IBM Cloud’un Ürün ve Tasarım Başkan Yardımcısı, gerçek kullanıcı davranışı etrafında geliştirme yapmak için yapay zekâyı nasıl kullandığını anlatıyor

Briana Frank, IBM Cloud için Ürün ve Tasarım Başkan Yardımcısıdır.

Yapay zekânın yalnızca ürünleri oluşturma biçimini değil, kullanıcılarından öğrenme biçimini de nasıl değiştirdiğini öğrenmek için kendisiyle görüştük. Bize anlattıkları şöyle.

Davranışsal bir devrim

Kariyerim boyunca ürün ve tasarım organizasyonlarını büyük teknolojik dönüşümlerden geçirdim ve insan davranışlarının incelenmesi yaklaşımımı sürekli olarak şekillendirdi. Teknolojideki her atılım, sonunda insanlarla ilgili hâle gelir: nasıl karar verdikleri, onları değişmeye neyin motive ettiği, nerelerde zorluk yaşadıkları ve benimsemeye değer buldukları şeyler. Bu kalıpları anlamak, harika ürünler ve yüksek performanslı organizasyonlar oluşturur.

Bu bakış açısı, yapay zekâdaki mevcut dönemi özellikle büyüleyici hâle getirdi. İnsanlar yapay zekâyı çoğu zaman teknolojik bir devrim olarak tanımlıyor, ancak uygulamada bu aynı ölçüde davranışsal bir devrimdir. En büyük etkiyi gören organizasyonlar mutlaka en gelişmiş modellere sahip olanlar değil. Bunun yerine, çalışanları denemeler yapacak kadar meraklı, açıkça iletişim kuracak kadar disiplinli ve işlerin nasıl yapıldığını yeniden düşünmeye yetecek kadar mütevazı oluyor.

Bu dönemin gerçek fırsatı da burada yatıyor. Yapay zekâ yalnızca oluşturduğumuz ürünleri değiştirmiyor; düşünme, iletişim kurma ve liderlik etme biçimimizi de değiştiriyor. Teknoloji güçlüdür, ancak kalıcı dönüşüm insan davranışını anlamakla ve insanların öğrenmeye, uyum sağlamaya ve farklı biçimde üretmeye istekli olduğu ortamlar oluşturmakla başlar.

Bireyler ve işletmeler için ürünler oluşturmak

IBM Cloud'un Hizmet Olarak Platform portföyü için ürün yönetimine liderlik ediyor ve IBM Cloud genelindeki tasarım çalışmalarını yönetiyorum. Organizasyonumuz, geliştiricilerin ve işletmelerin çok çeşitli ortamlarda modern uygulamalar oluşturmasına, dağıtmasına, güvenliğini sağlamasına ve yönetmesine yardımcı olan platform yeteneklerini geliştiriyor.

Oluşturduğumuz ürünler, yeni teknolojileri deneyen bireysel geliştiricilerden görev açısından kritik iş yüklerini çalıştıran büyük küresel işletmelere kadar herkese hizmet ediyor. Bu kullanıcı çeşitliliği benzersiz bir zorluk yaratıyor: karmaşık teknolojiyi sezgisel ve erişilebilir hâle getirirken kurumsal düzeyde yetenekler sunmak.

Ekiplerimiz sürekli teslimatı benimsiyor; müşteri geri bildirimlerinden hızla öğrenmek ve platformu geliştirmek için ürün, tasarım, mühendislik, araştırma ve müşterilerle doğrudan çalışan ekipler arasında yakın iş birliği yapıyor. Yapay zekâ geliştirici deneyimine daha derin biçimde entegre oldukça, yazılımı oluşturma ve yönetme biçimimizi de yeniden düşünüyoruz; müşterilerin fikirden üretime daha hızlı ve güvenli biçimde ilerlemesine yardımcı olan daha doğal ve akıllı etkileşimler oluşturuyoruz.

Yapay zekâ ürün ekiplerinde yaratıcılığın önünü nasıl açabilir?

Kariyerim boyunca bir fikre sahip olmakla onu kanıtlamak arasında her zaman bir boşluk oldu. Ürün yöneticileri prototipler oluşturmak, verileri analiz etmek, panolar hazırlamak veya kavramları test etmek için diğer ekiplere güveniyordu. Yapay zekâ bu mesafeyi büyük ölçüde kısalttı. Günümüzde ürün yöneticileri fikirleri keşfedebilir, çalışan prototipler oluşturabilir, işlerini analiz edebilir, görselleştirmeler hazırlayabilir ve yeni kavramları haftalar yerine saatler içinde deneyebilir.

