Ekibinizin Proje Yönetimi Yazılımında Yapay Zekâya Hazır Olup Olmadığını Nasıl Anlarsınız?

Galen Low: Kuruluşlar yapay zekâ özelliklerine sahip proje yönetimi yazılımları ararken, bunlardan ne elde etmek istediklerine dair gerçekten bir fikirleri var mı, yoksa bu alıcıların çoğu yapay zekâ kullanma yönündeki bir talimatı mı takip ediyor?

Olivia Montgomery: Kesinlikle yöneticilerin yaşadığı biraz daha rekabet kaynaklı bir fırsatı kaçırma korkusuyla hareket ediyoruz. Çok fazla pazarlama faaliyeti var ve tedarikçiler yapay zekâ dalgasını yakalamak için kesinlikle acele ediyor.

Galen Low: Bir ekibin veya kuruluşun proje yönetimi yazılımındaki yapay zekâ özelliklerinden gerçekten yararlanabilmesi için öncelikle nelerin hazır olması gerekiyor? Sizce ekiplerin ve kuruluşların yapay zekânın yatırım getirisini hızlandırmasına yardımcı olacak temel unsurlar neler?

Olivia Montgomery: Bence her türden ve her büyüklükten şirketin, her sektörde ve her olgunluk seviyesinde dikkate alması gereken iki oldukça önemli konu var: teknik hazırlığınız ve kültürel hazırlığınız.

Galen Low: Yapay zekâ çağında teslimat liderlerinin daha akıllı çalışmasına, daha hızlı teslimat yapmasına ve daha iyi liderlik etmesine yardımcı olan The Digital Project Manager podcast'ine hoş geldiniz. Ben Galen. Her hafta gerçek dünya stratejilerini, yeni araçları, kanıtlanmış çerçeveleri ve proje cephesinden ara sıra gelen savaş hikâyelerini ele alıyoruz. İster büyük dönüşüm projelerini yönetiyor, ister yapay zekâ iş akışlarını düzenliyor, isterse yalnızca kaosu kontrol altında tutmaya çalışıyor olun, doğru yerdesiniz. Hadi başlayalım.

Bugün proje yönetimi yazılımlarındaki yapay zekâ destekli özelliklere yönelik artan talebi, insanların bu özelliklerden ne beklediğini ve farklı büyüklüklerdeki işletmelerin ve ekiplerin hedeflerine ulaşabilmek için neleri hazır bulundurması gerektiğini konuşuyoruz. Bugün sanal stüdyoya yeniden katılan konuğum, Capterra'da Proje Yönetimi alanında Yardımcı Baş Analist olan Olivia Montgomery.

Olivia eski bir PMO lideri, proje yönetimi uzmanı, üretken bir konuşmacı ve proje yönetimi, teknoloji stratejileri ve liderliğin insani yönü konusundaki araştırma temelli içgörüler söz konusu olduğunda tam anlamıyla ideal bir meraklı. Ayrıca kısa süre önce, şirketlerin proje yönetimi araçlarını seçme ve kullanma biçimindeki değişimi ortaya koyan son araştırma makalesi olan Capterra'nın 2025 Proje Yönetimi Yazılımı Trendleri Araştırması'nı yayımladı. Bugün tam olarak bunu ele alacağız.

Olivia, stüdyoya geri dönüp bugün bana katıldığın için teşekkür ederim.

Olivia Montgomery: Beni davet ettiğin için teşekkür ederim. Burada olduğum için çok heyecanlıyım. Ele alacağımız bazı sıcak konular var.

Galen Low: Evet, bugün biraz hararetli olacak. Bir süredir podcast'i dinleyenler için Olivia tam bir dinleyici favorisi. Az önce kuliste dilbilim üzerine sohbet ediyorduk. Sonra dilbilimin, beşerî bilimlerin, büyük dil modellerinin ve yapay zekânın aslında nasıl birbiriyle örtüştüğünü fark ettik.

Bu yüzden birçok farklı noktaya değineceğiz. Genellikle bazı tavşan deliklerine dalıyoruz ve bugün de bunu yapmayı umuyorum; ancak her ihtimale karşı, bugün için çizdiğim yol haritam burada. Başlangıç olarak, herkesin yanıtını bilmek istediği o rahatsız edici ve son derece güncel büyük soruyu aradan çıkarmak istiyorum.

Ardından biraz uzaklaşıp üç konuyu konuşmak istiyorum. İlk olarak, kuruluşların proje yönetimi yazılımındaki yapay zekâ özelliklerinden gerçekten yararlanabilmesi için nelerin gerekli olduğunu ele almak istiyorum. Sonra yapay zekâ özelliklerinin pratikte gerçekte nasıl göründüğünü ve işe yarayıp yaramadıklarını veya nasıl kullanıldıklarını nasıl ölçebileceğimizi derinlemesine incelemek istiyorum.

