Yapay Zekâ Destekli Proje Yöneticisi ve Eğitimci, Projelerin İşleyişini Temelden Değiştiren Basit Bir Yapay Zekâ İş Akışını Paylaşıyor

Bu nedenle proje ve program yöneticisi olarak rolüm, yapay zekâ destekli karar alma, planlama ve teslim süreçlerini koordine etmeye doğru kaydı. Toplantılardan, belgelerden ve sistemlerden gelen verileri manuel olarak bir araya getirmek yerine, bilgi akışını otomatikleştirmek ve gerçek zamanlı içgörüler oluşturmak için artık Copilot ve ChatGPT gibi yapay zekâ araçlarını kullanıyorum (ayrıca pek çok özel yapay zekâ proje yönetimi aracı avantajı da bulunuyor).

Bir proje lideri olarak çok sayıda toplantı ve takip işiyle ilgileniyorum. Proje teslimatındaki doğruluğu ve uyumu artırmak, aynı zamanda toplantı sayısını azaltmak benim görevim. Bunun için yapay zekâ destekli bir teslim modeli gerekiyor.

Toplantılardan, belgelerden ve sistemlerden gelen verileri manuel olarak bir araya getirmek yerine, bilgi akışını otomatikleştirmek ve gerçek zamanlı içgörüler oluşturmak için artık Copilot ve ChatGPT gibi yapay zekâ araçlarını kullanıyorum.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Mashhood Ahmed

PMassistant.ai Kurucu Direktörü

You should also read

• Proje Yöneticileri: İşinizden Nefret Ettiğinizde Ne Yapmalısınız

• 7 Proje Yöneticisinin Günlük Görevi: PY’ler Her Gün Ne Yapar?

• Yapay Zekâ Bu Teslimat Yöneticisini Kurucuya Dönüştürdü

Toplantıları yapılandırılmış verilere dönüştürmek daha hızlı ve net proje teslimatının önünü nasıl açıyor?

Proje yönetiminde yapay zekânın en az takdir edilen ve en etkili özellikleri, Microsoft Copilot gibi toplantı dökümleri ve yapay zekâ asistanlarının birlikte çalışmasıdır — birlikte. Kulağa basit geliyor, ancak projelerin işleyişini temelden değiştiriyor.

Her toplantıyı yapılandırılmış ve aranabilir verilere dönüştürmek, neredeyse tüm sonraki proje faaliyetlerinin temelini oluşturuyor. Döküm hazır olduğunda anında harikalar yaratabiliyorum.

Etkisi açısından:

• Dokümantasyon ve takip işlerinde günde yaklaşık iki saat tasarruf sağlar — artık bu zamanı ve enerjiyi stratejik planlama, paydaş uyumu ve yapay zekâ ile proje yönetişimine ayırıyorum.
• Herkes aynı doğru bilgi kaynağına erişebildiği için proje uyumunu iyileştirir.
• Riskleri ve kapsam boşluklarını, kapsamı, zamanı veya bütçeyi etkilemeden önce daha erken ortaya çıkarır.
• Dokümantasyon daha net ve eksiksiz olduğu için gereksiz toplantıları azaltır.
• Ekip genelinde şeffaflığı ve hesap verebilirliği güçlendirir.

Örneğin bir sağlık hizmetleri uygulaması sırasında, farklı kliniklerde gerçekleştirilen beş gereksinim toplantısından oluşan bir dizi birbiriyle bağlantısız görünüyordu. Ancak yapay zekâ, tek bir komutla beş toplantının dökümlerini şu çıktılarda birleştirdi:

• Birleştirilmiş gereksinim kümesi
• Proje kapsamındaki ve kapsam dışındaki unsurların net bir listesi
• Klinikler arasındaki iş akışı farklılıkları
• Çelişen süreçlere ilişkin erken uyarılar

Bu düzeyde bir içgörüyü manuel olarak elde etmek günler sürerdi ve dürüst olmak gerekirse, bunun bir kısmı tamamen gözden kaçabilirdi. Birazdan bu örneği daha ayrıntılı ele alacağım.

