Ürün Yönetimindeki Yeni Altın Standarda Nasıl Uyum Sağlanır?

Transkripti okuyun:

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

Hannah Clark: Teknoloji geliştikçe davranışlarımız da değişiyor. Geçmişte bu değişiklikler oldukça kademeli hissedilirdi. Örneğin özgeçmişi şahsen teslim etmek yerine artık çevrim içi başvuru yapıyoruz. Ancak teknolojinin büyük bir hızla değiştiği bir dönemde ürün profesyonelleri, tamamen yeniden yapılanmanın merkezinde yer alıyor. Yalnızca kullanıcılar olarak yeni davranışlara uyum sağlamakla kalmıyor, çalışma biçimlerimizdeki tamamen yeni standartlara da uyum sağlıyoruz.

Dürüst olalım, bu değişim bazen uçaktan atladıktan sonra paraşütü inşa etmeye çalışıyormuşuz gibi hissettirebiliyor. Zaten yönünüzü kaybetmişken ve size yol gösterecek resmi bir kılavuz yokken, mecazi anlamda düzgün bir paraşütü nasıl inşa edersiniz? İyi bir başlangıç, sahip olduğunuz malzemelerin aynısını kullanıp uçmanın bir yolunu bulmayı başarmış paraşütçülere bakmaktır.

Bugünkü konuğum, IBM Watsonx’te Ürün ve Mühendislik Başkan Yardımcısı olan Dr. Maryam Ashoori. Bana ona yalnızca Maryam diyebileceğimi söyleyen Dr. Ashoori, yapay zekâ alanında 20 yılı aşkın süredir çalışıyor. Bu teknolojinin ön saflarına ondan daha yakın çalışmış çok az kişi olsa da, yüksek performans gösteren ürün profesyonellerinin davranışlarında büyük bir değişimi ancak yakın zamanda gözlemledi. Tarihte yapay zekâya yönelik en önemli katkılardan bazılarını gerçekleştiren ürün ekibinin çalışma yöntemlerini öğrenmek isterseniz bu bölüm ilginizi çekebilir. Başlayalım.

Bu arada, her hafta bunun gibi sohbetler gerçekleştiriyoruz. İlginizi çekiyorsa neden abone olmayasınız? Şimdi başlayalım.

Ürün Yöneticisi podcast’ine tekrar hoş geldiniz. Bugün IBM Watsonx’te Ürün ve Mühendislik Başkan Yardımcısı olan Dr. Maryam Ashoori ile birlikteyim.

Maryam, sizinle konuşacağım için çok heyecanlıyım. Bugün nasılsınız?

Maryam Ashoori: İyiyim. Siz nasılsınız?

Hannah Clark: Harikayım. Bu sohbete başlamak için çok heyecanlıyım ve her zaman yaptığımız gibi başlayalım.

Bize geçmişinizden ve bugün bulunduğunuz noktaya nasıl geldiğinizden biraz bahsedebilir misiniz?

Maryam Ashoori: Elbette. 20 yılı aşkın süredir yapay zekâ alanında, birden fazla disiplinde çalışıyorum. Kariyerim boyunca kullanıcıyı merkeze alarak yapay zekâ destekli sistemler geliştiren bir tasarımcı olarak çalıştım. İnşa ettiğimiz sistemlere verileri ve optimizasyonu kazandıran bir mühendis olarak görev yaptım.

Yapay zekânın yapabileceklerinin sınırlarını zorlayan bir yapay zekâ araştırmacısı olarak çalıştım ve sonunda tüm bu bakış açılarını bir araya getirerek doğru sorunları çözmek için ürün alanında kendime yer buldum. Daha yakın zamanda, özellikle üretken yapay zekâ konusunda, son iki yıldır bir sonraki nesil yapay zekâ için tasarım ve geliştirme çalışmalarının ön saflarında yer alıyorum. Bu çalışma, IBM’in temel üretken yapay zekâ kurumsal platformunu oluşturuyor.