Son olarak da proje yönetimi yazılımlarındaki ve başka yerlerdeki yapay zekâ özelliklerinin kısa ve uzun vadeli etkilerinin yanı sıra iş birliği yapma biçimimizi ve bunun proje temelli çalışmayı nasıl etkileyeceğini konuşabileceğimizi düşündüm.

Olivia Montgomery: Hazırım. Hadi yapalım.

Galen Low: O zaman önce şu sıcak soruyla başlayalım.

Son araştırma makalende, tüm proje yönetimi yazılımı alıcılarının %55'inin artık yapay zekâ özelliklerine öncelik verdiğini belirtiyorsun. İşletmelerin yapay zekâ kullanarak daha fazlasını yapması yönündeki baskı göz önüne alındığında, bu dinleyicilerimizin çoğu için muhtemelen şaşırtıcı değil. Ancak kuruluşlar yapay zekâ özelliklerine sahip proje yönetimi yazılımı ararken gerçekten bunlardan ne elde etmek istediklerine dair bir fikirleri var mı, yoksa bu alıcıların çoğu yapay zekâ kullanma yönündeki bir talimatı mı takip ediyor?

Olivia Montgomery: Durum oldukça karışık. Kesinlikle yöneticilerin yaşadığı biraz daha rekabet kaynaklı bir fırsatı kaçırma korkusuyla hareket ediyoruz. Çok fazla pazarlama faaliyeti var; tedarikçiler bu heyecan ve talep nedeniyle yapay zekâ dalgasını yakalamak için kesinlikle acele ediyor. Ancak yavaş yavaş daha stratejik bir niyete doğru ilerliyoruz.

Yapay zekânın ilk parıltısı biraz sönmüş durumda. Bu araçların gerçekte neler yapabildiğini ve neleri yapamadığını, ekiplerin bunları ne zaman, neden ve nerede kullandığını daha iyi görmeye başlıyoruz ve artık daha zor sorulara geçiyoruz. Hâlâ büyük ölçüde rekabet kaynaklı fırsatı kaçırma korkusuyla hareket ediyoruz. Bunun ardında da, haberleri duyduysan bileceğin üzere, ABD'de yapay zekâ altyapısı, donanımı, yazılımı ve veri merkezlerine yapılan harcamaların tüketici harcamalarını aşmış olması yatıyor.

Tarihte ilk kez ABD ekonomisi tüketici harcamalarıyla değil, yapay zekâ yatırımlarıyla büyüyor. Bu, konuşmanın nereye gittiği hakkında sana çok şey anlatmalı. Bu yatırımların arkasında milyar dolarlık pazarlama kampanyaları da var. Gördüğümüz şey bu ve rekabet kaynaklı fırsatı kaçırma korkusunun büyük itici güçlerinden biri de bu. Ayrıca heyecan duyan çok sayıda yönetici ve iş lideri var.

Harika çalışan bu yeni teknolojiyi duyuyorlar ve doğal olarak onu istiyorlar. Ancak şimdi uygulamaya geçiyoruz ve şöyle düşünmeye başlıyoruz: Pazarlama, gördüğümüz teknik becerilerle her zaman örtüşmüyor. Teknik beceriler de çalışanlarınızın ve ekibinizin sahip olduğu beceriler, eğitim ve isteklilikle her zaman örtüşmüyor.

Dolayısıyla kesinlikle bir kopukluk var. Tam da bunun ortasındayız ve eminim dinleyen herkes bu konuda bir şekilde baskı hissediyordur.

Galen Low: Ekonomik boyutunu gündeme getirmeni ilginç buldum; çünkü bunu gerçekten düşünmemiştim. Bu düzeyde bir yatırımdan, ekonomilerin para kazanma biçimi açısından tüketici harcamalarını aşmaktan söz ettiğinde, bu şirketlerin üzerindeki baskıyı bir düşün. Altyapıya yatırım yaptılar ve harcama yapıyorlar. Hepimize bulut depolamanın artık ucuz olduğu öğretilmişti.

Evet, petabaytlarca veri söz konusu olduğunda ucuz değil. Bu baskı aşağıya doğru süzülüyor. Yazılım alanında pazarlamacıysan seni gerçekten selamlıyorum; çünkü kuruluşların yaptığı ve henüz geri kazanamadığı bu devasa yatırım nedeniyle mümkün olduğunca çok lisans satman için büyük bir baskı var.

Şu anda kârlı işletmeler değiller. Yatırım aşamasındalar. Belki de kullanım alanlarını bulmak için dışarı çıkma baskısı var; çünkü henüz kullanım alanlarıyla başlamadığımız bir noktadayız. Bunun her şeyi kökten değiştirme ve dönüştürme potansiyeli olduğunu düşündük.