Yapay zekâ destekli bir teslim modeli teslimatı nasıl hızlandırıyor?

Bu durum, geleneksel ve belge ağırlıklı proje yönetiminden hafif ve proje tesliminde yapay zekâ modeline geçiş yapmama neden oldu. Bu model, temel proje yönetimi ilkelerinin yerini almaz; onları nasıl uyguladığımızı kolaylaştırır.

Eski yaklaşım:

• Toplantı tutanaklarını manuel olarak yazmak
• Ayrı Word/Excel belgelerini güncel tutmak
• Açıklama almak için insanların peşinden koşmak
• Durum raporlarını sıfırdan yeniden yazmak

Yeni, yalın sistem:

• Her toplantı Microsoft Teams veya Google Meet kullanılarak yazıya dökülür.
• Yapay zekâ üretkenlik araçları(Copilot, Gemini veya ChatGPT) özetler, eylem maddeleri, riskler ve kararlar oluşturur.
• Bu çıktılar SharePoint veya Drive'a otomatik olarak kaydedilir.
• Proje sözleşmeleri, RACI, iletişim belgeleri ve RAID günlükleri gibi belgeler aynı transkript verilerinden oluşturulur.

Sonuç: Proje başlatma toplantıları artık proje belgelerinin yarısını otomatik olarak oluşturuyor ve manuel çabayı yüzde 40–60 oranında azaltıyor.

Yapay zekâ proje rutinlerini nasıl yeniden şekillendiriyor ve manuel çalışmayı nasıl azaltıyor?

Rutinler açısından bakıldığında, yapay zekânın bu kullanımı onları tamamen yeniden şekillendirdi. Manuel ve toplantı odaklı süreçlerden sürekli, veri odaklı iş akışlarına geçtik.

Artık insanların notlarına veya hafızasına güvenmek yerine yapay zekâyı dinleyen, sentezleyen ve önemli noktaları öne çıkaran sessiz bir ekip üyesi olarak görüyoruz. Herhangi bir projenin temelini oluşturan proje kapsamı ve sözleşme belgelerinin hazırlanmasına ilişkin bir örnek aşağıda yer alıyor.

Eski yaklaşım: Kapsam, çoğunlukla parçalı notlara dayanılarak bir dizi toplantının ardından manuel olarak hazırlanıyordu.

Yapay zekâ destekli yeni yaklaşım:

• Birden fazla toplantı transkriptini, e-postayı ve gereksinim görüşmesini Copilot veya ChatGPT'ye aktarıyorum.
• Yapay zekâ; kapsam dâhilindeki ve kapsam dışındaki unsurların yanı sıra varsayımları ve bağımlılıkları da içeren kapsamın ilk sürümünü hazırlıyor.
• Sıfırdan oluşturmak yerine KOBİ'lerle birlikte üzerinde iyileştirme yapıyorum
• Proje kapsamını ve sözleşmesini günler yerine birkaç saat içinde hazırlamak için yapay zekânın düşünme yeteneğinden yararlanıyorum

Mashhood'un önerisi

İnsanların notlarına veya hafızasına güvenmek yerine yapay zekâyı dinleyen, sentezleyen ve önemli noktaları öne çıkaran sessiz bir ekip üyesi olarak görüyoruz.

Ajan tabanlı yapay zekâ proje iş akışlarını nasıl otomatikleştiriyor ve tekrarı nasıl azaltıyor?

Son altı ayda, tekrarlayan proje yöneticisi görevlerini azaltmak ve daha tutarlı teslimat modelleri oluşturmak için ajan tabanlı iş akışları ve orkestrasyon tarzı platformlarla da yoğun şekilde denemeler yapıyorum. Kasım ayının ortasında yayımlanan Microsoft Agent 365, gerçek proje ortamlarında çoklu ajan orkestrasyonu için özellikle güçlü bir potansiyele sahip.

