2025’te İhtiyacınız Olacak Yapay Zekâ Verimliliği ve İstem Mühendisliği Tüyoları

Transkripti Okuyun:

Podcast’lerimizin transkripsiyonunu bir yazılım programı kullanarak deniyoruz. Bot her zaman yüzde 100 doğru olmadığı için lütfen olası yazım hatalarını mazur görün.

Hannah Clark: Bu yıl programda ele aldığımız tüm konulara dönüp baktığımda yapay zekâ hakkında kesinlikle çok konuştuğumuzu görüyorum. Bu yüzden bir tane daha eklememize itiraz etmeyeceğinizi umuyorum; çünkü bu, şimdiye kadar yaptığımız en uygulanabilir yapay zekâ bölümü olabilir.

Bugünkü konuğum, “Kişisel Ürün Yöneticisi Verimlilik Sisteminizi ve Yapay Zekâ Yardımcınızı Oluşturun” başlıklı popüler kursun arkasındaki dâhi Tal Raviv. Bu oldukça gösterişli bir isim. Ayrıca daha önce kendisini yapay zekâ şüphecisi olarak tanımlayan biri için oldukça büyük bir mesele. Ancak Tal açısından oyunu değiştiren şey, çok sayıda ürün yöneticisinin Büyük Dil Modeli araçlarından tam değeri elde etmekte neden zorlandığını anlamak ve verimliliğinizi gerçekten dönüştürebilecek taktikleri keşfetmekti.

Ve evet, bu bölümde bu taktikleri ayrıntılı biçimde inceleyeceğiz. Yapay zekâyı işe alıştırmanın yeni bir ekip üyesini işe alıştırmaya nasıl benzediğini, yinelemeli istem mühendisliğinin neden önemli olduğunu ve yapay zekâ araçlarıyla denemeler yapmaya ve becerilerinize güven oluşturmaya nasıl başlayabileceğinize dair pratik tavsiyeleri konuşacağız. Hadi başlayalım.

CPO Club podcast’ine tekrar hoş geldiniz. Bugün Tal Raviv ile birlikteyim.

Tal, bize katıldığınız için çok teşekkürler. Bu gerçekten heyecan verici. Bize geçmişinizden ve bugün bulunduğunuz noktaya nasıl geldiğinizden biraz bahsedebilir misiniz?

Tal Raviv: Elbette. Kimya mühendisliği okuyarak başladım; bunun bugün bulunduğum yerle neredeyse hiçbir ilgisi yok.

Aslında bir açıdan ilgisi var; çünkü zor şeyleri öğrenme ve konuya derinlemesine dalma konusunda iyi olmamı sağladı. Üniversiteden birkaç arkadaşımla bir SaaS şirketi kurduk ve bunu dört yıl sürdürdük. Sonra gerçek bir iş bulma zamanı geldiğinde etrafıma bakıp şunu düşündüm: Aslında destek, pazarlama, kodlama ve tasarım işlerinin hepsini mi yapıyorum?

Bunun gerçek bir işteki karşılığı neydi? O sıralarda ürün yönetimi diye yeni bir şey vardı. Başvurdum ve bugün olsa muhtemelen içeri giremezdim; ama o zaman girmeyi başardım.

Hannah Clark: Harika. Bugün, herkesin girmeye çalıştığı başka bir şey hakkında konuşacağız: yapay zekâyı etkili biçimde kullanmak. Sanırım hepimiz bu teknolojiyi nasıl daha etkili ve pratik kullanabileceğimizi anlamaya çalışıyoruz. Bu nedenle yapay zekâyı günlük iş akışlarımızda nasıl kullanabileceğimize odaklanacağız.

Ama konuya girmeden önce, hayatınızda neler olup bittiğinden biraz bahsedelim. Ürün yöneticilerinin yapay zekâdan daha etkili yararlanmasına yardımcı olan bir grup kursuna liderlik ediyorsunuz. Sizi bu yola yönlendiren süreç nasıldı?

Tal Raviv: Bu kurs üzerinde Maven ile birlikte çalışmaya başladım. Bir yandan Riverside’ın üretken yapay zekâ girişimlerinin çoğu üzerinde çalışıyor ve bunlara liderlik ediyordum. Fakat günlük işlerimde yapay zekâyı hiç kullanmıyordum. “Ürün için harika, ama günlük işlerimle hiçbir ilgisi yok” diye düşünüyordum.

Bana yardım etmesi gereken tüm bu konularda bana asla yardımcı olamazdı. Bu nedenle kurs, tamamen verimlilik ve kendiniz için verimlilik sistemleri oluşturma üzerine şekillendi. Ürün yöneticisi olarak ekibiniz için böyle sistemler kurmak da verimliliğinizi ciddi biçimde artırabilir.

Organizasyonunuza bakıyor, duyguları yönetiyorsunuz; bütün bunlar düşük teknolojili işler. Öğrettiğim kurs bu. Aynı zamanda yapay zekâyla çok fazla oynuyordum. Bana bunu kişisel olarak kullanabileceğim bir şey olarak görmemi sağlayan değişim, Riverside’da kendimi çaresiz bir durumda bulmamla gerçekleşti.

