MiniMax 10x Takımı'nın ardında, endüstriyel AI'nın karşılaştığı teknik bir engel değil, gerçek dünyadaki sorumluluk zinciridir.

Yazan: Yan Jun

Kaynak: 36氪

Giriş: Büyük modeller cevap yazmada giderek daha yetenekli hale geliyor, ancak endüstride gerçekten zor olan, cevapların nasıl kabul edileceği, açıklanacağı ve sorumluluğun nasıl taşınacağıdır. MiniMax 10x Takımı'nın anlamı, sadece uzmanlar işe almak değil—model şirketlerinin endüstri sorumluluk zincirine bir arayüz bulmaya başlamasıdır.

Geçen yıl, kendi kendimi çağın arka planda kaldığını hissettim.

Yirmi yıl boyunca olan yargı ve anlık algı, bir gün aniden temelini kaybetti. Bir şeyi yanlış yapmadığınız için değil, dünya bir değerlendirme kuralı değiştirdiği için.

Büyük modeller, Agent, AI kodlama, dalgalar halinde sürüyor. Tüm dünyada “verimlilik on kat arttı”, “endüstriyi yeniden yapılandırıyor” diye sesler yükseliyor. Başlangıçta ben de heyecanlandım. Sonra heyecan bitti, geriye bir boşluk kaldı.

O yüzden derslere başladım. AI’yi, kendi karar verme yeteneğimi tamamlamak için. Aniden teknolojiye aşık olmadım, sadece dışarıdan bakamayacağımı düşündüm. Bu yaşta bile bilgisayar mühendisliği yüksek lisansına kaydoldum, tekrar derslere girdim, makaleler okudum, teknolojiyi ve algoritmaları zorla anlamaya çalıştım.

Hem soyut, hem gerçek, oldukça keyifli.

Ne kadar çok yapay zeka kullanırsanız, o kadar çok bir şey fark edersiniz: Yazabilir, hesaplayabilir, özetleyebilir ve sorusu net, sınırı belirli problemlerle başa çıkmakta çok yeteneklidir. Ancak gerçek dünyada, birçok sorunun kendisi bile belirsizdir.

Asıl karar verme anında AI'nın önerisi her zaman — çok doğru görünüyor, ama "ancak" yok.

O cümleyi değil: "Bu zamanlama uygun değil, şimdi çıkartmak herkesi zor durumda bırakır."

O cümleyi yazmadınız: “Bu risk, uygunluk açısından belirtilmiş, ancak gerçek bir sorun yaşandığında kim sorumlu olacak?”

O cümleyi yok: "Bu plan böyle sunulamaz, sunulunca相手 bilir ki kimin sözü geçtiğini anlamamışsın."

PPT'de sorun yok, sözleşmeye girince sorun çıkar.

Yapay zeka bunları söylemez. Bu, yeterince akıllı olmadığı için değil, yanlış söylemekten sorumlu olmak zorunda olmadığı için.

Bu makalede “Yapay zeka insanları yerine geçecek mi?” tartışmasına girilmeyecek. Şunu sormak istiyorum: Cevaplar giderek daha ucuzlaştıkça, hangi deneyimler hala değerli kalır? Yapay zeka planlar yazabiliyorken, kim planların teslim edilebilir olup olmadığını karar verir? Geçmişte gerçek dünya deneyimleriyle karar verenler, nereden giriş yapabilir?

MiniMax 10x Takımı'nın mesajını gördükten sonra, bu süre içinde sürekli düşündüğüm sorunun endüstride gerçek bir örnek olduğunu anladım.

Bu yeni bir model değil, finansman duyurusu değil. Kamuoyuna açık bilgilere göre, MiniMax 10x Takımı, endüstriyel yazılım, oyun motorları, çip tasarımı, finans ve maliye alanlarındaki uzmanlara hitap ediyor ve daha çok bir “endüstri araştırması ortağı” mekanizmasına yakın: Alan uzmanları, sorunları tanımlamaya, değerlendirme ve iş akışlarını birlikte oluşturmak için dahil oluyor ve gerçek endüstri deneyimlerini doğrudan modele geri bildirim olarak sunuyor.

Dikkat edilmesi gereken, bu olayın ne kadar popüler olduğu değil, ortaya koyduğu sinyal: endüstriyel AI, daha güçlü modellere değil, gerçek endüstriyel sorun tanımlarına, geri bildirimlere ve sorumluluk zincirlerine bağlanmalıdır.

