Üründeki En Yanıltıcı Hamleler Ortaya Çıkıyor

Hannah Clark: Her şey her zaman göründüğü gibi değildir. Yemlik değişimi abonelik fiyatlandırmasından, şekerli mısır şekerlerinin lezzetli olduğuna yemin eden insanlara kadar, her şeye, özellikle de şu anda ürün alanında, şüpheyle yaklaşmamız için pek çok neden var. Bu sektördeki değişimin hızı o kadar yüksek ki trendler en iyi uygulamalar gibi görünmeye, gerçek en iyi uygulamalar da modası geçmiş gibi görünmeye başlayabiliyor. Ancak amaç zaman içinde ölçeklenebilecek bir ürün oluşturmak olduğunda, kendimizi heyecan treni hipnozuna kapılmaktan alıkoymak bize düşüyor.

Bugünkü konuğum Celigo’nun CPO’su Matt Graney. Matt, B2B ürün alanında 20 yıldan fazla zaman geçirdi ve bunun yaklaşık dokuz yılında Celigo’daki ürün ekibini dört kişiden 45’in üzerine ölçeklendirdi. Yapay zekâ şirket için olağanüstü bir fırsat olduğunu kanıtlamış olsa da, LinkedIn akışımızı dolduran bazı göz alıcı yeni taktikler söz konusu olduğunda beklentilerle gerçeklik arasında bir boşluk olduğunu fark etmiş. Üretime hazır kod kılığına giren prototiplerden gerçek olamayacak kadar iyi görünen araçlara kadar, nerelerde dikkatli ilerlemek gerektiğine dair görüşlerini ve bu yapay zekâ dönüşümünden sağ çıkmak için güvendiği zamana karşı dayanıklı bilgeliği duyacaksınız. Hadi başlayalım.

Bu arada, her hafta bunun gibi sohbetler gerçekleştiriyoruz. Bu size ilginç geliyorsa neden abone olmayasınız? Tamam, şimdi başlayalım.

Ürün Yöneticisi Podcasti’ne tekrar hoş geldiniz. Bugün Celigo’da CPO olarak görev yapan Matt Graney ile birlikteyim.

Matt, bizimle konuşmak için programında zaman ayırdığın için çok teşekkürler.

Matt Graney: Teşekkürler Hannah. Bugün seninle konuşmak harika.

Hannah Clark: Bize biraz geçmişinden ve Celigo’da CPO olmaya uzanan yolculuğundan bahsedebilir misin?

Matt Graney: Evet, uzun zamandır B2B ürün alanındayım; yaklaşık son 20 yıldır. Celigo bir entegrasyon platformu ve sekiz buçuk yıldır Celigo’dayım. A serisi yatırım turundan hemen sonra katılmıştım.

Ondan önce de beş buçuk yıl entegrasyon alanında çalışmıştım. Bu aslında planlı bir şey değildi, sadece işler böyle gelişti. Daha önce, UML modelleme araçları da dâhil olmak üzere yazılım geliştirme yaşam döngüsü çevresindeki ürünlerde görev aldım. Bunların ne olduğunu hatırlayanlar için söylüyorum; kariyerimin başında Avustralya’da telekomünikasyon ve savunma alanında çalışan bir yazılım mühendisiydim.

Daha sonra, Motorola’da çalışırken ileri düzey kullanıcısı olduğum bir ürün için aslında satış mühendisi olarak çalışmak üzere ilk kez ABD’ye geldim. Yani oldukça çeşitli bir geçmişim var. Sonra ürün pazarlamasında bir görev üstlendim ve nihayetinde ürün alanına geçtim.

Hannah Clark: Bir görev üstlenmek. Bunu daha önce böyle tanımlandığını hiç duymamıştım.

Bu komikmiş. Bugün biraz eğleneceğiz; bölümümüz yarı Cadılar Bayramı temalı olacak. Kılık değiştirmiş kötü ürün hamleleri temasına odaklanacağız. Vibe kodlamayı ele alarak başlayacağız. Ürün topluluğunda Vibe Coding hakkında pek çok görüş ortaya atılıyor.