Bu değişim, teslimat hızından daha fazlasını değiştiriyor. Kimin kendini üretme konusunda yetkin hissettiğini de değiştiriyor. Ekiplerin daha büyük sorular sorduğunu, daha fazla fikri test ettiğini ve her deneyin önemli ölçüde zaman ve koordinasyon gerektirdiği dönemlerde sürdürülmesi zor olacak bir merak düzeyiyle sorunlara yaklaştığını gördüm.

Zorluk şu ki yaratıcılık yalnızca yapay zekâ var olduğu için gelişmez. Organizasyonlar denemeler için alan yarattığında, öğrenmeyi ödüllendirdiğinde ve düşünülmüş riskler almayı teşvik ettiğinde gelişir. Yapay zekâyı verimlilik aracı olarak gören şirketler elbette daha verimli hâle gelecek. Onu çalışanlarının yaratıcılığının önünü açmak için kullanan şirketler ise tamamen yeni ürün ve deneyim kategorileri oluşturacak.

Savunmacı tutum ürün ekiplerinde yapay zekâya hazır olunmadığını nasıl gösterebilir?

Bir ürün ekibinin yapay zekâya hazır olmadığını gösteren ilk davranışlardan biri, yeni olasılıkları keşfetmek yerine mevcut yöntemleri savunmaktır.

Sağlıklı şüphecilik değerlidir. Harika ürün ekipleri varsayımları sorgulamalı, fikirlere meydan okumalı ve kanıt talep etmelidir. Fark, "Bunun işe yarayacağını nasıl biliyoruz?" diye sormak ile yalnızca "Bu asla işe yaramaz." demek arasındadır. İlk yaklaşım öğrenmeyi sağlar; ikincisi ise öğrenmeyi engeller.

Yapay zekâ benimsemesiyle en çok zorlanan ekipler genellikle yeni bir yaklaşımı denemeden önce neden işe yaramayacağını açıklar. Olasılıkları keşfetmek için merak ve testlerden yararlanmak yerine, geleceği öngörmek için geçmiş deneyimlerine güvenirler.

Yapay zekâ farklı bir zihniyet gerektirir. Teknoloji, hiçbirimizin tüm yanıtlara sahip olamayacağı kadar hızlı gelişiyor. En güçlü ekipler denemeye, öğrenmeye, uyum sağlamaya ve bazen şaşırmaya isteklidir. Her deneyin başarılı olmasına ihtiyaç duymazlar; ancak hızlı öğrenmeyi teşvik eden bir kültüre ihtiyaçları vardır.

Aradığım gösterge basit: İnsanlar mevcut süreci mi koruyor, yoksa onu nasıl iyileştirebileceklerini mi keşfediyor?

Briana'nın Düşünceleri

Sağlıklı şüphecilik değerlidir. Harika ürün ekipleri varsayımları sorgulamalı, fikirlere meydan okumalı ve kanıt talep etmelidir.

Ürün liderleri neden yapay zekâ ile insanların yerini almak yerine onları güçlendirmeye çalışmalı?

Yapay zekâ etrafındaki ilk konuşmalar genellikle otomasyona odaklanıyordu: Bir görevi basitçe bir yapay zekâ sistemine verip kusursuz bir yanıt alabileceğimiz fikrine. Gerçeklik ise daha incelikli.

Yapay zekâ keşfi hızlandırma, seçenekler oluşturma ve insanların daha hızlı ilerlemesine yardımcı olma konusunda inanılmaz derecede güçlüdür. Ancak sonucun kalitesi hâlâ büyük ölçüde bağlamın kalitesine, hedefin netliğine ve etkileşimi yönlendiren kişinin uzmanlığına bağlıdır. Yapay zekâ bir yanıta daha hızlı ulaşmanıza yardımcı olabilir; ancak bu yanıtın doğru olup olmadığını anlamak hâlâ insan muhakemesi gerektirir.

Bu, güçlü inancımı pekiştiriyor: Gelecek, insanlar ve yapay zekâ arasındaki bir mücadeleden ibaret değil. Mesele, insanların ve yapay zekânın birlikte ne kadar etkili çalıştığıdır. En başarılı ekipler insanları süreçten çıkarmanın yollarını aramıyor. İnsan yaratıcılığını, merakını ve karar verme becerisini güçlendirmenin yollarını buluyorlar.

Ürün liderleri için ders şu: Yapay zekânın benimsenmesi yalnızca bir teknoloji sorunu değildir. Bu, davranışsal ve kurumsal bir sorundur. Başarılı şirketler insanlara farklı düşünmeyi, daha iyi sorular sormayı ve yapay zekâ yeteneklerini muhakeme, empati ve yaratıcılık gibi benzersiz insani becerilerle birleştirmeyi öğretecek.