İşte kırık:

Cevap üretme maliyeti hızla düşüyor. Cevapların kabul edilmesi, açıklanması ve sorumluluğun alınması maliyeti ise hiç düşmedi.

01 AI doğru cevap verdi, ancak cevap neden sorumluluk zincirine girmiyor?

Yapay zeka gerçek bir kimliğe sahip değildir ve gerçek kayıplar yaşamaz. Bir hatalı tahmin nedeniyle müşteri kaybetmez, bir yanlış karar nedeniyle sorumlu tutulmaz ve bir değerlendirme toplantısında “neden böyle karar verildi” sorusunu cevaplamak zorunda kalmaz.

Gerçek bir kayıp olmadan, o "deneyimle anlaşılan" karar verme yeteneğini öğrenemez.

Dolayısıyla sektör uzmanlarını sadece bilgi eksikliğini gidermek için değil, gerçek dünyadan gelen geri bildirimleri de getirmek için aramalısınız: hangi soruların sorulması değerli, hangi sınırların aşılmaması gerektiği, hangi kararların sürece dahil edilebileceği ve hangi sonuçların önceden açıkça belirtilmesi gerekiyor.

Uzmanlar, AI'nın bilgi düzeltmeleri değil, AI'nın endüstri sahasına giren sinir uçlarıdır.

Geçmişte, bir senaryo yazmak, bir karar vermek ve sorumluluk almak üçü birbirine bağlıydı. Şimdi büyük modeller, “cevap yazmak” kısmını ucuzlaştırdı; kalan, cevabın kabul edilip edilmeyeceğini, açıklanıp açıklanmayacağını ve sorumluluğun kimde kalacağını belirleyen yetenekler ise yeniden pahalı hale geldi.

Bunu sorumluluk zinciri olarak adlandırıyorum: Bir cevap, "doğru gibi görünmek"ten, "kimse kullanmaz, teslim etmez, imzalamaz, sorumluluk almaz" durumuna kadar olan tüm süreci kapsar. Finans, sağlık, hukuk, endüstri ve kamu idaresi gibi daha yüksek değerli, daha yüksek riskli ve daha yüksek denetimli senaryolarda bu zincir daha uzun ve tamamlanması daha zordur.

Büyük modeller cepheye ulaştığında, sorumluluk ne demek onu anlar.

02 Dört sahne: AI her şeyi doğru yapar, ancak her adımda cevabın dışında takılır

Sorun AI'nın yanlış cevap vermesi değil. Sorun, cevabın sorumluluk zincirine girmemesi.

Canlı 1: Düzenleyicilerin gerçekten sorduğu soru, “Değerin var mı?”, değil, “Problem olursa kime ulaşırım?”

Bir zamanlar eski işveren, birden fazla şehirde aynı anda düzenleyici çatışmalarla karşılaştı. İçerde kullanıcı verileri, uyumluluk kanıtları, yasal hükümler ve ekonomik katkılar olmak üzere büyük miktarda materyal hazırlandı. Bugünki büyük modeline verilselerdi, kesinlikle harika bir şekilde yazarlardı—teknolojik yenilik, şehir verimliliği, platform ekonomisinin toplumsal değerleri serbest bırakması.

Bu ifadeler doğru. Ancak o senaryoda kritik değil.

Düzenleyici ve uygulama yetkilileri, o ticari değer argümanlarına ilgi duymaz. Gerçekten sormak istedikleri tek şey şudur: Bu şeyde bir sorun oluşursa, kimden sorumlu tutabilirim? Üstüme nasıl rapor verebilirim?

Hükümetin gerçekten endişelendiği şey: Topluluk olayı yaşanırsa ne olacak? Güvenlik kazası olursa kim sorumlu olacak? Platform hızlı bir şekilde genişliyor ancak denetim bunu takip edemiyor, sorumluluk kimde?

Yapılacak son şey, daha fazla belge sunmak değil, platformun yeteneklerini yeniden tanımlamaktır—veriler, anormalliklerin tespitine yardımcı olabilir, sipariş kayıtları sorumluluk izlenebilirliğini sağlayabilir; teknik sistemler yalnızca denetim konusu olmamalı, aynı zamanda denetim aracına da dönüşmelidir.