Kodsuz platformların harika araçlar olduğunu ilk kabul eden kişi ben olacağım. Onları sürekli kullanıyorum, ancak bazen Scooby-Doo tarzı anlara da yol açabiliyorlar; maskenin düştüğü, daha yakından baktığımızda şeylerin göründüğü gibi olmadığını fark ettiğimiz anlar. Peki Matt, ürün ekiplerinde vibe kodlama konusundaki deneyimin nasıl oldu?

Bana iyisini, kötüsünü ve çirkinini anlat.

Matt Graney: Evet. Eğer siz, baş belası çocuklar olmasaydınız bundan paçayı sıyıracaktık. Doğru. Bence bu inanılmaz bir demokratikleşme. Ancak bu gücün bir şeyin iyi görünmesini sağlamasıyla oluşan yanılsamayı da düşünmeliyiz. Bir şeyin iyi görünmesi, mutlaka doğru inşa edildiği anlamına gelmez.

Perde arkasında yapılması gereken çok şey olduğunu düşünüyorum. Hızlı prototipleri üretime hazır kodlarla karıştırmamalıyız. Yani, tamam, yurttaş üreticiler; ama yurttaş mimarlara da ihtiyacınız var. Örneğin içinde bulunduğumuz B2B iş bağlamında altyapı yazılımıyla ilgileniyoruz; ayda milyarlarca işlemden söz ediyoruz.

Uygulamanın yalnızca belirli bölümlerinde, belki en ön uçta, herhangi bir şeyi vibe kodlamaktan rahat olabiliriz. Bu yüzden bence konu, her zaman olduğu gibi iş için doğru aracı seçmekle ilgili. Aynı zamanda bir deneme kültürü olduğundan, ekibi risk almaya, yeni araçları denemeye ve tüm sektör için gerçekten çığır açıcı olan bu dönemdeki en son gelişmeleri takip etmeye teşvik ettiğimizden emin olmalıyız.

Hannah Clark: Bu konu üzerinde biraz daha derinleşelim. Organizasyonun her kademesinde teknolojiye dair farklı anlayış seviyelerini düşündüğümüzde, teknoloji konusunda daha az deneyimli kişilerin ya da bizzat yeni kurucuların işleyen koda benzeyen bir şey görüp onunla ilerlemesi çok cazip olabilir. Bu da mühendislik ekipleri üzerinde o hıza ayak uydurmaları veya bu düzeyde bu kadar hızlı geliştirme yapıp her şeyi bu kadar göz alıcı ve yeni göstermeleri yönünde büyük baskı oluşturuyor.

Paydaşların, vibe kodlama araçlarından gördüğümüz prototiple üretime hazır yazılım arasındaki gerçek kısıtlamaları ve değerlendirilmesi gereken noktaları anlamalarına nasıl yardımcı olabiliriz?

Matt Graney: Evet, bu çok iyi bir nokta; çünkü demoya ulaşma hızı üretime ulaşma hızıyla aynı değildir. Özellikle yine B2B iş yükleri olan 5.000 müşteriden söz ediyoruz. Yaptığımız işi bazen altyapıdaki tesisat olarak tanımlıyoruz.

Yani yapay zekâ evi boyayabilir, ama evin tesisatını döşeyeceği kesin değil. Değil mi? Bu konulardan bazılarına dikkat etmelisiniz. Çünkü ister mühendislik ekipleri üzerindeki baskı ister yönetici ekibinden gelen baskı olsun, bazı zorluklar var. Son zamanlarda şirket içinde, teknik olmayan personelin oldukça kıdemli bazı üyelerinin, müşterilerinin çok ihtiyaç duyduğu yeni yetenekleri göstermek için kavram kanıtlarını vibe kodladığını gördüm.

Bu kesinlikle hayal gücünü harekete geçirdi, ama aynı zamanda bunun herkes için erişilebilir olduğu ve üretime aceleyle aktarabileceğimiz bir şey olduğu yönünde dile getirilmeyen bir baskı da yaratıyor. Binalardan söz ediyorsak, ev boyama veya ev tesisatı benzetmesine dönersek, bunlar mutlaka taşıyıcı duvarlar değildir, değil mi?

