Baş Mühendislik Müdürü, teslimat liderlerinin gerçek zamanlı, sinyal öncelikli sistemleri benimsemesi gerektiğini söylüyor
Microsoft'ta görev yapan bir Baş Mühendislik Müdürü, yapay zekânın proje teslimatını manuel koordinasyondan akıllı orkestrasyona nasıl dönüştürdüğünü ve ekiplerinin önde kalmak için kullandığı sinyal öncelikli sistemleri anlatıyor.
Chandrasekar Srinivasan
Baş Mühendislik Müdürü
Teknik Netlik: Chandrasekar Srinivasan, proje teslimatında net bir mimari yönlendirmenin gerekliliğini vurguluyor.
Yapay Zekâ Dönüşümü: Yapay zekâ, insan rollerini ortadan kaldırmadan verimliliği artırarak proje yönetimini koordinasyondan orkestrasyona taşıyor.
Bağımlılıkların Ele Alınması: Yapay zekâ destekli özetleme, proje durumunu ve bağımlılıkları bir araya getirerek görünürlüğü ve karar alma süreçlerini iyileştiriyor.
Ajan Tabanlı İş Akışları: Ajan tabanlı iş akışlarını keşfetmek, birden fazla ekip genelinde risk tespitini ve proje takibini geliştirerek iş birliğini güçlendiriyor.
Yapay Zekâya Güven: Yapay zekâ çıktılarına güven oluşturmak benimseme açısından kritik öneme sahip; ekipler güvenilirliğe ve şeffaflığa öncelik vermeli.
Chandrasekar Srinivasan, Microsoft'ta Baş Mühendislik Yöneticisidir. Dağıtık sistemler, bulut ve yapay zekâ alanlarında 15 yılı aşkın deneyime sahip olan Srinivasan, hem erken aşama hem de hiper ölçekli platform girişimlerine öncülük etmiştir.
Yapay zekâ merkezli bir ortamda proje teslimini nasıl yeniden düşündüğünü kendi ağzından dinlemek için kendisiyle bir araya geldik. İşte bize anlattıkları.
Teknik netlik ve uygulama uyumu
Ben Chandrasekar Srinivasan. Microsoft'ta Baş Mühendislik Yöneticisi olarak görev yapıyorum. Büyük ölçekli Tier-0 bulut platformları geliştiren büyük ekipleri yönetiyor ve dağıtık sistemler, bulut ve yapay zekâ alanlarında 15 yılı aşkın deneyime sahibim. Kariyerim boyunca kontrol düzlemi ve veri düzlemi sistemlerinde hem 0→1 hem de 1→100 platform girişimlerine liderlik ettim; güvenilirlik, ölçek, güvenlik, uyumluluk ve kuruluşlar arası uygulamaya odaklandım.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Proje tesliminde teknik netlik ve uygulama uyumu oluşturuyorum. Buna mimari yönü belirlemek, belirsizliği gidermek, ekiplerin önündeki engelleri kaldırmak, iş ortağı kuruluşlar arasında uyum sağlamak, riskleri erken aşamada üst kademelere taşımak, müşteri taahhütlerini desteklemek ve başarılı bir teslimat için ekibi kurmak (işe almak/geliştirmek) dâhil.
Yapay zekâ proje teslimini koordinasyondan orkestrasyona nasıl dönüştürüyor?
Yapay zekâ, proje tesliminin neredeyse her alanına entegre oluyor. Liderliğin veya mühendislik muhakemesinin yerini almıyor; ancak uygulamanın zahmetli işlerini önemli ölçüde azaltıyor. Proje yönetimini temelden koordinasyondan orkestrasyona dönüştürüyor.
Yapay zekâ, proje yönetimini temelden koordinasyondan orkestrasyona dönüştürüyor.
Ekiplerim, geliştirmeyi hızlandırmak için yapay zekâ destekli kodlama ve kod incelemesinden, destek yükünü azaltmak için anlamsal sohbet botlarından ve toplantılar, ileti dizileri ve belgelerdeki iletişimi sentezlemek için yapay zekâ tabanlı özetlemeden yararlanıyor. Ayrıca teknik belgeleri daha hızlı hazırlamak ve gecikmeleri ve uygulama risklerini öne çıkaran otomatik panolarla görünürlüğü artırmak için de yapay zekâ kullanıyoruz.
