Yapay Zekâ Kurucusu Uyarıyor: Proje Yöneticileri Aracı Yazılımları Benimsemeli
Henrik Kniberg, otomatikleştirilmiş sürümlerden otonom iş listesi yönetimine kadar yapay zekâ aracıları yazılım geliştirmeyi nasıl yeniden şekillendiriyor, anlatıyor. Yapay zekâyla nasıl çalışacaklarını öğrenemeyen proje yöneticilerinin kısa sürede darboğaz hâline geleceğini savunuyor.
Yapay Zekânın Etkisi: Yapay zekâ, ekiplerin daha yüksek kaliteli işleri daha verimli bir şekilde teslim etmesini sağlayarak yazılım geliştirmede devrim yaratıyor.
Proje Yönetimindeki Değişim: Proje yöneticileri yapay zekâyı iş akışlarına entegre edecek şekilde uyum sağlamalı; aksi takdirde geliştirme sürecinde darboğaz hâline gelme riskiyle karşı karşıya kalırlar.
Çevik Uygulamalar: Çevik yaklaşımı korumak kritik önem taşır; asgari düzeyde bürokrasi, yapay zekânın desteğiyle projelerin daha hızlı teslim edilmesini sağlar.
Aracıların Kullanımı: Yapay zekâ aracıları sürüm yönetimi ve iş listesi düzenleme gibi görevleri üstlenerek ekiplerin karmaşık sorunlara odaklanmasını sağlar.
Geleceğin Becerileri: Etkili yapay zekâ bağlam yönetimini öğrenmek, değişen ortamda rekabetçi kalabilmeleri için proje yöneticileri açısından hayati önem taşır.
Henrik Kniberg'in Spotify, LEGO ve Mojang'da proje yönetimi alanında deneyimi bulunuyor. Şu anda Abundly.ai'nin kurucu ortağı ve baş bilim insanıdır. Ayrıca "Özlü Bir Şekilde Üretken Yapay Zekâ" kitabının yazarıdır.
Yapay zekânın yazılım geliştirmeyi ve bunun sonucunda proje yönetimini nasıl değiştirdiğini görüşmek üzere kendisiyle bir araya geldik. Proje yöneticilerinin bu değişime ayak uydurması gerektiğini, aksi takdirde darboğaz hâline geleceklerini söyledi.
Üründen yapay zekâ girişimine
Otonom yapay zekâ ajanları platformumuzun geliştirilmesine liderlik ettiğim Abundly.ai'nin kurucu ortağı ve baş bilim insanıyım.
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
Daha önce Spotify ve LEGO'da Çevik koç olarak çalıştım ve Mojang'da Minecraft geliştirme süreçlerinde görev aldım. Hatta insanların genellikle "Spotify Modeli" olarak adlandırdığı ve şirketin ürün geliştirme yaklaşımını anlatan "Spotify Mühendislik Kültürü" adlı bir video hazırladım.
Ayrıca "Özlü Bir Şekilde Üretken Yapay Zekâ" kitabının yazarıyım.
Yapay zekâ yazılım ekiplerinin daha az kaynakla daha fazlasını sunmasını nasıl sağlıyor?
Yazılım geliştirme için proje yönetimi artık yapay zekâ desteğiyle çok daha hızlı gerçekleştirilebiliyor ve bu durum proje teslimatını önemli ölçüde değiştiriyor.
Bu sayede ben ve ekibim, zamanımızı harcamamız gereken mimari, tasarım ve kullanıcı deneyimine — daha fazla ayırabiliyor; kod satırlarını yazmaya ve hatalarını ayıklamaya ise daha az zaman harcıyoruz.
Sonuç olarak daha yüksek kaliteyle daha fazlasını teslim edebiliyoruz. Üstelik bunu daha küçük bir ekiple ve daha kısa sürede yapıyoruz.
Yapay zekâ sayesinde daha yüksek kaliteyle daha fazlasını teslim edebiliyoruz. Üstelik bunu daha küçük bir ekiple ve daha kısa sürede yapıyoruz.
