Teknoloji Ürün Direktörü, ürün liderlerinin yanlış soruları sorduğunu ve en büyük fırsatları kaçırdığını söylüyor

Emrecan Dogan, Glean'de Ürün Direktörü olarak görev yapıyor. Ayrıca Stripe ve LinkedIn'de ürün liderliği görevlerinde bulundu.

Yapay zekâyla birlikte ürün yöneticilerinin bakış açılarının nasıl değişmesi gerektiğini anlamak için kendisiyle görüştük. Çoğu ekibin hâlâ yapay zekâyı bir özellik gibi ele aldığını ve bunun bir hata olduğunu söyledi.

Yapay zekâ, bağlamı anlayan sistemler oluşturmak için bir fırsattır

Ben Glean'de Ürün Direktörü olarak görev yapan Emrecan Dogan'ım. Ürün, veri bilimi, ürün operasyonları ve teknik programları yönetiyorum; ekiplerin günlük işlerinde yapay zekâya gerçekten güvenmelerine yardımcı olmaya odaklanıyorum.

Kariyerim her zaman sistemler, ürün muhakemesi ve ölçek arasındaki kesişimde ilerledi. Glean'den önce Stripe ve LinkedIn'de ürün liderliği görevlerinde çalıştım. Ayrıca girişimlerle ve yatırımlarla da zaman geçirdim; bu deneyim, platform değişimlerinin nasıl gerçekleştiğini ve yeni bir teknoloji uygulanabilir hâle geldiğinde ürün varsayımlarının ne kadar hızlı geçerliliğini yitirebildiğini yakından görmemi sağladı.

Yapay zekâ beni bu kadar derinden etkiledi çünkü yalnızca başka bir özellik dalgası değil. Ürünün yapısını bizzat değiştiriyor. Yazılımlar yıllar boyunca çoğunlukla kullanıcıların kayıt sistemlerinde gezinmesine yardımcı oldu. Ancak yapay zekâ bize bağlamı anlayan, araçlar arasında akıl yürüten ve insanların niyetten uygulamaya geçmesine yardımcı olan sistemler oluşturma fırsatı veriyor. Bir ürün lideri olarak en çok bu dönüşümle ilgileniyorum.

Emrecan Paylaşıyor

\u003cstrong\u003eYazılımlar yıllar boyunca çoğunlukla kullanıcıların kayıt sistemlerinde gezinmesine yardımcı oldu. Ancak yapay zekâ bize bağlamı anlayan, araçlar arasında akıl yürüten ve insanların niyetten uygulamaya geçmesine yardımcı olan sistemler oluşturma fırsatı veriyor. Bir ürün lideri olarak en çok bu dönüşümle ilgileniyorum.\u003c/strong\u003e

Hem kapsamlı hem de hassas araçlar oluşturmanın zorluğu

Organizasyonum güvenli ve kurumsal ölçekteki çalışmalar için yapay zekâ geliştiriyor: kurumsal arama, proaktif yardımcılar, aracılar ve bu deneyimlerin bir şirketin çalışanlarını, bilgilerini, araçlarını ve izinlerini anlamasına yardımcı olan bağlam katmanı.

Ürün temelde yatay bir yapıya sahip. Kurum genelinde ürün ve mühendislikten satış ve desteğe, BT, İK, finans, hukuk ve diğer departmanlara kadar her departman ve ekip için geliştiriyoruz. Hepsinin ortak bir ihtiyacı var: insanların parçalı uygulamalar, belgeler, konuşmalar ve sistemler bütünü içinde karar almasına ve işlerini tamamlamasına yardımcı olmak.

Bunu, geniş ve karmaşık bir sistemler kümesi genelinde çalışmak üzere tasarlanmış; aynı zamanda izinleri derinlemesine dikkate alan, güvenilir ve kullanıcıların günlük iş akışlarına entegre bir kurumsal SaaS platformu olarak sunuyoruz. Buradaki zorluk ve fırsat, şirketin tamamında geniş ölçüde faydalı olabilecek, ancak her ekibin özel bağlamında yine de hassas ve alakalı hissettiren bir şey oluşturmaktır.

Yapay zekâ ürünleri özelliklerden iş akışlarına nasıl dönüştürüyor?

Artık ürünü öncelikli olarak birbirinden izole özellikler şeklinde tanımlamıyoruz. Ürünü uçtan uca bir ürün iş akışı olarak tanımlıyoruz.

Bir yıl önce, bizimki de dâhil olmak üzere birçok ekip hâlâ “Bu özellik nerede yer alıyor?” veya “Bu kullanım senaryosunun sahibi hangi sayfa olmalı?” şeklinde düşünüyordu. Yapay zekâ bizi farklı bir soru sormaya yöneltti: “Kullanıcı niyetten sonuca kadar işini nasıl tamamlıyor?”

Bu kulağa ince bir fark gibi gelebilir, ancak her şeyi değiştiriyor. Kapsamı, metrikleri, değerlendirmeyi, kullanıcı deneyimini ve hatta ekiplerin nasıl organize edildiğini değiştiriyor.