ChatGPT’den yararlanmadan yapmam gereken işi tamamlamamın hiçbir yolu yoktu. Yine de direndim, şikâyet ettim ve sızlandım. Sonunda mühendislik ekip liderim, “Bırak, sana göstereyim; sadece dur” dedi. Bu, çok basit bir ilkeyi anlamamı sağladı: Onu doğru kullanmamamın nedeni yeterli bağlam vermememdi; tıpkı bir insanda olduğu gibi.

Bu benim için zihinsel bir değişimdi. Sonra bunu giderek daha ileri taşıdım. Ne kadar bağlam verebilirim diye düşündüm. Yeni işe aldığım ve işe alıştırmaya yardım ettiğim birine vereceğim kadar bağlam versem ne olurdu? Yeni işe alınan biriyle konuştuğum gibi onunla konuşsam ne olurdu?

Sonra onu yeni bir çalışan gibi belirli bir girişime dâhil etmeye başladım. Zihinsel modelimi, bir insanı başarıya hazırlamak için ne yapardım diye düşünmeye çevirdim. Boş zamanlarımda bunu yapıyor ve bu kursu öğretiyordum. Sonra bunun işte gerçekten yararlı olabileceğini fark ettim.

Bunu anlamam 2024 boyunca uzun zaman aldı. Zamanla kursun bir parçası hâline getirdim. Şimdi kursun ilk iki haftası, yapay zekâ varken bile hâlâ önemli olan şeylerle düzeninizi kurmaya ayrılıyor. Son hafta ise üç oturumdan oluşan, kendi ürün yöneticisi yapay zekâ yardımcınızı oluşturduğunuz yoğun bir çalışma.

Hannah Clark: Harika. Bunların her birini, özellikle işe alıştırma konusunu biraz daha ayrıntılı incelemek için sabırsızlanıyorum. Yapay zekâyı işe alıştırma fikri gerçekten ilginç.

Ama oraya gelmeden önce, başlangıçta yapay zekâyla çalışmaya karşı duyduğunuz şüpheciliği anlattınız. Bunun ürün yönetiminde ve diğer alanlarda oldukça yaygın olduğunu düşünüyorum. Sizce bunun nedeni ne? İnsanlar farkındalık ile uygulama arasındaki boşluğu kapatma konusunda neden şüpheci veya tereddütlü?

Tal Raviv: Bence ChatGPT’nin ortaya çıkmasından bu yana geçen son iki yıl, hatta iki buçuk yıl boyunca birçok konuda yeterince iyi değildi. Ya da o kadar çok düzenleme ve düşünme gerektiriyordu ki, yeni işe aldığınız bir kişi veya çok kıdemsiz biri için düşündüğünüz şeye benziyordu: Bu iş için bir stajyer almamamızın nedeni, yaratacağı işin sağlayacağı değerden fazla olmasıdır.

Öncelikle değişen şey yapay zekânın çok daha iyi hâle gelmesi. Bağlam pencereleri büyüdü, kişilikler gelişti ve modeller daha akıllı oldu. Yakın zamanda Anthropic’in ve OpenAI’ın ürün yöneticilerinin aynı sahnede olduğu ünlü bir konuşma yapıldı. Aşağı yukarı şunu söylediler: Zekâ artık darboğaz değil.

Onu daha akıllı hâle getirmenin yolları var ama darboğaz bu değil. Darboğaz; ön eğitim, bağlam veya sadece ne bildiği ve neye maruz kaldığı. Bir Büyük Dil Modeli’ne yalnızca tek cümlelik bir istemle gelirsek, dünyanın en büyük istem uzmanı bile buna yemin etse, ince ayar yapsa, hazırlasa ve cilalasa bile bu hâlâ tek cümledir.

Temelde size internetin ortalamasını verecektir. Oysa yaptığınız işin türünü gerçekten gerçekleştirmesini istiyorsanız, hiçbirimiz birey olarak internetin ortalaması değiliz. Getirdiğimiz, birleştirdiğimiz ve sentezlediğimiz bilgiler var. Başlangıç noktası olarak bu bilgiyi ona verelim ve neler yapabileceğine bakalım.

Hannah Clark: Evet, bu çok iyi bir nokta. Bazen bir sohbete girip her şeyi bildiğini ve bu nedenle kusursuz cevaba sahip olması gerektiğini düşünüyoruz. Oysa markete yürürken yolda birini durdurup “Bana bir ürün gereksinimleri dokümanı çıkarabilir misin?” deseniz, sahip olduğunuz bağlam ve kişisel bilgi olmadan elinden gelenin en iyisini yapacaktır.

Bu, hepimizin henüz tam olarak fark etmediği o anlardan biri.

