Ürün Tasarımı Başkan Yardımcısı, etkili iş birliği için ürün, tasarım ve mühendislik ekiplerinin ortak yapay zekâ altyapısına sahip olması gerektiğini söylüyor

Andy Vitale, Taxwell'de hem Ürün Tasarımı hem de Yapay Zekâ Mükemmeliyet Merkezi Başkan Yardımcısıdır.

Tasarım, ürün ve mühendislik ekiplerinin yapay zekâyla nasıl etkili bir şekilde iş birliği yapabileceğini konuşmak için Andy ile bir araya geldik. İşte bize anlattıkları.

Tasarım, teknoloji ve organizasyonun buluştuğu yer

Ben Andy Vitale; son on yılımı yapay zekâ destekli ürünler geliştirmeye ve kullanıma sunmaya adamış bir tasarım yöneticisiyim. Bugün Taxwell'de Tasarım ve Yapay Zekâ Mükemmeliyet Merkezi'ne liderlik ediyorum. Burada her yıl 90.000'den fazla vergi uzmanı ve 3 milyon kendi beyannamesini hazırlayan kullanıcı için on milyonlarca vergi beyannamesini destekleyen yazılım ürünleri geliştiriyoruz.

Çalışmalarımız, gerçek finansal baskı altında basit hissettirmesi gereken tüketici ürünlerinden, kullanıcıyı adım adım yönlendirmekten çok kapsam ve güvenilirliğin önemli olduğu profesyonel araçlara kadar uzanıyor. Organizasyonum tüketici vergisi, profesyonel vergi, her ikisinin altında yer alan ortak platform ve hâlâ şekillendirmekte olduğumuz yeni ürün alanlarını kapsıyor. Ekip bu alanlar etrafında yapılanıyor ve yapay zekâ destekli bir teslim modeline doğru ilerliyoruz; böylece tasarım, ürünü başka bir ekibe devretmek yerine ürünle daha yakın çalışıyor.

Yapay zekâ yolculuğum 2015 yılında 3M'de sağlık hizmetleri alanında doğal dil işleme çalışmalarıyla başladı. Bu, yalnızca arayüzler değil, makine zekâsı etrafında ürün tasarlamayla ilk gerçek tanışmamdı. Daha sonra Rocket'ta tasarıma liderlik ederek teknolojinin büyük bir organizasyon içinde nasıl ilerlediğini gördüm. Ardından Constant Contact'ta Tasarım Direktörü olarak, üretken yapay zekânın ürünlerin yapabileceklerini yeniden şekillendirmeye başladığına tanık oldum. Şimdi Taxwell'de ürünlerimizi daha akıllı, ekiplerimizi de yapay zekâyla akıcı bir şekilde çalışarak geliştirme konusunda daha yetkin hâle getiriyorum.

Her zaman tasarımın, teknolojinin ve organizasyonun buluştuğu kesişim noktalarına ilgi duydum. Yapay zekâ, bu kesişim noktalarını işin en önemli parçası hâline getirdi. Bu dönem, sanki tüm kariyer yolculuğumun beni hazırladığı anmış gibi hissettiriyor.

Disiplinler arasında ortak bir yapay zekâ temeli nasıl oluşturulur?

Yapay zekâyı eklenecek bir özellik olarak görmekten vazgeçip onu inşa edilmesi gereken bir altyapı olarak görmeye başladık. Geçtiğimiz yıl boyunca tasarım, ürün ve mühendislik ekipleri; daha dikkatsizce değil, daha hızlı ilerlememizi sağlayan bir temel oluşturmak için birlikte çalıştı.

Bu; modellerle çalışmak için ortak iskeleler ve çalışma düzeneklerinin yanı sıra, fikir aşamasından doğrulamaya kadar yapay zekâ destekli adımlar anlamına geliyor. Bir fikri yapay zekâ karşısında test etmenin bir yolunu oluşturmak için beklememize gerek kalmıyor.