Bir örnek, yukarıda bahsettiğim toplantı iş akışlarında kullandığım özel olarak oluşturulmuş Toplantı Ajanı'dır. Ajan çağrılara otomatik olarak katılır, toplantı özetleri oluşturur ve sorumluları ile son teslim tarihlerini içeren yapılandırılmış eylem maddesi tabloları hazırlar. Bu eylem maddeleri daha sonra doğrudan Jira, Asana veya diğer iş yönetimi araçlarına aktarılabilir; böylece manuel yazıya dökme ve takip işlemleri ortadan kalkar.

Ayrıca toplantı transkriptlerini analiz ederek görüşmelerin hemen ardından yeni riskleri işaretleyen bir Risk Ajanı da kurduk. Bu, proje yöneticisinin senaryoları canlandırmasına, olası etkileri değerlendirmesine ve riskin üst kademeye taşınmasını veya ekibin bilgilendirilmesini gerektirip gerektirmediğine karar vermesine olanak tanıyor.

Bu küçük ancak güçlü ajan tabanlı iş akışları, idari iş yükünü şimdiden azaltıyor ve ekiplerin daha fazla tutarlılık, şeffaflık ve erken risk farkındalığıyla çalışmasına yardımcı oluyor.

Karmaşık projelerde yapay zekâ destekli uyumlanmaya ilişkin gerçek hayattan bir örnek

Birden fazla lokasyondaki sağlık klinikleri örneğini daha ayrıntılı inceleyelim. Projenin takvimi sıkışıktı, birden fazla tedarikçi vardı ve tutarsız gereksinimler nedeniyle paydaşlar hayal kırıklığı yaşıyordu.

Zorluk

Her birinin farklı iş akışlarına sahip olduğu beş lokasyonumuz ve farklı seviyelerdeki klinisyenler ile paydaşlarla çok sayıda toplantımız vardı. Gereksinimler bir lokasyondan diğerine tutarlılık göstermiyordu ve her lokasyona ilişkin kararlar, çoğunlukla toplantı notlarına, bazen de e-postalara ve sohbet mesajlarına gömülü olduğu için ekip uyumunu kaybediyordu.

Yapay zekâ destekli yaklaşım

İlk adım olarak merkezi toplantı zekâsını kurduk. Her toplantı için Microsoft Teams transkripsiyonunu etkinleştirdik ve bunu tek doğru bilgi kaynağı olarak kullandık.

Daha sonra transkriptleri paylaşılan bir sürücüde veya SharePoint'te depolamak için basit ekip iş birliğinde yapay zekâ otomasyonları oluşturduk. Ayrıca tüm ekibe erişim sağladık; böylece herkes aynı anda birden fazla toplantı transkriptiyle etkileşime geçebilir ve bunlara istemler gönderebilirdi.

Örneğin, sık sık şu istemlerde bulunuyordum:

• "Bu toplantı dökümüne dayanarak, 200 kelimenin altında bir toplantı özeti ve bir eylem maddeleri tablosu oluşturmama yardımcı ol; böylece proje yöneticisi olarak üzerinde uzlaşılan eylem maddelerini, kaynakları ve son teslim tarihlerini takip edebilirim."
• "Bu toplantıya dayanarak yeni bir risk olup olmadığını belirlememe yardımcı ol veya teknik mimarın önerdiği şekilde bir risk azaltma planı taslağı hazırlamama yardımcı ol."

Toplantı dökümünü ve bunun gibi basit istemleri etkinleştirerek manuel not alma ve karışık, el yazısıyla tutulmuş notları gözden geçirme ihtiyacını ortadan kaldırdık. Ayrıca farklı kliniklerin gereksinimlerini ve ihtiyaç duydukları iş akışlarını da istikrara kavuşturduk.

Örneğin, gereksinim toplama toplantılarını belirleyebilir ve ardından basitçe şu istemde bulunabilirim: "Bu toplantılarda ele alındığı üzere, proje kapsamını belgelemek ve kesinleştirmek için üst düzey gereksinimleri yazmama yardımcı ol; kapsam dahilinde ve kapsam dışında olanları ayrı ayrı eklediğinden emin ol."

