Yapay zekâ mühendisliği lideri, özel proje yönetimi rollerinin ortadan kalkacağını söylüyor
Bir yapay zekâ mühendisliği liderinin teslimatı hızlandırmak, toplantıları azaltmak ve ekipleri muhakeme odaklı iş birliğine yönlendirmek için aracılı iş akışlarını nasıl kullandığını görün.
Sairam Sundaresan
Yapay Zekâ Mühendisliği Lideri ve Eğitmen
Yapay Zekâ Etkisi: Yapay zekâ, yapay zekâ/makine öğrenimi mühendisliği rollerinin odağını önemli ölçüde değiştirerek tasarıma ve problem çerçevelemeye daha fazla vurgu yapılmasını sağlıyor.
Görev Otomasyonu: Yapay zekâ, tekrarlayan görevleri otomatikleştirmede başarılı olurken muhakeme ve bağlam anlayışı gerektiren görevlerde zorlanıyor.
Teslimat Rutinleri: Yapay zekâ, daha hızlı proje kapsamı belirlemeyi kolaylaştırıyor ve eş zamanlı olmayan uyumu güçlendirerek durum güncelleme toplantılarına duyulan ihtiyacı azaltıyor.
Aracılı İş Akışları: Aracılı iş akışlarının uygulanması, kodlama dışı görevleri kolaylaştırarak kritik karar alma süreçlerine daha iyi odaklanılmasını sağlıyor.
Rol Evrimi: Yapay zekâ takibi devraldıkça özel proje yönetimi rolleri azalabilir; muhakemeye dayalı görevler ise ekiplerde kalır.
Sairam Sundaresan, yapay zekâ mühendisliği lideri ve eğitimcisidir. Favikon tarafından LinkedIn Hindistan'daki 1 numaralı yapay zekâ içerik üreticisi olarak sıralanmıştır. Ayrıca Herkes İçin Yapay Zekâ kitabının ve Gradient Ascent adlı haftalık bültenin yazarıdır.
Sundaresan ile yapay zekânın proje teslimini nasıl değiştirdiği hakkında konuştuk. İşte söyledikleri.
Yapay zekâ, yapay zekâ/makine öğrenimi mühendisliği rollerini nasıl etkiliyor?
Yapay zekâ/makine öğrenimi mühendisliğini yönetiyorum. Proje tesliminde mimari kararlar almaktan, teknik yaklaşımın iş problemine uygun olmasını sağlamaktan ve riskleri ele alınabilecek kadar erken tespit etmekten sorumluyum.
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
Ayrıca Herkes İçin Yapay Zekâ kitabının yazarıyım.
Yapay zekâ, proje teslimi görevlerini ve odağını nasıl değiştiriyor?
Yapay zekâ uygulama, test ve standart kod işlemlerinde iyi bir ilk taslak oluşturuyor. Sıfırdan kod yazmaya daha az zaman harcıyorum, ancak ekibimdeki herhangi bir mühendisle çalışırken yapacağım gibi her şeyi yine de inceliyorum. Çıktı daha hızlı üretiliyor, ancak denetimsiz oluyor.
Artık problem çerçeveleme, sistem tasarımı ve işlerin nerede bozulacağını belirleme konularına daha fazla zaman ayırıyorum. Bu kararlar her zaman işin en yüksek kaldıraç sağlayan kısmıydı. Rutin işler artık daha hızlı ilerlediği için günümün daha büyük bir bölümünü kaplıyorlar.
Yapay zekâyı uygulamakla ilgili beni en çok şaşırtan şey, Moravec paradoksunun gerçek zamanlı olarak ortaya çıkmasıydı. Otomatikleştirilmesinin zor olmasını beklediğim görevler kolaydı: kod üretimi, test yazımı ve özetleme. Yapay zekâ, önemsiz olmasını beklediğim görevlerde zorlanıyor: bir gereksinimin belirsiz olduğunu fark etmek, teknik açıdan doğru bir çözümün bu bağlam için yanlış olduğunu anlamak ve bir paydaşın neden bir şey söyleyip aslında başka bir şeyi kastettiğini kavramak.
Yapay zekâ, proje teslimindeki tekrarlayan görevleri nasıl optimize ediyor?
Şu anda teslimat işlerimde otomatikleştirilebilen en uygun kısımlar, kabul kriterleri açık olan tekrarlayan görevler. Test oluşturma, kod iskeleti hazırlama, belgelerin ilk taslaklarını yazma, durum raporlaması ve bağımlılık kontrolleri — bunlar, yapay zekânın minimum denetimle iyi iş çıkardığı, iyi tanımlanmış ve belirsizliği düşük görevlerdir. Uygulama basittir: aracıları CI/CD işlem hattınıza bağlar, onlara net bir kapsam verirsiniz ve çıktı etrafında doğrulama mekanizmaları oluşturursunuz.
Belirsizlik altında muhakeme gerektiren her şey için hâlâ insanlara ihtiyaç var. Bunlara şunlar dahildir:
- Her şey acil olduğunda önceliklendirme yapmak
- Hangi teknik kestirmenin kabul edilebilir olduğunu, hangisinin ise altı ay sonra size bedel ödeteceğini bilmek
- Çapraz işlevli bir toplantıda ortamı okuyup asıl engelin politik olduğunu fark etmek.
Yapay zekâ, temel teslimat ritüellerini ve uyumu nasıl yeniden şekillendiriyor?