Bunlar cephedir. İyi görünebilir. Bunun böyle bir kullanım alanı olmadığı anlamına gelmiyor; çünkü kavram kanıtı üretme hızı gerçekten inanılmaz. Bunu her fırsatta benimsememiz gerekiyor. İster bir ürün yöneticisinin gereksinimleri daha iyi açıklamasına yardımcı olmak, ister bir tasarımcının alternatif iş akışlarını göstermesine destek olmak için olsun.

Eskiden en sevdikleri tasarım aracında pek çok farklı ekran tasarlamak zorunda kalabilirlerdi. Çalışan kodun gücü inkâr edilemez ve bunu mümkün olan her fırsatta benimsemeye çalışmalıyız; ancak bunun üretime hazır kodla aynı olmadığını da kabul etmeliyiz.

Hannah Clark: Benim de aklımda olan bir şey var: Bunlar kaçınılmaz olarak çok daha gelişmiş hâle gelecek araçlar ve biz kullanıcılar da bunları kullanma konusunda çok daha yetkinleşeceğiz. Bu da elbette geliştirme maliyetinin sıfıra yaklaşması yönünde ilerlediğimiz anlamına geliyor.

Bir ürün lideri olarak bu trendle ilgili endişelerin neler ve Celigo’da bu endişeleri azaltmak için neler yapıyorsun?

Matt Graney: Hannah, bunun harika bir zihinsel model ve yürütülmesi gereken harika bir düşünce deneyi olduğunu düşünüyorum. Geliştirme maliyeti sıfıra yaklaşırsa ne olur?

Tamam, dediğin gibi, bu araçların nesillerinin ortaya çıkması ve yetenekli kullanıcıların yetkinliği hızla artıyor; tıpkı ChatGPT benzeri alışılmış deneyimlerde gördüğümüz iyileşmeler gibi. Dolayısıyla geliştirme maliyetinin dramatik biçimde düşmesini ve bir şeyler üretmenin çok ucuz hâle gelmesini bekleyebiliriz. Bence bu, sezgilerin aksine, ürün yöneticileri üzerinde doğru şeyi inşa ettiğimizden emin olma konusunda daha da fazla baskı yaratıyor. Bu durum, ürün analitiğine, nicel ve nitel kullanıcı araştırmasına, müşteri görüşmelerine, ürün danışma kurullarına ve yapmamız gereken diğer tüm doğru şeylere bakma sorumluluğumuzu ortadan kaldırmıyor.

Kavram kanıtları, A/B testleri, ürün yöneticileri, tasarımcılar ve mühendislerden oluşan üçlüyle yakın çalışma; bunların hiçbiri ortadan kalkmıyor. Buna karşı kendimizi korumamız gerektiğini düşünüyorum; çünkü Cadılar Bayramı temasına dönecek olursak, ortalıkta dolaşan bir zombi sürüsü, yani inşa edilmesi o kadar kolay olan zombi projeler olabilir.

Belki de ürünü, hiçbir zaman gerçekten başarıya ulaşmamış tüm bu fikirlerle doldurabiliriz. Bu yüzden ürün yönetiminin eski disiplinlerinden bazılarının yeniden öne çıktığını düşünüyorum; çünkü artık çok daha fazla seçeneğimiz var. Karar verme ve doğru sonuçları elde etme becerisi varlığını sürdürmeli.

Hannah Clark: Katılıyorum. Belki de kötü düşünülmüş fikirler konusuna gelirsek, piyasayı büyüleyici faydalar sunduğu izlenimi veren, ancak bazı çok ciddi riskleri gizleyen araçların doldurduğunu kesinlikle görüyorum.

Oldukça korkunç bazı kavramların dolaşımda olduğunu gördüm; kötü niyetli kişilerin bunları bizim gerçekten istemediğimiz şekilde manipüle etmesi için açık fırsatlar var. Sektörde sana durup düşündüren neler görüyorsun ve otomatikleştirilemeyecek ürün muhakemesi hâlâ nasıl bir rol oynuyor?