Sonuç olarak artık manuel sentezleme, tekrarlayan belgeleme ve rutin koordinasyon için daha az zaman harcıyorum. Zamanımı daha yüksek değer sağlayan işlere ayırıyorum: mimari kararlar almak, ekipler arası bağımlılıkları yönetmek, belirsizlikle başa çıkmak, önceliklendirmeyi iyileştirmek ve ekiplerin en kritik teslimat risklerine odaklanmasına yardımcı olmak.
Yapay zekâ odaklı yaklaşımlar ekipler arası bağımlılıkları nasıl ele alıyor?
Ortamımızda bağımlılıklar onlarca ekibe yayılıyor ve güncellemeler proje sistemleri, iletişim ileti dizileri ve mühendislik iş akışları arasında doğal olarak dağılıyor. Geleneksel olarak bunları bir araya getirmek önemli miktarda manuel çaba gerektiriyordu ve çoğu zaman riskleri tespit etmekte istediğimizden daha geç kalıyorduk.
Bu sistemlerden — proje izleme verileri, ekip güncellemeleri ve iletişim içerikleri — odaklanmış bir sinyal kümesini bir araya getiren basit bir V1 geliştirdik ve proje durumu ile bağımlılıkların birleştirilmiş görünümünü oluşturmak için yapay zekâ destekli özetlemeden yararlandık. Bunu, periyodik durum raporları yerine sürekli gelişen sinyallerin kararları yönlendirdiği, sinyal öncelikli bir teslimat modeline doğru atılan bir adım olarak görmeye başladık.
Sürekli gelişen sinyallerin dönemsel durum raporları yerine kararları yönlendirdiği, sinyal öncelikli bir teslimat modeline doğru ilerliyoruz.
Bu yaklaşım, ekibin zamanını güncellemeleri toplamak yerine bunlara göre harekete geçirecek şekilde değişmesini sağladı. Daha da önemlisi, artık bu yeteneği ürünleştirme yolunda ilerliyoruz — teslimat sistemlerimizle daha derin bir şekilde bütünleştirerek, paralel bir iş akışı olmak yerine proje görünürlüğünü ve yürütme takibini yönetme biçimimizin standart bir parçası hâline getiriyoruz. Bizim için en önemli çıkarım, değerin teslimatı tamamen otomatikleştirmekte değil, geniş ölçekte görünürlüğü ve karar alma süreçlerini sürekli iyileştiren bir sistem oluşturmada olduğudur.
Yapay zekâ otomasyonu nasıl destekliyor ve insan muhakemesi nerelerde hâlâ üstün geliyor?
Yapay zekâ desteğine en hazır alanlar; durum sentezi, bağımlılık takibi, risk belirleme, dokümantasyon, rutin iletişim, tasarım, kodlama ve kod incelemesidir. Yapay zekâ; sistemler arasındaki bilgileri bir araya getirerek, nelerin değiştiğini özetleyerek, olası engelleri belirleyerek, yürütme eksiklerini öne çıkararak ve takip eylemleri önererek yardımcı olabilir.
Bununla birlikte, anlamlı bir teslimat ortamında bu alanların hiçbiri gerçekten “tamamen otomatikleştirilebilir” değildir. Önceliklendirme, ödünleşim kararları, kurumsal uyum, çatışma çözümü, mimari yönlendirme ve insan yönetimi için insan muhakemesi hâlâ gereklidir. Yapay zekânın bugün en iyi kullanımı, insanları sürecin dışına çıkarmak değil; mühendislerin ve liderlerin en yüksek değere sahip kararlara odaklanabilmesi için operasyonel yükü azaltmaktır.
Yapay zekânın en iyi kullanımı, insanları sürecin dışına çıkarmak değil; liderlerin en yüksek değere sahip kararlara odaklanabilmesi için operasyonel yükü azaltmaktır.
Teknoloji yığınımızdaki değişiklikler, bizi statik ve manuel olarak sürdürülen durum çıktılarından, içgörüleri daha hızlı ortaya çıkaran ve manuel iş yükünü azaltan yapay zekâ destekli, sorgu odaklı iş akışlarına taşıdı.
