Yapay Zekâyı Bir Araştırmacı Gibi Araştırma Yapmak İçin Kullanma

Transkripti Okuyun:

Podcast yayınlarımızı bir yazılım programı kullanarak metne dökmeyi deniyoruz. Bot her zaman yüzde 100 doğru çalışmadığı için lütfen olası yazım hatalarını mazur görün.

Hannah Clark: Çok uzun zamandır insanlar araştırmayı kötü bir şekilde yürütüyor. Kötü hesaplanmış kestirme yollara başvurmak, yetersiz veriye dayanarak geniş varsayımlar yapmak ya da varsayımlarla şekillendirilmiş tuhaf kişilikler ve son derece faydasız kullanıcı görüşmeleri geliştirmek için yapay zekâya ihtiyacımız yoktu. Dolayısıyla yapay zekâ artık hayatımızda olduğuna göre, araştırma topluluğunun bu teknolojinin araştırma kalitesinde daha da büyük bir kaosa yol açabileceğinden endişe etmesi şaşırtıcı değil. Ancak bugünkü programımızda yapay zekânın iyi araştırmayı geniş ölçekte standartlaştırmaya ve demokratikleştirmeye nasıl yardımcı olabileceğini inceliyoruz.

Bugünkü konuğum Photoroom’da Kullanıcı Araştırmaları Lideri olan Cori Widen. Photoroom’u henüz tanımıyorsanız, şirket yapay zekâyı kullanmanın yenilikçi yolları sayesinde büyük ilgi görüyor. Cori de bana tüm bunların kültür düzeyinde nasıl başladığını büyüleyici bir şekilde anlattı. Şirketin zihniyetinin olasılıkları keşfetme heyecanını nasıl beslediğini ve ekiplerin harika araştırmaları anlamak, yürütmek ve kullanmak için yapay zekâyı nasıl kullanabileceğini konuştuk. Hadi başlayalım.

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

Ürün Müdürü podcastine tekrar hoş geldiniz. Bugün Cori Widen ile birlikteyim. Kendisi Photoroom’da Kullanıcı Araştırmaları Lideri.

Cori, programına zaman ayırıp benimle görüştüğün için çok teşekkür ederim.

Cori Widen: Ben teşekkür ederim. Burada olduğum için çok mutluyum.

Hannah Clark: Ben de. Cori aslında uzun zamandır benimle çalışıyor ve bu, e-posta aracılığıyla iletişim kurmak yerine gerçekten konuşabildiğimiz ilk zamanlardan biri. Bu yüzden çok heyecanlıyım. Sanki eski bir arkadaşım ya da eski bir mektup arkadaşım ile konuşuyormuşum gibi hissediyorum.

Cori Widen: Evet. Çok heyecan verici. Katılıyorum.

Hannah Clark: Her zaman yaptığımız gibi başlayalım. Bize biraz geçmişinden ve bugün bulunduğun noktaya nasıl geldiğinden bahsedebilir misin?

Cori Widen: Elbette. Yaklaşık 13 yıldır teknoloji sektöründeyim.

Bu sürenin büyük bölümünde aslında ürün pazarlaması alanında çalıştım. Ancak ürün pazarlamasında çalışan çoğu kişi gibi araştırma yöntemleri de işimin bir parçasıydı; kullanıcılarla görüşmek ve benzeri işler yapıyordum. Bir noktada karar verip şunu söyledim: Aslında en çok sevdiğim kısım kullanıcı araştırması.

Böylece önce Lightrix’te, şimdi de Photoroom’da tam zamanlı araştırmacı olarak çalışmaya başladım. Photoroom’da kullanıcı araştırmalarını yönetiyorum.

Hannah Clark: Harika. Bugün araştırmacılar tarafından onaylanan, yapay zekâyı araştırma amacıyla kullanma yöntemlerine odaklanacağız. Bu şu anda oldukça tartışmalı bir konu. O hâlde güncel ve tartışmalı bir başlıkla başlayalım: Nitel analiz için yapay zekâ kullanmak.