Matt Graney: Bence her zaman ürün yönetiminin sihirli küresi olan sihirli sekiz topunu aradık; buna RICE gibi puanlama yöntemleri de dâhil.

Bunların kötüye kullanıldığını da gördüm. Çünkü ürün yöneticilerine, ölçeği kendi etkileri doğrultusunda değiştirmek ve puanları etkilemek için hâlâ geniş bir alan bırakıyorlar. Birkaç tur geçtikten sonra, göstergeleri nasıl oynatacağınızı ve teraziyi kendi lehinize nasıl eğeceğinizi anlamak çok zor değil. Burada da aynı tür riskleri göreceğimizi düşünüyorum.

Bazı araçların tüm istihbaratı, ürün telemetrisini, şimdiye kadar yapılmış her konuşmayı süpüreceğini vaat ettiğini görüyorum. Hepimiz, kayıt dışı gerçekleşen pek çok şey olduğunu biliyoruz; belki bir oturum tekrar oynatma aracından gelen gözlemler vardır, ama bunlar bir LLM’nin anlayacağı biçimde yazıya dökülmüş değildir.

Dolayısıyla sağlam ürün muhakemesinin yerini hiçbir şey tutamaz. Her zamankinden daha fazla veriye sahip olsak da günün sonunda bu veri eksiktir. Hâlâ bir vizyona, bir stratejiye ve ürün yönetiminde bahislere ihtiyaç var. Evet, sonuçları ölçebileceğimizi bilerek bahis oynuyoruz; tabii işimizi iyi yaparsak.

Ancak bu yine de yinelemeli bir süreç olmalı. Yapay zekânın bir anda hatasız bir yol haritası üretmesini sağlayacak sihirli bir yanıt olduğunu düşünmüyorum.

Hannah Clark: Evet, ben de katılma eğilimindeyim. Henüz programa konuk olmayan bir konukla konuşuyordum; yakında gelecek. Konuştuğumuz şeylerden biri, yapay zekânın bazı konularda çok iyi olduğu, bu avantajlardan yararlanabileceğimiz; ancak bazı konularda o kadar iyi olmadığı hâlde çok iyiymiş gibi göründüğü fikriydi.

Dolayısıyla mesele ürün sezgisiyle ilgili olduğu kadar, teknolojiye ne kadar fazla güvendiğinizi kontrol edebilmek için onu yeterince iyi anlamakla da ilgili.

Matt Graney: Bence temel sohbet arayüzlerinde bile bazı yapay zekâların oldukça yağcı olduğunu gösteren pek çok örnek gördük. Eğer bunun farkında değilseniz, her zaman harika fikirleriniz olduğunu düşünmeye başlayabilirsiniz.

Bu yüzden kişisel olarak işleri biraz renklendirmeyi, alternatif bir görüş aldığımdan emin olmayı ve sahip olduğum fikirlerin aşırı eleştirel bir değerlendirmesini istemeyi seviyorum. Aksi hâlde yapay zekâmla konuşurken her zaman bir dâhi gibi görünüyorum.

Hannah Clark: Bizi seviyorlar, değil mi? Şimdi biraz işaret etmeyi geride bırakalım ve ürün ekiplerinin şu anda başvurduğunu gördüğümüz, çekici ancak nihayetinde sürdürülemez bazı kestirme yollardan söz edelim.

Etrafta gördüğün en büyük sorunlar neler?

Matt Graney: Favorilerimden biri OKR’lar. Onlarla sorunlu bir ilişkimiz olduğunu düşünüyorum. Belki şirket düzeyinde o kadar kötü değiller, ancak ürün alanında biraz zorlayıcı olabiliyorlar. Bence bu, bir yerden bir şeyi ithal etmeye çalıştığınızda ortaya çıkıyor.

