AI Yemek Görsellerinden Neden Nefret Ediyoruz? Asıl Sebep Sahtelik Değil

Viral AI yemek görsellerine duyulan tepkinin sebebi sahtelik değil — yemek fotoğrafçılığı zaten altmış yıldır sahte. Asıl sebep, üretim maliyeti sıfıra inerken çıktıyı eleyen insanın süreçten çıkmış olması. UX Collective’te 12 Eylül 2026’da yayımlanan “The real reason everyone hates the viral AI food slop” yazısında Dr. Slava Polonski bunu dört katmanlı bir çerçeveyle açıklıyor: AI, zincirdeki dört işten sadece birini devraldı, kalan üçünü boşta bıraktı.

Bu blogda konuyu daha önce menülerdeki tuhaf AI görselleri üzerinden ele almıştık; bu yazı tartışmanın nedenine iniyor. Özeti üç maddede:

• Sahtelik yeni değil. Reklamdaki hamburger pürmüzle mühürlenir, süt beyaz tutkaldır, buz akrilik, terleme mısır şurubu.
• Etiketsizken AI kazanıyor. Oxford ve Napoli’deki 297 kişilik çalışmada katılımcılar AI görselleri gerçek fotoğraflardan daha iştah açıcı buldu — hangisinin ne olduğunu bilmedikleri sürece.
• Görünen örneklem en kötüsü. Profesyoneller AI’ın belirtilerini temizliyor, o yüzden fark edilmiyorlar; sokakta viral olan menüler görsel eğitimi olmayanların ilk çıktısı.

Yemek fotoğrafçılığı altmış yıldır zaten sahte

Reklam için hazırlanan bir hamburgerin gerçek hikâyesi şöyle: köfte yalnızca dışından pişirilir, kenarları pürmüzle kızartılır, çünkü tam pişmiş bir köfte stüdyo ışığı altında küçülüp griye döner. Yığını ayakta tutan şey kürdanlardır. Domates, ekmeğe pembe su sızdırmasın diye içi boşaltılmıştır. Peynirin kenarı, o “yeni erimiş” sarkmayı bir saat daha koruması için temizlik ürünüyle fırçalanır. Buhar görüyorsanız, buharı biri eklemiştir.

• Süt genelde beyaz tutkaldır.
• Buz küpleri 1970’lerden beri akriliktir.
• Bardağın dışındaki terleme elle, damla damla sürülmüş mısır şurubudur.

Bunların hiçbiri sır değil. Ticari yemek stilistliğinin standart alet çantası bu ve onlarca yıldır açıkça öğretiliyor. Kimse buna dair viral bir video çekmedi.

Hukukun itiraz ettiği şey sahtelik değil, yalan vaat

1965’te ABD Yüksek Mahkemesi, Federal Ticaret Komisyonu’nun Colgate-Palmolive’e karşı açtığı davada FTC’yi haklı buldu. Rapid Shave reklamı, tıraş kreminin zımpara kâğıdını yumuşattığını gösteriyordu; gerçekte görüntüdeki şey pleksiglas üzerine serpilmiş kumdu. Mahkeme bunu esaslı yanıltma saydı. Bugün gördüğünüz her “canlandırmadır” ibaresi bu karardan türüyor.

Dikkat edilmesi gereken nokta şu: mahkeme görüntünün imal edilmiş olmasına itiraz etmedi. İmalatın ürünün ne yapacağına dair yalan bir söz vermesine itiraz etti.

Aynı çizgi 2022’de tekrar gündeme geldi. Burger King’e açılan toplu davada davacılar, Whopper’ın reklamlarda kutudan çıkandan yaklaşık %35 daha büyük göründüğünü iddia etti; federal yargıç davanın görülmesine izin verdi (TODAY). Altmış yıl arayla şikâyet aynı — ve hiçbirinin görüntünün gerçek bir kamerayla çekilip çekilmediğiyle ilgisi yok.

Ama araştırma tersini söylüyor: AI görseller daha iştah açıcı

2024’te Napoli Federico II Üniversitesi’nden Giovanbattista Califano ile Oxford’dan Charles Spence, 297 katılımcıya yemek görselleri gösterip tek bir soru sordu: bu ne kadar iştah açıcı görünüyor? Görsellerin yarısı gerçek fotoğraf, yarısı AI üretimiydi. Sonuçlar Food Quality and Preference dergisinde yayımlandı.

