Ürün uzmanı, mühendislik devir teslimlerinin yerini alan sezgisel kodlama iş akışını paylaşıyor

Anton Ingachev, Telegram uygulamaları oluşturmak için kullanılan kodsuz bir platform olan ve ürününden sorumlu olduğu Mini Apps Builder'ın kurucusudur. Bundan önce çeşitli CPO ve Ürün Direktörü görevlerinde bulundu.

Anton ile, küçük özellikleri kendisi vibe kodlayarak mühendislik ekiplerine devretme süreçlerini nasıl ortadan kaldırdığını öğrenmek için konuştuk. İşte bize anlattıkları.

Zorunluluktan yapay zekâya yönelmek

On yılı aşkın süredir ürün alanında çalışıyorum — fintech, satranç platformları, blok zinciri, sağlık teknolojileri. İki kez CPO, bir kez de Ürün Direktörü olarak görev yaptım.

Yapay zekâ yolculuğum bir stratejiden değil, pratik bir ihtiyaçtan başladı. Yaklaşık bir buçuk yıl önce, Telegram uygulamaları oluşturmak için kullanılan B2B2C kodsuz bir platform olan Mini Apps Builder'ı kurdum. Mühendislik geçmişi olmayan bir CPO olarak, tam bir geliştirme döngüsünü beklemeden özellikleri hızla kullanıma sunmam gerekiyordu. Claude Code ve Cursor'ı her gün kullanmaya o zaman başladım; yalnızca dokümantasyon veya prototip oluşturmak için değil, üretim çalışmaları için de.

Tam potansiyelini göstermek için, bir mühendislik ekibi olmadan yapay zekâ araçlarını kullanarak mimari, arka uç, ön yüz ve diğer her şey dahil, üretime hazır bir ürünü tek başıma oluşturdum. İşte o zaman yaklaşımım "daha hızlı çalışmama yardımcı olması için yapay zekâ kullanıyorum" olmaktan çıkıp "gerçek ürünleri kendim oluşturup kullanıma sunabilirim" haline geldi.

Şimdi aynı yaklaşımı Mini Apps Builder içinde uyguluyorum — bazı özellikleri yalnızca mühendisler için spesifikasyonlarını hazırlamak yerine doğrudan kendim geliştiriyorum.

Dolayısıyla benim yolculuğum "Yapay zekâ dönüşümü hakkında okudum ve buna liderlik etmeye karar verdim" şeklinde olmadı. Bunun yerine, büyük bir ekip olmadan hızlı ilerlemem gerekiyordu; yapay zekâ bunu mümkün kıldı ve artık ürün stratejisi hakkında farklı düşünüyorum — her yol haritası kararı artık şu soruyu da içeriyor: "Yapay zekâ bu adımı gerçekleştirebilir mi, yoksa yalnızca destekleyebilir mi?"

Yapay zekâ, ürün iş akışlarında eski devir modelinin yerini nasıl alıyor?

Yıllarca bir ürün yöneticisinin işinin spesifikasyonla sona erdiğine inandım. Gereksinimleri yazarsınız ama koda dokunmazsınız — bu mühendisin işidir. Bu sınırı aşmak haddini aşmak gibi gelirdi.

Yapay zekânın ürün dünyasında değiştirdiği en büyük şey bu. Artık basit özellikleri kendim ele alıyorum. Bunları Claude Code kullanarak geliştirip, mühendislik kapasitesini beklemeden doğrudan kullanıma sunuyorum.

Bu, tam bir devir adımını ortadan kaldırabileceğimiz anlamına geliyor. Spesifikasyon → mühendislik incelemesi → geliştirme → kalite güvencesi aşamalarından geçmek yerine, çoğu zaman doğrudan geliştirip test ediyorum.

Artık iki kişilik bir ekiple haftada iki veya üç özelliği kullanıma sunduğumuz bir yayın döngümüz var — web sitesi, satıcı kontrol paneli, Telegram Mini App'in kendisi ve dahili yönetim panelimiz genelinde. Bu hız, eski devir modeliyle mümkün olmazdı.

Bu durum ekip yapısı hakkında düşünme biçimimi de değiştirdi. Kısıt artık "Kaç mühendisimiz var?" değil. Bunun yerine soru şu: "Ne istediğimi ne kadar iyi tanımlayabiliyorum?"

Yapay zekâ destekli özellik geliştirme iş akışı

Özellik geliştirme süreci şöyle görünüyor:

1. Görevi Claude Code gibi üst düzey bir modele açıklıyorum. Neleri beğendiğimi, neleri beğenmediğimi, hangi sorunu çözdüğümüzü ve nelerin unutulmaması veya bozulmaması gerektiğini paylaşıyorum. Referanslar veriyorum — bazen doğrudan rakiplerden, ancak her zaman değil.
2. Model ayrıntılı bir plan oluşturuyor. Planı okuyorum. Gerekirse düzenlemeler yapıyor veya plana itiraz ediyorum.
3. Claude'dan planı kod olarak uygulamasını istiyorum.
4. Bir PR oluşturuyorum; bu PR, CTO'ya atanmasından önce otomatik kontrollerden geçiyor.
5. Her şey uygunsa, CTO bunu geliştirme ortamına birleştiriyor ve ben de üründe test ediyorum.
6. Bir şey ters gidiyorsa, CTO yorum bırakıyor, ben de modelden bunları düzeltmesini istiyorum ve süreç tekrarlanıyor.
7. Bir şey çok yanlışsa, CTO ile iyileştirme konusunda görüşüyorum LLM'ye verilen talimatları ve süreci tekrarlıyorum.
8. Geliştirme ortamında test ettikten sonra üretim ortamına gönderiyoruz.