Yalnızca böyle yaparak, karşı taraf bir arayüz görecektir: Sorun yaşandığında kiminle iletişime geçeceğimi biliyorum, sorun olduğunda nasıl kontrol edeceğimi biliyorum, rapor vermem gerektiğinde nasıl açıklayacağımı biliyorum.

Yapay zeka malzemeleri su sızdırmaz şekilde düzenleyebilir. Ancak o arayüzün nerede olduğunu ve neden bunun tüm iletişimde gerçek kilit nokta olduğunu bilmeyebilir.

Bu bir malzeme sorunu değil. Bu, düzenleyici sorumluluk arayüzü sorunu.

İkinci sahne: Reformun ilerleyip ilerlemeyeceği, sadece plana değil, "herkesin geri çekilme yolu olup olmadığına" bakılarak belirlenir.

Bir kez, bir yerel reform deneyimine katılım için rekabet ettim. Rakiplerin daha güçlü sermayeleri vardı, önerileri daha kapsamlıydı ve mantıkları tamamdı. Ancak onlar elendi.

Çünkü planları, herhangi bir puanlama tablosunda yer almayan temel bir sorunu gözden kaçırdı: Reform ilerlerken bir sorun çıkarsa, buradaki her birinin kendi için ikna edici bir açıklama bulabilip bulamayacağı.

Yükleme değil, itibar.

Çok sayıda reform, değerin anlaşılması yerine, sorumluluğu belirsiz bir öneriyi desteklemek için bir adım daha atmak istemeyenlerden kaynaklanır.

Ancak korkuyu ortadan kaldırmak yeterli değildir. Daha önemlisi, her katılımcının bu işi ilerlettikten sonra kendisinin neye sahip olacağını görmesidir — “ortak reform hareketi” gibi soyut ifadeler değil, bu departmanın dışa sunulabilecek bir pilot vaka daha kazanması, o birimin adı soyadı belirgin bir performans sonucu daha elde etmesi, bu sorumlunun üst yöneticiler tarafından daha fazla bahsedilme şansı kazanması.

Bir sorun çıktı, benim işim olmayacak. Tamamlandıktan sonra ne kazanabilirim?

Bu iki cümle birlikte, gerçek eylem anahtarını oluşturur.

Yerel hükümet bir girişim planı okumuyor. Kimin öncülük edeceğini, hangi birimin destek vereceğini, bütçenin nereden ayrılacağını, kabul kriterlerinin nasıl belirleneceğini ve sorun yaşandığında kimin açıklayacağını değerlendiriyor.

Bu bir plan sorunu değil, her katılımcının neden ilerlediğini açıklayabilip olamaması sorunu.

Canlı 3: BP ne kadar tam olursa olsun, işletme kararlarını ve yatırım sorumluluğunu yerine geçemez.

Bir zamanlar bir girişimci, projesiyle bir fonla görüşmeye gitti. İş modeli netti, pazar alanı yeterince büyüktü, tüm materyaller hazırdu. Bugün AI var, büyük modeller, yapısal olarak tam ve hatta uluslararası bir görünümü olan bir iş planı oluşturabilir.

Ancak fonların gerçekten dikkat ettiği, belgelerin tam olup olmadığı değil.

O gün, yatırımcı birkaç sayfa geçti ve sadece bir soru sordu: “Müşterileriniz, gerçek piyasa talebi mi, yoksa politika penceresinden gelen bir deneme mi? Gelecek yıl sübvansiyon olmazsa, müşteriler hizmeti yenileyecek mi?”

Bu cümle, müşteriye soru soruyormuş gibi görünüyor, aslında aynı anda iki şeyi doğruluyor.

Birisi kurucunun işletme kararıdır: Gelirlerinizin nereden geldiğini, müşterilerinizin neden ödeme yaptığını ve gelecek yıl da ödeme yapmaya devam edip etmeyeceğini gerçekten biliyor musunuz? Riskle mi karşı karşıyasınız, yoksa güzel malzemelerle riski mi gizliyorsunuz?

Diğer bir nokta da yatırımcıların yatırım sorumluluğudur: Bu projeyi yatırım komitesine sunarsam, gelir kalitesini, politika bağımlılığını, yenileme riskini ve çıkış yolunun neyle desteklendiğini açıklayabiliyor muyum?