Tal Raviv: Bunu çok canlı hâle getiren başka bir örnek vereyim. Ürün yönetiminde olmayan insanlarla konuşurken bunu nasıl açıkladığımı anlatayım. Yapay zekâyı beslenme uzmanım olarak kullanmayı ve beni doğru yolda tutmasını deniyorum.

Gerçek bir beslenme uzmanıyla çalışsaydım, karşısına geçip “Harika, ne yiyeceğimi, ne kadar ve ne zaman yiyeceğimi söyle” demezdim. Beslenme uzmanı da “Hayır, oturup sana birkaç soru sorsam nasıl olur?” derdi. Ben de “Hayır, sadece söylemeni istiyorum. Kötü bir beslenme uzmanısın” derdim.

Sonra oradan ayrılırdım. Böyle bir şey olmazdı. Bu gerçekleşecek bir konuşma değil. Ama yapay zekâyla yaptığımız konuşma bir şekilde tam olarak bu.

Hannah Clark: Kesinlikle. Umarım sizin için işe yarıyordur.

Bu yapay zekâ yardımcısı hakkında konuşmak istiyorum. Her şey gerçekten ilginç. Yapay zekâyı etkili kullanmaktan bahsederken yaklaşabileceğimiz çok fazla açı var.

Öyleyse araçla başlayalım. Bu araç, yapay zekâ yardımcısı hakkında bize ne söyleyebilirsiniz? Buradaki oyunu değiştiren şey nedir?

Tal Raviv: Bileşenleri anlatayım. Yapay zekâ yardımcısının bileşeni olarak ChatGPT, Claude veya başka bir şey seçebilirsiniz. Ben bu iş için Claude’u gerçekten seviyorum. Pratik açıdan, ücretli bir özellik olan projeler özelliği çok değerli.

Anlatacağım iş için gerçekten çok iyi ve işleri kolaylaştırıyor. Bütün bunlar tek tıklamayla yapılabiliyor. Biraz el emeği ve birkaç geçici çözümle her Büyük Dil Modeli kullanılarak da gerçekleştirilebilir. Öncelikle, nasıl davranmasını istediğinizi anlatmak için özel talimatı, sistem istemini veya buna ne demek istiyorsanız onu kullanırsınız.

Sizi zorlayan, çok soru soran ve varsayımlarınızı hemen kabul etmeyen biri olmasını istersiniz. Yanınızda çalışan ideal iş arkadaşı kim olurdu? Ürün yöneticileri arasında eşli çalıştığınız bir kişi gibi düşünün. Belirli davranışlar veya değerler konusunda sizi ileri iten biri olsun.

Benim için belirlediğim davranışlar eyleme eğilimli olmak ve müşterilere mümkün olduğunca çabuk değer sunmaya çalışmak. Tüm verilere sahip olmadan karar vermeye çalışıyorum. Ancak bu, başka sektörler veya şirketler için tamamen farklı olabilir. Buradan itibaren işe aldığınız kişiliği düşünün; bu, mülakat sürecindeki kişidir. İşe almak istediğiniz kişi böyle biridir.

Sonraki adım onu işe almak ve işe alıştırmaktır. Ekibe yeni bir ürün yöneticisi katılsaydı muhtemelen ona misyon, vizyon ve strateji belgesini verirdik. Müşteri kişiliğinin anlatıldığı sunumu gösterirdik. Eğer benim için bir koç olsaydı, son birkaç performans değerlendirmemi, zorlandığım konuları ve yöneticimin bana verdiği geri bildirimleri paylaşırdım.

Yine yeni ürün yöneticisine dönersek, ona biraz dedikodu da aktarırdık. “Otur, bir kahve içelim; sana bazı paydaşları anlatayım. Ekibinde olacak bazı insanlardan bahsedeyim. Şu konuda özellikle iyiler, şu noktada ise daha fazla katkı sunman gerekiyor” derdik.

Şu paydaşın kendisini neyin iyi hissettirdiğini ve sürecin hangi aşamasında buna dikkat etmeniz gerektiğini anlatırdık; ama o mayına basmamasını da söylerdik. Bu böyle uzayıp gider. Organizasyon şeması, ekibim, her şey. Bu sonsuz olabilir. Yeni bir kişinin şirkete katıldığında farklı kaynaklardan öğreneceği şeyler bunlardır.

Onu işe aldınız, işe alıştırdınız ve şimdi çalıştırmanız gerekiyor. “Bu girişim üzerinde çalışmanı istiyorum” veya “Bu girişim konusunda bana rehberlik etmeni istiyorum” demelisiniz. Bir ileti dizisi başlatıp şöyle dersiniz: “Bu girişim hakkında neredeyse hiçbir şey bilmiyorum. Kurucuyla koridorda yaptığım bir konuşmada bu iş üzerime kaldı. Hızlı hareket etmemiz gerekiyor. Bildiklerim bunlar, düşündüklerim bunlar.”

