Zendesk’in Ürün Direktörü, ürün liderlerini yapay zekâ benimsemesine insani bir yaklaşımla yaklaşmaya çağırıyor

Mirza Besirovic, ajan tabanlı sistemlere odaklanan 15 ürün ekibine liderlik ettiği Zendesk'te Ürün Direktörü olarak görev yapıyor.

Mirza'dan, Zendesk'in ürün organizasyonunda yapay zekâ benimseme yolculuğunu anlatmasını istedik. Ekipler arasındaki düzensiz benimsemenin nasıl daha tutarlı hâle getirilebileceğini anlattı.

Alışılmadık bir ürün liderliği yolculuğu

Yirmi yıl önce şiir çevirmeniydim. Bir dizi tesadüf ve seçim, beni yapay zekâ ürün lideri olmaya yöneltti.

Yolculuğumun teknoloji kısmı, yıllar önce her türden makine öğrenimi deneyi için veri kümeleri oluşturduğumuz bir bilim insanları ağıyla başladı. Son 15 yılda seyahat teknolojisi, finansal teknoloji, yayıncılık, veri bilimi alanlarında ve son birkaç yıldır da konuşmaya dayalı yapay zekâ ile otomasyon alanlarında çalıştım.

Bugün Zendesk'te Ürün Direktörüyüm ve yapay zekâ ajanları ve ajan tabanlı sistemler, RAG ve bilgi getirme platformları, analiz, entegrasyonlar, yapay zekâ destekli işe alıştırma ve self servis alanlarında bir portföyün sahibi olan, 15'in biraz altında ürün ekibinden oluşan bir gruba liderlik ediyorum. Dağıtık bir ekibiz; çoğunlukla Avrupa'da bulunuyor, San Francisco'daki merkezimiz, APAC bölgesindeki iş ortaklarımız ve dünyanın dört bir yanındaki müşterilerimizle küresel ölçekte çalışıyoruz.

Zendesk'e 2024 yılında Ultimate.ai satın alımıyla Ürün Başkanı olarak katıldım. O zamandan beri üretken botların birkaç neslini, konuşmaya dayalı otomasyon ürünlerini ve Netflix, Vimeo, Levi's gibi küresel markalar için metin ve ses kanallarındaki milyonlarca müşteri hizmetleri görüşmesini otomatikleştiren otonom bir ajan tabanlı sistem başlattık.

Son 18 ayda ekibimiz, yapay zekâ ajanlarını $100MM üzeri ARR'ye ölçeklendirdi ve erişim alanımızı dünyanın her köşesine genişletti.

Yapay zekâ ürün geliştirmedeki rolleri nasıl genişletiyor?

Yapay zekâ sayesinde her bir bireysel katkıcının potansiyel sorumluluk alanını genişlettik: tasarımcılar GitHub depoları oluşturuyor, ürün yöneticileri pull request gönderiyor ve mühendisler ürün kararlarını yönlendiriyor. Yapay zekâ, özellikle de kodlama ajanları, herkesin konfor alanlarının dışına çıkma, öğrenme ve komşu alanlara yönelme becerisini genişletti. Bu değişim, arzulanan kalite düzeyini korurken aradaki boşlukları kapatmamıza ve daha hızlı ilerlememize olanak tanıdı.

Örneğin, yeni bir test deneyimi için bir Figma prototipimiz vardı, ancak bu çalışmanın sorumluluğunu üstlenecek tam anlamıyla oluşturulmuş bir ekibimiz yoktu. Bunun yerine, harika ürün tasarımcılarımızdan biri becerilerini ve bir kodlama ajanını kullanarak çalışan bir ürün geliştirdi.

Ekibimizin daha iyi veri analizi yapmasını sağlamak da ürün kalitesini artırdı. Veri bilimi ve ürün analitiği ekipleriyle yakın çalışmayı sürdürsek de ürün yöneticileri, ürün kararlarını etkileyen yüksek kaliteli analizler üretmek için kendi ihtiyaçlarını karşılayabilecekleri bir çalışma düzenine şimdiye kadar hiç olmadığı kadar yüksek oranda sahip.