Bu çalışma, hızlı değişen bir pazarda strateji belirlemekten hukuki ve etik konuları yönetmeye, yeni bir alan olan üretken yapay zekâdaki sınırlamalarla başa çıkmaya kadar sevdiğim her şeyi bir araya getirdi. Amaç, gerçek bir sorunu çözen ve faydalı bir şey inşa etmekti.

Bu süreçte sorumlu yapay zekânın üzerinde titizlikle çalışmamız ve tasarlamamız gereken kritik unsur olduğunu fark ettim. Bu da beni, yapay zekâ yönetişimi için ürün ve mühendislik çalışmalarını yönettiğim mevcut görevime taşıdı.

Hannah Clark: Yapay zekâ bizim programımızda çok önemli bir konu olduğu için bu söyleşiyi gerçekleştirmek bizim için büyük bir onur. Yapay zekâ kamuoyunda bugün olduğu kadar yoğun biçimde konuşulmaya başlamadan çok önce bu alanda çalışmış birinin bakış açısını dinlemek gerçekten büyüleyici. Bugün özellikle ürün yönetiminin rolüne ve yapay zekâ destekli araçların ve iş akışlarının ortaya çıkmasıyla nasıl geliştiğine odaklanacağız.

Bu konu sizin alanınızla çok yakından ilişkili. IBM Watsonx’te gözlemlediğiniz değişimlerden ve bu değişimlerin mesleğin geleceği hakkında ne ifade ettiğinden biraz bahsederek başlayabilir misiniz?

Maryam Ashoori: Vurgulayacağım iki şey var.

Biri mesleğin kendisi, diğeri ise ürün yöneticilerinin geliştirdiği ürünler. İlkiyle başlayalım. Üretken yapay zekânın ürün yöneticilerinin günlük yaşamına getirdiği verimlilik artışı konusunda büyük bir hızlanma olduğuna şüphe yok. Kendi ürün yöneticilerime baktığımda, artık doğal dille kod yazıyorlar.

Bir yıl önce bunu yapmıyorlardı. Bir yıl önce bir ürün gereksinimleri dokümanı hazırlamalarını, tasarımcılarla çalışarak taslakları oluşturmalarını, ardından mühendislerle bir prototip hazırlamalarını ve geri dönüp fikri sunmalarını isterdim. Şimdi ise 24 saatten kısa bir sürede bunu inşa ediyorlar ve bana tamamen gelişmiş, tamamen işlevsel bir şey gösteriyorlar. Ben de neye baktığımı anlamaya çalışıyorum.

Bu gerçek ürün mü, yoksa oluşturduğunuz taslak mı? Bu, yapay zekâ kullanıldıkça mesleğin nasıl değiştiğini gösteriyor. Her katmanda ilk amaç yalnızca bir fikri test etmek için hız kazanmaktı. Ancak yapay zekâyı kullanarak ürün gereksinimleri dokümanı oluşturmayı, fikir üretmenize ve elinizdeki birden fazla seçeneği değerlendirmenize yardımcı olmasını da düşünebilirsiniz.

Bu, verimlilik tarafı. Ürün tarafında ise bu ürün yöneticileri bir sorunu çözen ürünler geliştirmekle görevlendiriliyor. Bu ürünlerin üretken yapay zekânın hızlanma etkisinden yararlanma ihtimali oldukça yüksek. Bu nedenle ürün yöneticilerinin bu teknolojinin kendi ürünlerine ve çalışmalarına nasıl yardımcı olabileceği konusunda derin bir uzmanlığa sahip olması ve bu hızlanmayı geliştirdikleri ürünlere taşıması gerekiyor.

Hannah Clark: Bunun şu anda çok ilginç bir yetkinlik alanı olduğunu düşünüyorum; çünkü hızla gelişiyor. Değişim hızına ayak uydurabilen çok fazla resmî eğitim yok. Kendi ekibinizde ve şu anda sektörde gördüklerinize dayanarak, rekabetçi kalmak ve verimlilik açığına ayak uydurmak isteyen ürün yöneticileri bunu nasıl yapabilir? Becerilerimizi nasıl geliştirebiliriz?