Sonra onunla konuşursunuz. Belirli girişimle ilgili bu ileti dizisi boyunca ondan çıktılar isteyebilirsiniz. Bu, klasik belge yazma örneği kadar basit olabilir; ama çok daha ileri gidebilir.

Bir düşünce ortağı olabilir. Zor bir konuşmayı canlandırabilir. Sırada yapmanız gereken en önemli şeyin ne olduğunu söyleyebilir. Cevapları gerçekten şaşırtıcı. Sihir burada ortaya çıkıyor; çünkü organizasyondaki gerçek insanların adlarına sürekli atıfta bulunuyor.

Performans değerlendirmelerinizde sürekli yer alan geri bildirimi uygulamak için bunun iyi bir fırsat olduğunu söyleyebilir. Belirli bir paydaşı sürece dâhil etmenin doğru zamanı olduğunu hatırlatabilir. Zamanlama ve önerdiği şeyler beni şaşkına çevirdi. Gerçekten çok isabetli.

Girişim sırasında daha fazla dedikodu yapmanızı öneriyorum; yani daha fazla bağlam verin. Bir şey üzerinde çalıştığınızı düşünün. İki hafta sonra satış yöneticisiyle koridorda konuşursunuz ve size yeni bir kısıt getirir. Ya da yöneticiniz, yeni bilgiler geldiğini ve iş bu hedefi karşılayamıyorsa kapsamın değişmesi gerektiğini, aksi hâlde ürünün hiç yayımlanmaya değmeyeceğini söyler.

Masaya dönüp “Az önce yaptığım konuşmaya inanamazsın” dersiniz. Yanınızda oturan kişiye bunu anlattığınız gibi yapay zekâ yardımcınıza da anlatın. Onun da bunu bilmesi gerekir.

Sizinle birlikte çalışmasını ve size yardımcı olmasını sağlayabileceğiniz şeyler hakkında saatlerce konuşabilirim. Fakat günün sonunda döngüyü kapatmak ve ne olduğunu anlatmak, geriye dönük değerlendirme sonuçlarını paylaşmak da önemlidir.

Sihirli an şudur: “Tamam, hikâyenin sonuna geldik. Ürünü yayımladık. İşe yaradı veya yaramadı. Bu ileti dizisinde öğrendiğin tüm yeni bilgileri bana aktarır mısın? Başka bir yeni ürün yöneticisi bu girişimden ne bilmeli ve ne öğrenmeli?” diye sorabilirsiniz.

Claude’da tek tıklamayla, ChatGPT’de ise kopyalayıp yapıştırarak bunları proje bilgisine, yani beynine geri eklersiniz. Ya da bir sonraki ileti dizinizde kullanırsınız. Bu kez eklediğiniz tüm bağlam biraz daha büyümüş olur.

Claude’u sevmemin nedeni, bunun tek tıklamayla yapılması ve bu iş için optimize edilmiş olması. Tüm ileti dizilerinize hemen uygulanıyor. Genel hatlarıyla, zaman içinde daha akıllı ve daha bilge hâle gelen, diğer girişimlerden öğrendiği dersleri anında uygulamaya başlayan bir yardımcıyı böyle elde ediyorsunuz.

Hannah Clark: Şu anda biraz sersemlemiş durumdayım. Dürüst olmak gerekirse bu, beklediğimden çok daha kapsamlı ve etkileyici.

Öncelikle, daha önce bahsettiğiniz çalışma arkadaşınızla yaptığınız konuşma bu muydu? Hani size “Hayır, bırak ben göstereyim” diyen kişi. Yoksa aracın bu ölçüde bilgiyi koruyabileceğini, karar verebileceğini ve bütün taktiklerin yanı sıra duygusal zekâ gösterebileceğini nasıl fark ettiniz? Çok etkilendim.

Tal Raviv: Bilmiyordum. Benim için bağlantı, ilk zamanlarda çalışma arkadaşımla yaşadığım aydınlanma anında kuruldu. Ona, “Çok hızlı biçimde çok sayıda kullanıcı hikâyesi yazmam gerekiyor. Bunlar beynimi tüketiyor, çok zaman alıyor ve son derece kesin olmaları gerekiyor. ChatGPT bana nasıl yardımcı olacak?” demiştim.

Figma’nın ekran görüntüsünü almayı ve Figma eklentilerini denedim. Harcadığım emeğe değmeyecek kadar çok iş çıkıyordu. Onun önerisi, ChatGPT’de oturup ona bir şablon vermem ve kullanıcı hikâyesi hakkında bilmesi gereken her şeyi anlatmamdı.

Bunun çok fazla yazmak anlamına geldiğini söyledim. O da “Yazma, dikte et; sadece konuş” dedi. Son iki yıldaki bir diğer önemli gelişme de konuşmadan metne dönüştürmenin çok iyi hâle gelmesi. OpenAI Whisper modelini yayımladı. Birçok uygulama geliştiricisi bunu macOS’ta, telefon uygulamalarında ve başka yerlerde uyguladı.