Bu durumda büyük isimli şirketlerden birinden, o şirketin kültürünün geri kalanını beraberinizde getirmeden bir şey alıyorsunuz. Genel olarak bir uzvu sonradan ekleyemezsiniz. Tamam, şimdi Frankenstein’ın canavarlarından söz edeceğiz. Eğer bu şeyler kültürün bir parçası değilse, hiçbir zaman gerçekten düzgün şekilde birbirine kenetlenmeyecekler.

Bir diğer konu da hepimizin gördüğü ölçüm tiyatrosu; bize pek bir şey anlatmayan veya daha iyi kararlar almamızı sağlamayan bir dizi gösteriş metriği. Bu uzun zamandır var olan bir tuzak. Belki özellik fabrikalarından ya da özellik çiftliklerinden söz ediyoruz; şimdi de dönüm başına çiftçilik yapma imkânımız var.

Çünkü ölçek büyüyor ve üretme kapasitemiz artıyor. Peki doğru şeyi ürettiğimizden nasıl emin olabiliriz? Bu tür şeylerin hepsi aslında kestirme yollar. Bir yerde işe yaradığı söylenen sihirli çözümler arıyoruz; çünkü biri bunları X’te veya LinkedIn’de okumuş. Arkalarında titiz bir yaklaşım olmadan bunlar yalnızca güveni aşındırır.

Hannah Clark: Güveni aşındırma konusuna katılıyorum. Benim aklıma gelenlerden biri bunun kullanıcı deneyimi araştırması topluluğunu nasıl etkilediği. UX araştırmacılarının ürün sürecinin yeterince takdir edilmeyen bir yönü olarak uzun süredir zorluk yaşadığını düşünüyorum. Ancak artık LLM’ler, bunu doğru şekilde nasıl yürüteceğimiz ve yapay zekânın bu süreçteki rolü konusunda daha da bulanık bir görüş edinmemize neden oluyor.

Bunu yüksek sesle herkese duyurmak isterdim: kullanıcı araştırmasının yerini LLM’ler alamaz.

Matt Graney: Kullanıcı araştırması yöneticimiz kısa süre önce bana aynı şeyi söylüyordu: Yapay zekâ transkripsiyonları harika. Tamam, kelimesi kelimesine gerçekten söylenen bu. Ancak içgörüler, en azından şu anda, incelikleri çoğu zaman gözden kaçırıyor; belki bu değişir.

Bu teknolojinin yeni nesilleri ortaya çıkmaya devam ederken geleceğe dair iyimser olabiliriz. Ancak şimdilik en önemli şeyin sınırlamaları anlamak ve iyi kullanıcı araştırmasının ustalığıyla bunlara karşı korunmak olduğunu düşünüyorum.

Hannah Clark: Biraz vites değiştirelim ve ekipleri ölçeklendirme deneyiminden söz edelim. Bunu bir süredir yapıyorsun. Celigo’daki ekibini iki ürün yöneticisinden bunun 10 katı büyüklüğe çıkardın. Süreç oluşturma konusunda çok fazla deneyimin var. Eminim yol boyunca hatalar da olmuştur.

Küçük kuruluşları olgunlaştırırken ekipleri ölçeklendirme konusunda en iyi çıkarımlarından birkaçını bize anlatabilir misin? Yapay zekânın hızla ilerlediği bu dönemde bile hâlâ geçerli olduğunu düşündüğün neler öğrendin?

Matt Graney: Evet, dediğin gibi bu bir yolculuk oldu Hannah.

Şirkete katıldığımda iki ürün yöneticisi ve iki teknik yazar devraldım; dört kişilik bir ekiptik. Şimdi yaklaşık 45, 50’ye yakın kişiyiz. Ürün yöneticileri, tasarımcılar, araştırmacılar, teknik dokümantasyon ve ürün operasyonlarından oluşan bir ekip bu. Öğrendiğim şey, belki de işleri hangi sırayla yapmak gerektiği.

En başta hayat basitti. Platform tarafında CTO’muzla doğrudan çalışıyordum. Üçümüz bir odada tüm iş listesini önceliklendiriyorduk. Gerçekten bu kadar basitti. Ancak bunun uzun vadede ölçeklenemeyeceği açıktı. Hem ürün yöneticilerinin hem de mühendislik ekiplerinin yurt dışında olması gibi konular işleri karmaşıklaştırdı.