• Kaynak gizlendiğinde AI görseller gerçek fotoğraflardan anlamlı biçimde daha iştah açıcı bulundu.
• Kazandıran değişkenler simetri, parlaklık, biçim, ışık ve renkti — yani yemek stilistlerinin kürdanla kovaladığı şeylerin aynısı.
• Kaynak açıklandığında bu üstünlük ortadan kalktı; gerçek olduğu söylenen görselin çekiciliği arttı, AI olduğu söylenenin azaldı.
• Ek bulgu: AI görseller yemekleri daha kalori yoğun gösteriyordu — daha fazla patates, fazladan krema.

Bir ayrıntı özellikle ilginç: gerçek fotoğrafta yemek kameraya dönük olduğunda — havuç demeti ya da pastanın sivri ucu yüzünüze bakarken — AI sürümü aynı açıyı ters çeviriyordu. Califano’nun açıklaması şu: “İnsanlar olarak bize doğrultulmuş nesnelerden rahatsız oluruz, söz konusu olan sadece yemek olsa bile onları tehdit olarak yorumlarız.”

Spence, bulgunun bir riski olduğunu da vurguluyor: bu tür görseller tüketicideki “görsel açlığı” artırarak sağlıksız beslenme davranışlarını besleyebilir (Oxford Üniversitesi bülteni, 11 Mart 2024).

Menüdeki fotoğrafın işi ne? Bir arayüz sorunu

Menü fotoğrafı estetik bir süs değil, karar verdiren bir arayüz bileşeni. Görsel yoksa kullanıcı tereddüt eder. “Tavuk korma” yazısı, o yemeği hiç yememiş biri için neredeyse hiçbir bilgi taşımaz; kullanıcı yanındakini sipariş eder.

Küçük restoranların büyük bölümü teslimat platformlarına hiç fotoğrafsız katılıyor, çünkü fotoğrafın maliyeti var. Boş bir kart sadece kötü görünmez, işini yapmaz. Uber’in kendi tüccar rehberi, açıklama ve fotoğrafın menü dönüşümünü %50’ye varan oranda artırabildiğini söylüyor.

Uber Eats’in Temmuz 2025’te duyurduğu tüccar araçları tam bu boşluğa oturuyor:

• Düşük kaliteli görselleri iyileştirme: ışık, çözünürlük, kadraj ve sunum düzeltiliyor; yemek gerektiğinde paket kabından alınıp hayali bir tabağa taşınıyor.
• Menü açıklamalarını AI yazıyor.
• Fotoğrafı olmayan ürünler için müşteriye 3 dolar Uber Cash: siparişini fotoğraflayan kullanıcının karesi yayımlanırsa ödeme yapılıyor — modelin uyduramayacağı tek şey, gerçekten gelen tabak.

Yani AI menü görseli otomatik olarak bir ihanet değil. Doğru beklentiyi kuran sentetik bir tavuk korma görseli, hiç görsel olmamasını da, 1997’de floresan altında yağlı bir lensle çekilmiş gerçek fotoğrafı da yener. O fotoğraf otantiktir ama müşterinin tek sorusuna — “bu, canımın istediği şey mi?” — daha kötü cevap verir.

AI Taste Stack: dört katmandan sadece biri doldu

Polonski’nin çerçevesi, ticari yemek görseli üretiminde restoran ile müşteri arasında duran dört ayrı işi tanımlıyor. Üretken yapay zeka bunlardan yalnızca ilkini devraldı.

• 1. Zanaat katmanı — “Bu görsel üretilebilir mi?” Pahalı olan kısım buydu: yemek stilisti, pürmüz, ışık düzeni, rötuşçu. AI bunu bir çekim gününden tek bir prompt’a indirdi.
• 2. Seçim katmanı — “Bunlardan hangisi iyi olan?” Fotoğrafçı birkaç yüz kare çeker, altısını teslim eder; sanat yönetmeni birini seçer. Bir dakikada elli hamburger üretebilmek, on birincinin neden birincisinden iyi olduğunu kimseye öğretmiyor.
• 3. Uyum katmanı — “Bu görsel bu işletmeye ait mi?” Bolzano’daki aile trattoriası ile koyu ahşap bir kokteyl barı farklı ışık, farklı tabak, farklı kadraj ister. Her görsel modeli aynı “pahalı restoran” havasına düşüyor, çünkü internetteki ticari yemek fotoğraflarının çoğu böyle görünüyor.
• 4. Veto katmanı — “Bu görsel hiç var olmalı mı?” Eski zincirde hayır demek için para alan biri vardı. Fotoğrafçı, stilist, sanat yönetmeni, tasarımcı ve matbaacı arasındaki her devir, bir profesyonelin işe bakıp reddetmesi için yeni bir fırsattı.