Bunu Apple ve Windows’un yerleşik dikte özellikleriyle karşılaştırdığınızda çok daha doğru olduğunu görüyorsunuz. Kullanma konusunda beni çok daha fazla heyecanlandırıyor ve çok daha yararlı. Bir düğmeyi basılı tutup uzun süre konuşabiliyorum ve sonuç son derece doğru oluyor.

Böylece süreç, yeni bir mühendis bir girişime katıldığında veya bir girişimi başlatırken konuştuğum biçime benzemeye başlıyor. ChatGPT bağlamı alıp belirli bir biçimde düzenleme ve aradaki boşlukları çıkarımla doldurma konusunda çok iyi.

Bunu yaptığımda şaşkına döndüm. Öncelikle tasarımları hiç görmemişti. Kullanıcı hikâyelerinde hiç düşünmediğim şeyleri yaptı ve boşlukları doldurdu. Neredeyse hiç düzenleme yapmam gerekmedi. Bir şeyi silmem gerektiğinde, genellikle gereksiz olduğu içindi.

Sadece fazla çaba gösteriyordu. Benim için aydınlanma anı “Demek ki mesele bağlam” oldu. Sonra internetin ortalamasını da buna ekliyorsunuz. Ürünler o kadar benzersiz değil. Model, bir şeyleri birleştirip bağlantıları kurabiliyor. O aşamaya geldiğimde sınırı sürekli zorlamaya başladım: Ne kadar bağlam sağlayabilirim?

Hannah Clark: İnanılmaz. Şimdi biraz uygulamalı ve öğretici moda geçelim. Eminim bunu dinleyen ve bu aracı kullanma fikriyle heyecanlanan çok sayıda ürün yöneticisi vardır.

Seçtiğimiz Büyük Dil Modelimiz hazır. Başlamak istiyorsak, modeli işe alıştırmak için kritik adımlar sizce neler?

Tal Raviv: Basit başlayın. Bu hizmetlerin herhangi biri için profesyonel üyelik ödemiyorsanız, başka nedenlerle ödemeniz gerekir; ama bu nedenle ödemek zorunda değilsiniz.

Bir ileti dizisi başlatın ve nasıl davranmasını istediğinizi anlatın. Hatta bütün bunların sıfırıncı adımının bilgisayarınız için Superwhisper, Better Dictation veya Wispr Flow gibi daha iyi bir dikte aracı indirmek olduğunu söylerdim. Bunlardan çok sayıda var. İyi bir dikte aracıyla pratik yapın. Söyleyeceğim diğer her şey çok daha kolay olacaktır.

Yeni bir ileti dizisi açın ve nasıl davranmasını istediğinizi anlatın. Bu bir sistem istemidir. İletişi dizisinin en üstüne koymak, değerin yaklaşık yüzde 90’ını sağlar. Sonra bir belgeniz varsa onu ekleyin. Ürününüzü bir kokteyl partisinde nasıl anlatacağınızı konuşabilirsiniz.

Organizasyon şemasını, paydaşları ve performans değerlendirmelerini paylaşmasanız bile biraz bağlam vermek, öncekinden çok daha iyi sonuç verir. Burada durabilirsiniz. Sadece biraz bağlam verin.

Ardından üzerinde çalışmak istediğiniz bir girişim hakkında bağlam sağlayın. Bu, bildiklerinizi anlattığınız 60 saniyelik bir konuşma daha olabilir: Şu sinyali biliyoruz, şu destek taleplerini duyuyoruz. Hepsi bu. Gönder düğmesine basın ve ne olacağını görün.

Hannah Clark: Kursunuzda başka kişilerin de bu süreci izlediğini gördünüz mü? İnsanların bundan değer elde ettiğine şahit oldunuz mu? Bunun uygulamada nasıl göründüğüne dair örnekler duymak isterim.

Tal Raviv: Birkaç beta grubu oluşturduk ve ardından bir topluluk kurmaya başladık. Topluluk, bunu gerçekten ileriye taşıyan, benim yaptığımın çok ötesinde deneyler yapan insanlardan oluşuyor.

Az önce açtım; herkesin aydınlanma anlarını paylaşmak istiyorum. Bir kişi gerçekten etkileyici prototipler oluşturdu. Bunlar sosyal medyada gördüğümüz gösterişli prototipler gibi değildi; “Bu gerçekten çok kesin, çünkü çok fazla bağlam vardı” dedirten şeylerdi.

Bazı ürün yöneticileri, içine atıldıkları bir sektör hakkında bilgi edinmek için kullandı. Bu, ürün yöneticisi olmayan bir örnek. Bir başkasının bunu üç aylık planlama için kullandığını biliyorum. O kişi bir ürün lideri ve bağlam açısından benim şimdiye kadar gittiğim yerin bile ötesine geçmiş.

Birçok kişi onu düşünce ortağı olarak kullanıyor. Bence bu çok iyi bir zihinsel model. Konuşmak, anlamak ve daha iyi şeyler düşünmenize yardımcı olmak için kullanıyorsunuz.

