‍27 Şubat'ta bir masaya oturduk. 40 kişi, bir sürü açık soru, bir Mentimeter anketi ve birkaç saatlik gerçek saha hikâyesi.

SoftTech iş birliğiyle gerçekleştirdiğimiz Design Roundtable #1: AI Adoption etkinliğinde tasarım liderlerini ve kıdemli tasarımcıları bir araya getirdik. Teorik tartışma değil, "sen şirketinde ne yapıyorsun, nasıl çalışıyor, ne engel?" soruları üzerine konuştuk.

Mentimeter'da anketi doldurduk, sonuçlara birlikte baktık, herkes kendi cephesinden anlattı. O günden çıkan verileri ve içgörüleri sizin için derledik.

Bireyler Gaza Bastı, Kurumlar Vitese Takamadı

Katılımcıların %84'ü günde birkaç kez AI aracı kullandığını söylüyor. Yani bireysel adaptasyon tamamdır, artık "kullanalım mı, kullanmayalım mı?" tartışması yok. Geri dönüş de yok. 📊

Kurumların %64'ü hâlâ "keşif" veya "pilot" aşamasında. Yani çalışan AI kullanıyor, kurum hâlâ "bunu nasıl ele alacağız?" diye düşünüyor. İkisi aynı binada, farklı hızlarda. 😰

Gerçekten AI Native olan kurum oranı ise sadece %5. 40 kişilik bir salonda bu sadece 2 kurum demek.

Olgunluk tablosuna biraz daha bakınca şunu görüyorsunuz: kurumların %33'ü keşif aşamasında, %31'i pilot aşamasında, %31'i ölçekleme aşamasında. Üçte ikisi hâlâ "deneyelim, nasıl gider" modunda.

Kısaca: araç var, ehliyet tartışması sürüyor. Bireyler sahada deneyler yapıyor, kurumsallaşma ise hâlâ yavaş koşuyor.

Nerede Çalışıyor, Nerede Takılıyor?

En önemli bulgulardan biri şu: AI'nın en verimli çalıştığı yer belli, ve belki sizi şaşırtacak.

Katılımcıların %97'si araştırma ve keşif aşamasında AI kullandığını söylüyor. Kullanıcı araştırması yapmak, transkript analizi, brief hazırlamak, ilham toplamak — burada AI iş görüyor ve kimse buna itiraz etmiyor. 🚀

Fikir üretiminde %74, içerik üretiminde %71, görsel tasarımda %68. Bunlar da yüksek.

Ama ileriye gidince sayılar düşüyor. Kullanılabilirlik testlerinde %50, prototiplemede %42, tasarım sistemlerinde %32.

Bu dağılım rastlantı değil. AI'nın en rahat çalıştığı yer "fikir aşaması" — açık uçlu, esnek, yanlış olsa bile maliyeti düşük olan süreçler. Üretim ortamına yaklaştıkça, yani kararların gerçekten kod ve kullanıcıya dokunduğu yerde, tasarımcı hâlâ direksiyonda.

Sayılar bunu da doğruluyor: verimlilik skoru 3.8/5, hız üzerindeki etki 3.6/5 — fena değil. Ama çıktı kalitesi 2.8/5. Yani AI hızlandırıyor, ama "üretime gönderilecek kalite"ye ulaşmak için hâlâ tasarımcı gözü ve eli gerekiyor.

Araç Yığmak mı, Akıllıca Seçmek mi?

Kullanılan araç ekosistemi de ilginçti. Hem ne kullanıldığına, hem de nasıl kullanıldığına bakalım.

LLM cephesinde ChatGPT %61'le açık ara önde. Gemini %22 — özellikle Google ekosistemiyle entegrasyon nedenli. Claude %17 — ama burada dikkat çekici bir nüans var: Claude, özellikle kod üretimi, prototipleme ve uzun bağlamlı veri analizi için tercih ediliyor. Yani genel kullanımda ChatGPT, derin teknik işlerde Claude. 🛠️

LLM'lerin ötesinde uzmanlaşmış bir "stack" de var:

• Tasarım ve prototipleme: Figma Make, UX Pilot, Stitch, Vizcom
• Görsel ve içerik: Adobe Firefly, Nano Banana
• Geliştirme ve kod: Cursor, Claude Code, Lovable, v0, Replit
• Analiz ve otomasyon: n8n, Make, NotebookLM

Ama asıl dikkat çeken rakam şu: tasarımcıların %55'i artık Vibe Coding araçlarını kullanıyor. %42'si agentic yapılarla çalışıyor. %32'si n8n, Make gibi otomasyon araçlarına dokunuyor.