Anton'un düşünceleri

Neleri beğendiğimi, neleri beğenmediğimi, hangi sorunu çözdüğümüzü ve nelerin unutulmaması veya bozulmaması gerektiğini paylaşıyorum.

Yapay zekâ ürün iş akışlarında nerelerde uygulanabilir?

Kullandığım başlıca yapay zekâ araçları Claude Code, Codex, Cursor, Gamma, Midjourney ve Figma Agent. İşte ürün iş akışlarında yapay zekâyı kullanma yollarımdan bazıları ve sağladığı faydalardan birkaçı:

1. Ürünümüzün tamamı — arayüzler, blog, Yardım Merkezi ve ürün güncelleme makaleleri — tek bir tıklamayla gerçek zamana yakın şekilde 20 dile çevriliyor.
2. Bir büyük dil modeli tarafından yazılan blog makaleleri arama trafiğimizi yaklaşık iki katına çıkardı — üstelik makalelerin hazırlanması çok daha kısa sürüyor.
3. Bir ürün yöneticisi olarak yapay zekâ, kendi fikirlerime meydan okumamı kolaylaştırıyor — fikirlerimi destekleyen veya çürüten verileri bulmasını isteyebiliyorum.
4. Sürüm notlarını yazmak artık bir sorun değil; çünkü yapay zekâ bunları neredeyse otomatik olarak hazırlıyor.

Açıkçası, yapay zekânın yardımcı olmadığı bir alan söyleyemem. Neredeyse her yerde onu kullanmak net bir fayda sağlıyor. Evet, insanların çıktıları kontrol etmesi, ayarlaması ve eğitmesi gerekiyor; ancak net bir hedefin ve bu hedefe yapay zekâyla nasıl ulaşılacağına dair bir anlayışın olduğu her yerde süreç iyileşiyor.

Yapay zekânın iş akışlarına entegre edilmeden önce doğru bağlama neden ihtiyaç duyduğu

Yapay zekâ söz konusu olduğunda bağlam her şeydir.

Eskiden blog makalelerini bir SEO uzmanının verdiği içerik özetine göre yazardım. Bu iki ila üç saat sürerdi. Daha sonra proje bağlamını bir büyük dil modeline yükleyip içerik özetini doğrudan modele verdim — artık makaleler 5-7 dakikada hazırlanıyor. Yukarıda da söylediğim gibi, kaliteleri daha yüksek ve bu da trafiğin iki katına çıkmasını sağlıyor.

Ancak SEO uzmanından bunları yapay zekâyla yazmasını istediğimde sonuçların ne kadar kötü olduğuna şaşırdım. Nedeni neydi? Onun büyük dil modeli benimkine kıyasla çok daha az proje bağlamına sahipti.

İş akışı ne olursa olsun, yapay zekâ araçlarınıza bağlam sağlamak için yatırım yapın!

Ürün liderleri neden bazı ürün iş akışlarını baştan sona yenilemeli, ancak mutlaka hepsini değil?

Tavsiyem mi? Yapay zekâyı şu anda süreçlerinizin çoğuna entegre edin. Artık 2022'de değiliz; değeri artık açıkça ortada. Yapay zekâ olmazsa olmaz.

Ürün liderleri, daha önce en iyi olduğu düşünülen her süreci ve aracı yeniden değerlendirmeli. Ancak bu, hepsini yapay zekâyla baştan sona yenilemek anlamına gelmez. Yapay zekânın sınırlamalarını, kendi güçlü ve zayıf yönlerinizi, üzerinde çalıştığınız ürünü, bütçeleri ve benzeri unsurları anlamalısınız.

Kurulum her projeye özgü olarak farklı görünecektir. Her şey esnektir. Ayrıca yerleşik en iyi uygulamalar da yoktur. Bu da işleri karmaşıklaştırıyor.

Ürününüz için doğru yaklaşımı bulmanın tek yolu, uygulamalı deneyler yapmaktır.

Anton'un Düşünceleri

Tavsiyem mi? Yapay zekâyı şu anda süreçlerinizin çoğuna entegre edin. Artık 2022’de değiliz; değeri artık açıkça ortada. Yapay zekâ olmazsa olmaz.

Gelişmeleri takip edin

Anton Ingachev'in çalışmalarını LinkedIn ve GitHub üzerinden takip edebilirsiniz. Ayrıca Mini Apps Builder'a da göz atın.

The CPO Club'da daha fazla uzman röportajı sizlerle olacak!