Kendini iyi hissettiğin ve kendi onayını verebileceğin bir şekilde yapay zekâ ile manuel çalışmayı birleştirmeye yönelik mevcut yöntemlerin neler? Bu yöntem zaman içinde nasıl gelişti?

Cori Widen: Kesinlikle tartışmalı bir konu. Şu an geldiğim noktayı anlatmadan önce nasıl geliştiğinden biraz bahsedeyim: Ben de başta isteksizdim.

Bence bunun bir nedeni tüm araştırma topluluğuydu. Öncelikle yapay zekânın iyi bir iş çıkaracağına güvenmiyordum ve başlangıçta gerçekten de iyi iş çıkarmıyordu. Bu oldukça geçerli bir endişeydi. Yeterince konuşulmayan diğer konu da işimi seviyor olmamdı. Yapay zekânın gelip işimi daha iyi hâle getirmesini beklemiyordum.

Bu sorun noktasını çözmesini de beklemiyordum. Nitel analiz gibi şeyleri ve bunları kendim yapma sürecini seviyordum. Bu yüzden başlangıçta çok heyecanlı değildim. Ancak zamanla yapay zekâyı nasıl kullanacağınızı çözmeniz ya da geride kalmanız gerektiği netleşti. Nitel analiz için yapay zekâyı kullanmaya başladığımda ilk yöntemim, her zaman uyguladığım manuel süreci aynen yürütmek, aynı zamanda yapay zekâyı kullanmayı denemek ve deneyimleri karşılaştırmaktı. Yapay zekânın neleri iyi, neleri kötü yaptığını ve güvenilirlik açısından en uygun noktaya nasıl ulaşabileceğini gözlemledim.

Bu, çok fazla deneme ve yanılma gerektirdi. Yapay zekâ sürekli geliştiği için bu sürecin de her zaman gelişmeye devam edeceğini düşünüyorum. Ancak şu an geldiğim noktayı anlatabilirim. Bunun için somut bir örnek vermek yararlı olabilir. Diyelim ki stratejik bir araştırma projesini analiz ediyorum ve verilerin büyük bölümü kullanıcı görüşmelerinden oluşuyor.

Yaptığım şey, bir proje kapsamındaki tüm transkriptleri bir araya getirmek. Bunlar Dovetail’da saklanıyor. Daha sonra Dovetail’daki tüm transkriptlere dayanarak yapay zekâya sorular yöneltmek için Dust adlı bir araç kullanıyoruz. Yani temel olarak bir proje için elimde bulunan transkript seti hakkında sorular sormak üzere yapay zekâyı kullanıyorum.

Önümde manuel olarak hazırladığım araştırma soruları bulunuyor. Yapay zekâya istemler gönderiyor ve araştırma sorularımızla ilgili alıntılar istiyorum. Örneğin belirli bir akıştaki sorun noktalarını öğrenmek istediğimi varsayalım. Kullanıcı transkriptlerinden bu konuyla ilgili alıntılar bulmasını istiyorum.

Bu, görüşmeleri manuel olarak etiketleme sürecinin yerini alıyor. Birçok araştırmacı, araştırma sorularına göre konular temelinde görüşmeleri manuel olarak etiketlemek için çeşitli araçlar kullanır. Ben artık bunun için yapay zekâyı kullanıyorum. Daha sonra her konudaki alıntıları alıp bir pano üzerine yerleştiriyor ve görüşmeleri analiz etmek için her zaman kullandığım süreç olan yakınlık diyagramı oluşturmayı uyguluyorum.

Bunu hâlâ manuel olarak yapıyorum. Yakınlık diyagramına dayanarak proje içgörülerimi oluşturuyorum. Burada yapay zekâyı kullandığım bir diğer nokta da içgörülerimi yapay zekâya sunup bana karşı çıkmasını istemem. Transkriptlerde öne sürdüğüm içgörülere aykırı olan şeyleri bulmasını isterim. Böylece bir şeyi atlayıp atlamadığımı ve önyargılarımın olup olmadığını kontrol ederim.

Analiz için kullandığım manuel ve yapay zekâ destekli bu karma süreç böyle.