Bir kişi, ürün gereksinimleri dokümanları yazmayı özellikle daha iyi hâle getiren şeyin, modelin önce çok sayıda soru sorması olduğunu söyledi. Model, neyi bilmediğini bilecek kadar yeterli bilgiye sahipti ve size dönüp bir konuşma başlatıyordu: “Bu dokümanı yazmadan önce şu şeyleri bilmek isterdim.” Siz de “Elbette, istediğin her şeyi sor. Sadece benim için yaz” diyorsunuz. Bu harika.

İnsanlar onu benim yaptığımdan çok daha ileri taşıyor.

Hannah Clark: Çok etkileyici. Şimdiden kafamda çarkların döndüğünü hissediyorum; bunu nasıl kullanabileceğimi düşünüyorum. Buradaki genel ilkelerin birçok farklı alanda uygulanabileceği anlaşılıyor. Çok güzel.

İstem mühendisliğine biraz daha girelim. Büyük Dil Modeli’ne bağlam sağlamaktan, kaliteli bilgi vermenin öneminden ve istemleri iyi tasarlamaktan bahsediyoruz. Daha iyi istemler oluşturmak ve daha kaliteli bağlam sağlayabilmek için kullandığınız en iyi uygulamalar ve stratejiler neler?

Tal Raviv: LinkedIn’de bütün akışın istem mühendisliği sunumlarıyla dolduğu ve insanların unvanlarını istem mühendisi olarak değiştirdiği bir dönem vardı.

Bunlarla ilgili garip bir hisse kapıldığımı hatırlıyorum. Bunun uzun süre böyle devam edemeyeceğini düşünüyordum. İstemleri sihirli büyüler, iksirler veya topladığınız Pokémon’lar gibi ele almak doğru gelmiyordu. Nitekim zaman içinde bunlar giderek daha az önemli hâle geldi.

İstem mühendisliği konusunda iki şey var. Birincisi, bağlamdan zaten bahsettim. Ona bir insan gibi davranın ve dikte kullanın; bu işi çok kolaylaştırır. İkincisi, sadece ne istediğinizi söyleyin. Bir insanla konuşur gibi ne istediğiniz konusunda açık olun ve gönder düğmesine basın.

İstediğiniz sonucu vermediyse, neden vermediğini düşünün ve önceki mesaja dönüp açıklama ekleyin. Kullandığınız araç ne olursa olsun, sohbet balonunda küçük bir kalem simgesi vardır. Claude veya ChatGPT’nin en az değer verilen özelliklerinden biri bence budur.

Yukarı çıkıp mesajı düzenleyebilir, yeni bir cümle ekleyebilir veya “Buna bu şekilde yaklaşmanı istemiyorum”, “Şu noktanın açık olduğundan emin ol” diyebilirsiniz. Model bunu yeniden yapar ve o mesajın altındaki her şeyi tekrar okur.

Bence o kalem, tırnak içinde istem mühendisliği için en büyük araç. Günün sonunda yalnızca bir şey deniyorsunuz. İşe yaradı mı, yaramadı mı? Değiştirip tekrar deneyin. Özel bir ifade kullanmanız veya ona belirli bir şekilde düşünmesini söylemeniz gerekmiyor.

Bunların hepsi ortadan kalkıyor. Hızla yok oluyor. Doğru beceri bu değil. Doğru beceri denemek, konuya dalmak ve yinelemektir. Ondan korkmamak gerekir. Bu tamamen bir zihniyet değişimi.

Hannah Clark: Web tasarımcıları, bu bölüm sizin için. Ajanslar ve kurumsal şirketler için web platformu olan Wix Studio’dan 30 saniyede bahsedeceğim. Studio’da 30 saniye veya daha kısa sürede yapabileceğiniz dört şey var. Duyarlı yapay zekâyla tasarımlarınızı her cihaza uyarlayın. Şablonları, bileşenleri, bölümleri ve tasarım kütüphanelerini siteler arasında yeniden kullanın ve ekibinizle paylaşın. Düzenleyicide kod yazmadan animasyonlar ve degrade arka planlar ekleyin. Tasarımlarınızı Sigma’dan tek tıklamayla Wix Studio’ya aktarın. Süre doldu ama liste devam ediyor. Wix Studio’ya geçin ve kendiniz görün.

Bu pratik ama istemlerimi nasıl tasarladığım konusunda farklı düşünmem gerektiğini kendiliğinden fark etmek kolay değil.

Bu konuyu nasıl ele aldığınız hakkında biraz konuşmak istiyorum. Çünkü sanırım bölüm boyunca tam olarak netleştiremediğimiz bir şey var: Bu, sattığınız bir araç gibi görünüyor.

Oysa bu, her şeyden önce bir beceri seti. Neden bunu ölçeklenebilir ve tüm bu işleri zaten yapan bir yapay zekâ oluşturmak yerine bir atölye olarak sunmaya karar verdiniz?