Maryam Ashoori: Bahsettiğiniz zayıflık aslında bir fırsatı temsil ediyor. Tüm bu hızlanma gelecekte bir noktada standart hâle gelecek. Aklıma gelen benzetme hesap makinesi. Yıllar önce insanlar hesaplamaları elle yapıyordu. Okuldayken hesap makinesinin yasak olduğunu bile hatırlıyorum; çünkü hesaplamaları elle yapmamızı istiyorlardı.

Ancak sonra bu eşiği aştık ve elle hesaplama yapmak yerine farklı sorunları çözmeye yöneldiğimiz bir noktaya geldik. Aynı benzetme ve düşünce burada da geçerli. Geleceğin ürün yöneticilerinden yapay zekâyı işlerinde etkili biçimde kullanmaları bekleniyor. Fakat bir geçiş dönemi var ve bundan yararlanan herkes oyunun önünde kalmak için kendine bir fırsat yaratabilir.

Dolayısıyla bu zayıflık aslında iyi bir fırsatı temsil ediyor. Yakın zamanda yalnızca yapay zekâdan elde ettiğimiz verimlilik artışını anlamaya odaklanan, bin kişiyle gerçekleştirdiğimiz bir araştırma yaptık. ABD’de kurumsal uygulamalar geliştiren bin yapay zekâ uygulama geliştiricisine basit bir soru sorduk.

Onlara, yapay zekâ destekli kodlama kullanıyor musunuz, diye sorduk. Yüzde 38’i bunu sık kullandığını söyledi. Ne kadar zaman kazandıklarını sorduğumuzda yüzde 41’i günde bir ila iki saat dedi. Günde bir ila iki saatlik zaman tasarrufu. Yüzde 4’ü ise dört saatten fazla zaman kazandığını söyledi. Bu bana ne anlatıyor?

Hangi rolde olduğunuzdan bağımsız olarak, yapay zekâyı etkili biçimde nasıl kullanacağınızı ve onu sizin için nasıl çalıştıracağınızı biliyorsanız, ürün yönetiminde bile henüz keşfetmediğimiz pek çok yeni düşünme biçiminin önünü açabilirsiniz. Bence bu teknolojinin ürün yöneticilerine sunduğu gerçek fırsat bu.

Hannah Clark: Katılıyorum. Özellikle doğal dille kod yazmanın, deneyimli bir ürün yöneticisine özgü çeşitli beceri setlerini bir araya getirdiğini düşünüyorum. Daha önce başlangıç noktası olan ürün gereksinimleri dokümanlarının çok ötesinde bir başlangıç noktası oluşturabiliyor.

Yapay zekâda kullanılan araçları düşündüğümüzde, doğal dille kod yazmaktan söz etmişken, daha önceki bir sohbetinizde bir yapay zekâ uygulaması geliştirmenin genellikle yaklaşık altı ila on beş farklı araç gerektirdiğini belirtmiştiniz. Yapay zekâ konusunda sınırlı uzmanlığa sahipken, özellikle araçlar daha karmaşık ve gelişmiş hâle geldiğinde, karmaşık teknoloji yığınlarını anlamaya ve düzenlemeye nasıl yaklaşmamızı önerirsiniz?

Maryam Ashoori: Bu sorunun teknoloji tarafını ve insan tarafını düşünmenizi öneririm. Yalnızca teknolojiye baktığınızda alan çok hızlı gelişiyor. Bir ürün yöneticisi olarak pazara çıkan yeni bir şeyi incelemek ve bunun zaman ayırıp ürününüze eklemeniz gereken faydalı bir şey olup olmadığına karar vermek için muhtemelen iki saatten az vaktiniz var.

Sınırlı zaman, hızla değişen bir pazar ve yapay zekâ konusunda sınırlı uzmanlık. Bir ürün yöneticisi olarak, yıllarını bu alana vermiş bir yapay zekâ araştırmacısıyla aynı derinlikte uzmanlığa sahip olmayabilirsiniz. Bu nedenle mevcut durumu ve teknolojiyi nasıl değerlendireceğinizi gerçekten anlamanız gerekiyor. Yalnızca araçlara güveniyorsanız, sınırlı bilginiz nedeniyle size yardımcı olabilecek insan boyutunu gözden kaçırıyorsunuz demektir.