Ayrıca ekip formatlarını ve organizasyon tasarımını deniyoruz. Üç yapay zekâ yerlisi bireysel katkıcıdan oluşan en az bir ekibin, kodlama ajanlarından yararlanarak çok daha büyük bir ekibin üreteceği çıktıyı sunduğunu gördük.

Ürün liderleri yapay zekâ kullanımını nerelerde sınırlamalı?

Ekibim, tüm ürün yaşam döngüsü boyunca yapay zekâdan yararlanıyor.

Ürün lideri olarak görevimde ayrıca ikinci bir zihin ve iş yardımcısı oluşturdum. Obsidian kasası olarak başlayan şey, fikir üretmek ve stratejiler geliştirmek için kullandığım kişisel bir depoya dönüştü.

Verileri şimdiye kadar hiç olmadığı kadar hızlı sentezliyor, kapsamlı bir portföydeki görüşmeleri yönetiyor ve çeşitli önceden eğitilmiş rolleri üstlenen, hafızasını koruyan ve çalışma tarzımı anlayan stratejik bir fikir tartışma arkadaşıyla fikir alışverişinde bulunuyorum.

Mirza diyor ki

İnsanlar söz konusu olduğunda yapay zekâ kullanımını sınırlıyorum: Sonuçta bazı şeyler insan dokunuşu gerektirir.

Ancak insanlar söz konusu olduğunda yapay zekâ kullanımını sınırlıyorum: ekibim, ekip üyelerinin gelişimi, kariyer ilerlemeleri ve çalışma ilişkimiz. Yardımcımdan (iç sistemlerden bilgi çekerek) faaliyetler hakkında rapor hazırlamasını isteyebilsem de ekibime liderlik etmek ve ekibimi geliştirmek için eski güzel insan sezgisine güveniyorum.

Sonuçta bazı şeyler insan dokunuşu gerektirir.

Yapay zekâ ile erken sonuçlar neden olumlu?

Bazı ekipler geliştirme hızını 3-4 kat artırdı — ancak bunlar erken sonuçlar ve henüz istatistiksel olarak anlamlı değil. Bir sonuca varmadan önce artan çıktıyı ve hızı gecikmeli göstergelere ve uzun vadeli sonuçlara bağlamayı bekliyoruz.

Erken dönemdeki nitel göstergeler de olumlu: daha kaliteli UX kararları, daha iyi araştırma materyalleri, daha hızlı sonuç alma ve ekipler arasında daha az devir. Yapay zekâ, beklenenden daha fazla bir kurumsal bağlayıcı görevi görüyor. Kişisel olarak da daha geniş bir portföy üzerinde çalışmamı ve her şeyin kontrolünü korumamı sağlıyor.

Yapay zekâ benimsemesi eşit olmadığında ne yapmalı?

Bununla birlikte benimseme eşit düzeyde değil ve henüz yaygın ya da tamamen ana akım hâline gelmiş değil. Herkes gibi biz de çokça övülen 10 kat verimlilik yolculuğunun başındayız. Değişim insani bir mesele olduğu için bu süreç, söylentilerin öne sürdüğü kadar hızlı ilerlemedi. Pek çok kişinin hâlâ yeniden eğitim alması ve yapay zekâyı iş akışlarına dâhil etmesi gerekiyor. Bu zaman alıyor.