Bu değişimin ikinci kısmı, ekibin bir yerde tasarım yapıp başka bir yerde yeniden oluşturulmak üzere devretmek yerine artık aynı materyalleri ve araçları kullanarak geliştirme yapması. Bu, işlerin genellikle kaybolduğu veya bozulduğu kesişim noktalarını ortadan kaldırıyor. Bir tasarımcı, ürünün geliştirildiği ortamla aynı ortamda çalıştığında konuşma; spesifikasyonlar ve devir teslimler hakkında olmaktan çıkıp doğrudan ürün hakkında olmaya başlıyor.

Sonuç, normalde birbirinden ödün veren hız ve doğruluğun aynı anda elde edilmesi. Ortak temel sayesinde daha hızlı ilerliyoruz; çünkü zor kısımlar zaten oluşturulmuş ve yeniden kullanılabilir durumda. Aynı araçlarla çalışmak, daha az çeviri gerektiği için çeviri hatalarını azaltıyor. Ekip zamanını birbirinin işini yeniden oluşturmaya değil, muhakemeye ayırıyor.

Sonuç, sıfırdan hayata geçirilen bir dizi lansman oldu. Artık küçük bir ekip, bir fikri baştan sona taşıyabiliyor; planlama ve devir teslim döngüleri yerine, konseptten çalışan yazılıma birkaç hafta içinde geçebiliyor.

Konseptten yazılıma yapay zekâ destekli bir iş akışı

Bir fikri konseptten çalışan yazılıma taşıma sürecimizi adım adım anlatacağım; çünkü yapay zekâ bu iş akışını bizim için en çok dönüştüren unsur oldu.

Süreç keşifle başlıyor ve yapay zekâ ilk dakikadan itibaren sürece dâhil oluyor. Herhangi biri bir şey tasarlamadan önce yapay zekâyı kullanarak problemle ilgili mevcut bilgileri, araştırmalardan ve destek verilerinden elde edilen örüntüleri, önceki girişimleri ve ilgili vergi senaryolarını topluyoruz. Ekip, boş bir sayfa yerine tepki verebileceği ve sağlamasını yapabileceği, sentezlenmiş bir bakış açısıyla işe başlıyor.

Fikri şekillendirirken fikir geliştirme için sentetik kullanıcıları kullanıyoruz. Davranış araştırmalarımızdan oluşturulan bu kullanıcılar, bir yaklaşıma karar vermeden önce farklı türdeki beyanname sahiplerinin buna nasıl tepki verebileceğini keşfetmemizi sağlıyor. Bunlar, değerlendirdiğimiz yönleri genişleten ve düşüncelerimizdeki zayıf noktaları erkenden bulmamıza yardımcı olan bir fikir geliştirme aracıdır; daha sonra gerçek kullanıcıların yerini tutmaz.

Sonraki adım, eskiden devir teslimin gerçekleştiği geliştirme aşamasına geçmek. Belirttiğim gibi, konsept üzerinde doğrudan ortak materyal ve araçlar içinde, yani ürünü geliştirdiğimiz ortamda çalışıyoruz; bir yerde tasarım yapıp başkasının yeniden oluşturması için spesifikasyon yazmıyoruz. Bir tasarımcı, yalnızca bir görselini değil, gerçek ve çalışan bir prototipi hızla oluşturabiliyor. Bu önemli; çünkü artık ürünün bir temsilini değil, gerçek davranışını temel alarak düşünüyoruz.

Ardından gerçek geri bildirimlerle doğrulama yapıyoruz. Test turlarını yönetmek için yapay zekâ kullanıyor, böylece insan moderasyonuyla yürütülen bir programın sağlayabileceğinden çok daha fazla oturumu daha tutarlı bir şekilde gerçekleştirebiliyoruz. Ucuz ve hızlı geri bildirim erken geliyor ve yeni bir özellik belirtimleri turuna değil, doğrudan aynı çalışan ürüne işleniyor. Tasarım, prototip ve geliştirme aynı araçları kullandığından, "bir şey öğrendik" noktasından "ürün artık bunu yansıtıyor" noktasına geçiş kısa sürüyor. Konuşma, belgeler arasında çeviri yapmak yerine ürünün kendisine odaklanıyor.