Araç ekosistemi şaşırtıcı derecede hızlı değişiyor. Bugün gelişmiş görünen bir şey, çok kısa sürede temel bir gereklilik hâline gelebilir. Teknoloji yığınımız giderek şu yapay zekâ araçlarını içeriyor:
- GitHub Copilot — Kodlama hızlandırma, kod önerileri, proje takibi ve uygulama sırasında geliştirici üretkenliğini artırmak için kullanıyoruz. Otomatik kod inceleme desteği özellikle değerli ve çoğu durumda hâlâ yeterince takdir edilmiyor. Mühendislerin sorunları daha erken yakalamasına, kod kalitesini artırmasına ve her rutin değişiklik için aynı düzeyde manuel inceleme çabası gerektirmeden daha hızlı ilerlemesine yardımcı oluyor.
En büyük etki, daha hızlı yineleme ve daha az inceleme yükü oldu; aynı zamanda insanların daha derin tasarım ve doğruluk sorularına odaklanabilmesini sağladı. - Azure Copilot / Yapay zekâ asistanları — Bunları teknik dokümantasyon, özetleme, bilgiye erişim ve destek iş akışları için kullanıyoruz.
- Sorgu tabanlı raporlama araçları — Bunları proje sağlığını, yürütme gecikmelerini ve bağımlılık durumunu izlemek için kullanıyoruz.
Aracı tabanlı iş akışları proje takibini ve risk tespitini nasıl iyileştiriyor?
Proje takibi, bağımlılık yönetimi ve yürütme riski tespiti için aracı tabanlı iş akışlarını araştırıyoruz. Bu alanlar, özellikle birçok ekip arasında koordinasyon sağlanırken, büyük miktarda parçalı bilgi ve manuel takip gerektirdiği için yüksek değer taşıyor.
Kullanım alanlarından bazıları; proje gecikmelerini otomatik olarak tespit etmek, bağımlılık eksiklerini belirlemek ve gerekli tüm ekiplerin eylemleri veya taahhütleri kabul ettiğini takip etmektir. 100'den fazla ekibin yer aldığı büyük ortamlarda bu son derece değerli hâle geliyor.
Hafif sistemler artık kullanılmayan proje panolarının yerini nasıl alıyor?
Bugün proje panolarının çoğu zaten demode — yalnızca henüz yerlerine yenileri konulmadı. Yoğun şekilde GUI odaklı, manuel olarak düzenlenen proje yönetimi sistemlerinden daha hafif, sorgu odaklı iş akışlarına geçiyoruz.
Bugün proje panolarının çoğu zaten demode — yalnızca henüz yerlerine yenileri konulmadı.
Bu dönüşüm, proje verilerini ekiplerin dinamik olarak sorgulayabileceği ve bunlarla etkileşime girebileceği bir unsur olarak ele alıyor — CLI ya da komut istemi odaklı bir modele daha yakın. Ekipler birden fazla panoda gezinmek veya statik durum belgelerini güncel tutmak yerine şu gibi hedefli sorular sorabilir:
- “Bu hafta en çok geciken bağımlılıklar hangileri?”
- “Hangi ekipler kritik aksiyonları onaylamadı?”
- “Kilometre taşlarını kaçırma riskiyle karşı karşıya olduğumuz yerler nereler?”
Yapılandırılmış proje verilerinden oluşan öngörülebilir katman ile üretken yapay zekânın olasılıksal katmanının birleşimi bu dönüşümü mümkün kılıyor; sistem, bu sinyalleri bağlam içinde yorumlayarak sistemler arasındaki güncellemeleri ilişkilendiriyor, kalıpları belirliyor ve tek bir kaynaktan bakıldığında bariz olmayan içgörüleri ortaya çıkarıyor.
Yapay zekâ sistemleri geliştikçe proje yönetimi verileri neden temel proje verilerinden ayrıştırılmalı?
Sistemler geliştikçe, hassas bilgiler için net koruma önlemleriyle birlikte proje yönetimi verilerini (durum, öncelik vb.) temel proje verilerinden de ayrıştırmalıyız. Bu, öngörülebilir katmanın güvenilir ve güvenli kalmasını, olasılıksal katmanın ise hassas ayrıntıları açığa çıkarmadan doğru soyutlama düzeyinde güvenle çalışabilmesini sağlar. Proje yönetimi verilerinin temel proje verilerinden ayrıştırılması, yapay zekâyı kurumsal ortamlarda kullanılabilir hâle getirir.
