
Ürünlerden Sorumlu Kıdemli Başkan Yardımcısı, yapay zekâ sayesinde geleneksel ürün yöneticiliği uygulamalarının “tamamen yanlış” olduğunu söylüyor

Ibrahim Bashir
Ontra'da Ürünlerden Sorumlu Kıdemli Başkan Yardımcısı

Yapay zekânın ürün ekiplerinin keşif ve ürün teslim süreçlerini nasıl hızlandırdığını, stratejinin, müşteri içgörüsünün ve muhakemenin başarının temel unsurları olmaya devam ettiğini keşfedin.
Ibrahim Bashir
Ontra'da Ürünlerden Sorumlu Kıdemli Başkan Yardımcısı

Key Takeaways
Ekip Odaklılık: Ibrahim Bashir, Ontra'da yapay zekâ odaklı ürün yönetimi ve operasyonlarına odaklanan çeşitli bir ekibe liderlik ediyor.
Yapay Zekânın Etkisi: Yapay zekâ, geleneksel ürün yönetimi varsayımlarını yeniden şekillendirerek ekiplerin değişime ve kullanıcı etkileşimine yaklaşımını dönüştürüyor.
Geliştirme Verimliliği: Bashir, ürün yaşam döngüsü süreçlerini kolaylaştırmak, iletişimi güçlendirmek ve fikir aşamasından kullanıma sunmaya kadar geçen süreyi azaltmak için yapay zekâdan yararlanıyor.
Müşteri İş Birliği: Yapay zekânın etkili biçimde entegre edilmesi, ürünlerin kullanıma sunulması sırasında müşteri etkileşimi ve beklentilerin yönetilmesiyle ilgili zorluklara yol açtı.
Öğrenme Zihniyeti: Ürün liderleri, ürün geliştirmede yeni araçlara ve yaklaşımlara uyum sağlayarak yapay zekâyı sürekli denemelidir.
Ibrahim Bashir daha önce Box, Twitter, Amplitude ve Amazon'da ürün girişimlerine liderlik etti; şu anda ise Ontra'da Ürünlerden Sorumlu Kıdemli Başkan Yardımcısı olarak görev yapıyor. İşi Yürütmek bülteninin yaratıcısıdır.
Yapay zekânın kuruluşunu ve genel olarak ürün yönetimini nasıl değiştirdiğini anlamak için Ibrahim'le bir araya geldik. Paylaştıkları şöyle:
Ekipler kurmak, ürünleri kullanıma sunmak ve sonuçları tekrarlamak
Ben Ibrahim Bashir. Şu anda Ontra'da Ürünlerden Sorumlu Kıdemli Başkan Yardımcısıyım; ürün yönetimi, kullanıcı deneyimi, veri bilimi ve operasyon alanlarında yaklaşık 60 kişiye liderlik ediyorum.
Ontra, özel piyasalar için yapay zekâ destekli bir hukuk işletim sistemidir: Tam fon yaşam döngüsü boyunca sözleşmeleri, yükümlülükleri, kuruluş yönetimini ve uyumluluk iş akışlarını otomatikleştiriyoruz. Müşterilerimiz çoğunlukla özel sermaye ve risk sermayesi şirketleri, yatırım bankaları, doğrudan kredi veren kuruluşlar ile onları destekleyen hukuk firmaları ve hizmet sağlayıcılardır. Toplamda, en büyük on özel sermaye şirketinin dokuzu da dâhil olmak üzere dünya genelinde 1.000'den fazla firmayla çalışıyoruz.
Teslimat modelimiz muhtemelen bizi farklılaştıran en belirgin özelliğimiz ve bu konuşmayla özellikle ilgili. Hem geleneksel abonelik tabanlı SaaS ürünleri hem de uzman hukuk kaynaklarının müşteriler adına işleri doğrudan gerçekleştirmek için yapay zekâyı kullandığı yönetilen hizmetler sunuyoruz.
Bu ikili model, yapay zekânın uçtan uca tüm iş akışını nerede yönetebildiğini ve bir insanın hâlâ nerede sürece dâhil olması gerektiğini gerçek zamanlı olarak görmemizi sağlıyor. Yüksek riskli kurumsal ortamlarda yapay zekâ merkezli ürünlerin nasıl geliştirildiğini ve benimsendiğini anlamak için inanılmaz bir bakış açısı sunuyor.
Teslimat modelimiz muhtemelen bizi farklılaştıran en belirgin özelliğimiz ve bu konuşmayla özellikle ilgili.