Süreç boyunca çıktının sorumluluğu bir kişide kalıyor. Yapay zekâ girdileri genişletiyor ve ilerleme yolunu hızlandırıyor, ancak neyin doğru, uyumlu ve gerçek stres altında başvuru yapan biri için gerçekten iyi olduğuna ilişkin muhakemeyi koruyoruz. Düzenlemeye tabi bir alanda olması gereken de tam olarak bu.

Sonuç olarak küçük bir ekip, bir fikri kaba bir konseptten çalışan yazılıma haftalar içinde dönüştürebiliyor; böylece daha önce aşamalar arasında yaşanan çeviri kayıplarını ve beklemeleri ortadan kaldırıyor.

Yapay zekâ neden kararın kendisinden değil, karara giden yoldan sorumludur?

Yapay zekâya en çok, yanlış yapmanın maliyetinin düşük, hızlı ilerlemenin değerinin yüksek olduğu keşif amaçlı çalışma aşamalarında güveniyoruz.

Keşif aşamasında yapay zekâ, hızla bilgi sahibi olmamıza yardımcı oluyor. Mevcut bilgileri derliyor, araştırma ve destek verileri arasındaki örüntüleri belirliyor ve bir problemi sıfırdan ele almak yerine onu anlamaya başlamak için bir temel sağlıyor.

Deney ve prototip oluşturma aşamalarında yapay zekâ, fikirden test edilebilir bir şeye çok daha kısa sürede geçmemizi sağlıyor. Çalışan bir prototip oluşturabiliyor ve bazı kullanıcı testlerini yönetmek için yapay zekâdan yararlanabiliyoruz; bu da insan moderasyonuyla yürütülen bir programın asla sağlayamayacağı kadar çok oturumu daha tutarlı bir şekilde gerçekleştirmemize olanak tanıyor.

Kullanıcı deneyimi kararları için yapay zekâ hızlı bir ikinci görüş sunuyor. Akışları zorlayıcı testlerden geçirmemize, davranış verilerini incelememize ve kullanıcıların nerede tereddüt edebileceğini ya da süreci bırakabileceğini belirlememize yardımcı oluyor. Bir tasarımcının yararlanabileceği girdileri genişletiyor.

Ancak kararın kendisi insanda kalıyor ve bu bilinçli bir tercih. Yapay zekâ bize ne olduğunu ve genellikle neyin işe yaradığını söyleme konusunda başarılı. Ekranın diğer tarafındaki kişiye sunacağımız deneyime karar vermiyor. Bir deneyimin iyi, dürüst ve gerçek stres altında vergilerini beyan eden birine saygılı olup olmadığına ilişkin önceliklendirme ve yargılar bizde kalıyor.

Bunu şöyle düşünüyorum: Yapay zekâ girdileri genişletiyor ve karara giden yolu hızlandırıyor. Tasarladığımız kişi için zevk, sorumluluk ya da özen gerektiren kararları vermiyor.

Andy Paylaşıyor

Yanlış yapmanın maliyetinin düşük, hızlı ilerlemenin değerinin yüksek olduğu keşif amaçlı çalışma aşamalarında yapay zekâya en çok güveniyoruz. Bunu şöyle düşünüyorum: Yapay zekâ girdileri genişletiyor ve karara giden yolu hızlandırıyor. Tasarladığımız kişi için zevk, sorumluluk ya da özen gerektiren kararları vermiyor.

Yapay zekânın faydaları zayıflıkları da nasıl ortaya çıkarıyor?

En net olumlu sonuç hız. Daha önce hayata geçirilmesi çok daha uzun sürecek olan bir dizi sıfırdan-bire ürün ve özelliği tek bir vergi sezonunda kullanıma sunduk; bunlar arasında aylar yerine günler içinde kurduğumuz özel bir Claude bağlayıcısı da vardı. Yapay zekâ tarafından yönetilen testler, yalnızca insan moderatörlerle yapabileceğimizden çok daha fazla turu daha tutarlı bir şekilde yürütmemizi sağladı. Bunun sonucunda daha erken aşamada daha fazla kanıta dayanarak karar verebildik.

Ancak hızlı ilerlemek, sürecimizdeki her zayıflığı ortaya çıkardı. Doğru güvenlik önlemleri olmadan hız, yeniden çalışmaya yol açtı ve bu tempo ekipten çok şey talep etti. Yapay zekâ güçlü yönlerimizi hızlandırdı ve eksiklerimizi daha görünür hâle getirdi.