İnsan tarafında, pazarın ve farklı rollerin nasıl geliştiğine baktığınızda alabileceğiniz en iyi destek mühendislik ve araştırma alanındaki ortaklarınızdan gelir. Bazı şirketler bu kişilere bilim insanı veya araştırma bilimcisi diyor. Alanın nasıl geliştiğini ve bu teknolojinin uyguladığınız işe ne değer kattığını anlıyorlar.

Alana bir bütün olarak baktığınızda, roller ve sorumluluklar arasındaki çizginin, özellikle mühendisler ile ürün yöneticileri arasında, giderek silindiğini görürsünüz. Geçmişte her bir ürün yöneticisi için muhtemelen beş ila on mühendis olması gerektiğini söylerdik. Bir ay önce Andrew Ng’nin bir sahnede, ekibinin her 0,5 mühendis için bir ürün yöneticisi önermiş olduğunu söylediğini duyduk. Bu doğru oran demek değil, ancak roller ve sorumluluklar arasındaki çizginin değiştiğini ve doğru ürünü geliştirmek için gereken uzmanlığın da buna bağlı olarak dönüştüğünü gösteriyor.

Ürün yöneticilerine tavsiyem doğru ürünü geliştirmeye odaklanmalarıdır. Doğru ürünü tanımladığınızda bunu insan iş ortaklarınıza veya yapay zekâ ortaklarınıza aktarabilir ve işi sizin için yapmalarını sağlayabilirsiniz. Ancak temel ve kritik nokta, ürünü doğru şekilde tanımlamaktır.

Hannah Clark: Hepimizin çözmeye çalıştığı zorluk, araçlara ne kadar yaslanacağımızla kendi uzmanlığımızı ve birlikte çalıştığımız kişilerin uzmanlığını sürece nasıl katacağımız arasındaki dengeyi bulmak.

Örneğin bir ürün yol haritası için yapay zekâ teknolojilerini değerlendirirken, yatırım yapmaya değer araçlarla altı ay içinde ortadan kaybolabilecek araçları ayırt etmek için hangi ölçütleri kullanırsınız?

Maryam Ashoori: Çözümlerin peşinden koşan, sorunu çözmeyen insanlar gördüm.

Bunun iyi bir örneği, bana gelip yıl sonuna kadar ürününe iki yapay zekâ aracısı eklemek istediğini söyleyen biriydi. Ben de durup iki aracı ne yapacak, diye sordum. Bu, teknolojinin peşinden koşarak onu ürüne nasıl ekleyebileceğini bulmaya çalışmakla, çözmeye çalıştığın sorunu gerçekten anlamak arasındaki farkı gösteriyor.

Yeni yapay zekâ aracının dikkat dağıtıcı mı yoksa ürününüz için gerçek bir fayda mı olduğunu belirlemeye buradan başlamalısınız. Böylece karşınıza çıkan her teknoloji parçasının değerini değerlendirebileceğiniz bir çerçeve ve bakış açısına sahip olursunuz.

Bunu değerlendirmeye daha fazla kaynak veya zaman ayırmak isteyip istemediğinizi belirleyin.

Hannah Clark: Bu, yakın zamanda bir panel etkinliğinde yaptığımız bir sohbeti yansıtıyor. Drill Bit Labs’in ortak yöneticilerinden Thomas Stokes da benzer düşünceleri paylaşmıştı. Yapay zekâyı nasıl kullanacağımızı düşünürken sorunla başlamamız gerekirken çözümle başlayan bir düşünce biçiminin ortaya çıktığını görüyoruz.

Teknoloji elbette çok heyecan verici ve pek çok kullanım alanı var. Ancak onu doğru ve gerçekten sorunun özünü çözecek biçimde kullandığımızdan emin olmak için sorun odaklı düşünmeye devam etmemiz gerekiyor.

IBM’de yapay zekâ yeteneklerini kurum içinde geliştirmekle üçüncü taraf çözümleri benimsemek arasındaki dengeyi nasıl kuruyorsunuz?