Ekipler neden asgari uygulanabilir bürokrasi için çaba göstermeli?
Geleneksel proje yönetimi yöntemlerinden uzaklaşmıyoruz — çünkü en başta bunlara sahip değildik.
İşe çevik yöntemleri kullanarak başladık ve büyürken bile çevik bir yaklaşımı korumak için yoğun çaba harcıyoruz. Her hafta bir çalışma döngümüz var; ilerlemeyi ve öncelikleri gözden geçirmek üzere cuma günleri eşgüdüm toplantısı yapıyoruz. WIP sınırlarına sahip basit bir Kanban panosu ve her hafta temizlenen bir gelen kutusu gibi çalışan bir önceliklendirme sütunu kullanıyoruz — her öğe ya panoya ekleniyor ya da çıkarılıyor.
Her işleme ait değişiklikler otomatik olarak ortak bir test ortamına dağıtılıyor. Üretim ortamına yaklaşık haftada iki kez, gerektiğinde ise daha sık gönderim yapıyoruz.
Çoğu gün gayriresmî bir eşgüdüm toplantısı da yapıyoruz. Bir araya gelip o gün ne yaptığımız hakkında konuşuyoruz.
Genel olarak asgari uygulanabilir bürokrasiyi korumaya çalışıyoruz. Yapay zekâ da bunu yapmamıza yardımcı oluyor.
Asgari uygulanabilir bürokrasiyi korumaya çalışıyoruz. Yapay zekâ da bunu yapmamıza yardımcı oluyor.
Ajanlar sürüm ve değişiklik yönetimini nasıl dönüştürüyor?
İşimizin temelini oluşturduğu için her gün ajan tabanlı iş akışlarını deniyoruz.
Örneğin bir sürüm yöneticisi ajanı oluşturduk. Haftada yaklaşık iki kez gerçekleşen Üretim ortamına ne zaman sürüm almak istesek, bu ajanla Slack'te veya uygulamamızda iletişime geçiyoruz.
Ajanla iletişime geçildiğinde, test dalımızdaki en son değişiklikleri kontrol ediyor, commit'leri analiz ediyor ve sürüm notlarının iki sürümünü oluşturup yayımlıyor — biri dahili kullanım için, diğeri ise müşteriye yönelik olmayan değişiklikleri içermeyen harici kullanım için. Ardından herhangi bir şeyin güncellenmesi gerekip gerekmediğini görmek üzere dokümantasyon sitemizi analiz ediyor ve gerekli değişiklikler için bir çekme isteği oluşturuyor.
Bu ajanın talimatlarını sürekli olarak geliştiriyoruz. En son yaptığımız geliştirme, güvenlik sorunlarını kontrol etmesini sağlamaktı.
Şu anda üzerinde çalıştığımız bir diğer örnek, dahili ürün değişikliği taleplerini yöneten bir ajan. Bir paydaş bir sorun bildirdiğinde veya bir özellik talep ettiğinde, ajan önceliği otomatik olarak değerlendiriyor, değişikliğin karmaşıklığını kontrol etmek için kodu inceliyor ve Slack'te bir analiz yayımlıyor. Ardından sorunu otonom olarak düzeltip bir PR oluşturup oluşturmaması gerektiğine veya emin değilse önce bize sorması gerekip gerekmediğine karar veriyor. İlerlemeyi takip etmek için iş listemizde bir kayıt da oluşturuyor. Kendi başına bir değişiklik yaptığında ise kullanıcı arayüzü üzerindeki etkisini değerlendirmek için değişikliği bir tarayıcıda test ediyor, PR'a ekran görüntüleri ekliyor ve kod kalitesini inceliyor.
Bu ajanın amacı, daha basit görevlerin tümünü otomatik olarak yerine getirmek ve ekibimin daha karmaşık görevlere odaklanmasını sağlamak. Gerçi adil olmak gerekirse, bu karmaşık görevleri de yapay zekânın yardımıyla gerçekleştiriyoruz!