Materyalde cevap yok değil. Sadece birçok kez, kimse hangi satırın toplantının gerçek anahtar sorusu olduğunu bilmiyor.

Yatırımcı aslında o satırı zaten görmüştü. Sadece şunu bilmek istiyordu: Bu soruyu gerçekten mi düşündünüz, yoksa kendi kendinize de net olmayan bir cevabı, güzel bir materyal kullanarak mı kaçırıyorsunuz?

Bu, malzeme üzerindeki eksiklikleri bulmak değil, iki sorumluluk zincirinin kurulup kurulamayacağını doğrulamaktır: Kurucu, işletmenin sonuçlarından sorumlu olabilir mi; yatırımcı, yatırım kararlarından sorumlu olabilir mi?

Yapay zeka her şeyi mükemmel şekilde düzenleyebilir. Ancak bazen çok tam bir materyalin, gerçekten sorulmaya hazır olmamanın bir sinyali olduğu farkında değildir.

Malzeme asla temel değildir. Gerçekten önemli olan: gelir kalitesinin doğrulanabilir olup olmadığı, riskin açıklanabilir olup olmadığı ve işletme kararlarının ile yatırım sorumluluğunun aynı anda tutunabilmesidir.

Canlı 4: İşlemde takılı kaldığınızda, gerçek çatışma genellikle şartlar içinde değil, "iki sorumluluk sistemi" içinde yer alır.

Bir kez daha, masanın üzerinde bir teknoloji projesi vardı ve herkes onu desteklemek istedi. Teknolojide engeller vardı, müşteri kalitesi de iyiydi, due diligence tamamlandı, şartlar neredeyse görüşüldü. Yüzeyde, imzaya sadece son adım kalmıştı.

Ancak bu işlem, nedeni belirtilmeden aniden durduruldu.

Çin Yuan fonu diyor: Yapıyı daha iyi incelememiz gerekiyor. Dolar hissedarları diyor: Sonraki hakları doğrulamamız gerekiyor. Kurucu diyor: Değerleme hâlâ artırılabilir mi? Herkes, gerçek endişelerini daha güvenli ifadelerle anlatıyor.

Yuan fonunun arkasında yerel sanayi hedefleri, yatırımcı çekme görevleri, yeniden yatırım zorunlulukları ve devlet sermayesi uygunluk baskısı vardır—bu fon, bu şirketin bir şekilde yerel hizmet vermesini gerektirir. Ancak dolar hissedarları yerel hizmet için gelmemiştir; verimlilik, çıkış ve DPI'yi arar.

Aynı şirket içinde, iki sorumluluk sistemi arasında doğmaya zorunlu yapısal gerginlik vardır.

Sonrasında, herhangi bir tarafın taviz vermesi yerine yapı yeniden tasarlandı: Dolar hissedarları üst yapıda kalır, genel esneklik ve çıkış yolları bozulmadan korunur; RMB fonları, bölgesel alt şirketler aracılığıyla belirli iş hatlarına girer; yerel devlet sermayesinin geri yatırım ve yatırım çekme görevleri alt şirket düzeyinde yer alır. İki farklı mantık, kendi seviyelerinde birbirini bozmadan çalışır.

Çin Yuan fonu için, yatırım komitesine sunulacak bir not—“risk yoktur” kanıtı değil, bunun yerine şunları cevaplayabilecekleri bir belge: Neden yatırıyorum, hangi riskleri biliyorum, bu riskler nasıl kontrol ediliyor?

Dolar hissedarları için, üst yapı bütünlüğü korunmuştur ve çıkış yolu değiştirilmemiştir.

Kimse taviz vermedi. Ancak herkes gerçekten ihtiyaç duyduğu şeyi aldı.

Müzakere doğası, ikna etmek değil, bir çıkar yeniden yapılandırmasıdır.

03 İki genel sinyal: AI yardımcı olabilir, ancak insan sorumluluğunu üstlenemez

Bu dört anı geriye dönerek bakıldığında, AI her seferinde “doğru”yu yapabiliyor. Malzeme doğru, mantık tam, hüküm doğru. Ancak her seferinde şeyleri harekete geçiren adım, AI’nın cevabının dışında gerçekleşiyor.