Hannah Clark: Genel yapay zekâ görüşünün değiştiğinden bahsettin. Birçoğumuzun önce biraz çekinip zaman içinde fikrini değiştirdiği benzer bir yolculuk yaşadığını düşünüyorum. Bu süreç senin için nasıl gelişti?

Cori Widen: Kesinlikle. Başlangıçta şirketlerde yapay zekânın nasıl kullanılacağını bulma konusunda büyük bir baskı olduğunu hissediyordum.

Bu biraz yönsüz bir baskıydı. “Bu seni daha verimli hâle getirecek, daha iyi iş çıkarmana yardımcı olacak” gibi şeyler söyleniyordu. Ancak bunu tam olarak nasıl uygulayacağımı bilmiyordum ve ilk denemelerimin çoğu pek iyi değildi. Araştırma sürecinin herhangi bir bölümünde benim yerimi alacak kadar başarılı değildi.

Ancak bu baskı ortadan kalkmadı. ChatGPT daha büyük veri parçalarını işleme konusunda iyileştikçe ben de yavaş yavaş ikna oldum ve bir görüşmeyi özetlemek gibi çok temel işler için özel komut dosyaları hazırlamaya başladım. Bu, bakış açımı biraz değiştirdi. Ancak benim için asıl dönüm noktasının Photoroom’a geldiğim dönem olduğunu düşünüyorum. Çünkü Photoroom, hem kullanıcıya yönelik yapay zekâ hem de şirket içindeki yapay zekâ yaklaşımı açısından son derece benzersiz.

Yapay zekâyı kullanma yönünde baskı var mı? Elbette. Ancak bu baskıyı heyecan verici bir baskı olarak tanımlarım. Herkes, yapay zekâyı kendi alanında ve mesleğinde kullanarak bulduğu farklı kullanım alanları konusunda çok heyecanlı.

İnsanların başardıkları şeyleri sürekli paylaştığı, yapay zekâyı nasıl kullandığınızla gerçekten ilgilendiği bir ortam var. Bu ortam, “Ah hayır, ben bir araştırmacıyım ve yapay zekâyı nasıl kullanacağımı bulmam gerekiyor” duygusunu, işimin gerçekten eğlenceli ve ilginç bir parçasına dönüştürdü.

Hannah Clark: Harika. Birazdan Photoroom’daki kültür konusuna daha fazla değinmek istiyorum. Çünkü bu gerçekten ilginç ve şirketlerde yapay zekânın benimsenmesini etkileyebilecek büyük bir faktör olduğunu düşünüyorum. Bu da başlı başına önemli bir konu.

Ancak önce yapay zekâ yardımcılarından biraz bahsedelim. Yapay zekâyı kullanma şekillerinin zaman içinde değiştiğini söyledin. Onu daha etkili kullanabilmek gerçekten büyük bir değişim yarattı. Artık yapay zekâ yardımcılarının popüler olduğunu herkes biliyor ve süreçlerinde çok faydalı bulduğun birkaç yardımcı oluşturduğunu biliyorum. Hangi tür yardımcıları oluşturdun ve son dönemde hangi sorunları çözmene yardımcı oldular?

Cori Widen: Aklıma iki temel yardımcı geliyor. Birinin adı Kullanıcı Görüşmelerini Madencilikle İnceleme. Çok yaratıcı bir isim değil ama yaptığı işi tam olarak anlatıyor. Photoroom’da gerçekleştirilen her kullanıcı görüşmesi Dovetail’da saklanıyor. Daha sonra API aracılığıyla transkriptlere erişiyor ve sorular sorabiliyoruz.

Bu, benim ve birlikte araştırma yaptığım Becky’nin yanı sıra diğer paydaşların farklı sorunlarını çözüyor. Araştırmacılar olarak analiz sürecimizin önemli bir bölümünü oluşturuyor. Bir projeyi analiz ederken etiketleme yapmak yerine alıntıları bu şekilde buluyoruz. Paydaşlar açısından ise bize başvurup raporları araştırmamızı beklemeden, bugüne kadar gerçekleştirilmiş tüm görüşmeleri incelemek için harika bir yöntem.