Benimsemeyi daha tutarlı hâle getirmek için birkaç şey yaptık:

• Herkese, ister bir TUI ister daha kullanıcı dostu bir tarayıcı sürümü üzerinden kullanılabilen bir dizi kodlama aracısına erişim sağlayan ve her iki seçeneği de kurum içi bilgi güvenliği politikalarımızla uyumlu olan bir kurum içi yapay zekâ ağ geçidi oluşturduk
• İnsanların yapay zekâyı nasıl kullandığını, oluşturdukları araçları ve çözdükleri sorunları göstermek için bir yapay zekâ ürün loncası ile çeşitli üretken yapay zekâ paylaşım formatları, programları ve buluşmaları başlattık
• PRD'ler, prototipler vb. yaşam döngüsü çıktılarının üretilmesine yönelik iş akışlarını kodlama aracılarıyla çalışacak şekilde yeniden tasarlamaya başladık
• Ekiplerin kurum içi sistemlere bağlanmasını ve verilere güvenli ve uyumlu bir şekilde erişmesini sağlamak için bir dizi MCP ve entegrasyon oluşturduk

İşte birkaç ipucu:

• Teknik ve teknik olmayan kişilerin eşit erişime sahip olmasını sağlayın: belirteçler, CLI, masaüstü uygulamaları.
• LLM'ler, aracılar ve araçlar konusunda çeşitliliği teşvik edin. Ekibinizin kendi ortamınızda en iyi neyin işe yaradığını bulmak için denemeler yapmasına izin verin.
• Bu bir bütçe gerektirir. Bu bütçeyi güvence altına alın ve bir plan hazırlamak için mühendislikteki çalışma arkadaşlarınızla birlikte hareket edin. Yapay zekâ, BT COGS'u olmaktan çıkıp operasyonel bir gider hâline geldikçe Finans ve Operasyon ekiplerinin sürece dâhil olmasına hazırlıklı olun.
• Paylaşmak önemsemektir. Ekibinizin çalışmalarını sergilemesini sağlayın.
• Başlangıç yapmalarına yardımcı olun. Tekrarlayan PM görevlerini (ürün brifleri hazırlamak, strateji belgeleri yazmak vb.) çözmek için çıktıları ve iş akışlarını kendiniz oluşturun.

Ürün ekipleri neden teknik hâle gelmeli?

PM'lerin daha teknik hâle gelmesi konusunda artık daha iyimserim.

Eskiden temel yazılım geliştirme terimleri ve kavramları hakkında genel bir anlayışa sahip olmanın yeterli olduğuna inanırdım. Ancak yapay zekâyla birlikte artık hepimizin daha teknik olması gerektiğine inanıyorum. Bu, iyi ürün insanlarının her türlü geçmişten gelemeyeceği anlamına gelmiyor. Ben eğitim olarak dil bilimciyim ve teknoloji sektöründen önce şiir çevirmenliği yapıyordum.

Ancak öğrenmeye daha evrenselci bir yaklaşımla yaklaşmamız gerekiyor. Teknik olmak, geliştirici olmakla aynı şey değil. Bununla birlikte meraklı olmayı, oluşturduğumuz ürün deneyimlerini mümkün kılan unsurları anlamayı, kurcalamayı ve üretici bir zihniyeti benimsemeyi gerektiriyor. Çünkü teknik konuların tümünü öğrenmek hiç olmadığı kadar kolay.

İkinci bir beyin ürün liderlerine nasıl yardımcı olabilir?

Daha önce bahsettiğim ikinci beyin, baş arayüz olarak Claude Code'u kullanan ve kurum genelinde Ürün Direktörü olarak çalışmama yardımcı olan yapay zekâ destekli kişisel bir işletim sistemidir.

Girdiler bu sisteme akar ve sistem işlem hattını yönetir: dökümleri işler, bilgileri çıkarır ve bunları geniş bir bellek dosyaları koleksiyonuyla çapraz referanslar.

Sistem önceliklendirme yapar, bağımlılıkları haritalandırır ve ilgili verileri hedef kitleye özgü formatlarda ön işleme tabi tutar. Örneğin ekibim için gündelik Slack maddeleri, liderlik için yapılandırılmış güncellemeler veya strateji belgeleri için anlatı biçiminde paragraflar hazırlar. Aslında sistem, geleneksel olarak bir genel müdürlük yöneticisi ve analistin yapmasını gerektirecek işlerin yerini alır.

