeliğiyle belirlenmiş bir sağlık mesleğidir. Tıbbi beslenme tedavisinin sorumluluğu bir meslek mensubuna aittir; bir yazılım bu sorumluluğu üstlenemez.
2. Belirsizlik yönetimi: Birden fazla hastalığı olan, çok sayıda ilaç kullanan veya kılavuzların net cevap vermediği vakalarda karar, kanıtın sınırını bilen bir uzman gerektirir.
3. Fiziksel değerlendirme: Antropometrik ölçüm, ödem, kas kaybı ve beslenme odaklı fizik muayene bulguları sahada, insan eliyle toplanır.
4. İlişki ve davranış değişikliği: Kilo yönetimi ve kronik hastalıkta başarı, büyük ölçüde danışanın motivasyonuna ve süreklilik gösteren bir terapötik ilişkiye bağlıdır.
5. Hatayı fark etmek: Dil modelleri yanlış bilgiyi doğru bilgi kadar akıcı üretebilir. WHO'nun 2024'te yayımladığı büyük çok modlu modellere ilişkin rehber de sağlıkta bu araçların insan denetimi altında kullanılmasını vurgular.

Özellikle son madde, yapay zekâ çağında diyetisyenin rolünü tanımlayan özelliktir: çıktıyı doğrulayabilen, hatayı yakalayabilen ve gerektiğinde reddedebilen uzman. Bu doğrulamanın pratikte nasıl yapılacağını yapay zekânın klinik yorumu güvenilir mi yazısında ayrıntılandırdık.

Hangi diyetisyenlik modelleri daha fazla risk altında?

Dürüst olmak gerekirse, bazı iş modelleri gerçekten baskı altında. Standart, kişiselleştirilmemiş diyet listeleri satmak; tek seferlik, izlemi olmayan hizmetler sunmak veya yalnızca genel bilgi aktarımına dayanan içerik üretmek, yapay zekânın ücretsiz ve anında yapabildiği işlerle doğrudan rekabet eder. Danışan, internetten alabileceği bir listeye ücret ödemek için güçlü bir neden görmez.

Buna karşılık şu modeller güçlenme eğiliminde:

• Klinik uzmanlık: Böbrek hastalığı, onkoloji, pediatri, diyabet, yeme bozuklukları gibi karmaşık alanlar.
• İzleme dayalı hizmet: Düzenli ölçüm, laboratuvar takibi ve planın güncellenmesiyle yürüyen uzun süreli danışmanlık.
• Davranış odaklı danışmanlık: Motivasyonel görüşme ve alışkanlık değişikliği becerileri.
• Kurumsal ve toplu beslenme: Hastane, okul, iş yeri ve spor kulüplerinde sistem kurma ve yönetme.
• Akademi ve eğitim: Kanıtı yorumlayan ve yeni kuşak diyetisyenleri yetiştiren roller.

Davranış değişikliği becerilerinin nasıl geliştirileceğini motivasyonel görüşme yazısında ele aldık. Bu beceri, yapay zekânın en zor taklit ettiği alanlardan biridir.

Diyetisyenler hangi becerileri geliştirmeli?

Yapay zekâyla birlikte çalışacak bir diyetisyen için öne çıkan beceriler şöyle sıralanabilir:

1. Yapay zekâ okuryazarlığı: Aracın nasıl çalıştığını, nerede yanıldığını ve hangi soruya uygun olduğunu bilmek.
2. Doğrulama refleksi: Her sayının kaynağını sormak, besin değerlerini veritabanıyla, önerileri kılavuzla karşılaştırmak.
3. Veri gizliliği bilinci: Hangi verinin hangi araca gönderilebileceğini bilmek; tanımlayıcıları paylaşmamak.
4. Yapılandırılmış dokümantasyon: Beslenme bakım sürecini standart bir dille kaydetmek, hem kaliteyi hem de yapay zekâ araçlarının doğru kullanımını kolaylaştırır; bu konuda ADIME ve beslenme süreci dokümantasyonu yazısı yol gösterici.
5. İletişim ve danışmanlık: Danışanın sohbet botundan getirdiği bilgiyi yargılamadan ele alıp birlikte değerlendirmek.

Öğrenciler için de tablo benzer: hesaplamayı elle yapmayı öğrenmek hâlâ önemlidir, çünkü makinenin hatasını ancak hesabın mantığını bilen fark eder. Bu dönemde kariyer planlaması yapan öğrenciler için beslenme ve diyetetik öğrencileri rehberi somut öneriler içeriyor.

Olası senaryolar: önümüzdeki yıllar

Geleceği kesin olarak bilmek mümkün değil, ancak üç senaryo sıklıkla tartışılıyor:

Avrupa Birliği'nin 2024'te kabul ettiği Yapay Zekâ Yasası gibi risk temelli düzenlemeler de sağlık alanındaki yapay zekâ uygulamalarında insan denetimini ve şeffaflığı öne çıkarıyor. Bu yön, yapay zekâyı denetleyecek yetkin meslek mensubuna olan ihtiyacı azaltmıyor, artırıyor.

EVA.Insight'ta yapay zekâ diyetisyenin yerine değil yanına nasıl konumlanır?

EVA.Insight'ta yapay zekâ, kararı devralan değil, zaman kazandıran bir asistan olarak tasarlanmıştır. Amazon Bedrock üzerinde Claude ile çalışan özellikler üç iş yapar: rapor yorumu (akışlı olarak üretilir), ölçüm ve laboratuvar değerlerinde trend analizi, tarif çevirisi ve içe aktarma. Yapay zekâya danışan kimliği gönderilmez. Üretilen öneriler düzenlenebilir veya yeniden üretilebilir, dışa aktarılan belgelere uyarı notu eklenir ve klinik karar her zaman diyetisyende kalır. EVA planında standart, EVA Pro planında premium yapay zekâ bulunur; üniversiteler kendi alan adları için yapay zekâ yorumunu kapatabilir. Kullanımın ayrıntıları yapay zekâ klinik yorum özelliği rehberinde, plan içerikleri fiyatlandırma sayfasında yer alıyor.

Sonuç

• Yapay zekâ diyetisyenlik mesleğini ortadan kaldırmıyor, görev dağılımını değiştiriyor.
• Hesaplama, veri girişi, çeviri ve taslak üretimi otomatikleşirken klinik karar, danışmanlık ve sorumluluk insanda kalıyor.
• Kişiselleştirilmemiş liste satışına dayalı modeller baskı altında; uzmanlık, izlem ve davranış odaklı hizmetler güçleniyor.
• Doğrulama refleksi, yapay zekâ okuryazarlığı ve veri gizliliği bilinci mesleğin yeni temel becerileri.
• Doğru kullanıldığında yapay zekâ, diyetisyenin danışana ayırdığı zamanı artıran bir araçtır.