İşte bu kadar. Burada, her klinikten yapılan bu beş toplantıya dayanarak hazırlanmış bir proje kapsamı taslağım var. Ayrıca, "Beş klinik arasındaki iş akışı farklılıklarını vurgula ve bunları nasıl sadeleştirebileceğimizi öner" gibi bir takip istemi, klinisyenlerle görüşerek sadeleştirip takip edebileceğimiz farklılıkları belirlemeye yardımcı olurdu.

Faydaları

Başlangıçta paydaşların çekinceleri olduğunu belirtmekte fayda var. Ancak pilot çalışmayı gerçekleştirip değerini gösterdiğimizde neredeyse herkes desteğini verdi. Ayrıca ekip üyeleri bu toplantılarda söylediklerine daha fazla dikkat etmeye başladı; bu da sonunda proje ve işletme için iyi oldu. Öne çıkan geri bildirimler şöyleydi:

• Paydaş yönetiminde AI, erken toplantılarda genellikle hiç belgelenmeyen veya tartışılmayan uç durumları ve iş akışı farklılıklarını belirlemeye yardımcı oldu. Hafızaya veya el yazısıyla alınmış notlara güvenmek yerine dökümler üzerinden istemler kullandığımız için bunlar hemen görünür hâle geldi. Hatta birkaç durumda bu, proje kapsamını genişletti veya netleştirdi.
• Paydaşlar tek bir doğru kaynağa sahip olmayı takdir etti. E-postaları, sohbet dizilerini veya kişisel notları araştırmak yerine tek bir yere giderek kararları, takip işlerini ve eylemleri açıkça düzenlenmiş şekilde görebiliyorlardı.
• İş birimleri ve teknik ekipler, AI'ın riskleri ve süreçteki eksiklikleri geleneksel yöntemlerimizden daha erken ortaya çıkardığını belirtti. Eksik iş akışları, tutarsız roller, belirsiz sorumluluklar veya olası gecikmeler gibi maddeler toplantı verilerine dayanarak hemen işaretlendi.
• Ekipler, AI tarafından oluşturulan özetlerin ve eylem maddelerinin hazırlık süresini azaltmasını takdir etti. Toplantılara daha fazla netlik ve daha az yanlış anlaşılmayla katıldılar.

AI dökümüyle yüksek kaliteli bir bilgi tabanı nasıl korunur?

Günümüzde dökümler oldukça doğru olsa da güçlü aksanlar, hızlı konuşan kişiler, üst üste binen konuşmalar veya istikrarsız internet bağlantısı gibi sorunlar hâlâ yaşanabiliyor. Uygulamada doğruluğu şu şekilde yönetiyorum:

• Beklentileri erkenden belirleyin. Ekibe dökümlerin kelimesi kelimesine hazırlanmış hukuki bir kayıt değil, bir destek aracı olduğunu bildiriyoruz. Bu, baskıyı ortadan kaldırıyor ve açık katılımı teşvik ediyor.
• Sürecimize bir "netleştirme döngüsü" ekleyin. Her toplantıdan sonra ekip üyeleri özet veya eylem maddeleri tablosunu gözden geçirmeye ve düzeltmeleri işaretlemeye teşvik ediliyor. Herhangi bir ifade yanlış, belirsiz veya çelişkili görünüyorsa bunu takip görüşmelerinde veya bir sonraki toplantıda doğruluyoruz. Bu yalnızca bir iki dakika sürüyor ve doğruluğu büyük ölçüde artırıyor.
• AI'a doğru şekilde istem verin. AI araçlarına her zaman bağlamı yorumlamalarını, her şeyi kelimesi kelimesine varsaymamalarını söylüyoruz. Örneğin: "Döküme dayanarak temel noktaları özetle. Herhangi bir şey net değilse varsayımda bulunmak yerine vurgula."
• Daha iyi toplantı alışkanlıklarını teşvik edin. Söz sırasına açıkça uymak, aynı anda konuşmaktan kaçınmak ve kararları tartışırken biraz yavaşlamak, döküm kalitesini ve genel olarak toplantı kalitesini artırmaya yardımcı olur.