Sistemler geliştikçe, yapay zekâyı kurumsal ortamlarda kullanılabilir hâle getirmek için proje yönetimi verilerini temel proje verilerinden ayrıştırmalıyız.
Olasılık dağılımının kalitesi arttıkça bu katman gürültüyü daha etkili biçimde filtreler ve halüsinasyonları azaltır; bu da bu sistemlere güven oluşturmak açısından kritik öneme sahiptir. Gürültü ile içgörü arasındaki fark, olasılıkların kalitesidir. Uygulamada bu, durumların manuel olarak düzenlenmesi ihtiyacını azaltır ve çabayı karar almaya yönlendirir. Ekipler GUI'leri güncellemek için daha az, sorgular veya komut istemleri aracılığıyla canlı verilerle etkileşim kurmak için daha fazla zaman harcar.
Sonuç olarak raporlama yükü azalır, uygulama riskleri daha hızlı görünür hâle gelir ve teslimatı yönetmenin daha dinamik bir yolu ortaya çıkar — sistem, düzenli aralıklarla güncellenen anlık görüntülere güvenmek yerine gerçekliği sürekli olarak yansıtır.
Yapay zekâ desteği, kıdemsiz mühendislerin daha karmaşık görevleri daha erken üstlenmesini nasıl sağlar?
Yapay zekâ desteğiyle, kariyerlerinin daha erken dönemlerinde kıdemsiz mühendislere daha karmaşık görevler verebiliyorum. Yapay zekâ destekli rehberlik ile yapılandırılmış doğrulamanın birleşimi, kaliteyi korurken daha geniş bir kapsamda çalışmalarını sağlıyor. Bu yalnızca uygulamayı hızlandırmakla kalmıyor, aynı zamanda ekibin öğrenme hızını ve gelişimini de anlamlı ölçüde artırıyor. Yapay zekâ deneyim eğrisini sıkıştırıyor — mühendisler yarının kapsamını bugün üstlenebiliyor.
Yapay zekâ desteğiyle, genç mühendisler daha karmaşık görevleri daha erken üstlenebilir ve deneyim kazanma eğrisini kısaltabilir.
Ekip uyumu, yapay zekâ tartışmaları özetleyip çözüme kavuşturulmamış kararları öne çıkarabildiğinde gelişir. Yapay zekâ kod incelemesine, dokümantasyon incelemesine ve izlenebilirliğe yardımcı olduğunda doğrulama daha verimli hâle gelir. Bununla birlikte, temel unsurlar hâlâ önemini korur. Kapsamın hâlâ net bir sahibi olması gerekir. Uyum hâlâ gerçek karar alma süreçlerini gerektirir. Doğrulama hâlâ mühendislik titizliği gerektirir.
Yapay zekâyı benimsemenin güven oluşturmayı ve gerilimi dengelemeyi gerektirmesinin nedeni
Yapay zekâyı benimsemek bazen özelleştirme ile standartlaştırma arasında gerilim olduğu anlamına gelir. Ekipler ihtiyaçlarına göre uyarlanmış iş akışları ister, ancak ölçekte liderliğin teslimat sinyallerini ölçme ve bunlara göre hareket etme konusunda tutarlılığa da ihtiyacı vardır. Bu ikisini dengelemek, benim için daha ilgi çekici derslerden biri oldu.
Gerilimi dengeleyebilmenin yanı sıra, yapay zekâyı benimsemek isteyen bir ekibin güven oluşturmaya çalışması gerekir. Güven eksikliği, yapay zekânın benimsenmesinin önündeki en büyük engeldir. Ekipler yapay zekâyı yalnızca çıktılar yeterince doğru, yeterince açıklanabilir ve daha fazla doğrulama işi yaratmak yerine zaman kazandıracak şekilde iş akışlarına entegre edilmişse kullanır.
Uzun vadede kazananlar, yapay zekâyı yalnızca bir verimlilik aracı olarak değil, güvenilirlik, şeffaflık ve tutarlı değer sunarak güven kazanması gereken bir sistem olarak gören ekipler olacaktır.
Bunlar gibi daha fazla içgörü mü istiyorsunuz? Bu tür daha fazla uzmanın görüşlerini duymak için ücretsiz bir DPM hesabına kaydolun.