Ritüeller söz konusu olduğunda, yapay zekâ ağır işlerin çoğunu üstleniyor.
- Kapsam belirleme daha hızlı çünkü yapay zekâ bir konuşmadan veya gereksinimlerden ilk taslağı oluşturuyor, ben de düzenliyorum. Artık boş bir sayfaya bakmıyorum. Ancak kapsam dahilinde olan ve olmayan konularda kararı hâlâ ben veriyorum.
- Uyum artık daha çok eşzamansız gerçekleşiyor. Herkesi aynı hizaya getirmek için toplantı yapmak yerine kısa bir belge yazıyorum, yapay zekâ onu netleştirmeme yardımcı oluyor ve insanlar yorum yapıyor. Yalnızca gerçek bir anlaşmazlığı çözmemiz gerektiğinde buluşuyoruz.
- En çok değişen doğrulama oldu. Yapay zekâ kod üretiyor; bu nedenle artık aracıların kendine özgü hata biçimlerini yakalayacak testlere ve güvenlik önlemlerine ihtiyacım var.
- Yürütme yönetimi daha hafif. Araçlar durumu doğrudan sağlıyor. Durum güncellemeleri istemeye daha az, bundan sonra ne yapılacağına karar vermeye daha fazla zaman harcıyorum.
Uyumlanma daha çok eşzamansız gerçekleşiyor. Herkesi hizalamak için bir toplantı yapmak yerine kısa bir belge yazıyorum, yapay zekâ bunu netleştirmeme yardımcı oluyor ve insanlar yorum yapıyor. Yalnızca gerçek bir anlaşmazlığı çözmemiz gerektiğinde buluşuyoruz.
Ajan tabanlı iş akışları teslimat verimliliğini neden artırır?
Ben her gün ajan tabanlı iş akışlarını kullanıyorum. Kurulumum, kodlama dışındaki işlerimin çoğunu düzenlemek için Claude Code'u kullanıyor: araştırma, belge sentezi, planlama ve inceleme. Kodlama için uygulamayı Codex gerçekleştiriyor, ben de inceliyorum.
İlk olarak, muhakeme gerektirmeden zaman alan teslimat süreçlerinin bazı yönlerini otomatikleştirmeye odaklandım. Belgeleri taslak hâline getirmek, bağlamı özetlemek, testler oluşturmak ve birden fazla kaynaktan durumu bir araya getirmek. Bunlar sık tekrarlanan, belirsizliği düşük görevler. Kolay kazanımlar.
Kalite, işi yeniden yapmak yerine yalnızca düzenlememi gerektirecek kadar iyi. Geri kazandığım zamanı gerçekten önemli olan kararlara ayırıyorum. Ana ders şu: kapsam konusunda net olun. Ajanlar, sınırlar açık olduğunda iyi çalışır. Onlara belirsiz bir niyet verirseniz yine başlarında beklemek zorunda kalırsınız.
Codex ve Claude Code neden vazgeçilmez geliştirme araçlarıdır?
Codex şu anda birincil kodlama aracım. Kodlama için Claude'u kullandığımda Codex, kod inceleme ortağım olarak görev yapıyor. Ancak alan geliştikçe bu rol değişiyor.
Claude Code, kodlamayla ilgili her şeyi ele alıyor: mimari düşünme, belgeleme, problemi çerçeveleme, araştırma ve inceleme. Ayrıca doğrudan kodlamanın bir kısmını da gerçekleştiriyor. Proje takibi için Linear'ı kullanıyorum. Temiz ve hızlı; işime engel olmuyor.
Yapay zekâ, yalnızca proje yönetimine ayrılmış rolleri neden ortadan kaldırabilir?
Bu biraz tartışmalı olabilir ancak yalnızca proje yönetimine ayrılmış rollerin büyük ölçüde ortadan kalkacağını öngörüyorum; çünkü herkes projeleri yönetmeye başlayacak. Yapay zekâ takibi, durum özetlerini ve planlamayı ele alıyor. Geriye muhakeme kalıyor ve ekip bunu paylaşıyor.
Şu anda tüm roller iç içe geçiyor. Yalnızca kod yazan bir mühendis ya da yalnızca tasarım yapan bir tasarımcı olamazsınız. Daha küçük ekipler, yapay zekâdan daha fazla yararlanma ve herkesin daha geniş bir alanda sorumluluk üstlenmesi söz konusu.
Başarılı olan insanlar, hiçbir zaman yalnızca tek bir şeyden ibaret olmayanlardır.
Teslimat liderleri yapay zekâ araçlarını ve becerilerini neden benimsemeli?
Araçları bizzat kullanarak deneyim kazanın. Yapay zekâyı anlamanızı ekibinizdeki başka birine devretmeyin. Nerede iyi olduğunu ve nerede başarısız olduğunu ilk elden görmeniz gerekir.
Ardından, yalnızca bilgiyi bir yerden başka bir yere taşımak pahalı olduğu için var olan süreçleri acımasızca ortadan kaldırın. Yapay zekâ artık bunu size ücretsiz sağlıyor.
Takip edin
Sundaresan'ın çalışmalarını LinkedIn, X, Instagram ve bülteni üzerinden takip edebilirsiniz. Ayrıca Hepimiz İçin Yapay Zekâ adlı kitabına da göz atabilirsiniz.
The Digital Project Manager'da daha fazla uzman röportajı sizleri bekliyor!