Microsoft ve Google'ın AI teknoloji yığınları proje tesliminin temel unsurları hâline neden geliyor?

Müşterilerle kullandığım iki teknoloji yığını şöyle:

• Microsoft ekosistemi: Teams, Outlook, Copilot (kurumsal), SharePoint, OneDrive ve MS Office kullanıyoruz. Hatta yapay zekâ proje yönetimi araçları olan Smartsheet veya Asana ile entegrasyon oluşturmak için bazı Power Apps ve Power Automate çözümlerini de kullanıyoruz.
• Google ekosistemi: Google Meet, Gmail, Takvim, Gemini, Drive, Google Dokümanlar ve E-Tablolar. Bu durumda, proje yönetimi aracı entegrasyonu ve iş akışı otomasyonu yazılımı için Zapier kullanıyoruz. Son birkaç ay içinde Google ekosistemi, özellikle Workspace için Gemini'nin kullanıma sunulması ve Vertex AI entegrasyonları sayesinde yapay zekâ açısından çok daha yetkin hâle geldi.

Microsoft ve Google kurumsal alanda rekabet ettiğinden, yapay zekâ yetenekleri geçen yıl büyük ölçüde gelişti. Kullanabileceğimiz başka birçok üretkenlik aracı var; ancak şimdilik Google ve Microsoft'a güveniyorum.

Yapay zekâya aşırı güvenmek neden yeni bir proje riski

Proje analizinde yapay zekâyı uygularken gözlemlediğim kültürel değişim beni şaşırttı. Ekip, yapay zekâ çıktılarının ne kadar güvenilir olabileceğini deneyimledikten sonra, insanlar toplantılarda kararları açıkça ifade etme konusunda daha disiplinli hâle geldi; çünkü toplantı dökümünün doğru bilgi kaynağı olarak kullanılacağını biliyorlardı. Benim bunu zorunlu kılmama gerek kalmadan proje disiplinini geliştirdi.

Ayrıca, başlangıçta çekinceleri olan ekip üyeleri günlük işler için Copilot'tan yararlanmaya başladı. Aslında ekipler yapay zekânın değerini gördüğünde, aşırı güven yeni risk hâline geliyor. Artık bu riski, inceleme yapacak döngüde bir insanın bulunmasını sağlayan insan denetimleriyle  — yani bir insanın sürece dahil olmasıyla — azaltıyorum.

Hangi proje işlerinin yapay zekâyla otomatikleştirileceğine ve hangilerinin insan muhakemesi gerektirdiğine nasıl karar verilir

Üretken yapay zekâ, işleri kesinlikle hızlandırmaya yardımcı olur. Ancak insan muhakemesi hâlâ gereklidir —  yönlendirme komitesine "Proje kapsamı üretken yapay zekâ tarafından yazıldı." diyemezsiniz. Metinde sizin adınız yer alır; bu nedenle sorumluluğu üstlenmeli ve insan muhakemesini uygulamalısınız.

Teslimat çalışmalarının yapay zekâ için en uygun olduğunu düşündüğüm yönleri şunlardır:

• Toplantı zekâsı
• Proje dokümantasyonu hazırlama
• Proje risklerini daha erken belirleme
• Doküman analizi; örneğin tedarikçilerden alınan SoW ve SLA'ların incelenmesi ve bu dokümanların birbiriyle ne ölçüde uyumlu olduğunun belirlenmesi

Yakın zamanda, müşterinin doküman şablonunu kullanarak doküman hazırlamada da başarılı olduk; böylece üretken yapay zekâ tarafından oluşturulan yanıt uygun bir doküman yapısına sahip oluyor.