Başlangıçta süreci yavaş yavaş ekledik. Tasarım, elimizdeki araçlarla yapabileceğimizin en iyisiydi. Ürün yöneticileri ellerinden geleni yapıyordu. Her zaman ekran görüntülerini birbirine dikmeye benzediğini düşünmüşümdür; eski püskü ve neredeyse utandırıcı bir fidye notu gibi.

Sonra profesyonel tasarımcılarla ilk girişimimizi yaptık; bunu da çok iyi yapamadık. Tasarımı, kullanıcı deneyimi olarak düşünmek yerine, “Bunu güzel gösterin” denilen bir ajans modeli gibi kullandığımızı hissettim.

Teknik dokümantasyon konusunda her zaman oldukça iyiydik ve bu alan gelişmeye devam etti. İhtiyaç duydukça süreç ekledik. Kusursuz olduğumuzu söylemiyorum; tüm doğru törenleri her zaman uygulamamış olabiliriz, ancak genel olarak bizim için oldukça iyi çalıştı.

İşin ihtiyaçlarına yanıt vermek ve ekibin tüm üyelerine gelişmeleri için alan sağlamakla, yeterli miktarda süreç oluşturmak arasında bir denge kurduk. Ancak bu bir yolculuk oldu. Daha önce hiç bu kadar büyük bir ekibi yönetmemiştim. Burada pek çok ilki yaşadım.

Bunu kanıtlayan savaş yaralarım ve beyaz saçlarım var.

Hannah Clark: Gerçekten mi? Nerede?

Matt Graney: Evet. Belki çocuklarımı suçlarım.

Hannah Clark: Her şeyi çocuklarınızın üzerine atabilirsiniz. Ben bunu sürekli yapıyorum. Biraz daha açmak ve daha önce konuştuğumuz konuyla bağlamak gerekirse, biraz eski usul görünseler bile artık her zamankinden daha önemli olduğunu düşündüğün, denenmiş ve güvenilir ürün yönetimi uygulamalarını merak ediyorum.

Yapay zekâ çağında kendini her zamankinden daha fazla döndüğün veya ekiplerinde daha fazla vurguladığın kavramlar, çerçeveler ya da uygulamalar var mı?

Matt Graney: Söylediğim gibi, geliştirme maliyeti belki sıfıra yaklaştıkça önceliklendirme sorumluluğunun üzerimize daha fazla yüklendiğini düşünüyorum. Bu yüzden önceliklendirme araçları açısından daha fazla düşünüyorum.

Bunun bir bölümü vizyon ve strateji etrafında uyum sağlamak; ekipteki herkesin yerel kararlar verebilecek kadar net bir anlayışa sahip olduğundan emin olmak. Kullanıcılarla ve müşterilerle doğrudan temasın yerini hiçbir şey tutamaz. Kariyerimin ilk dönemlerini neredeyse rehin müzakereleriyle geçirmişim gibi hissediyorum; mutsuz müşterilerle konuşuyor, onları sakinleştirmeye çalışıyordum.

Bunun yerini hiçbir şey tutamaz, çünkü ürünün bütün resmini anlamaya gerçekten yardımcı olur ve ürün yöneticilerine nasıl önceliklendirme yapmaları gerektiğini daha iyi anlamaları için ihtiyaç duydukları araçları verir. Acımasız önceliklendirmenin alternatifi yok. Bir noktada kapasiteniz tükenecek.

Bazen çok daha büyük şirketlere imreniyorum, ancak bir yerlerde onların da aynı tür sorunları yaşadığını biliyorum. Tüm ürün yöneticilerinin yeterli kapasitesi olmadığını biliyorum. Sonuçta mesele önceliklendirmeye geliyor ve tüm alışılmış araçlar geçerliliğini koruyor.