Diğer kullanım alanlarımız arasında araştırma, ön eleme, uyumluluk denetimi, belge yönlendirme ve daha fazlası yer alıyor.
Yapay zekâ destekli mühendislikte insanların sürece dâhil kalması neden gerekiyor?
Yani temelde yapay zekâyı her sürecin bir parçası hâline getirmeye çalışıyoruz. Örneğin, iş listesi yönetiminde yapay zekâ bazı kayıtları uygulayabilir ve sürüm yönetimini gerçekleştirebilir.
Temelde yapay zekâyı her sürecin bir parçası hâline getirmeye çalışıyoruz. Ancak uygun olan yerlerde sürece bir insanı dâhil ediyoruz.
Ancak önemli olan şu ki, uygun olan yerlerde sürece bir insanı dâhil ediyoruz.
Geliştirme için yapay zekâyı kullansak da bu, işi denizaşırı bir şirkete dış kaynak olarak vermekten ziyade birlikte programlama yaptığımız bir iş ortağına benziyor. Yani kodun içinde hâlâ derinlemesine yer alıyoruz — yalnızca kodun büyük bölümünü yapay zekânın yazmasına izin veriyoruz.
Yapay zekâ öncelikli bir mühendislik yığını nasıl çalışır?
Geliştirmeden söz etmişken, Claude Opus ile birlikte Cursor kullanıyoruz. Ayrıca Claude Code'u da deniyoruz.
Cursor + Claude, son derece hızlı ve dâhi bir çalışma arkadaşıyla birlikte programlama yapmaya benzer şekilde inanılmaz güçlü bir ikili. Ayrıca yapay zekâ modeline bağlam sağlamaya yardımcı olmak için oldukça kapsamlı bir kural belgeleri seti oluşturduk.
Ürünümüz, sürekli teslimatla Google Cloud Run ve Vercel üzerinde dağıtılıyor; bu nedenle yalnızca bir çekme isteği oluşturup Main dalıyla birleştirerek — veya bir ajandan bunu yapmasını isteyerek — Üretim ortamına aktarım yapıyoruz. Hem ön uç hem de arka uç kodumuz TypeScript ile yazılmıştır.
Tüm yığın boyunca aynı dili kullanmak, hem ajanlarımız hem de bizim için işleri kolaylaştırıyor.
Tüm yığın boyunca aynı dili kullanmak, hem bizim hem de ajanlarımızın işini kolaylaştırıyor.
Tüm kodumuz bir monorepo'da bulunuyor; yani farklı projeler, uygulamalar ve kütüphaneler aynı depoda yer alıyor. Bu da işleri basitleştiriyor, çünkü tek bir commit hem ön uç hem de arka uç değişikliklerini içerebiliyor. Bağımlılık yönetimini kolaylaştırıyor.
Proje yönetimi açısından, çalışmalarımızı ve önceliklerimizi düzenlemek ve görselleştirmek için Notion'da bir Kanban panosu kullanıyoruz. Ayrıca bu panoyla etkileşim kurması için bir ajan oluşturduk. Tipik bir senaryo şöyle: Birisi Slack'te bir sorun gündeme getiriyor ve birkaç mesajlık karşılıklı yazışmanın ardından birisi şöyle yazıyor: "Hey @backlogger lütfen bunun için bir kayıt ekle". Ajan, Slack ileti dizisini yorumluyor, Kanban panomuzda benzer kayıtları arıyor ve ardından mevcut bir kaydı güncelliyor veya Slack'ten ilgili bağlamı ve ekran görüntülerini ekleyerek yeni bir kayıt oluşturuyor. Son derece kullanışlı!
Bu aracıyı her gün kullanıyoruz. Her biletin son derece net bir açıklaması, ekran görüntüsü ve Slack ileti dizisine bağlantısı olduğu için planlama toplantılarımız artık çok daha hızlı. Gelecekte bunu, öncelikler önermesini ve basit sorunları otomatik olarak düzeltmesini sağlayacak şekilde geliştireceğiz.