Telefonuyla çalışan bir restoran sahibi artık bu dört katmanın hepsi aynı anda. AI’ın doldurduğu tek katman ise ilki. “Restoranım için bir menü görseli üret” diye yazılan bir prompt, diğer üçünü yerine koymuyor.

Eski düzenin daha dürüst olduğunu söylemiyor bu. Bir yemek stilisti, o hamburgeri hak etmediği kadar iyi göstermek için dört saat harcayabiliyordu. Aldatma eski; yeni olan şey, aldatmanın yanında profesyonel yargının da bulunmaması.

AI Cezası: etiket, görseli değil kararı yargılatıyor

Califano ve Spence’in deneyinin ikinci yarısı, tartışmanın en kaygan noktası. Katılımcılara hangi görselin AI olduğu söylendiğinde değerlendirme değişti. Pikseller aynı, anlatı farklı, hüküm farklı.

Polonski buna yaklaşan kitabında “AI Cezası” (AI Penalty) adını veriyor: bir nesnenin makine yapımı olduğu bilindiği anda nesneyi değerlendirmeyi bırakıp, makineyi kullanma kararını değerlendirmeye başlıyoruz. Kendi tarifiyle: bir LinkedIn gönderisini kaydırırken ikinci satırdaki tanıdık AI ritmini yakalayıp “bu AI” diye geçiyorsunuz — argümanın iyi olup olmadığını hiç öğrenmiyorsunuz.

Gördüğümüz AI görselleri, AI görsellerinin en kötüsü

Döngü tam burada kapanıyor. Görünür biçimde AI üretimi yemek görseli yayımlama ihtimali en yüksek olan kişiler, görsel eğitimi en az olanlar. Profesyoneller ya AI’ın belirtilerinden kaçınıyor ya da süreçte düzeltiyor.

Aynı örüntü tasarım eğitiminde de işliyor: resim kurslarının AI afişleri viral oluyor, çünkü yargı adımı atlanmış olanlar en görünür olanlar. Sonuç: kamuya açık AI yemek fotoğrafçılığı örneklemi sistematik olarak en kötüsü. Herkes doğru bir çıkarım yapıyor — “bu görseller kötü” — ama yanlış bir genellemeye varıyor. Yetkin olanlar fark edilmeden dolaşıyor, kendi meziyetleriyle değerlendiriliyor ve işini yapıyor.

Aynılık sorunu: model çöküşü değil, yakınsama

TechCrunch’ın 3 Eylül 2026 tarihli analizinde tespit edilen ikinci sorun, tekrar. Model güzel bir hamburger üretse bile, ek bir ince ayar olmadan hep aynı güzel hamburgeri üretiyor — çünkü birbirine benzeyen milyonlarca ticari hamburger görselinden öğrendi.

Tespit şirketi Reality Defender’ın CTO’su Alex Lisle’ın çokça alıntılanan cümlesi şu: “Sanki bir uzaylı, temel prensiplerini anlamadan pizza yapmaya çalışıyor gibi.” Lisle, buna model çöküşü değil yakınsama diyor: çıktı kullanılamaz hâle gelmiyor, sadece hepsi birbirine benziyor. Bir teslimat uygulamasının ızgarasına yayıldığında Tayland lokantası hamburgerciye, o da otel restoranına benzemeye başlıyor.

Elon Üniversitesi’nden Lee Rainie aynı yazıda mekanizmayı özetliyor: “Veri kümeleri hoşa gitme ya da rahatsız etmeme üzerine optimize ediliyor; bu da bir noktada homojenleşmeye dönüşüyor.” Bu, doğrudan Taste Stack’in Uyum ve Veto katmanı sorunu.

Bu görselleri kim üretiyor? Rakamlar

Ulusal Restoran Birliği’nin (National Restaurant Association) Şubat 2026’da yayımladığı 2026 State of the Restaurant Industry raporundaki iki rakam yan yana durunca tablo netleşiyor:

• %26 — restoran işletmecilerinin yapay zeka araçları kullandığını söyleyen oran. En yaygın kullanım alanı pazarlama (tam hizmet veren işletmelerin %19’u, sınırlı hizmet verenlerin %15’i).
• %42 — 2025’te işletmesinin kâr etmediğini bildiren işletmeci oranı (Restaurant Dive).

Ters yöne giden markalar da var: Puresport AI görselini bırakıp yağlı boya tabloya döndü, çünkü tepki kampanyanın kendisinden büyüdü. Ücretsiz bir görsel üreticisine uzananlar, orantısız biçimde profesyonel bir ajansa ya da yemek fotoğrafçısına zaten parası yetmeyen kişiler. Tartışmayı “zevksizlik” üzerinden yürütmek bu tabloyu ıskalıyor.