Yapay zekânın devreye girdiği yer, büyük miktarda bilgiyi anlamaya ve sindirmeye yardımcı olması olabilir. Araştırma söz konusu olduğunda vazgeçilmezdir. Vibe kodlamada ise yerinde kullanıldığında hızlı prototipleme için değerlidir.

Bence bazı insanların prototipleme hakkında unuttuğu şey, prototiplerin temel amacının atılmak üzere tasarlanmış olmalarıdır. Üretime girecek şeyin temeli olmaları amaçlanmaz. Bunların hepsini doğru şekilde yapabilirseniz, araçlar çalışma biçimimizi gerçekten hızlandırmak ve yine önceliklendirmeye yardımcı olmak için kullanılabilir.

Hannah Clark: Çok güzel söyledin. Kapanışı iyimser bir notla yapmak istiyorum. Ürün yöneticilerinin çalışmalarını geliştirmek için yapay zekânın en meşru ve yüksek değerli fırsatları nerede sence? Bu tuzaklara veya konuştuğumuz potansiyel maskenin düştüğü anlara kapılmadan, yapay zekâyı düşünceli bir şekilde benimsemek isteyen ürün liderlerine ne tavsiye edersin?

Matt Graney: Bence en büyük fırsatlardan biri kesinlikle araştırma. Günümüzde bir ürün yöneticisinin rekabet araştırması yapabilmesi büyük bir imkân; geçmişte sahip olmayı dilediğim bir araç. Elbette bunun bir nedeni, tedarikçilerin çok daha görünür olması. Ürünlere ait belgelerin çoğu artık erişilebilir durumda. Ancak bunu gerçekten yapmanız gerekiyor.

Bu çok büyük bir fırsat. Hızlıca dokümantasyon hazırlamak da önemli. Pek çok kişi önce basın bülteni veya SSS yazmaktan söz ediyor. Bence bu harika bir fırsat. Daha önce bunu yapmak zahmetli görünebilirdi, ancak bugün başlamak için harika bir yol.

Bence mesele, bunun gibi araçları hayal gücümüzü genişletmek için kullanmak. Neyi düşünmüyorum? Yapay zekâ doğru şekilde yönlendirildiğinde bazı kör noktaları tespit etme konusunda gerçekten iyi olabilir. Bazen halüsinasyon görebilir, ancak bundan bile bazen aklımıza gelmemiş içgörüler veya farklı düşünme biçimleri çıkabilir.

Yapay zekâ biraz eğlence parkındaki çarpık aynalara da benzeyebilir. Başlangıçta işler bozuksa ve disiplininiz yerleşmiş değilse, durumu daha da kötüleştirir. Ancak doğru kullanıldığında ürün yöneticilerinin ihtiyaç duyduğu odağı sağlayabilir.

Hannah Clark: Evet, ben de katılıyorum. Matt, bu harikaydı. Bilgilerini paylaştığın ve bu alanda çok sık gördüğümüz bazı şeyleri birlikte kontrol ettiğin için teşekkürler.

Bunu gerçekten takdir ediyorum. İnsanlar çalışmalarını çevrim içi olarak nereden takip edebilir?

Matt Graney: Beni en kolay LinkedIn’de bulabilirler. Görünüşe göre başka her yerden daha çok oradayım. İnsanlarla orada iletişim kurmayı dört gözle bekliyorum.

Hannah Clark: Harika, çok teşekkürler.

Ürün Yöneticisi Podcasti’nde sırada. Bu bölümün beklentiler ve gerçeklik konusunu sert biçimde ele aldığını düşündüyseniz, yapay zekâ hakkında bildiğinizi sandığınız her şeyi sorgulatacak bir bölümde LLM teknolojisini derinlemesine incelemek üzereyiz.

Teknolojinin potansiyeli sınırsız olsa da mevcut sınırlamaları düşündüğümüzden çok daha karmaşık. Aynı durum, yapay zekâ ürünlerinin hem geliştiricileri hem de kullanıcıları olarak üzerimizdeki etkileri için de geçerli. Bu bölüm oldukça çarpıcı olacak; bir sonraki buluşmamıza katılmak için şimdi abone olun!