Kullanıcılar ya da rakiplerin kullanıcıları hakkında temelde her şeyi sorabiliyorlar. Örneğin, “İnsanların yapay zekâ arka planlarıyla ya da Photoroom’daki belirli bir özellikle ilgili yaşadığı tüm sorunların listesini ver” diyebiliyorlar. Bu bize zaman kazandırıyor ve paydaşların bilgiyi kendilerinin arayıp onunla etkileşime geçmesini sağlayarak onları kullanıcıya yaklaştırıyor.

Diğeri ise daha yeni ve bir görüşme kılavuzu oluşturucu. Buna daha sonra değineceğimizi biliyorum. Photoroom’da çok sayıda kişi kullanıcı görüşmeleri yapıyor. Görüşmelerden önce iyi bir görüşme kılavuzu hazırlamak için ayrılabilecek zaman ve en iyi uygulamalara ilişkin bilgi oldukça sınırlı.

Görüşme kılavuzu oluşturucunun girdisi şu: Ne öğrenmek istiyorsunuz? Görüşeceğiniz kullanıcılar kimler ve onlardan ne öğrenmek istiyorsunuz? Daha sonra çoğunlukla en iyi uygulamalara uygun bir görüşme kılavuzu oluşturuyor. Bunun etkisi şu oldu: Ne kadar bilgiye sahip olursanız olun, yönlendirici sorular sormayan, kullanıcıların gelecekteki davranışlarını tahmin etmelerini istemeyen ve benzeri hatalardan kaçınan bir görüşme kılavuzu oluşturabiliyorsunuz.

Hannah Clark: Bu gerçekten güçlü bir şey. Çünkü yapay zekânın yalnızca bireylerin üretkenliğini artırmadığını, aynı zamanda kişilerin kendi bilgi birikimini başkalarına aktarabilmesini sağlayarak beceri setlerini de genişlettiğini görüyorum. Teknolojiyi kullanmanın gerçekten harika bir yolu. Daha incelikli bir yaklaşımı doğrudan duymak çok ilginç.

Şimdi istem mühendisliğinden bahsedelim. Bu da başka bir büyük konu. Herkes bu konuda daha iyi olmaya çalışıyor. Herkes “ona bol miktarda bağlam verin” diyor ama konu bundan biraz daha incelikli.

Kullanıcı araştırmalarını analiz ederken aldığın çıktıların kalitesini gerçekten artıran hangi özel teknikleri keşfettin?

Cori Widen: Öncelikle, herkes gibi ben de bunu çözmeye çalışıyorum. Bazen saçımı başımı yolup “Beni neden anlamıyor?” diye düşünüyorum.

Ancak özellikle analiz yaparken çok faydalı bulduğum birkaç şey var. Öncelikle yapay zekâya sorduğum her soruyu en az iki ya da üç farklı şekilde soruyorum. Çünkü o bir insan değil ve sorumu nasıl yorumladığını bilmek imkânsız. Soruyu biraz farklı sorduğumda farklı kullanıcı alıntıları ya da farklı transkriptler bulduğumu sık sık görüyorum.

Özellikle bir projeyi analiz ederken, analiz yapabilmek için belirli bir konuyla ilgili her önemli noktayı bulduğumdan emin olmak istediğimde, her seferinde farklı biçimde yazılmış birkaç istem kullanıyorum. Ayrıca yapay zekâdan sürekli daha fazla örnek bulmasını istiyorum. Buna yapay zekâyı dırdır ederek yönlendirmek diyorum. Her ne kadar her zaman kapsamlı bir alıntı ya da örnek listesi istesem de sonuç hiçbir zaman gerçekten kapsamlı olmuyor.

Her zaman daha fazlası var. Bu nedenle daha fazlasını istiyorum. Öğrendiğim bir diğer şey de şu: Bir insanla konuşurken aynı anda dört ya da beş soru sorabilir, bir konu hakkında heyecanlanabilir ve yanıt alabilirim. Bu, yapay zekâ ile iyi çalışmıyor. Bu nedenle yalnızca tek bir soru içeren istemler yazmaya çok dikkat ediyorum.