Uzlaşıya aykırı görüşüm şu: Çoğu ekip bu değişimin ne kadar derin olduğunu hâlâ hafife alıyor. Yapay zekâyı mevcut ürüne bir özellik eklemek için kullanıyorlar. Oysa daha büyük fırsat, işin tüm döngüsünü yeniden tasarlamak.

Birçok durumda artık doğru soru “Bu yeteneği nereye koyacağız?” değil. Doğru soru şu: “Sistem artık işi daha doğrudan yapabildiğine göre mevcut hangi kullanıcı arayüzü ortadan kalkmalı?”

Yapay zekâ ürün kararlarına nasıl yön verirken insanlar güveni sağlıyor?

Sentez, keşif ve çalışmalarımı hızlandırmak için yapay zekâyı yoğun biçimde kullanıyorum. Görevler arasında şunlar yer alıyor:

• Birçok girdideki müşteri geri bildirimlerini özetleme
• Kullanım ve iş akışı verilerindeki örüntüleri ortaya çıkarma
• PRD yapısı veya çerçeveleme seçenekleri oluşturma
• Birden fazla UX yönünü hızla keşfetme
• Varsayımları sınama
• Planlama, inceleme ve iletişim için ilk taslak çıktılar oluşturma

Açıkça insana ait kalan şey muhakemedir. Birçok kişi insan-makine sınırını yanlış yerde çiziyor. Sınır, yapay zekânın düşük değerli işleri, insanların ise yüksek değerli işleri yapması değildir. Sınır şudur: Yapay zekâ kapsamlı arama, sıkıştırma ve seçenek oluşturma işlerini yapmalı; insanlar ise beğeni, güven ve geri döndürülemez ödünlerden sorumlu olmaya devam etmelidir.

Ürün sezgisini asla dış kaynak kullanarak devretmem. Yetkilendirme veya güven kararlarını asla dış kaynak kullanarak devretmem. Ayrıca bir modelin, birden fazla seçenek için argüman sunabiliyor diye ne inşa edilmesi gerektiğine ilişkin son kararı vermesine asla izin vermem.

Artık seçenek üretmek ucuz. Tutarlı muhakeme ise ucuz değil.

Yapay zekâ ürün planlama iş akışlarını nasıl geliştirir?

Örnek olarak ürün planlama iş akışımızı ele alalım.

“Bu sorunu şimdi çözmeye değer olup olmadığını değerlendirmeme yardım et.” gibi geniş bir soruyla başlayabilirim.

Bundan sonra sistem; müşteri geri bildirimlerini, önceki kurum içi belgeleri, kullanım sinyallerini, ilgili yol haritası çalışmalarını ve rekabet bağlamını bir araya getirir. Ben de ana örüntüleri sentezlemek, açık soruları belirlemek ve ilk taslak ürün çerçevesini oluşturmak için yapay zekâyı kullanırım.

Ardından bu çerçeveyi daha somut çıktılara dönüştürmek için onu kullanırım: bir taslak spesifikasyon, bir dizi seçenek, bağımlılıklar, kullanıma sunma hususları ve ekip için eylem maddeleri.

Bu iş akışının en güçlü hâlinde asistan taslak oluşturmakla yetinmez. Herhangi bir şey kaydedilmeden önce insanın sürece dâhil olduğu bir yaklaşımla, işlerin yürütüldüğü sistemlerde temel nesnelerin oluşturulmasına veya güncellenmesine yardımcı olur.

İş akışı, araştırmadan senteze, sentezden uygulamaya kesintisiz bir döngü içinde ilerler. Yapay zekânın bir sohbet robotundan çok daha değerli hâle geldiği nokta burasıdır.

Yapay zekâ ürün geliştirmeyi neden hızlandırır, ancak güveni zorlar?

Tüm bunların olumlu bir sonucu, ulaşılabilecek seviyenin büyük ölçüde yükselmesidir.

Yapay zekâ, daha önce sekmeler arasında kapsamlı geçişler, manuel sentez ve tekrarlayan koordinasyon gerektiren iş akışlarını sıkıştırabilir. Ürün ekiplerinin hızını artırarak sorudan bağlama, bağlamdan karara ve karardan eyleme geçişlerini hızlandırabilir. Ayrıca kullanıcı beklentilerini de yükseltir. İnsanlar araçlarını, geçmişlerini ve izinlerini anlayabilen bir asistan deneyimlediğinde, yalnızca dar soruları yanıtlayan noktasal çözümleri istemeyi bırakırlar.

Dolayısıyla yapay zekâ olanakları hızla genişletir, ancak kalıcı ürün değeri hâlâ titizlikten kaynaklanır.

Güven için tasarım yapmak yapay zekâ ürünlerindeki sorunları nasıl önler?