İstem odaklı geliştirme nasıl daha iyi yapay zekâ deneyimleri oluşturabilir?

Yapay zekâ deneyimleri oluşturmaya daha kullanıcı merkezli bir yaklaşımla ilerliyoruz. İnsanlardan yazılımımızın nasıl çalıştığını öğrenmelerini istemek yerine, insanların doğal olarak nasıl düşündüğünü, iletişim kurduğunu ve sorun çözdüğünü daha iyi anlayan yazılımlar tasarlıyoruz. Bana göre bu, yapay zekânın ürün geliştirmeye getirdiği en heyecan verici değişimlerden biri.

Tüm bunlar istem odaklı geliştirmeyi benimsemekle başlıyor. Her zaman olduğu gibi, uygulamayı düşünmeden önce insanların neyi başarmaya çalıştığını anlamak için araştırma, yolculuk haritalama ve insan merkezli tasarımdan yararlanıyoruz. Ancak yapay zekâ bu sürece güçlü ve yeni bir boyut katıyor. Artık basit bir soru soruyoruz: "Kullanıcı doğal olarak ne sorardı?"

Bu soru şaşırtıcı derecede açıklayıcı. Bizi özelliklerin ve iş akışlarının ötesine geçmeye, niyete odaklanmaya zorluyor. Kullanıcı hangi sonuca ulaşmaya çalışıyor? Doğal olarak hangi bağlamı sunardı? Hangi varsayımlarda bulunuyor? Tek bir istekte başarı nasıl görünürdü?

Dolayısıyla istemler, belirsizliği erkenden ortaya çıkaran tasarım çıktıları hâline geliyor. Bir kullanıcının bir görevi gerçekleştirmek için bir istemi dikkatle tasarlaması gerekiyorsa, ürünün hâlâ geliştirilmesi gerektiğini anlıyoruz.

Her yapay zekâ istemi insan niyetinin bir göstergesi olarak nasıl kullanılabilir?

Bir ürün veya özellik oluşturulduktan sonra yapay zekâ, geleneksel olarak ölçülmesi daha zor olan bir şeyi titizlikle ölçmek için inanılmaz bir fırsat sunar: Birinin hedeflerine ulaşmasına gerçekten yardımcı olup olmadığımızı.

Ürünler daha konuşkan hâle geldikçe her istem, insan niyetinin bir sinyaline dönüşüyor. Değerlendirme çerçeveleri, bu niyeti ne kadar iyi anladığımızı, deneyimin nerede aksadığını ve değişikliklerin gerçek dünyadaki binlerce etkileşimi nasıl etkilediğini ölçmemizi sağlar. Gerilemeleri neredeyse anında tespit edebilir, farklı yaklaşımları nesnel biçimde karşılaştırabilir ve bir değişikliğin geniş çapta benimsenmesinden çok önce etkisini anlayabiliriz.

Bu, insan yargısının algoritmalarla değiştirilmesiyle ilgili değil; tamamen insana özgü kararlara daha fazla kanıt kazandırmakla ilgili. Veriler, insanların nerede zorlandığını, hangi soruların yanıtlanmadan kaldığını ve hangi iyileştirmelerin en büyük etkiyi yaratacağını anlamamıza yardımcı olur. Bu da ürün kullanıcılarımızın ihtiyaçlarına bağlı kalırken daha yüksek bir güvenle önceliklendirme yapmamızı sağlar.

Briana'nın Düşünceleri

Kesinlikle insana özgü olmaya devam eden sorumluluklar her zamankiyle aynı: müşteri ihtiyaçlarını anlamak, çözmeye değer sorunları tanımlamak, stratejik ödünleşimlerde bulunmak ve nereye yatırım yapılacağına karar vermek.

Kesinlikle insana özgü olmaya devam eden sorumluluklar her zamankiyle aynı: müşteri ihtiyaçlarını anlamak, çözmeye değer sorunları tanımlamak, stratejik ödünleşimlerde bulunmak ve nereye yatırım yapılacağına karar vermek. AI, bu kararları daha hızlı, daha geniş ölçekte ve daha yüksek bir hassasiyetle değerlendirmemize yardımcı olur. Liderlik hâlâ yargıyla ilgilidir. AI yalnızca bu yargıyı doğru şekilde kullanmamız için bize daha iyi kanıtlar sunar.

AI, müşteri geri bildirimlerinin analizini nasıl destekler?