Yani "tasarımcı" artık sadece Figma'yı açıp kapat yapmıyor. IDE'ye giriyor, otomasyon kuruyor, kendi aracını üretiyor. Rol sessiz sedasız kaymış bile — ve bu kayış geri dönüşsüz.

Sahadan 5 Gerçek Senaryo

Rakamlar bir şey söylüyor, ama asıl hikâye sahadaki uygulamalarda. Roundtable'da katılımcıların paylaştığı gerçek senaryolar bunlar — şirket isimleri değil, yaklaşımlar önemli.

Tasarım Sistemi + AI = Halüsinasyonsuz Üretim

Büyük bir e-ticaret ekibi, kendi tasarım sistemini AI'ya öğretti. Şirketin token kütüphanesi ve front-end dosyaları modele tanıtılınca AI, tasarım diline uyumlu prototipler üretmeye başladı — halüsinasyon yok, "ben böyle gördüm" yok, kopyala-yapıştır yok. Gerçek entegrasyon.

Sonuç: küçük ölçekli işlerde tam otomasyon, orta ölçekli işlerde %70-76 başarı oranı. Banner üretimi, lokalizasyon, kod verimliliği — bunların hepsi pipeline'a girmiş durumda.

Bu neden çalıştı? Çünkü AI'ya "genel bir arayüz yap" demediler. "Bizim dilimizi öğren, bizim kurallarımızla çalış" dediler. Sistem ne kadar özgülse, çıktı kalitesi o kadar artıyor.

Regülasyonu Engel Değil, Köprü Yap

Finans sektöründe AI kullanımı denince herkesin aklına "yasak" geliyor. Haklı da — MASAK, SPK düzenlemeleri gerçek kısıtlar. Bazı kurumlar bu noktada duruyor.

Bir fintech ekibi durmadı. Regülasyonları MCP (Model Context Protocol) üzerinden tasarım denetim süreçlerine dahil ettiler. Regülasyon artık bir engel duvarı değil, otomatik kontrol mekanizması. Tasarımcı bir ekran tasarlarken sistem, arka planda "bu akış ilgili regülasyonla uyumlu mu?" diye sorguluyor.

"Yapamayız" değil, "nasıl yapabiliriz?" sorusu. Fark bu.

Ölçek Büyük, Ama Kısıtlar da Gerçek

Bir üretim şirketinin dijital ekibi, binlerce ürün görseli üretmek için AI'ya geçti. Rakam etkileyici — ama sınırlar da gerçek.

Telif hakları nedeniyle yalnızca belirli araçları kullanabiliyorlar. Diğer araçlarda çıktıların büyük bölümünü manuel olarak düzeltmek gerekiyor — yani AI üretiyor, insan düzeltiyor, verimlilik avantajı eriyip gidiyor.

Bu, "AI her şeyi çözer" söyleminin yere bastığı bir nokta. Kurumsal ölçekte AI kullanımı, araç seçimini, hukuki kısıtları ve iş akışı tasarımını birlikte düşünmeyi gerektiriyor.

Agentic UX Denetimi

Periyodik UX audit süreçleri emek yoğun ve pahalı. Bir teknoloji şirketi bunu insansızlaştırmaya çalışıyor.

İki paralel hat kurmuşlar: birincisi, Nielsen'ın 10 sezgisel kuralı bazlı standart denetim. İkincisi, daha ilginç olanı — geçmiş bulguların Vektör Veritabanında (Vector DB) tutulduğu RAG yapısı. Yeni bir ekran geldiğinde sistem, "geçmişte benzer bulgular neydi, bu ekranda aynı sorunlar var mı?" diye karşılaştırmalı analiz yapıyor.

Yani AI, kendi kurumsal belleğini taşıyor. Her defasında sıfırdan başlamıyor.

Sentetik Kullanıcı Araştırması — Hotjar'ın Konuşan Versiyonu

Bu senaryo, oda içinde en fazla ilgi gören tartışmalardan biriydi.

Gerçek kullanıcı personaları AI asistanlarıyla eşleştiriliyor ve büyük ölçekli kullanıcı görüşmeleri simüle ediliyor. Demografik verilere göre yapılandırılmış, düşük maliyetli veri toplama. Bir katılımcı bunu güzel özetledi: "Hotjar'ın diyalog temelli versiyonu."