Maryam Ashoori: Buna bir sorun demezdim. Özellikle üretken yapay zekâ söz konusu olduğunda bu, çabalarınızı güçlendirmek için bir fırsattır.

Açık kaynak dünyası da dâhil olmak üzere dışarıda neler olduğuna bakın. Yenilik akademiden, sektörden ve bunu bir tutku projesi olarak kendi başına geliştiren yazılımcılardan geliyor. Her kaynaktan geliyor. Kendinizi yalnızca kurum içinde geliştirmeyle sınırlarsanız, sahip olabileceğiniz yeniliklere erişiminizi kısıtlamış olursunuz.

Odaklandığımız her alanda genellikle kurum içi yeteneklerden yararlanmanın değerini değerlendiriyoruz. Örneğin IBM Research’te son teknolojiyle yaşayan ve çalışan 2.500 kişiye erişimimiz var. Ürüne nelerin fayda sağlayabileceğini anlamak için onlarla sık sık görüşüyorum.

Aynı zamanda pazardaki ortaklarımızla ve topluluğu şekillendiren seçilmiş kişilerle de konuşuyorum. Önümüzdeki üç ayda alanın nereye gideceğini düşündüklerini ve topluluk oluşturma faaliyetlerini nasıl destekleyebileceğimizi soruyorum.

Ayrıca takvimimde dışarıdaki rastgele haberleri incelemek için zaman ayırıyorum. Çünkü büyük şirketlerin duyurduğu başlıca özelliklerin gündeminde olmayan, tutkuyla bir şeyler geliştiren yazılımcıları genellikle orada buluyorsunuz. Bu kanallar sayesinde pazara gelen geniş bir teknoloji yelpazesini görürsünüz.

Daha sonra çözmeye çalıştığım soruna geri dönerek bu teknoloji parçasını kurum içinden, topluluktan veya geliştiricilerden edinmenin maliyet ve faydasını değerlendirebilirim. Belki onları işe alabilirim veya başka bir yol bulabilirim. Böylece bilinçli bir karar verebilirim.

Hannah Clark: Bu, karar verme çerçevesine oldukça bütünsel bir yaklaşım. Liderlik bakış açısına geçelim. Bir ekibe liderlik eden biri olarak, yeni ürün yöneticilerini işe alırken hangi yeni beceri ve yetkinlikleri arıyorsunuz? Teknolojinin daha yeni olduğu bir yıl öncesine kıyasla neler değişti?

Maryam Ashoori: Yine çözmeye çalıştığım soruna bakarım. İşe alımla birlikte genellikle ekipteki insanların beceri setlerini inceler ve açığı belirlerim; çünkü çoğunlukla o açığı kapatmak için işe alım yaparız. Benim için ölçüt şu: Bir gün bu kişiye rapor verir miydim?

Birini işe alacaksanız, sizden daha fazla bilen, açığı kapatan ve işe aldığınız belirli konuda uzman olan birini seçmelisiniz. Daha sonra onun yolundan çekilin ve işi teslim etmesi için özerklik verin. Gerçekten en iyi kişi olması gerekir. Benim benimsediğim yaklaşım bu: Açıkları anlamak ve her bir açık için doğru kişiyi bulmak.

Ürün yöneticisi, tasarımcı gibi unvanlara bakmıyorum. Bir kişinin pazara çıkış ve müşteri görüşmeleri konusunda, diğerinin hizmet olarak yazılım alanını büyütme konusunda çok iyi olması gibi becerilere bakıyorum. Yani unvanlar yerine becerilere odaklanıyorum.

Bu beceri açığını kapatmaya çalışın ve ekibe getirebileceğiniz en iyi kişiyi bulun.

Hannah Clark: Bu çok ilginç; çünkü bir kişinin yalnızca niteliklerinden ziyade, sahip olduğu ikincil deneyimler, bağlantılar ve onu farklı kılan diğer yönleri de dikkate almamız gerektiğini düşünüyorum.

Geçmişte çok belirli teknik becerilere, sertifikalara ve niteliklere odaklanan işe alım anlayışından uzaklaşıyoruz. Artık kişinin deneyiminin genişliği ve birey olarak masaya getirdiği benzersiz özellikler daha önemli görünüyor.