Bu, endüstriyel AI'nın şu anki gerçek sınırı: yeterince akıllı olmaması değil, sonuçları taşımaması.

Bu karar, üç yıl sonra yapılan değerlendirme toplantısında açıklanmak zorunda değil, yatırım komitesinde o anda böyle karar vermenizin nedeni sorulmak zorunda değil. Gerçek dünyadaki kararlar, sadece bir cevap seçmek değil, kendinizin üstlenebileceğiniz sonuçları seçmektir.

Odada üç saniye sessizlikten sonra yapılan karar, algoritmanın hesaplayamayacağı bir şey değil. O üç saniye içinde kimse ne endişelendiğini henüz bilmiyor.

Profesyonel ifade ucuzlamaya devam ediyor. Sektörün yargılaması değil.

Hukuki senaryo, bu sorunu en net şekilde ortaya koyar. 2026 Yılı En Yüksek Hâkimiyet Çalışma Raporu, yapay zekâ destekli yargı sistemi geliştirilmesini aktif ve dikkatli bir şekilde gerçekleştirmeyi, bu sistemin yalnızca “destekleyici” konumunda kalmasını ve hukuki sorumluluğun yalnızca hakimlerde kalmasını açıkça belirtmiştir.

Bu, AI'yi reddetmek değil, AI'ye yer bulmaktır: yardımcı olabilir, ancak son司法 sorumluluğunu taşıyan kişiyi yerine geçemez.

Başka bir vaka, Pekin Tongzhou Mahkemesi'nde meydana geldi. Bir ticari anlaşmazlıkta, temsilcinin sunduğu "referans vaka" AI tarafından oluşturulmuştu ve kişi doğrulamadan doğrudan sunmuştu; mahkeme bu referansı kabul etmedi ve karar metninde eleştiri yaptı.

Bu örnek küçük ama tipik.

Sorun sadece üretim kalitesi değil, aradaki doğrulama ve onay düğümünün atlanması. Sorun, AI'nın görünüşte profesyonel içerikler yazabilip yazılamaması değil, bu içerik gerçek programa girmeden önce kimin doğrulayacağı, kimin göndereceği, kimin imza atacağı ve kimin sonuçları taşıyacağı.

04 Kim pahalılaşacak? Üç tür kişi ve yeni bir yetenek

Geçmişte endüstri hizmetlerinin değeri, veriler, ilişkiler, deneyim, yargı ve sorumluluklar birlikte paketlenerek ücretlendirilirdi.

Yapay zeka bu karışıklığı parçalayacak.

Veriler önce değer kaybeder, ifadeler sonra değer kaybeder, genel analizler de değer kaybeder. Gerçekte kalan, sorumluluk zincirine girebilen yargılar olur.

Bu, benim anladığım mühendislik kararı.

Mühendislik kararı, bilgiyi modele vermek değildir; bunun yerine, "ne verilebilir, ne imzalanabilir, hangi riskler önceden açıkça belirtilmelidir" sorularını, sistem tarafından denetlenebilir ve organizasyon tarafından uygulanabilir standartlara ayırır.

Geçmişte bu kararlar deneyimli trader'ların sezgisinde saklıydı; gelecekte ise bunlar sisteme parçalanacaktır.

Bunun arkasında, yargıları sorumluluk iş akışlarına dönüştürme yeteneği yatıyor.

Sadece sektörü anlamak değil, sadece AI kullanmak değil; gerçek dünyadaki sınırlar, riskler, ters örnekler, sorumluluk noktaları ve kabul kriterlerini, modelin öğrenmesi, sistemin denetlemesi, organizasyonun benimsemesi ve sorun oluştuğunda açıklanabilmesi için parçalara ayıran bir süreçtir.

Bu çizgi boyunca bakıldığında, gelecekte pahalılaşacak olan üç tür kişi vardır.

Birinci kategori, deneyimi standartlara bölebilenler.

Sadece “deneyimim var” demekle kalmayıp, neyin işlenebileceğini, neyin işlenemeyeceğini; hangi risklerin önceden belirtilmesi gerektiğini; hangi planların görünüştür güzel ama süreçte sorun çıkaracağını açıkça ifade edebilen kişiler, deneyimlerini standartlara, ters örneklerine, değerlendirmelere ve listelere ayırdığında, modelin endüstri sahasına girmesinin kritik arayüzü haline gelir.