Tartışmalı mı? Evet. Gerçek kullanıcının yerini tutar mı? Hayır. Ama keşif aşamasında hipotez üretmek, araştırma yönünü belirlemek için güçlü bir araç. Üstelik görüşme başı maliyet ciddi ölçüde düşüyor.

Odadaki Fil: CEO Masası Etkisi

Bir de şunu konuştuk. Ve kimse bunu söylemek istemiyordu ama sonunda söylendi.

Katılımcıların %61'i AI'nın angarya işleri azalttığını, odaklanma süresini artırdığını söylüyor. Olumlu etki. Ama %27'si farklı bir stres tanımlıyor: "AI ile her şey saniyeler içinde biter" algısının yarattığı üretim baskısı. 😰

Üst yönetimin teknik derinliği olmayan AI merakı, tasarım ekiplerine garip bir yük bindiriyor. "Neden bu kadar sürdü, AI yapmıyor muydu?" sorusu geliyor. Ekip cevap yetiştirmeye çalışırken, bir de bakıyorsunuz bireysel kahramanlar doğmuş — tek başına her şeyi çözmeye çalışan, kendi inisiyatifiyle ilerleyen, organizasyonun AI öğrenmesini sırtlayan "UX Team of One" profili.

Bu kişiler değerli. Gerçekten. Ama bilgi birikimi kişiye kilitli kaldığında ne olur? Kahraman başka bir şirkete geçtiğinde, o öğrenme de gidiyor. Sıfırdan başlanıyor.

Kurumsallaşma, bireysel kahramanlığın önünde değil, arkasında yürüyor. Bu tersine çevrilmesi gereken bir denklem.

Fotoğraf Sanatı Öldürmedi, Gerçek Sanatı Tetikledi

Roundtable'ın en güzel anlarından biri bu tartışmaydı. Ve herkesin aklında kaldı.

Fotoğrafın icadı ressama "sen artık işsizsin" demedi. Aksine, "gerçekçilik" yarışından çıkan ressam soyutlamayı, ekspresyonizmi, kendi özgün sesini keşfetti. Fotoğraf, gerçek sanatı tetikledi. Değersizleştirmedi, özgürleştirdi.

AI da tasarımda benzer bir şey yapıyor. "Ortalama görsel" üretmek demokratikleşiyor — herkes yapabilir hale geliyor. Bu, tam da bu yüzden, yüksek empati gerektiren araştırmayı, gerçek craft içeren tasarım kararlarını, bağlamı anlayan stratejiyi daha değerli kılıyor. Herkesin yapabildiği şey değer kaybediyor; herkesin yapamadığı şey değer kazanıyor.

Bu dönüşümün bir adı var: Uçaksavar Tasarımcı.

Figma'yı da bilen, kodu da yazan, otomasyonu da kuran, araştırmayı da yürüten — ama tüm bunların üstünde, insan için tasarlayan profil. Niş uzmandan, tasarım-kod-otomasyon üçgeninde uçtan uca üretim yapabilen "maker"a geçiş.

Bu profil zaten doğuyor. Vibe Coding ve agentic kullanım rakamları bunu gösteriyor. Soru artık "bu profile doğru mu gidilmeli?" değil, "nasıl gidilmeli?"

Ne Yapmalı? Üç Adım.

Rakamları gördük, vakaları dinledik. Ama bunları okuyup geçmek kolay. Asıl soru şu: yarın ne yaparsın?

❌ Yapma: Sistemi AI-ready hale getirmeden araç üstüne araç yığma. Araç zenginliği değil, entegrasyon derinliği kazandırıyor. Trendyol vakasının özü buydu — araç değil, sistem.

✅ Yap: Tasarım sistemini semantik tokenlarla dökümante et. AI'nın okuyabileceği komponent kuralları oluştur. Regülasyonu "nasıl sürece yediririm?" diye düşün. Araştırma transkriptlerini AI'ya ver, sentezi elle çıkarma. Küçük, somut adımlar.

🧭 Nasıl Yaklaşmalı?: Bireysel kahramanlığı değil, kurumsal öğrenme döngüsünü inşa et. Kim öğreniyor? Bu öğrenme nereye aktarılıyor? Nasıl belgeleniyor? Bu soruların cevabı yoksa, kahraman değiştiğinde her şey sıfırlanıyor.