Buna katılır mısınız?

Maryam Ashoori: Katılıyorum. Son iki yılda, üretken yapay zekâ çağında yaptığım işe alımların çoğunda ortak olan iki özellik var. İlki meraklı olmak. Alanın nereye gittiğine dair merakınızı göstermek, üzerine gitmek, araştırmak ve bir şeyler geliştirmek.

İkincisi teknik olmak ve neler olup bittiğini gerçekten anlamak. Bazı ürün yöneticilerinin kendilerini pazara çıkış odaklı veya teknik ürün yöneticisi olarak sınıflandırdığını görüyorum. Ancak yapay zekâ çağından söz ediyoruz. Bunun ürününüze ve size nasıl yardımcı olabileceğini çok iyi anlamanız gerekir.

Buna cevap veremiyorsanız belki de yanlış pozisyondasınız.

Hannah Clark: Katılıyorum. Bir gün bu kişiye rapor verir miydim yaklaşımınız, adaylarda aradığınız şeylerle ilgili yakın zamanda yaptığım başka bir sohbeti hatırlattı. Adayın hayranlık duyduğu kişileri sorduğunuzda, kendisinden daha kıdemsiz birinden hiç söz etmiş mi? Bu, kişinin iş birliği yapma ve hiyerarşinin her seviyesindeki yetkinliklere saygı gösterme becerisini anlamak için çok ilginç bir ölçüt.

Teknoloji doğası gereği iş birliğine dayalı olduğundan, kişinin başkalarıyla nasıl çalıştığına bakmak için bugün gerçekten iyi bir fırsatımız var.

Daha önce yapay zekânın ürün yönetimini etkilediği iki temel alanın mevcut ürünleri geliştirmek ve kişisel verimliliği artırmak olduğunu söylemiştiniz. Mevcut ürünlerimizi yapay zekâ ile nasıl geliştireceğimizden biraz bahsedelim. Her iki alanda gördüğünüz etkileyici kullanım örnekleri neler?

Maryam Ashoori: Yapay zekâyı ürünlerimize getirmenin farklı yolları var. İlki, bu teknolojinin dünyaya sağlayıcısı olmak. Örneğin benim geliştirdiğim platform, büyük dil modellerini, araçları ve ihtiyaç duyduğunuz her şeyi bir araya getirerek başka ekiplerin üzerine inşa edebileceği şekilde sunuyor.

İkinci yol, yapay zekâ ile zenginleştirilmiş uygulamalar geliştirmek. Hangi ürüne sahip olursanız olun, özelliklerinizi zenginleştirmek ve yapay zekânın hızlanma etkisinden yararlanmak için onu nasıl kullanabileceğinizi düşünebilirsiniz.

Bu; bilgi sınıflandırma, bilgi çıkarma, soru yanıtlama, müşteri hizmetleri sohbet robotları, içerik oluşturma veya kod oluşturma gibi üretken yapay zekânın mümkün kıldığı doğrudan kullanım alanlarından biri olabilir. Ya da otomasyon olabilir. Aracılarla, bahsettiğim bu kullanım alanlarını işlev çağrıları aracılığıyla sahip olduğunuz her iş akışına bağlayabilirsiniz.

Ürününüzü daha iyi hâle getirmek için verimliliği nasıl artırabilirsiniz? Üçüncü kategori, büyük dil modelleriyle güçlendirilmiş yeni bir ürün kategorisi oluşturmaktır. Örneğin kod geliştirmeye yardımcı teknolojiler bunun iyi bir örneğidir. Arka planda büyük dil modeli çalışır ve geliştiricilere doğal dille kod yazma konusunda yardımcı olur.

Dördüncü kategori ise hizmetlerdir. Ürün yöneticilerinin eğitim konusunda yaşadığı zorluk yalnızca bu role özgü değil; kurumsal ve tüketici pazarlarının tamamını ilgilendiriyor. Herkes daha iyi yapay zekâ kararları verebilmek için kendini eğitmek zorunda. Bu da hizmetler için bir fırsat yaratıyor.