Diğer liderlerin duymasını istediğim asıl sonuç şu: İyi performans gösteren ekiplerin başlangıçta sağlıklı temelleri vardı. Yapay zekâ bir hızlandırıcıdır. İyi süreçleri ödüllendirir ve eksikleri ortaya çıkarır; bu nedenle bu temelleri oluşturmak artık daha az değil, daha fazla önem taşıyor.

Yapay zekâ karmaşık ürün senaryolarında neden zorlanıyor?

Yapay zekâ, en belirgin şekilde işin dağınık orta aşamasında, umut vadeden bir prototip ile güvenle kullanıma sunabileceğiniz bir şey arasındaki bölümde beklentileri karşılayamadı.

İlk sürüme hızlıca ulaşmanızı gerçekten çok iyi sağlıyor. Ancak son aşamayı tamamlamıyor. Temiz ve iyi tanımlanmış bir problemden uzaklaştıkça, daha fazla iş insanlara geri kalıyor. Uç durumlar, yaygın yoldan sapan karmaşık vergi senaryoları ve neyin doğru ve mevzuata uygun olduğuna ilişkin muhakeme gerektiren kararlar hâlâ eskisiyle aynı insan emeğini gerektiriyor.

Asıl sınır bu. Sürecinizin en yavaş kısmı kadar hızlısınız. Başlangıçtaki hız gerçek, ancak sistemin geri kalanı aynı hızda değişmediği için beklenildiği gibi katlanarak artmıyor.

Yapay zekâ neden en iyi bir düşünme ortağı olarak çalışır?

Deneyimlerime göre, yapay zekâ en fazla bir cevap makinesi olarak değil, bir düşünme ortağı olarak görüldüğünde değer sağlıyor.

Bizimki gibi bir alanda doğruluk ve hesap verebilirlik isteğe bağlı değildir; dolayısıyla değer, bir cevap üretip yoluna devam etmekte yatmaz. Değer, daha kapsamlı biçimde değerlendirilmiş bir cevaba daha hızlı ulaşmak için yapay zekâyı kullanmaktır.

Ekiplerimiz seçenekleri keşfetmek, düşüncelerini sınamak ve zaten kavradıkları bölümler üzerinde daha hızlı ilerlemek için yapay zekâyı kullandığında, bu gerçek bir çarpan etkisi yaratıyor.

Andy Paylaşıyor

Bizimki gibi bir alanda doğruluk ve hesap verebilirlik isteğe bağlı değildir; dolayısıyla değer, bir cevap üretip yoluna devam etmekte yatmaz. Değer, daha kapsamlı biçimde değerlendirilmiş bir cevaba daha hızlı ulaşmak için yapay zekâyı kullanmaktır.

Ürün liderleri, kullanıcıların yapay zekâ ürününü nasıl karşıladığını neden yönetmeli?

Yapay zekâyı kullanıma sunmanın en zor kısmı teknoloji değil, insanların onu nasıl karşıladığıdır.

2015'teki ilk yapay zekâ ürünüm, sağlık hizmetlerinde otomatik önerilen tıbbi kodlamayı içeriyordu. Sistem klinik belgeleri okuyor ve profesyonel tıbbi kodlayıcıların her zaman elle yaptığı bir görev olan doğru kodları öneriyordu. Ben önerilerin doğru olup olmayacağına odaklandım. Kodlayıcıların kendilerine sessizce sorduğu soruyu hafife aldım: Bu, benim yerime geçmek için mi burada?

Bu korku, onunla ilgilenseniz de ilgilenmeseniz de her şeyi şekillendirir. Direnç, sessizce benimsememe ve insanların başarısız olmasını umarken teknik olarak sürece ayak uydurması şeklinde ortaya çıkar. Üstelik tamamen makuldü.

İnsanların karşısına, yaptığı işin bir versiyonunu gerçekleştiren bir araç koyduk; bunun onlar açısından ne anlama geldiğini önce açıklamadık. Bu nedenle onlar da o sessizliği en kötü senaryoyla doldurdu. Bu korkuyu daha fazla özellik sunarak aşamayacağınızı öğrendim. Ne kadar doğru olursa olsun hiçbir cevap, onların sorduğu soruyu yanıtlamaz.