Tasarım ve pazarlama ekipleri bugün ne yapmalı?

Polonski’nin önerdiği pratikler, Taste Stack’in eksik üç katmanını yeniden kadrolamaya yönelik:

1. Son yayımladığınız AI görselini alın ve dört katmandan hangisinde gerçekten bir insan olduğunu sorun. Özellikle Veto katmanında dürüst olun.
2. Üretilen/elenen oranını sabitleyin. Bir görselin yayına girebilmesi için kaç çıktı üretilip reddedilmiş olmalı? Cevap “bir” ise ortada seçim yok.
3. Markanızın görsel dilini bir yabancının uygulayabileceği netlikte yazın. Yazamıyorsanız boşluğu modelin varsayılan estetiği dolduruyor — ve o estetik başkasına ait.
4. Bir hafta boyunca kendinize etiket testi uygulayın. Bir menüyü ya da gönderiyi “AI slop” diye elediğinizde durun ve gerçekten değerlendirmiş miydiniz diye sorun.
5. Kusuru bir seçenek olarak masada tutun. 2026’nın kusur trendi, kusursuzluğun artık inandırıcılık üretmediğini gösteriyor.

Tarihsel örüntü de bunu destekliyor: 1850’lerde Baudelaire fotoğrafa, 1990’larda eleştirmenler Photoshop’a, 2010’larda Instagram filtrelerine aynı itirazı yöneltti. Her seferinde teknoloji on yıl içinde hikâye olmaktan çıktı; geriye tek soru kaldı — o aracı tutan kişinin bir yargısı var mı?

Sık sorulan sorular

AI yemek görselleri neden fazladan kabuk, kusursuz küre şeklinde dondurma gibi hatalar üretiyor?

Model yemeğin nasıl yapıldığını değil, yemek fotoğraflarının nasıl göründüğünü öğreniyor. Alex Lisle’ın tarifiyle “temel prensiplerini anlamadan pizza yapmaya çalışan bir uzaylı” gibi davranıyor: doku ve parlaklık doğru, yapı yanlış. İzleyicilerin çoğu neyin yanlış olduğunu söyleyemiyor ama bir şeyin yanlış olduğunu görüyor.

Restoranların menüde AI görseli kullanması yasal mı?

Emsal davalar, sorunun görüntünün üretim yöntemi değil verdiği söz olduğunu gösteriyor. 1965 Colgate-Palmolive kararı imalata değil, ürünün performansına dair yanlış vaade karşı çıktı; Burger King’e açılan Whopper davası da porsiyon büyüklüğü iddiası üzerine kurulu. Yani gelen tabak görseldekiyle uyuşmuyorsa risk üretim yönteminden bağımsız olarak var.

Uber Eats menü fotoğraflarını yapay zekayla mı üretiyor?

Uber Eats, Temmuz 2025’ten itibaren düşük kaliteli tüccar görsellerini AI ile iyileştiren ve gerektiğinde yeniden düzenleyen araçlar sunuyor; menü açıklamalarını da AI yazabiliyor. Ayrıca fotoğrafı olmayan ürünler için siparişini fotoğraflayan müşterilere 3 dolar Uber Cash veriyor.

“AI Taste Stack” tam olarak ne?

Dr. Slava Polonski’nin UX Collective’te tanımladığı dört katmanlı çerçeve: Zanaat (üretilebilir mi), Seçim (hangisi iyi), Uyum (bu işletmeye ait mi) ve Veto (hiç var olmalı mı). Üretken yapay zeka birinci katmanın maliyetini sıfırladı; diğer üçü çoğu küçük işletmede kadrosuz kaldı.

AI görseli kullandığımı belirtirsem müşteri tepkisi azalır mı?

Etiketleme dürüstlük sorununu çözer, beğeni sorununu çözmez. Oxford–Napoli çalışmasında bir görselin AI olduğu açıklandığında değerlendirme düştü. Etiketin işlevi güveni korumak; çekiciliği artırmak değil.

Kaynaklar

• Slava Polonski, “The real reason everyone hates the viral AI food slop”, UX Collective, 12 Eylül 2026
• Califano, G. & Spence, C., “Assessing the visual appeal of real/AI-generated food images”, Food Quality and Preference, 2024
• Amanda Silberling, “The sameness problem behind those unappetizing AI-generated menus”, TechCrunch, 3 Eylül 2026
• 2026 State of the Restaurant Industry, National Restaurant Association
• “Uber Eats is bringing AI to menus, food images, and more”, MobileSyrup, 31 Temmuz 2025