Birçok kişinin mümkün olduğunca fazla bağlam verilmesini önerdiğini söyledin. Ancak kendi istem deneyimlerime dayanarak, bağlam konusunda fazlasının da mümkün olduğunu düşünüyorum. Yapay zekâ bir hiyerarşi oluşturmaya, söylediklerinizi önceliklendirmeye ve diğerlerini göz ardı etmeye başlıyor.

Bu nedenle benim için giderek daha az bağlama yönelen doğru dengeyi bulmaya çalışıyorum.

Hannah Clark: İlginç. Evet, bağlamı nerede kullandığınıza da bağlı. Bunu bilmek iyi oldu çünkü birinin “Tüm bağlamı kullanmıyorum” dediğini ilk kez duyuyorum.

Eksik nüanslardan söz etmişken, daha önce bahsettiğin şeylerden biri de yapay zekânın verilerdeki nüansları bazen kaçırması ya da sınırlı verileri bir eğilim olarak sunmasıydı. Araştırmacıların çoğunun fark edebileceği bazı noktalar var. Ancak beceri setini ve bilgiyi başkalarına aktarırken bunların her zaman aynı şekilde anlaşılmadığını söyledin.

Yapay zekânın analizini nasıl doğruluyor ve önemli aykırı değerleri kaçırmadığından nasıl emin oluyorsun? Daha da önemlisi, bu becerilerin bazılarını diğer paydaşlarla paylaşıyorsan, bilgi aktarımının da devam ettiğinden nasıl emin oluyorsun?

Cori Widen: Bunlar gerçekten önemli sorular.

Bir projeyi analiz ederken yapay zekâdan nadiren içgörü istiyorum. Ondan ilgili şeyleri bulmasını istiyorum ve gerçek içgörüleri oluşturmak için insan olarak kendi değerlendirmemi kullanıyorum. Ancak daha önce konuştuğumuz Kullanıcı Görüşmelerini Madencilikle İnceleme yardımcısı, stratejik projelerin dışındaki işler için sıklıkla kullanılıyor.

Kullanıcılara ilişkin sorular soruyoruz. Örneğin “Kullanıcıların X konusunda en çok zorlandığı şeyler neler?” gibi. Bunun gerçekten zor olduğunu düşünüyorum ve bunu yaparken her zaman uyguladığım iki kural var. Öncelikle yapay zekâdan bir içgörü istediğimde, o içgörüyü oluşturmak için kullandığı her bir transkripti belirtmesini istiyorum.

Bazen yüzlerce transkript arasından yalnızca iki transkripti kaynak gösteriyor. Böylece transkriptlere gidip bakabiliyor ve bunun gerçekten bir eğilim olup olmadığını kontrol edebiliyorum. İçgörüyü nereden çıkardığını söylediği için insan sezgilerimi kullanarak karar verebiliyorum. İkinci olarak her zaman aykırı değerleri soruyorum.

Bir içgörü verirse şöyle diyorum: “Şimdi lütfen bu içgörüye gerçekten aykırı olan mümkün olduğunca çok sayıda kullanıcı örneği ver.” Bu, tüm verilere bakmama ve kendi sonucumu daha incelikli bir şekilde çıkarmama yardımcı oluyor.

Paydaşların yapay zekâ aracısını kullanması konusunda ise herkesin erişebileceği bir kullanım kılavuzu hazırladık ve bunu Notion’da paylaştık. Bu tür kaynakları bazı insanların kullandığını, bazılarının ise kullanmadığını düşünüyorum. Bu nedenle hâlâ şunu çözmeye çalışıyorum: Şirketteki herkesin kullanıcı verilerine erişebilmesini sağlayan bir aracımız olduğunda, herkesin aynı anlayışta olduğundan nasıl emin olabiliriz?

Henüz kesin bir yanıtım yok.