Ontra'dan önce Amplitude'da amiral gemisi ürünü ölçeklendirdim, Box'ta yeni işler geliştirdim, Twitter'da hizmet altyapısı kurdum ve Amazon'da Kindle ekosisteminde ürünleri kullanıma sundum.
Tüm bunlar boyunca üç konuya odaklandım: ekipler kurmak, ürünleri kullanıma sunmak ve sonuçları tekrarlamak. Ayrıca B2B ürün liderleri için bir Substack yayını olan İşi Yürütmek'i yazıyorum; düşüncelerimi netleştirmek için bunu bir tuval olarak kullanıyorum. Amacım, uygulamada edinilen dersleri, okumalar yoluyla özümsenen fikirleri ve iş birliğiyle edinilen çerçeveleri bir araya getirmek.
More Articles
Yapay zekâ eski ürün varsayımlarını neden geçersiz kıldı?
Benim için bu yapay zekâ dönemini farklı kılan şey model yeteneklerindeki ilerleme eğrisi değil. Asıl mesele, yapay zekânın son on yılda bir B2B ürün lideri olarak içselleştirdiğim varsayımların çoğunu sessizce aşındırması.
Düşünmeden tekrarladığım çalışma ilkeleri tam olarak yanlış değil; ancak yapay zekâ bunları gerçek zamanlı olarak yeniden şekillendiriyor.
Değişim yönetimini ele alalım. Değişim yönetimi, kullanıcıların yeni bir aracın yarattığı zorlukları aşabilmesi için öğrenme eğrisini azaltmayı içeriyordu. Yapay zekâ merkezli bir üründe aracı kullanmak çoğu zaman zor değil; direnç daha varoluşsal bir nitelik taşıyor: "Yerime geçecek sistemi ben mi eğitiyorum?" Kök neden farklı, yanıt da farklı.
Dolayısıyla şu anda ürün liderliğinin asıl işi, yol haritasına yapay zekâ eklemekten çok, sahip olduğunuz ön kabullerden hangilerinin hâlâ işe yaradığını dürüstçe denetlemek.

Ibrahim Paylaşıyor
Dolayısıyla şu anda ürün liderliğinin asıl işi, yol haritasına yapay zekâ eklemekten çok, sahip olduğunuz ön kabullerden hangilerinin hâlâ işe yaradığını dürüstçe denetlemek.
Yapay zekâ PM'ler için en yüksek yatırım getirisini nerede sağlar?
Yapay zekâdan ürün geliştirme yaşam döngüsünün tüm aşamalarında yararlanıyorum; ancak en yüksek yatırım getirisini büyük ölçekli sentez çalışmaları sağlıyor:
- Müşteri görüşmelerindeki temaları özetlemek
- Yol haritası sunumlarının farklı versiyonlarını oluşturmak
- Stratejiyle ilgili konuşma noktalarını farklı iletişim düzeylerine dönüştürmek
- Ve benzeri işler
Önceliği veya bağlamı çok fazla olmayan yargı ve yorumlama çalışmaları hâlâ öncelikle insanları gerektiriyor. Ancak yapay zekâ, bu senaryolarda bile iyi bir düşünce ortağı hâline geliyor.
Yapay zekâ, farklı ürün bakış açılarını nasıl uzlaştırabilir?
İşte bir başka fayda: Yapay zekâ, bir şirket genelindeki ürün bakış açılarını birleştirme ve uzlaştırma sürecini basitleştirerek, bir ürün piyasaya sürülmeye yaklaştığında genellikle ortaya çıkan sürtüşmeyi azaltır.
Ekipler artık yazılı ve görselleştirilmiş çıktıları kullanarak sorun, persona, çözüm ve farklılaşma konusunda ortak bir anlayış geliştirebiliyor; böylece geliştirme yaşam döngüsünün ilerleyen aşamalarında yaşanabilecek uyumsuzlukların önüne daha kolay geçiyor.
Ürün liderleri yapay zekâ ile müşteri toplantılarına nasıl hazırlanabilir?

