Bir ürün yöneticisinin hayatında tekrar eden birkaç ritüel vardır: bolca kahve, Jira sekmeleri, Figma dosyaları ve bitmek bilmeyen sayfalarca PRD’ler. Tabii, bahsettiğimiz bu ürün yöneticisi yapay zeka ile yakından ilgileniyorsa ve gelişmeleri iş hayatına entegre etmekten zevk alıyorsa; prototip araçları.

Her yeni fikir, “hızlıca bir PRD çıkaralım, tüm detayları üzerinden konuşalım” cümlesiyle başlar ama genelde “aklımdakileri nasıl toparlayacağım, nasıl başlasam” sorularıyla şekillenir.

Daha doğrusu, şekillenirdi.

Yapay zeka araçlarının gelişmesiyle birlikte çok kısa zamanda prototip çıkarabilme hatta ürünü fikirden kod bilmeden uygulama mağazalarına kadar geliştirebiliyor hale geldik.

Dur dur, şimdilik o kadar ilerlemeyelim, bugün önceliğimiz PRD yazma sürecini hızlandırmak, kolaylaştırmak. İleriki yazılarımızda prototiplere de giriş yaparız. Ama önce, araçtan çok amacımıza odaklanmamız gerekiyor.

Yapay zeka ile PRD yazmak neden Linkedin’e her girdiğimizde, X’in de threadlerinde uzun uzun konuşulan bir konu? PRD yazmak nasıl kolaylaştı? Bir ürün yöneticisine nasıl katkı sağlıyor?

• Zaman Tasarrufu ve Verimlilik: Özellikle sıfır noktasındayken aklımızdaki fikirleri, düşünceleri toparlamak ve bunları kelimelere dökmek oldukça zor olabiliyor. Yapay zeka ile detaylı bir prompt ile özelliğin kapsamını ve detaylarını, yapay zekanın yaratıcılığını da kullanarak daha hızlı bir şekilde çıkarabiliyoruz.
• Fikir Genişliği: Biz bir ürün yöneticisiyiz olabildiğince ürün geliştirme sürecinde hem kullanıcı hem yazılımcı hem de tasarımcı perspektifinden geliştireceğimiz ürünün kapsamını iyi çıkarmamız ve edge caseleri düşünmemiz gerekiyor. “Ürün tasarımcısı olarak PRD’yi yorumla, bir yazılımcı olarak PRD’yi yorumla” gibi ifadelerle düşünmediğimiz, aklımıza gelmeyen durumları yaşamadan önce tespit edebiliyoruz.
• Dil Kalitesi ve Tutarlılık: İnsan düşünürken yazar, yazarken düşünür. Bize basit ve anlaşılır gelen paragraftlar kimi zaman tutarsızlık ve zorluklardan oluşabilir. Yapay zeka araçları işte bu noktada ürün yöneticilerini devrik cümlelerden ve yanlış anlamalardan kurtarabilir. Basit cümlelerle temel ihtiyacı anlatmasına katkı sağlayabilir.
• Formatlama ve Şablonlama: Dağınık ve birbirinden farklı yazılmış, belki de bambaşka ürün yöneticilerinin elinden çıkmış PRD’leri yorumlamak veya anlayabilmek zor olabiliyor. Bu noktada şirketlerde kullanılabilecek ortak şablonlar, bu problemi çözmeye aracılık eder. Herkesin ortak bir paydada, birbirini anlayabileceği, düşünceleri anlaşılabilir kılacağı şablonlar sunar. Yapay zeka araçları düşünceleri bu şablonlar halinde formatlamaya büyük fayda sağlar.
• Analiz Güçlendirme: Ürün yöneticileri olarak bizler, hızlı PRD çıkarabilmek için birkaç cümlelik veya paragraflık içerikler ile istediğimiz PRD’ye ulaşmaya çalışabiliyoruz. Halbuki iyi bir sonuç ancak iyi bir prompt ile ortaya çıkar. Kullanıcı geribildirimleri, jira ticketları, kullanıcı araştırması notlarını yapay zekaya vermek, geliştirilecek özelliklerin nasıl bir bağlamda ve hangi amaçla yapılabileceğini daha net sunarak problem tanımını destekleyebilir.