Tal Raviv: Kariyerini ürün insanı ve kodlayıcı olarak sürdüren biri olduğum için bu fikre çok kapıldım.

İlk tepkim, “Bu bir içgörü; burada nasıl bir ürün oluşturabilirim?” oldu. Sonra akıllı insanların bu akıllı şeyi yapmasını engelleyen şeyin ne olduğunu araştırdım. Arada ne vardı? Bu işlevsellik değildi. Bir kullanıcı arayüzü, ağ etkisi veya ürünlerin sağlayabileceği başka bir şey değildi.

Basitçe izin, rehberlik veya zihniyet değişimiydi. Bir ürün oluşturabilir ve sonraki yıl boyunca işe alıştırma sürecini çözmeye çalışabilirdim. Çünkü az önce anlattığım her şeyi insanların boş zamanlarında kendi başlarına yapması korkunç bir işe alıştırma süreci olurdu.

Kimse bunu yapmayacak. Ya da insanlarla canlı olarak birlikte olup sorularını yanıtlayarak, “Programınızı boşalttınız ve şimdi Zoom’da birlikteyiz. Bu işi yapmanız için size beş dakika veriyorum” diyerek daha fazla değer sağlayabilirim. Takviminizi boşalttınız ve sorularınızı yanıtlamak için buradayım.

Bunu birlikte oluşturabiliriz. Ürün terimleriyle konuşursak, bu benim için yüzde 90’ın üzerinde bir etkinleştirme oranı demek. Değerin korunması ve benzeri konularda bunun çok daha iyi bir yaklaşım olduğunu düşünüyorum.

Bir başka neden de eksik olan veya daha iyi yapılabilecek birçok şeyin OpenAI ya da Claude tarafından zaten geliştirileceğine şaşırmamam. Belleği, zaman içindeki değişiklikleri ve ileti dizilerinin birbirinden haberdar olup olmadığını nasıl yönettikleri gibi şeyler bu süreci daha da geliştirebilir.

Bu nedenle, bunun tüm sektörler ve roller için geçerli olduğu açık. Şimdilik insanlara bu araçları doğru kullanmaları, engelleri aşmaları, zihniyetlerini ve davranışlarını değiştirmeleri için yardımcı olmayı tercih ediyorum.

Hannah Clark: Bu tamamen mantıklı. Karşınızda kimin olduğunu bildiğinizde bir yapay zekâ ürünü oluşturmak büyük bir bahis. Bu yüzden mevcut araçlardan daha etkili yararlanmak, birçok insanın gerçekten gelişmesi gereken bir alan.

Bununla bağlantılı olarak, hepimizin geride kaldığı algısı oldukça yaygın. Birçok kişi yapay zekâyla daha fazlasını yapabileceğini biliyor, ancak başlamak ve derinleşmek konusunda göz korkutucu bir şey var. İnsanların bu algının üstesinden gelmesine ve erişilebilir hissettiren bir biçimde bu becerileri geliştirmeye başlamasına ne önerirsiniz?

Tal Raviv: Bugün bir ürün direktörüyle konuşuyordum. Bunu çok güzel ifade etti. “Tüm organizasyonumuz yapay zekâ ve verimlilik trenini kaçırdı; rollerimize uygulama fırsatını da kaçırdık” dedi.

Ona “Hayır, kaçırmadınız. Ortada kaçırılacak bir tren yok. Herkes böyle hissediyor” dedim. Bunu çok sayıda insanla konuştum.

Bunlar, organizasyonları yönetmenin diğer tüm yollarında son derece modern olan, öncü şirketlerdeki insanlar. Yine de hepsi bir tür fırsatı kaçırma korkusu yaşıyor. “Burada diğer insanların çok ileride olduğunu hissediyorum. Bir başkası bunu benden daha iyi yapıyor” cümlesini sık sık duyuyorum.

Öncelikle herkese bunun doğru olmadığını söyleyebilirim. Şu anda herkes aynı yerde. Herkes bundan bahsettiği için farklı görünüyor.

Böyle hissediyorsanız, sadece denemeye başlayın. Çok küçük ve belirli bir şey için kullanın. Bağlam ve yineleme ilkelerini aklınızda tutun. Bunun için on dakikanızı ayırın.

Deneme kasınızı geliştirin ve bunun kartopu gibi büyüdüğünü göreceksiniz. Sizi içine çekecek, daha fazla yineleme yapmak istemenizi sağlayacak. Bu yolu seçerseniz çok kısa sürede başkalarına öğreten kişi olduğunuzu göreceksiniz.

Bence bunun büyük kısmı göz korkusundan ve gerçekten geride kaldığınızı düşünmekten kaynaklanıyor. “Denememin bir anlamı yok; denesem bile doğru yapamayacağım” diye düşünüyorsunuz. Son dakika haberi: Herkes böyle hissediyor.

Hannah Clark: Bunu söylemenize sevindim, çünkü bence bu doğru. İnsanlar bazen anın geçtiğini, her şey büyüdüğünde herkesin önlerine geçtiğini ve denemenin anlamı olmadığını düşünüyor.