Yapılacaklar listemi güncel tutar, yönettiğim stratejik başlıkları takip eder ve kapsamlı okuma listemi dizinlenmiş referanslar hâline getirerek zamanımı etkili bir şekilde önceliklendirmemi sağlar. Devam eden işleri takip etmek ve ihtiyaç duyduğumda çok büyük miktarda veriyi hızla sentezlemek için ikinci beynimi kullanıyorum.

Verilerin güncelliği ve kalitesi sürekli endişe konusudur. Güncelliğini yitirmiş veriler, LLM destekli iş akışlarını önyargılı hâle getirebilir ve olumsuz sonuçlar üretebilir. Gelen verileri filtreliyor, temizliyor ve sürdürüyorum; ancak veriler üzerinde her zaman kontrol sahibi olmadığım üçüncü taraf sistemlere de bağlandığım için çıktıya yönelik kalite eşikleri uyguluyorum. İnsanların söylediğini duyduğum bir kural, sisteme girdi sağlamadan önce hangi çıktıyı istediğinizi bilmeniz ve buna göre test etmeniz gerektiğidir. Tam anlamıyla kusursuz değil, ancak talimatlar ve bellek üzerinde yeterince oynama yapıldığında sistem yeterince yüksek kalitede çıktılar üretiyor.

İkinci beynimin sağladığı çıktıların %80-90'ına güvenebileceğim eşiği aştım.

Ürün liderleri ve ekipleri neden yapay zekâyla uğraşmalı?

CPO'lara tavsiyem şu:

1. Benimseyin. İşinizde ve özel yaşamınızda yapay zekâyı keşfetmeye başlayın. Kişisel bir yardımcı oluşturarak, verilerinizi yapılandırarak, bu veriler üzerinde akıl yürütmesine izin vererek ve yeni örüntüler ortaya çıkararak başlayın. Kişisel projelere başlayın ve yıllardır aklınızda olan fikri hayata geçirin. Ürün liderleri doğaları gereği yaratıcı ve denemeyi seven kişilerdir, ancak çoğumuz kariyerimize mühendis olarak başlamadık; bu nedenle kendimizi her zaman kısıtlanmış hissettik. Bu durum hızla ve köklü biçimde değişti.
2. Araçlar, kaynaklar veya yapısal destek sağlamadan yapay zekâ kullanımını zorunlu tutmayın. Bunu yaparsanız, aslında yel değirmenleriyle savaşırsınız. Hevesliler sizin desteğiniz olsun ya da olmasın bu noktaya ulaşır, ancak kuruluşun geri kalanı geride kalır.
3. Ekibinizi yakından izleyin ve bu yolculukta onları destekleyin. Yapay zekânın ortaya çıkışının ürün yöneticileri ve teknolojiyle iş dünyasındaki diğer kişiler için ne anlama geldiğine dair pek çok endişe ve kaygı var; LinkedIn'deki korku tellallığından söz etmeye bile gerek yok. Ekibinizle dürüst konuşmalar yapın ve öğrenme planlarının yapılandırılmasına yardımcı olun. Ekibimin düşünmeye, denemeye ve uğraşmaya daha fazla zaman ayırabilmesi için daha fazlasını yapmak istiyorum.
4. Güvenlik konusunda titiz olmanız gerekir. Ayrıca kullanıcılarınızın yapay zekâ üretimi için harcadığı maliyet, tokenlara dair balayı dönemini hızla sona erdiriyor.

Mirza şöyle diyor

Araçlar, kaynaklar veya yapısal destek sağlamadan yapay zekâ kullanımını zorunlu tutmayın. Bunu yaparsanız, aslında yel değirmenleriyle savaşırsınız. Hevesliler sizin desteğiniz olsun ya da olmasın bu noktaya ulaşır, ancak kuruluşun geri kalanı geride kalır.

Takipte kalın

Mirza Besirovic'in çalışmalarını LinkedIn, You Are The Product bülteni ve web sitesi üzerinden takip edebilirsiniz.

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