“Yapay zeka araçlarının PRD konusunda artılarını konuştuk, üzerine düşündük. Peki eksileri nelerdir?”

Bu soruyu sorabilmek, artılarını bilmek kadar mühim çünkü bir ürün yöneticisi olarak bizim devreye girmemiz gereken ve muhtemelen eksik kalacak noktaları tamamlamamız açısından oldukça kritik.

‍

Peki nedir bunlar?​
​

• Strateji Eksikliği: Yapay zeka neden bu ürünü yaptığımızı ve hangi kullanıcı problemini çözerek hangi iş hedefini gerçekleştirdiğimize çoğunlukla yüzeysel cevap verebilir. Kullanıcılarla görüşen, ekipler ve yönetim ile iletişimde olan biziz. Hangi kararın neden verildiği ve buna neyin sebep olduğuna dair gelişimsel süreç bizde. Bu anlamda yapay zekanın doğal olarak stratejik derinliği vermesi oldukça güçtür. Bu noktada devreye biz giriyoruz, ya prompt’u daha da zenginleştiriyoruz ya da çıktıları bilgilerimize göre değerlendiriyoruz.

• Kullanıcı Empatisi Eksikliği: Dil modellerinin temeli, insan duygularını anlamak üzerine değil, bir kelimeden sonra gelme olasılığı en yüksek diğer kelimeyi tahmin etmek üzerinedir. Birçok yapay zeka aracı da bu dil modellerini kullanır. Yani model empati kuruyor gibi görünse de aslında yalnızca geçmiş verilerden öğrendiği duygusal durumları taklit eder. Gerçek empati, kullanıcının duygusal bağlamını ve nedenlerini anlamakla ilgilidir. Bu da ses tonu, beden dili, zamanlama, kültürel arka plan ve yaşanmış deneyim gerektirir. Dil modelleri yalnızca metinle eğitildiği için bu çok boyutlu bağlamı yakalayamaz. Yani model, “ne söylendiğini” analiz eder ama “neden söylendiğini” çoğunlukla kaçırır. Bu yüzden empatik görünse de, önerdiği çözümler çoğu zaman mantıklı ama psikolojik olarak eksik kalabilir. En nihayetinde kullanıcı görüşmelerinden edindiğimiz bulgular ile empatiyi kuracak olan biziz.

• Yanıltıcı Tutarlılık: Yapay zeka “doğru gibi görünen ama yanlış” bilgiler üretebilir. Bu nedenle veriler, metrikler ve alt detaylar mutlaka ürün yöneticisi olarak bizlerin denetiminden geçmeli.
• Takım Ruhuna Negatif Etki: PRD formatı iteratif bir sürecin sonucudur. Yapay zeka modelinin birebir aktardığı PRD hiçbir zaman net ve kesin içerik olmamalı. Ekip üyelerinin sorularıyla şekillenmeli, fikirleriyle zenginleşmeli. Bu nedenle olabildiğince öz ama sorulara açık olmalı yoksa bu takım ruhunu negatif yönde etkileyebilir.
• Yaratıcılığı Bastırma Riski: Her ürünün amacı, hizmet ettiği coğrafya ve kullanıcı bağlamı değişiklik gösterir. Dil modelleri verilerle beslendiğinden ortak yanıtlar ve benzer şablonlar yanıtları “benzerleştirebilir”. Bu da yaratıcı ve inovatif çözümlere ulaşmayı engelleyebilir. Çözümleri/çözümü değerlendirirken son kararı araçlara bırakmayıp daha iyisini yapabilir miyiz diye sorumluluğu bizim almamız gerekiyor.

Sonuç olarak yapay zeka ve dil modelleri PRD yazımını hızlandıran, tekrarlayan işleri azaltan ve fikir geliştirme süreçlerini destekleyen güçlü araçlardır. Ancak ürün yöneticisi olarak araçları doğru kullanmak, eksik noktalarını iyi bilmek bizlerin sorumluluğunda. Yapay zeka bu süreçlerde sadece bir rehber, bir araçtır.

Bir sonraki yazıda dört farklı yapay zeka aracıyla, sıfırdan bir özellik fikri için PRD yazacağız ve performanslarını kıyaslayıp bizler için en idealini birlikte seçeceğiz.

Şimdilik görüşmek üzere!

​

‍