Bir müşteri toplantısına hazırlanırken, neye önem verdiklerine, ürün geri bildirimlerindeki ilerlemeye ve kilit paydaşlara ilişkin kapsamlı bir dosyaya dair 360 derecelik bir tablo elde etmek için, çağrı dökümleri de dâhil olmak üzere farklı sistemlerdeki hesapla ilgili tüm ipuçlarımızı bir araya getiriyorum.
Bu iş akışında Gainsight, Gong ve Snowflake gibi araçların yanı sıra Claude da kullanılıyor.
Yapay zekâ ürün döngü süresini nasıl etkiliyor?
Yapay zekâ, daha iddialı olmamı ve geçmişte keşfetmenin daha zor olabileceği eski fikirleri yeniden ele almamı teşvik etti.
Ayrıca ürün fikirlerini hızla denemeye ve sonlandırmaya daha yatkın olmamı sağladı. Sektörümüzde ürün bahislerinden söz etsek de gönderilmeyecek bir işe nadiren başlarız.
Yapay zekâ, daha hızlı beyin fırtınaları ve prototipler gerçekleştirmemizi sağlayarak fikirden sürüme kadar geçen döngü süresini azaltıyor.
Ancak bunun bir de diğer yüzü var. Ürün ekipleri daha fazla fikir üretimini dikkate almalı ve buna yanıt vermeli. Şirket genelinden gelen fikir hacmine ayak uydurmak, her haftayı bir hack haftasına dönüştürüyor.
Yapay zekâ, daha hızlı beyin fırtınaları ve prototipler gerçekleştirmemizi sağlayarak fikirden sürüme kadar geçen döngü süresini azaltıyor.

Müşteriler yapay zekânın faydalarını nasıl darboğaza sokabilir?
Yapay zekâ döngü sürelerimizi kısalttığına göre, yeni bir sorunla karşılaştık.
Ortak geliştiriciler olarak iş ortaklarının erişilebilirliği hâlâ sınırlı. Niş bir alıcı kitlesine satış yaptığımız için, Beta programlarına katılmak için ayırabilecekleri zaman ve gösterebilecekleri katkı sınırlı. Yalnızca sınırlı miktarda değişim yönetimini karşılayabiliyorlar.
Dolayısıyla yapay zekâ hacim konusunda yardımcı olmuş olsa da kullanıma sunma ve yetkinleştirme süreçlerini hâlâ şekillendirmeye çalışıyoruz.
Yapay zekâ gerçekçi olmayan beklentileri nasıl oluşturuyor?

Yapay zekâ, bir ürünü üretim ortamına almanın kolay olduğu yönünde yanlış bir izlenim oluşturuyor; bu nedenle sürüm yayınlama hızı ve benimsenme konusundaki beklentiler gerçeklikten kopuyor.
Daha hızlı beyin fırtınaları bekleyin, ancak bir noktada GA için çıta farklıdır.
Yapay zekânın maliyet etkinliği neden gözden geçirilmeli?
Geliştirmenin toplam maliyetini ele almadık.
Birçok kişi yapay zekâyı neredeyse ücretsiz bir verimlilik artışı olarak görüyor; ancak sonunda token harcamasını çalışan maliyetiyle karşılaştırmanız gerekir ve hesap her zaman yapay zekâdan yana çıkmayabilir.
Örneğin Slack'inizi izlemek ve mesajları okumak için Claude'u kullanmak yakında maliyet açısından verimli olmayabilir.
Ürün liderleri neden kolları sıvayıp yapay zekâyı denemeli?

Ürün liderlerini öğrenme zihniyetini korumaya, meraklı kalmaya ve denemeyi teşvik etmeye yönlendiriyorum. Yazılım geliştirmenin önceki döneminden kalan en iyi uygulamalara gereğinden fazla bağlanmayın.
Kolları sıvayıp kendi hack'lerimi paylaşarak, ekipleri yaratıcılık için eğlenceli ödüllerle teşvik ederek ve yol haritası teslimine %100 odaklanmak yerine denemeler için özel zaman ayırarak iyi sonuçlar elde ettim.
Ayrıca aynı senaryo için birden fazla araçla denemeler yapmakta sakınca yok. Modeller ve ürünler hızla gelişiyor — erken aşamada kesin bağlanma kararları vermeye gerek yok.

İbrahim Paylaşıyor
…aynı senaryo için birden fazla araçla denemeler yapmakta sakınca yok. Modeller ve ürünler hızla gelişiyor — erken aşamada kesin bağlanma kararları vermeye gerek yok.
Takip edin
İbrahim Bashir'in çalışmalarını LinkedIn üzerinden takip edebilirsiniz. Ayrıca Substack'teki İşi Yürütmek yayınına göz atın.
CPO Club'da daha fazla uzman röportajı sizleri bekliyor!