Hannah Clark: Bunun devam eden bir süreç olduğunu düşünüyorum. Bu, yapay zekâyı ne için kullanırsak kullanalım insan denetiminin hâlâ değerli olduğuna işaret ediyor. Çalışmayı kontrol etmek için o alanda uzman olmanız gerekiyor. Yapay zekâyı, size eşit beceriye sahip biri gibi değil, yönettiğiniz bir çalışan gibi ele almalısınız.

Bence birçok kişinin karşılaştığı sorun bu: Şirket içinde sahip olduğumuz bilginin, yapay zekâyı bu amaçla kullanmaya çalışan herkesle uyumlu olmasını nasıl sağlayacağız?

Şirketin değerlerinden ve işleyiş biçiminden çok söz ettik. Şimdi Photoroom’un yapay zekâyı bu şekilde kullanmanı sağlayan ve seni güçlendiren değerlerine geçebiliriz. Yapay zekâ kullanımı bağlamında Photoroom’un değerlerinden bahsedelim.

Photoroom’daki kültürün teknolojiyi benimsemeni ve kullanmanı büyük ölçüde teşvik ettiğini söyledin. Araştırmayı demokratikleştirmek ne anlama geliyor? Bu durum paydaşların kullanıcı deneyimi araştırması bulgularıyla etkileşim kurma ve bunlara değer verme biçimini nasıl değiştirdi?

Cori Widen: Photoroom’da başlangıçta beni en çok etkileyen şey, şirketin gerçekten kullanıcı odaklı olmasıydı. Liderlik ekibi kullanıcılarla görüşmek için zaman ayırıyordu. Görüşme sürecinde fark ettiğim üzere Photoroom’daki insanların kullanıcılarla konuşması ve nitel verilerin yanı sıra nicel verileri de incelemesi bekleniyordu.

Her şirket böyle değil. Kullanıcılarla etkileşimlerini ya da nitel verilere maruz kalmalarını karar alma süreçlerinde kullanmak, ben Photoroom’a gelmeden çok önce yerleşmiş bir uygulamaydı. Bu konuda biraz endişeliydim. Çünkü demokratikleşmeye yaklaşımım her zaman diğer uçta olmuştu: Araştırmayı araştırmacılar yapmalı.

Ürün yöneticilerinin, tasarımcıların ve diğer kişilerin kullanıcılarla görüşmesi harika bir şey. Ancak araştırmanın tamamen demokratikleştirilmesini en iyi yol olarak görmüyordum. Photoroom’da bu konuda gerçekten çok şey öğrendim. Yeni bir şey denemeye açıktım.

Gördüğüm ve öğrendiğim şey şu: İnsanların kullanıcılarla etkileşime girdiği ve nitel verileri dikkate almasının beklendiği bir şirkette kullanıcı araştırmasına daha fazla değer veriliyor. İçgörüleri kullanma ihtimalleri de artıyor. Kullanıcı araştırmacılarının sürekli olarak kullanıcıyı ve kullanıcı bulgularını savunmaya çalışmasının ne kadar yaygın bir sorun olduğunu biliyorsundur.

Photoroom’da ise bu kültür herkesin bu içgörülere gerçekten ilgi duymasını sağlıyor. Araştırmacıların, araştırmanın demokratikleştirildiği bir ortamla ilgili en büyük korkusu bunun doğru yapılmaması. Bu benim de korkularımdan biriydi. Çünkü gerçek araştırma becerileri var.

Ancak insanların sürekli kullanıcılarla etkileşim kurduğu bir ortamda, en iyi uygulamaları öğrenmeye gerçekten istekli olduklarını fark ettim. Herkes düzenli olarak kullanıcılarla görüştüğünde iyi bir görüşme yapmak istiyor. Herkes kullanılabilirlik testinin doğru olmasını istiyor. Kullanıcı araştırmalarındaki görevimizin güzel taraflarından biri, eksiklikler olduğunda insanların bu becerileri geliştirmesine yardımcı olabilmemiz.