Alanı biliyorsanız, doğru kullanım alanı için doğru modeli seçmelerine ve daha iyi karar vermelerine yardımcı olabilirsiniz. Bunlar ürün yöneticileri için dört farklı fırsat alanı. Hangi alanı hedeflediğinize göre yaklaşımınız tamamen değişir.

Hannah Clark: Bu dördüncü hizmet kategorisiyle özellikle ilgileniyorum. Ürün yöneticilerinin hizmet veya eğitim alanına geçtiğini, eski ürün yöneticilerinin eğitimler sunduğunu görüyorum. Özellikle doğal dille kod yazma araçları kodlama ve geliştirmeyi neredeyse herkes için erişilebilir hâle getirdiği için insanların kendilerine özgü çözümler geliştirmesini sağlayacak hizmetlere yönelik büyük bir talep var.

Ürün alanındaki tüm gelişimlerle eş zamanlı olarak meydana gelen başka bir dönüşüm daha yaşanıyor gibi görünüyor.

İleriye baktığımızda, önümüzdeki 12 ila 18 ayda önemli etki yaratacağını düşündüğünüz yapay zekâ gelişmeleri veya eğilimleri neler?

Maryam Ashoori: Bizim dünyamızda her üç ay bir nesil demek. Dolayısıyla 12 ila 18 ay ilerisi beş nesil sonrasına bakmak gibi.

Nereye gideceğimizi bu kadar uzun vadede söylemek zor. Ancak üç nesil sonrasına, yani altı ila dokuz ay sonrasına bakarsam, otomasyonda çok daha fazla gelişme göreceğimizi söylerim. Bunu bugün de görüyoruz, ancak teknoloji henüz yeterince gelişmiş değil. Şu anda yeni kullanım alanlarını keşfediyor ve topluluk olarak bunu etkili biçimde nasıl kullanacağımızı öğreniyoruz.

Ürün yöneticileri için bu bir fırsat. Otomasyon dediğimde e-posta oluşturmaktan müşterilerinizle konuşmaya, teslim edilmesi gereken bir işin geliştirme çabasına göre yol haritalarınızı optimize etmeye ve ürün gereksinimleri dokümanınız için içerik oluşturmaya kadar her şeyi kastediyorum.

Müşterileriniz için yeni seçenekleri araştırmak ve daha iyi kararlar vermelerine yardımcı olmak da buna dâhil. Yaptığınız her kararın, yapay zekâyı sizin için çalıştırmanın yolunu bulduğunuzda yapay zekâ ile geliştirilebileceğini düşünüyorum.

Ancak yapay zekânın sağladığı tüm bu güzel hızlanmanın bir maliyeti var: risk. Bunu nasıl kullandığınıza bağlı olarak kariyerinizi güçlendirebilir veya zarar verebilirsiniz. Ürün yöneticilerinin yalnızca faydaları değil, riskleri de çok iyi anlaması şart. Riskler ürününüzü etkileyebilir; ayrıca kişisel kimliğinizi ve itibarınızı da etkileyebilir.

Bu nedenle yaptığınız her şeyde maliyet-fayda dengesini düşünün.

Hannah Clark: Etik yapay zekâ kullanımı kariyerinizin temel taşlarından biri olduğuna göre, bu riskleri nasıl yönetebiliriz? İyi niyetli insanların yalnızca deneme ve keşif sürecindeyken hata yapabildiğini düşünüyorum.

Yapay zekâyı keşfederken düşündüğünüz bir çerçeve veya güvenlik sınırları var mı? Risk yönetimini geliştirme süreçlerine ve beceri setlerine katmak isteyenlere ne önerirsiniz?

Maryam Ashoori: Bir örnek vereyim. Sizin adınıza e-posta gönderen veya e-postalarınızı özetleyen ve takviminize erişerek toplantı planlayan bir aracı kullanmak istediğinizi düşünün.

Bunun sağladığı faydalar inanılmaz. Ancak bu aracıya e-postalarınıza ve takviminize erişim izni vermeniz gerekir. Kötü niyetli biri, ne zaman nerede olduğunuz ve kiminle konuştuğunuz gibi bilgileri kötüye kullanabilir. Aracılara verdiğiniz her izin sizin için potansiyel bir güvenlik açığı oluşturur.