O zamandan beri bu dersi her yapay zekâ ürününe taşıdım. Değişimi ve değişimin anlamını aynı anda tanıtırsınız. Teknolojiyle ilgili soru kolay olandır. Bu tür girişimlerin başarılı olup olmayacağını belirleyen şey insani olandır.

Tasarım sistemlerinin neden baştan ele alınması gerekiyor?

Tasarım sisteminiz yalnızca bir tasarım dosyasında yaşıyorsa, şirketteki her yapay zekâ üretimi markaya biraz uyumsuz çıkar ve birilerinin daha sonra bunları uyumlu hâle getirmesi gerekir. Bu uyumlaştırma çalışması, ekiplerin bu konunun önüne geçememenin bedeli olarak sessizce ödemeye başladığı yeni vergidir.

Bu nedenle tasarım sistemini, bir başvuru belgesi olarak görmekten vazgeçip çalışma zamanı öğesi olarak ele alacak şekilde yeniden tasarlayın — işin üretildiği gerçek araçların içinde yaşayan bir şey olarak.

Bu, bir bileşen kütüphanesinden fazlası anlamına gelir. Tasarım belirteçlerini ve bileşenleri, araçların ve ekiplerin bunları doğrudan koda çekebilmesi, tüketilebilir paketler olarak dağıtabilmesi ve beraberindeki beceriler ile en iyi uygulamalarla — bir yapay zekâ aracının sistemi doğru kullanmak için ihtiyaç duyduğu kurallar ve bağlamla — eşleştirebilmesi için paketlemek anlamına gelir. Standartlar, bileşenler ve uzmanlık işin gerçekleştiği yerde bulunduğunda, marka sonradan eklenmek yerine ilk istemden itibaren kendini gösterir.

Doğru yaptığınızda tasarım standartlarınız, onu kimin ürettiği veya hangi aracı kullandığından bağımsız olarak şirketin piyasaya sunduğu her şeye işlenir. Sistem, insanların sonradan başvurduğu bir şey olmaktan çıkar ve kaliteyi geniş ölçekte sessizce yönetir.

CPO'lar işi neden kendileri yapmalı

Tavsiyem basit: İşin içine girin. İşi şimdi, kendi ellerinizle kendiniz yapın.

Birçok lider içgüdüsel olarak yapay zekâyı ekiplerine devreder, en iyi uygulamaların ortaya çıkmasını bekler ve ardından öğrendiklerine dayanarak yön belirler. Bu yaklaşım geçmişteki dönüşümlerde işe yaradı. Ancak bu dönüşümde işe yaramıyor. Her şey çok hızlı ilerliyor ve araçları kullananlarla onlar hakkında konuşanlar arasındaki fark her hafta daha da açılıyor. Hiç açmadığınız araçları öneriyorsanız, odadaki herkes bunu anlayabilir.

Haftamın önemli bir bölümünü bu araçların başında uygulamalı olarak geçiriyorum; bunun bir nedeni gerçekten bu işten keyif almam, ancak asıl nedeni yalnızca gözlemlediğiniz bir değişim sürecinde bir ekibe güvenilir biçimde liderlik edemeyeceğinize inanmam. Bu araçlarla bir şeyler geliştirerek gerçek olanla abartı olanı öğrenirsiniz. Yön belirleme hakkını kazanır, yapay zekânın nerede devreye girmesi ve nerede girmemesi gerektiği konusunda çok daha isabetli kararlar alırsınız.

Bu nedenle bunu uzaktan devredilecek ve incelenecek bir şey olarak görmekten vazgeçin. İşin içinde gerçekten zaman geçirin. Küçük bir şey yayınlayın. Nerede yardımcı olduğunu, nerede aksadığını deneyimleyin. Öne çıkacak liderler, bu anla etkileşime girenler olacak; her şeyin durulmasını bekleyenler değil.

Takip edin

Andy Vitale'nin çalışmalarını andyvitale.com adresinden ve LinkedIn üzerinden takip edebilirsiniz.

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