Hannah Clark: Özellikle araştırma konusundaki en iyi uygulamalara yönelik tutum söz konusu olduğunda, bu tür şeylerden biri olduğunu düşünüyorum. Belki de sadece benim düşüncemdir ama etkili kullanıcı araştırması ve kullanıcı görüşmeleri yürütmek için gereken beceri ve nüansların miktarını fark ettiğinizde “Ne kadar çok şeyi bilmediğini bilmiyormuşsun” diyorsunuz.

Cori Widen: Kesinlikle katılıyorum.

Hannah Clark: Birkaç yıl önce Steve Portigal ile kullanıcı görüşmeleri yürütmek üzerine harika bir bölüm yapmıştık. Onunla görüşmeden önce podcast görüşmeleri dışında hiç kullanıcı görüşmesi yapmamıştım. Yalnızca 20 dakika içinde, kendi davranışlarınızın bile bir görüşmenin sonucunu ne kadar etkileyebileceğini aydınlatıcı bir şekilde gösterdi.

İnsanların bilgi edinmeye ve kullanıcılarla daha iyi konuşmayı öğrenmeye bu kadar istekli olması bence gerçekten harika.

Cori Widen: Bunu söylemen komik çünkü Steve’in Kullanıcılarla Görüşme adlı bir kitabı var.

Bu konu hakkında gerçekten bir kitap yazdı. Bu kitabı paydaşlara verdim ve bu birden fazla kez gerçekleşti. İnsanlar “Bunun hakkında koca bir kitap mı var?” diyor. Ben de “Evet, bu konuda bilinecek bu kadar çok şey var” diyorum.

Hannah Clark: Evet. Her şirket kullanıcılarının gerçek geri bildirimlerini ve gerçekten ne istediklerini ürünlere dâhil etmeye çalışıyor. Bunu etkili bir şekilde kullanabilmek için yeterli geri bildirime ve yüksek kaliteli geri bildirime ihtiyacınız var. Yapay zekânın araştırmacılar için destek kazanmaya ve insanların bu konuyu sahiplenmesine nasıl yardımcı olduğunu görmek beni gerçekten heyecanlandırıyor.

İleriye baktığımızda, kullanıcı deneyimi araştırmasının yapay zekâdan başka nasıl yararlanmaya devam edeceğini düşünüyorsun? Henüz tam olarak ulaşamadığımız, ufukta görünen başka yetenekler var mı?

Cori Widen: Teknolojinin ne kadar iyi olacağını ve bunun ne zaman gerçekleşeceğini söyleyecek kadar teknik bilgim yok. Ancak yapay zekâ geliştikçe ve onu daha fazla benimsedikçe araştırmacının rolünün nasıl değişeceğini düşündüğümde, bugün bile fark ettiğim şeylerden biri şu: Süreçte yapay zekâyı kullandığımda çok daha verimli olduğum için paydaşlarla iş birliği yapmaya daha fazla zamanım kalıyor.

Tek bir tahminde bulunmam gerekirse, araştırma rolünün yalnızca araştırmayı yürütmek ve içgörüleri paylaşmakla sınırlı olmaktan çıkacağını söyleyebilirim. Araştırmayı gerektiğinde yürütmeye devam edeceğiz ama paydaşlarla beyin fırtınası yapmak ve çözüm alanında zaman geçirmek gibi faaliyetlere çok daha fazla zaman ayıracağız.

Bunu yapacak zamanımız olacak. Ayrıca masaya daha hızlı şekilde güvenilir bilgi ve içgörü getirebileceğiz.

Hannah Clark: Şu anda yapay zekâyı iş akışlarına yeni dâhil eden araştırmacılar için birçok pratik öneri paylaştın. Bunların hemen uygulanabilecek kadar erişilebilir olması hoşuma gitti. En iyi uygulamalar kılavuzu olmadan çalışanlarımız için iyi bir başlangıç noktası konusunda başka önerilerin var mı?

Cori Widen: Dürüst olmak gerekirse yapılacak en iyi şeyin öncelikle zihniyetinizi değiştirmek olduğunu düşünüyorum. Bunun gerçekleştiğini kabul edin.