Harika. Hadi gidip birkaç çivi ve bir çekiç bulalım. Bence bu, konuya bakmak için ilginç bir mercek. Aslında senin bunu söyleyeceğini düşünmemiştim ama yukarıdan aşağıya doğru süzülen bu baskı, "Evet, ben de artık yapay zekâ destekli proje yönetimi yazılımı satın alma konusunda rekabet baskısı hissediyorum" noktasına geliyor.

Çünkü bu, 1992'de faks makinesi olmayan bir telefon satın almaya benziyor. Herkesin sahip olduğu şey bu olduğu için, faks gönderip göndermediğime bakmaksızın çok işlevli ve son teknoloji ürünü cihazıma sahip olmam gerektiğini düşünüyorum. Ancak artık bunu anlamaya çalıştığımız bir noktada olmamız fikrini seviyorum.

Yapay zekâ destekli herhangi bir yazılımı satın almış olman sorun değil; çünkü bu, onunla neler yapabileceğimizi anlamamıza yardımcı olacak. Fakat bunun için "Büyülü düğme var, yükle'ye bastık ve artık tamamız" yaklaşımı değil, farklı bir zihniyet gerekiyor.

Olivia Montgomery: Evet.

Galen Low: Çözdük.

Olivia Montgomery: Aynen öyle. Bunu biz de görmeye başlıyoruz.

Anket sonuçlarında güvenliğin proje yönetimi yazılımı alıcıları için en önemli öncelik olarak öne çıkmasından büyük gurur duydum. Bu benim için son derece heyecan verici. Normalde ilk sırada işlevsellik olurdu ve bu elbette mantıklı. Güvenliğin, gördüğümüz kadarıyla ilk kez en önemli öncelik hâline gelmesi harika.

Bu bana ekiplerin şunu fark ettiğini söylüyor: Kullandığınız her tür yapay zekâ, özellikle harici büyük dil modelleri kullanıyorsanız, saldırı yüzeyinizi artırıyor. Mevcut sisteminize yeni eklenmiş ve size yardımcı öneriler, otomatik tamamlama veya daha iyi iş akışı oluşturma konusunda destek sunan yapay zekâ özellikleriyle çalışanlarınızın proje toplantısı notlarını sentezlemek için harici büyük dil modelleri kullanması arasında büyük bir fark var.

Bu nedenle topluluğumuzun güvenliği listenin en üstüne koymasından gerçekten heyecan duyuyor ve gurur duyuyorum.

Galen Low: Bu gerçekten ilginç. Bence aynı zamanda olgunluğa ulaşma hızına da işaret ediyor. Son birkaç on yılda dijital alanda ve teknolojide bizi etkileyen pek çok şey oldu. Önemli konuları anlamakta hep yavaş kaldık. Bu konunun bu kadar ciddiye alındığını duymak beni şöyle düşündürüyor: Mahremiyet, veri ve güvenlik artık ciddiye alınıyor ve büyük resimde hâlâ çok erken aşamalardayız.

Bu önemli. Ayrıca onu nasıl kullandıklarına da işaret ediyor. Otomatik düzeltme konusunda veri gizliliğiyle ilgili hiçbir zaman çok endişelenmedim. Bunun muhtemelen sorun olmayacağını düşündüm. Dokunmatik ekranda neyi yazamadığımı veya yazamadığımı artık biliyorsun ve sorun değil.

Ancak tüm proje bilgilerimi, müşteri bilgilerimi ve iş raporlarımı girdiğimde konu çok daha önemli hâle geliyor. Bunda hoşuma giden şey, bunun neredeyse bir hız düşürücü gibi olması. Çok hızlı ilerlemeden, veri saçarak ve sonra "Eyvah" demeden önce doğru zamanda durmamızı sağlıyor.

Ayrıca iş dünyasındaki rekabete de işaret ediyor olabilir. Tüm bilgilerimi paylaşmak istemiyorum. Özel büyük dil modelleri oluşturmaktan söz ediyoruz. Buna eminim değineceğiz. Ancak mahremiyetin bu kadar büyük bir öncelik olarak ortaya çıkması gerçekten ilginç.

Olivia Montgomery: Biliyorum, harika. Kendimizle gurur duyuyorum.

Galen Low: Bana göre bu, temel unsurlara işaret ediyor. Biraz uzaklaşıp şunu sorabilir miyiz diye düşündüm: Her kuruluş bir sabah uyanıp "İstediğimiz tüm yapay zekâ özelliklerine sahip bir proje yönetimi yazılımı satın alalım" diyemez. Önce bazı şeylerin hazır olması gerekiyor.

Bir ekibin veya kuruluşun proje yönetimi yazılımındaki yapay zekâ özelliklerinden gerçekten yararlanabilmesi için nelerin hazır olması gerekiyor? Sizce ekiplerin ve kuruluşların yapay zekânın yatırım getirisini hızlandırmasına yardımcı olacak temel unsurlar neler?