Aynı durum bu araçları ürününüze eklediğinizde ürününüz için de geçerlidir. Bu nedenle kullanım alanını yeniden en baştan ele alın. Topluluk veya ürününüz için çözmeye çalıştığınız sorunun ne olduğunu anlamak çok önemli. Ardından yapay zekâ söz konusu olduğunda bunun faydasını iyi anlayın.

Aynı zamanda ürününüze hangi güvenlik açıklarını eklediğinizi de değerlendirin. Bunları gidermek için bir azaltma planınız olduğundan emin misiniz, yoksa yapay zekâyı körü körüne ürününüze mi ekliyorsunuz?

Hannah Clark: Bunu söylediğiniz için çok memnunum. Çünkü yapay zekâ geliştirme ve keşfinin daha az çekici olan kısmı risk yönetimi.

Bu dönem büyük bir heyecan taşıyor; ancak bazı durumlarda risk yönetimi sonradan düşünülen bir konu hâline geldi. Doğal dille kod yazma ve yapay zekâyı tamamen yeni kullanım alanlarında kullanma açısından geliştirme ve keşif sürecinde neredeyse yeni bir öncüler kuşağı yaşıyoruz.

Bu önemli noktayı vurgulamak istedim. Kendi beceri setlerini geliştirmek isteyenler için mevcut dönemde en faydalı kaynaklar neler oldu?

Maryam Ashoori: Dışarıdaki tüm kaynaklara ek olarak, neye maruz kalmak istediğinizi filtrelemenin bir yolunu bulun. Pazarda o kadar çok şey oluyor ki ürün yöneticilerinin teknoloji yorgunluğu yaşadığını görüyorum.

Verilerinizi nereden aldığınız önemli. Ekiplerime önerdiğim en etkili şey, toplulukta güvendiğiniz bir ses bulup onu takip etmek. LinkedIn’de veya başka bir yerde olabilir. Düşünce yapınızla tutarlı bir bakış açısına sahiplerse, yeni bir teknoloji çıktığında onların görüşünü dinlemek topluluğun tamamını incelemekten daha kolaydır.

Bir uzmanın teknoloji hakkındaki görüşünü duymak faydalı bir kısayol olabilir. Ancak takip ettiğiniz kişinin gerçekten takip edilmeye değer biri olduğundan emin olun. Aksi hâlde dünyaya bakışınızı yalnızca tek bir pencereyle sınırlandırırsınız. Bu pencere doğru değilse dünyayı bulanık görürsünüz.

Seçici olun. Önem verdiğiniz konularda sizinle benzer bakış açısını paylaşan ve uzman olan kişileri bulun ve onları takip edin.

Hannah Clark: Bu tavsiyeyi çok seviyorum. Hızlı bir doygunluk dönemine girerken seçici olmak yapay zekâ ve teknoloji alanındaki pek çok konu için önemli.

İnsanlara güvenmekten ve onları takip etmekten söz etmişken, dinleyiciler çalışmalarınızı nasıl takip edebilir?

Maryam Ashoori: LinkedIn’deyim ve mümkün olduğunca sık yazmaya çalışıyorum. LinkedIn üzerinden iletişimde kalmaktan memnuniyet duyarım.

Hannah Clark: Harika. Maryam, bize katıldığınız için çok teşekkür ederim. Bugünkü program notlarına LinkedIn bağlantınızı ekleyeceğiz. Zaman ayırdığınız için gerçekten teşekkür ederim.

Maryam Ashoori: Beni ağırladığınız için teşekkürler.

Hannah Clark: Dinlediğiniz için teşekkürler. Daha fazla içgörü, nasıl yapılır rehberi ve araç incelemesi için bültenimize theproductmanager.com/subscribe adresinden abone olun. Bunun gibi daha fazla sohbeti, podcast’lerinizi dinlediğiniz platformda Ürün Yöneticisi’ne abone olarak dinleyebilirsiniz.