Claude Opus 4.5 oyunu nasıl değiştirdi?
Genel olarak, araçların ve modellerin ne kadar hızlı gelişip iyileştiğine sürekli şaşırıyorum. Bu da bizi en yeni gelişmeleri sürekli değerlendirmeye zorluyor.
Yakın zamanda Claude Opus 4.5 piyasaya sürüldü ve daha karmaşık kod değişikliklerini gerçekleştirme konusunda gerçekten çok iyi. Bu nedenle artık bir sorunu küçük adımlarla ve her aşamada insan müdahalesiyle çözmek yerine, "tek seferde" çözme — yani tek bir ayrıntılı istem yazma — olasılığımız daha yüksek.
Temel olarak, biz öğle yemeğine giderken ondan zorlu bir sorunu çözmesini istiyoruz.
Şaşırtıcı derecede etkili. Kodu yine de incelememiz gerekiyor, ancak çoğu zaman sonuç gayet iyi oluyor.
Proje yöneticileri neden yapay zekâ aracılarıyla çalışmayı öğrenmeli?
İleride proje yöneticilerinin, insanların ve yapay zekâdaki çalışma arkadaşlarının birlikte çalıştığı ekiplerde yer almaya alışması gerekecek. Bu kişi sizsiniz.
Bir proje yöneticisi olarak, yapay zekâ aracılarıyla çalışma arkadaşlarınızmış gibi çalışmaya alışmanız gerekiyor. Bunu yapmazsanız süreçteki darboğaz siz olursunuz. Her şey sizin ayak uyduramayacağınız bir hızda ilerler.
Yapay zekâyı etkili bir şekilde nasıl kullanacağını bilmemek, interneti etkili bir şekilde nasıl kullanacağını bilmemeye benzeyecek. Elbette interneti kullanmadan da proje yönetimi yapabilirsiniz. Ancak ciddi şekilde dezavantajlı duruma düşersiniz ve iş olanaklarınız pek parlak olmaz.
Yapay zekâyı etkili bir şekilde nasıl kullanacağını bilmemek, interneti etkili bir şekilde nasıl kullanacağını bilmemeye benzeyecek.
Daha iyi bağlam yönetimi, yapay zekâdan daha güvenilir sonuçlar alınmasını nasıl sağlar?
Bu alan sürekli değişiyor; bu nedenle en önemli şey denemeler yapmaktır.
Farklı yapay zekâ araçlarını ve kullanım alanlarını deneyin. Kullanıcı ve bağlam mühendisi olarak becerilerinizi geliştirin. Ayrıca sizin ve ekibinizin zamanını neye harcadığına bakın — yapay zekâ nerede zaman kazanmanıza veya kaliteyi artırmanıza yardımcı olabilir?
Deney yapmanın ötesinde, bağlam yönetimi — büyük dil modellerinin bağlamla nasıl çalıştığını anlamak — kritik öneme sahiptir. Bunu incelerseniz yapay zekâ araçlarını daha etkili bir şekilde seçip kullanabilirsiniz. Yapay zekâdaki başarısızlıkların çoğu kötü bağlam yönetiminden kaynaklanır. Başka bir deyişle, ihtiyaç duyduğu bilgilere sahip olmadığı için başarısız olur.
Gelecekte ne olacağını kimse bilmiyor; ancak üretken yapay zekâyı kullanma konusunda iyiyseniz, geleceğin getireceği her şeyle başa çıkmak için daha iyi bir konumda olursunuz.
Gelişmeleri takip edin
Henrik Kniberg'in proje yönetiminde aracılık sınırlarını nasıl zorladığını YouTube, LinkedIn ve X üzerinden takip edebilirsiniz. Ayrıca ürünü Abundly.ai'yi de kaçırmayın.
The Digital Project Manager'da daha fazla uzman röportajı sizleri bekliyor!