İkinci tür, aynı anda birden fazla sorumluluk sistemi anlayabilenler.

Hükümet, RMB fonları, Dolar fonları ve endüstri müşterileri, aynı dizi gerçekleri tamamen farklı şekilde yorumlar. Bu sistemler arasında çeviri yapanlar, mesaj iletmekle kalmaz, sorumluluğu yeniden yerleştirir.

Üçüncü kategori, kararları iş akışına entegre edebilen şirketler.

Müşteri sorumluluk süreçlerine gömülmüş sistemler, bir raporun nasıl onaylandığını, bir riskin nasıl izlendiğini ve bir uyumluluk kararı nasıl kurumsal olarak kabul edildiğini bilir.

Müşterinin sonunda ödediği, “AI’nın iyi yazıp yazmadığı” değil, bu değerlendirme beni kullanmaya cesaretlendirebilir mi?

Endüstriyel Yapay Zekânın değeri, kısa vadeli olarak modellerde ve araçlarda, orta vadeli olarak dikey Agentlerde, uzun vadeli olarak müşteri sorumluluk süreçlerine giren iş akış sistemlerinde yer alır.

"Cevap üretmek" giderek su ve elektrik gibi olacak—önemli, ancak artık rekabet avantajı değil. Gerçekten yüksek kar getirebilecek olan, endüstri iş akışı katmanı olacak.

Son söz: O birkaç saniyelik duraklama, yalnızca mantık değil, aynı zamanda sorumluluk da içeriyor.

Sorun, yerine geçip geçmeme değil, insan ve AI'nın nasıl yeniden görev dağılımı yapacağıdır. AI, hızı, yapıyı ve ölçeği sağlar; insan, anlamı, sınırları ve sorumluluğu sağlar. İkisinin bir araya gelmesiyle bir karar, “doğru gibi görünmekten” gerçekliğe ulaşır.

Yapay zeka, gerçek deneyimi geçersiz kılmıyor. Tüm insanları deneyimlerini yükseltmeye zorluyor.

Sadece zihinde kalan deneyimler hızla seyrelir; parçalanabilir, ifade edilebilir, doğrulanabilir ve geliştirilebilir deneyimler ise insan-makine iş birliğinin gerçek yakıtı olur.

Büyük modeller, kuralları sabit olan bir dünyayı işler. Ancak gerçek toplum canlıdır—geri teper, kendini yeniden yorumlar ve her “doğru cevap” uygulandığında şekil değiştirir.

Bu tür bir dünyada, sadece bilgiyi işlemek yeterli değildir. Anlamı algılamak gerekir—bu şey kimin için önemli ve neden önemli. Değeri değerlendirmek gerekir—bu cevap kabul edilir mi, imzalanır mı, güvenilir mi?

Bu algı, verilerden hesaplanmaz. Endüstri ortamında tekrarlı denemeler, sonuçları yaşamak ve yeniden ayarlamak deneyimlerinden gelir.

Yani model ne kadar güçlü olursa olsun, hala kimseye söylemesi gerekiyor: endüstri sahasında gerçekten ne önemsiyorlar.

Bu, bilginin aktarımı değil, anlamın ve değerin çevrilimidir. Sahada karar veren, sorumluluk taşıyan, hatalar yapanlar, sadece AI'nın bilgi kaynağı değil, onun gerçek dünyayı algılama arayüzüdür.

Bu makale, sadece AI sektöründekilere değil, hâlâ gerçek dünyada kararlar veren, hatalar yapan ve sorumluluk taşıyan herkese yöneliktir.

Bu deneyimler, CV'ye yazmak için zor olabilir ve model tarafından doğrudan anlaşılabilir olmayabilir. Ancak tam olarak endüstriyel AI'nın gerçek dünyaya girdiğinde en çok ihtiyaç duyduğu arayüzdür.

Büyük modeller giderek daha güçlü ve daha hızlı hale gelecek. Ancak ön sahada, gerçek dünya bir cevabın mantıksal tutarlılığı nedeniyle otomatik olarak çalışmaz. Geri bildirim verir, tepki gösterir ve her kararın sonuçlarını beraberinde getirir.

Her zaman, onaylamayı tıklamadan önce birkaç saniye duran insanlar olur.

O birkaç saniyede, sadece mantık değil.

Ayrıca sorumluluk.