Proje karar alma süreçlerinde yapay zekâ politikayı, kültürel incelikleri veya paydaşların hassasiyetlerini anlayamaz. İnsan uzmanlığının vazgeçilmez hâle geldiği nokta burasıdır. Şunları değerlendirmeliyiz:

• Hangi paydaşın görüşünün daha fazla ağırlık taşıdığı
• Direncin nerede ortaya çıkabileceği
• Kararların diğer programları veya departmanları nasıl etkilediği
• Hangi uzlaşmaların kabul edilebilir olduğu

İnsan muhakemesi olmadan yapay zekâ hızlıdır... ancak mutlaka doğru değildir.

mashhood'un ipucu

Yapay zekâ, projelerin yakın gelecekte nasıl planlandığını, izlendiğini ve teslim edildiğini temelden yeniden şekillendirerek fiilî proje yönetimi katmanı olma yolunda hızla ilerliyor.

Yapay zekâ neden modern kuruluşlar için yeni proje yönetimi katmanı hâline geliyor

Proje planlamasında yapay zekâ kalıcı olmak üzere hayatımıza girdi. Copilot ve Gemini gibi araçlar artık e-posta, takvimler, dokümanlar ve temel iş uygulamalarına derinlemesine entegre olduğundan, yapay zekâ fiilî proje yönetimi katmanı olma yolunda hızla ilerliyor ve projelerin yakın gelecekte nasıl planlandığını, izlendiğini ve teslim edildiğini temelden yeniden şekillendiriyor.

Etmen tabanlı yapay zekânın da muazzam bir potansiyeli var ve tam etkisini öngörmek için henüz erken olsa da birçok geleneksel işletme için önemli bir dönüştürücü olabilir.

Açık olan şu ki erken uyum sağlayan kuruluşlar hız, verimlilik ve karar alma açısından büyük bir avantaj elde edecek.

Neden şimdi küçük ölçekli bir yapay zekâ pilotuyla başlamalısınız

Tavsiyem basit: kusursuz bir netlik oluşmasını beklemeyin; şimdi küçük ölçekli bir pilotla denemelere başlayın.

İşte birkaç pratik öneri:

• Küçük başlayın, ama şimdi başlayın. Toplantı transkripsiyonunu etkinleştirin. Yapay zekâdan bir durum güncellemesini özetlemesini isteyin. Bir proje belgesini birlikte taslak hâline getirmek için Üretken Yapay Zekâ (Copilot veya ChatGPT) kullanın. Küçük deneyler güven ve ivme oluşturur.
• Yapay zekâyı tehdit olarak değil, bir ekip arkadaşı olarak görün. Yapay zekâ teslimat liderlerinin yerini almayacak; ancak yapay zekâ kullanan teslimat liderleri, kullanmayanlardan daha iyi performans gösterecek. Ağır işleri yapay zekâya devrederek uyum sağlamaya, koçluğa, müzakereye ve stratejiye odaklanabilirsiniz.
• İnsan muhakemesine ve yönetişime yatırım yapın. Yapay zekâ içgörüleri ortaya çıkarabilir, ancak kararları hâlâ insanlar verir. Risk yönetimi, paydaş katılımı, etik hususlar ve proje yönetişimi alanlarındaki becerilerinizi güçlendirin. Bu beceriler her zamankinden daha önemli olacak.

 

Tavsiyem basit: her şeyin tamamen netleşmesini beklemeyin, şimdi küçük ölçekli bir pilot uygulamayla denemeye başlayın.

Share This Quote on:

• Share on Twitter
• Share on LinkedIn
• Share on Facebook

Mashhood Ahmed

PMassistant.ai Kurucu Direktörü

Takipte kalın

Mashhood, sohbeti sürdürmek veya yapay zekâ destekli proje teslimatı hakkında daha derinlemesine bilgi edinmek isteyen herkesle bağlantı kurmaktan memnuniyet duyar. Kendisine LinkedIn üzerinden ulaşabilirsiniz. Ayrıca M1 Consultants ve PMAssistant.ai adreslerine göz atabilirsiniz.

The Digital Project Manager'da yakında daha fazla uzman röportajı!