Böyle düşündüğünüzde bunun bir tren değil, taksi veya araç paylaşım hizmeti olduğunu söyleyebiliriz. Size hizmet vermek için orada, kullanımınıza açık ve tam olarak nereye gitmesini istediğinizi siz söylüyorsunuz. Bu yeniden çerçevelemeyi ben de beğendim. Bugün konuştuğumuz zihniyet çalışmasını gerçekten takdir ediyorum, Tal.

Her neyse, sizin veya yapay zekâyı kullanmayı öğrenen başka birinin yaşadığı birkaç başarı öyküsünden veya atılımdan bahsettiniz. Yapay zekâyla çalışırken gördüğünüz en şaşırtıcı örnek hangisiydi?

Tal Raviv: Kişisel olarak benim “Aman Tanrım” anım fiyatlandırma konuşmaları yaparken geldi. Her şeyi doğru yaptığını söyleyemem. Kusursuz cevabı vermedi; ama gerçekten iyi bir konuşma yürüttü.

Yanlış yaptığında bile bunun neden yanlış hissettirdiğini düşünmemi sağladı. Bunun doğru adı düşünce ortağı. Yanımda oturan akıllı bir insanın bir şeyi düşünmeme yardımcı olması ve fikirlerimi onunla paylaşmam gibiydi.

Sonra bir şeyi nasıl paketleyeceğim veya fiyatlandıracağım konusunda daha iyi bir cevaba ulaşmama yardımcı oldu. Gerçekten akıllı bir lastik ördek gibi. Lastik ördeğin bir sonraki seviyesi.

Yapay zekâ için aydınlanma anının böyle olacağını muhtemelen düşünmemiştik. Bilimkurguya özgü bir şey, Galaksi Rehberi’ndeki süper bilgisayar gibi bir şey hayal etmiştik.

İnsanlar bana yapay zekâya düşünmeyi devretmenin yanlış olup olmadığını soruyor. Bence bu beni daha akıllı hâle getiriyor. Konuşabileceğim daha fazla akıllı insan sürekli yanımda olsaydı, bu da beni daha akıllı hissettirirdi. Hepimizin aradığı şey bu.

Nerede çalışacağımızı ve kimlerle çevrili olacağımızı seçerken bunu arıyoruz. Bu nedenle fiyatlandırma benim için çok güzel bir aydınlanma anıydı. Harika bir iş çıkardığını düşünmemiştim ama sonrasında çok iyi bir konuşma yapmış olmanın verdiği akış ve iyi his vardı.

Hannah Clark: Bu gerçekten harika bir örnek, çünkü oldukça incelikli bir konuşma. Yakın zamanda Duolingo’dan Cem Kansu ile çok güzel bir sohbet yaptık.

Duolingo’da ürün lideri. Fiyatlandırmayı düşünürken yapmanız gereken konuşma çok karmaşık. İşaretleri tam olarak nereye koyduğunuz konusunda çok dikkatli olmanız gerekiyor.

Bu nedenle karar alma sürecinizi birlikte çalışmanıza ve bunu gelecekteki durumlara uygulamanıza yardımcı olan inanılmaz bir araca sahip olmanın sizin yararınıza olduğunu hayal edebiliyorum.

Bu çok büyüleyici, Tal. Bize katıldığınız için çok teşekkürler. Bugün gerçekten çok şey öğrendim. İnsanlar kursunuzla ilgileniyorsa veya düşünceleriniz hakkında daha fazla bilgi edinmek istiyorsa sizi çevrim içi olarak nerede bulabilirler?

Tal Raviv: İlk cevap LinkedIn. Kurs, dinleyen ve “Bununla hemen başlamak, denemeye koyulmak istiyorum” diyen kişiler için Maven’de bulunuyor.

Maven’de yaptığım demoyu da yayımlıyorum. Yaptığım her şeyi görebilirsiniz. Tüm istemleri ve adımları içeren bir Notion çalışma kitabı kullanıyorum; bu çok daha yapılandırılmış. Temelde bu konuşmadaki her şey orada düzenlenmiş durumda.

Bunu tüm kursa katılmadan satın alabilirsiniz. Kurs ise erişim, açık soru-cevap oturumları, çalışma saatleri ve benimle birlikte çok daha fazlasını yapma imkânı isteyen kişiler için oldukça yararlı.

Hannah Clark: Harika. Bize katıldığınız için çok teşekkürler. Sizinle konuşmak büyük bir zevkti.

Tal Raviv: Teşekkür ederim.

Hannah Clark: Bizi dinlediğiniz için teşekkürler. Daha fazla harika içgörü, nasıl yapılır rehberi ve araç incelemesi için theproductmanager.com/subscribe adresinden bültenimize abone olun. CPO Club’a abone olarak bunun gibi daha fazla sohbeti podcast’lerinizi dinlediğiniz her yerde duyabilirsiniz.