Bunu yapmak gerçekten zor olabilir. Ancak bunu yaptıktan sonra birçok kişinin yapay zekâyı küçük görevlerde kullanmaya başlamanın etkili olduğunu söylediğini göreceksiniz. Ben tam tersini düşünüyorum. Başlamak için iyi yerin yapay zekâyı nitel analizinizde kullanmak olduğunu düşünüyorum.

İşin en kapsamlı ve çoğunlukla en çok zaman alan kısmı bu. Yapay zekânın size nerede yardımcı olabileceğini keşfedin. Benim önerim kendi sürecime dayanıyor: Manuel etiketlemenin yerine yapay zekâyı kullanmayı deneyin. Kullanıcı verilerinizdeki (kullanılabilirlik oturumları, görüşmeler ya da başka bir veri türü olabilir) noktaları bulmasını, bilgileri kategorilere ayırmasını ve analiz yapmanızı sağlamasını isteyin.

Bunun nedeni şu: Araştırmada yapay zekâ kullanma konusunda heyecanlanan biri hâline gelmek için iş akışınızı gerçekten etkileyecek bir şey yapmanız gerekiyor. Böylece zamandan ve enerjiden tasarruf etmeniz oldukça büyük olacaktır.

Hannah Clark: Son olarak, yapay zekâyı kendi amaçların için kullanırken yaptığın en şaşırtıcı keşif ne oldu? Senin için dönüm noktası olan şey neydi?

Cori Widen: Burada iki şey var. Benim için dönüm noktası, belki de diğer insanlar için daha açık olan bir şeydi: Bir insan olarak bu sürecin hâlâ etkili bir parçası olabileceğimi fark etmek. Yapay zekâyı kullanmak her şeyi yapay zekâya devretmek anlamına gelmiyordu.

Ne konuda en iyi olduğumu ve yapay zekânın ne konuda en iyi olduğunu anlamak, ardından bunları en iyi nitel analiz biçimi için bir araya getirmek anlamına geliyordu. Bu birinci şeydi. Diğer gerçek dönüm noktası ise Photoroom’daki birinden aldığım geri bildirimdi. Bana, ilk araştırmacıyı işe alırken (o araştırmacı bendim) en büyük korkularının araştırmanın yavaş olması nedeniyle sürecin yavaş ilerlemesi olduğunu söyledi.

“Bu kişi gelecek ve içgörüleri bize çok yavaş verecek; biz de bunları kullanamayacağız” diye düşünmüşler. Daha sonra bana “Meğer oldukça hızlıymışsın” dedi. Hızlı olmamın nedeninin araştırma sürecinin kritik bölümlerinde yapay zekâyı benimsemiş olmam olduğunu fark ettim.

Yapay zekâ olmadan hızlı olamazdım. Bunu anlamak ve bunun beni ekipte daha değerli hâle getirdiğini görmek benim için kesinlikle bir aydınlanma anıydı.

Hannah Clark: Bu gerçekten harika. Bir kozu olduğunu hissetmek güzel olmalı.

Bize katıldığın için çok teşekkürler Cori. Araştırma hakkındaki sohbetleri her zaman seviyorum. Her zaman çok şey öğreniyorum ve bugün 25 dakikaya sığan bu kadar çok bilgiyi sindirmek gerçekten harikaydı. Tüm bunlar için çok teşekkürler. Dinleyiciler çalışmalarını çevrim içi olarak nereden takip edebilir?

Cori Widen: Çok fazla çevrim içi değilim. Ancak LinkedIn’de diğer araştırmacılarla bağlantı kurmaktan her zaman mutluluk duyarım. İsteyen herkes benimle iletişime geçebilir.

Hannah Clark: Harika. Burada olduğun için çok teşekkürler.

Cori Widen: Ben teşekkür ederim.

Hannah Clark: Bizi dinlediğiniz için teşekkürler. Daha fazla harika içgörü, nasıl yapılır kılavuzu ve araç incelemesi için theproductmanager.com/subscribe adresinden bültenimize abone olun. Ürün Müdürü’ne abone olarak bu tür daha fazla sohbeti podcast dinlediğiniz her yerde dinleyebilirsiniz.