Olumsuz bir sonuç ise yapay zekânın, henüz güvenilir olmayan ama etkileyici görünen bir şeyi kullanıma sunmayı da kolaylaştırmasıdır. İlk aşamalarda birçok ekip gösterim değerine gereğinden fazla, değerlendirme, izinler, güvenilirlik ve sistemin işlevine ilişkin UX netliğine ise gereğinden az önem verir. Hızla heyecan yaratabilirsiniz; ancak çıktılar tutarsızsa veya iş akışı son aşamada bozuluyorsa kullanıcılar da güvenlerini aynı hızla kaybeder.

Güven, sonradan ekleyeceğiniz bir katman olmamalıdır. İlk günden itibaren ürünün bir parçasıdır.

Kullanıcılar neredeyse hemen daha derin sorular sorar: Bu nereden geldi? Bunu neden yaptı? Buna güvenebilir miyim? İzinlere saygı gösterecek mi? Yanlışsa ne olacak? Bu sorular için erkenden tasarım yapmazsanız, daha sonra ürünün temel parçalarını yeniden inşa etmek zorunda kalırsınız.

Bunu ürün liderliğimin ilk dönemlerinde çok daha derinden kavramış olsaydım, net kaynak gösterme, daha iyi değerlendirmeler, ilerlemenin daha görünür olması ve insanın döngüde olduğu daha sıkı kontroller konusunda daha da erken ısrarcı olurdum.

Yapay zekâyı çevreleyen sistem neden en önemli unsur?

Yapay zekâ, birçok kişinin umduğu gibi tamamen otonom ve uzun vadeli iş akışlarını henüz istikrarlı bir şekilde hayata geçiremedi.

Sınırları belirli görevlerde başarılıdır. Çok adımlı yürütme konusunda gelişmektedir. Ancak sürekli muhakeme, değişen hedefler ve paydaşların incelikli bir şekilde anlaşılmasını gerektiren belirsiz, işlevler arası çalışmalarla karşılaştığında, etkileyici bir gösterim ile üretimde güvenilir değer arasındaki fark hâlâ gerçektir.

Ekipler yalnızca modelin ürün olduğunu varsaydığında yapay zekâ da beklentilerin altında kalır. Uygulamada gerçek değer; bağlam, izinler, orkestrasyon, değerlendirme ve özenle tasarlanmış iş akışından gelir. Bu çevreleyici sistem olmadan model, çoğu zaman en az farklılaşan parçadır.

Emrecan Paylaşıyor

Sınırları belirli görevlerde başarılıdır. Çok adımlı yürütme konusunda gelişmektedir. Ancak sürekli muhakeme, değişen hedefler ve paydaşların incelikli bir şekilde anlaşılmasını gerektiren belirsiz, işlevler arası çalışmalarla karşılaştığında, etkileyici bir gösterim ile üretimde güvenilir değer arasındaki fark hâlâ gerçektir.

Yapay zekâ ürün ekiplerini nasıl disiplinler arası hâle getiriyor?

Yapay zekâ, en iyi ekipleri daha disiplinler arası hâle getirdi. Ürünün kendisi daha az katı olduğu için ürün yöneticiliği, tasarım, mühendislik, veri bilimi ve ürün operasyonları arasındaki sınırlar daha az katı.

Güçlü yapay zekâ öncelikli ürünler geliştirmek; iş akışı tasarımı, değerlendirme, güven ve yineleme konularında daha yakın iş birliği gerektirir. Ayrıca kullanıcı deneyimi ile sistem davranışı arasında geçiş yapabilen kişilerin önemini artırır.

Ürün liderleri yapay zekâ odaklı değişime nasıl uyum sağlamalı?

İşte tavsiyelerim:

1. İş akışlarınızı yeniden tasarlayın.
2. Bağlamı temel bir ürün yapı taşı olarak ele alın. Yapay zekâ ürünlerinde sihirli bir şey ile vasat bir şey arasındaki fark çoğu zaman model değildir. Fark, sistemin doğru bağlama doğru anda sahip olup olmadığı ve bu bağlamla güvenli bir şekilde hareket edip edemediğidir.
3. Değerlendirmelere ve güven altyapısına doğal gelen zamandan daha erken yatırım yapın. Ürün liderleri tıklamaları ve dönüşüm hunilerini ölçümlemeye alışkındır. Yapay zekâda ayrıca kaliteyi, temellendirmeyi, güvenliği, izinleri ve görev başarısını da ölçümlemeniz gerekir. Bu isteğe bağlı değildir. Gösterimler yeniliği, kullanıcılar ise güvenilirliği ödüllendirdiği için sektör hâlâ bu alana yeterince yatırım yapmıyor. Alışılmış operasyon sırasını tersine çevirin: Ekibiniz değerlendirmeleri, izin yönetimini, kaynak gösterimini ve net devir süreçlerini oluşturmadıysa, model bir gösterimde ne kadar iyi görünürse görünsün deneyimi ölçeklendirmeye hazır değilsiniz.
4. Son olarak kesinlik beklemeyin. Bu dönem, disiplinli bir şekilde ürün sunarak öğrenme dönemidir.

Takipte kalın

Emrecan Dogan'ın çalışmalarını LinkedIn üzerinden takip edebilirsiniz.

The CPO Club'da daha fazla uzman röportajı sizleri bekliyor!