İnsanların nerede sürtüşme yaşadığını ve hangi sonuçları aradığını anlamak için kullanıcı araştırmalarından gelen sinyalleri, destek etkileşimlerini, müşteri geri bildirimlerini ve özellik taleplerini bir araya getirmek için de AI kullanıyoruz.

AI, bu sinyalleri daha geniş ölçekte ve daha hızlı analiz etmemize, kalıpları belirlememize ve müşteri ihtiyaçlarını iyileştirme fırsatlarına dönüştürmemize yardımcı olur. Özellikle AI destekli deneyimler için bu içgörüler, tasarladığımız istemleri, etkileşimleri ve iş akışlarını şekillendirmeye yardımcı olur.

Sonraki adım değerlendirmedir. Yalnızca sezgilerimize güvenmek yerine, bir deneyimin performansını ölçmek, gerekli iyileştirmeleri belirlemek ve en büyük müşteri etkisini yaratacak değişikliklere öncelik vermek için değerlendirme çerçevelerini kullanırız. Bu, çok daha hızlı bir öğrenme döngüsü oluşturur ve ekiplerin deneyimleri daha yüksek bir güvenle test etmesine, geliştirmesine ve iyileştirmesine olanak tanır.

Sonuç, ürün geliştirmeye yönelik daha hassas ve insanı merkeze alan bir yaklaşımdır.

AI, ürün liderlerinden neden daha güçlü bir yargı gerektiriyor?

AI'yi takip etmek zor. Değişimin hızı, kariyerimde deneyimlediğim hiçbir şeye benzemiyor. Araştırmalar, deneyler ve mevcut bilgiler her gün genişliyor; ürün liderleri de nelerin mümkün olduğunu sürekli öğreniyor, test ediyor ve yeniden değerlendiriyor.

Zorluk, bilgi eksikliği değil. Önemli olan bilginin hangisi olduğunu belirlemek. Hepimiz daha fazla içerik tüketiyor, daha fazla okuyor ve daha fazla keşfediyoruz; ancak anlamlı sinyalleri gürültüden ayırmak giderek daha önemli hâle geldi.

Bu durum ürün liderleri için yeni bir sorumluluk doğuruyor: daha güçlü bir yargı geliştirmek. Amaç, her yeni AI yeteneğinin peşinden koşmak veya ortaya çıkan her trendi takip etmek değil. Amaç; hangi gelişmelerin müşteri deneyimlerini, iş sonuçlarını ya da insanların çalışma biçimini anlamlı şekilde değiştirme potansiyeline sahip olduğunu anlamaktır.

AI, birçok açıdan harika ürün liderlerini her zaman tanımlamış olan becerilerin önemini artırdı: merak, önceliklendirme, eleştirel düşünme ve en önemli konulara odaklanma.

Ürün liderleri yenilikçilerini neden korumalı?

Bu değişim döneminde ürün liderlerine tavsiyem basit: yenilikçilerinizi koruyun.

Önemli dönüşüm dönemlerinde sınırları zorlayan kişiler, başlangıçta çoğu zaman en gerçek dışı görünen kişilerdir. Mevcut varsayımlara meydan okuyan, yerleşik süreçleri sorgulayan veya başkalarının henüz göremediği olasılıkları anlatan fikirleri gündeme getirebilirler. Yenilik çoğu zaman bugün var olmayan bir geleceği hayal etmeyi gerektirdiğinden, bu kişiler zaman zaman şüphecilikle karşılaşabilir.

İyi liderlerin, rahatsızlığın çoğu zaman ilerlemenin bir parçası olduğunu kabul etmesi gerekir. Gelişmekte olan teknolojilere, müşteri ihtiyaçlarına ve yeni olasılıklara en yakın kişiler, kuruluşun geri kalanı takip etmeye hazır olmadan önce bazen köşenin ardını görebilir.

Bu, her fikrin doğru fikir olduğu anlamına gelmez. Yenilik hâlâ disiplin, deneme ve dikkatli değerlendirme gerektirir. Ancak liderlerin, cesur fikirlerin çok erken reddedilmek yerine araştırılabileceği bir ortam yaratma sorumluluğu vardır. Bu öncüleri istemeden yavaşlatan kişilere, süreçlere veya yapılara dikkat edin. Bazen yeniliğin önündeki en büyük engel fikir eksikliği değildir. Bu, fikirlerin gerçeğe dönüşmesini engelleyen sürtüşmedir.

Takip edin

Briana Frank'in çalışmalarını LinkedIn üzerinden takip edebilirsiniz.

CPO Kulübü'nde daha fazla uzman röportajı sizleri bekliyor!