Olivia Montgomery: Kesinlikle. Birkaç dakika, hatta mümkün olan her an durup "Hazır mıyız? Bunu yapmaya hazır mıyız?" diye sormak gerekiyor. Evet, satın almaya hazırım. Evet, işletmeye yapay zekâ dâhil etmeye ve elde edebileceğimiz tüm kazanımları görmeye hazırım. Ama gerçekten ne zaman hazırız? Bence her türden ve her büyüklükten şirketin, her sektörde ve her olgunluk seviyesinde dikkate alması gereken iki oldukça önemli konu var.

Bunlar teknik hazırlık ve kültürel hazırlık.

Öncelikle teknik hazırlığa bakalım. Yeterince temiz ve yapılandırılmış veriniz var mı? Tahmine dayalı analiz için makine öğrenmesi veya rapor oluşturmanıza ve verileri sentezlemenize yardımcı olması için büyük dil modelleri kullanıyor olabilirsiniz.

Bunların size memnun kalacağınız bir çıktı sunabilmesi için çok büyük miktarda, gerçekten yüksek kaliteli veriye ihtiyacı var. Bu nedenle verilerimiz var mı, nerede, kalitesi ne durumda, bu verileri paylaşmaya hazır mıyız, bize içgörü sağlayacak kadar iyi mi diye kontrol etmeniz gerekiyor. Yapay zekâyı devreye almadan önce mevcut araçlarınızı denetlemek istersiniz; çünkü gereksiz yetenekleri devreye sokuyor olabilirsiniz.

Başka bir araçta bu özellik zaten bulunuyor olabilir. Ayrıca araç denetimi yaptığınızda, çalışanlarınız işteyken farkında olmadığınız araçları kullanıyorsa gerçekleşen gölge BT faaliyetlerini de ortaya çıkarabilirsiniz. Bunu bilmek istersiniz.

Bu nedenle tüm BT altyapınızın ve tüm ortamınızın eksiksiz bir denetimini yapmanızı öneriyorum. Kullanımda olan tüm uygulamaların neler olduğunu ve nerede kullanıldıklarını belirleyin. Ekosisteminizin nasıl göründüğüne dair net bir anlayışa sahip olduğunuzdan emin olun. Ayrıca yönetişiminizi de oluşturmalısınız.

Bu araçları çalışanlarınıza vermeden önce ne aldıklarını, neden aldıklarını, onunla ne yapmaları ve ne yapmamaları gerektiğini bildiklerinden emin olun. Paylaşılabilecek bilgi türleri ve bilgilerin araçlarla güvenli biçimde nasıl paylaşılacağı konusunda çok net politikalarınız olmalı.

İdeal durumda bunların hepsini arka uçta yapılandırabilirsiniz: "Bu iki sistemdeyseniz, burası bilgi yönetimimiz, burası belge yönetimimiz, burası görev yönetimimiz. Hepsi güvenli; kullanabilirsiniz." Bu ideal durumdur, ancak birçok şirket henüz orada değil. Bu yüzden en azından çalışanlarınızı politikalarla güçlendirin ve onlara rehberlik edin.

Kültürel hazırlığa gelirsek, BT ekibiniz ve herkes hazır olabilir, her şey güvenli olabilir, kullanıcı kabul testleri başarıyla tamamlanmış olabilir. Ancak insanların işe geldiklerinde gerçekten kullanmaya hazır olması gerekir. Ne yapacaklarını biliyorlar mı? Kullanırken rahat hissediyorlar mı? Kullanmak istiyorlar mı?

Kültürel hazırlık, değerlendirilmesi ve dikkate alınması gereken diğer temel unsurdur. Çalışanlara ve ekiplerinize tam olarak ne verdiğinizi, neden verdiğinizi ve nasıl kullanmalarını beklediğinizi açıkça anlatmalısınız. "Size yeni araçlar açacağız. Belki bir pilot proje yürütebilir ve bunları test edebiliriz; ancak her şeyi hemen devreye almıyoruz" deme alanı olmalı.

Her şeyi mükemmel biçimde haritalandıracağınız beklentisine de sahip olmamalısınız. Bu iş akışlarını ve politikaları ekiplerin önüne koyup onların sadece uygulamasını bekleyemezsiniz. Tartışmalar, duraksamalar, ilerlemeler ve yeniden çalışmalar olacaktır. Bunun gerçekleşeceğini bildiğiniz ve bunu bir test dönemi ya da test projesi içinde yalıtabildiğiniz sürece, araçları doğrudan devreye almaktan çok daha başarılı olursunuz.

Aksi hâlde ekipleriniz muhtemelen şaşkınlık ve hayal kırıklığıyla tepki verecek, bu araçlarla umduğunuz üretkenlik kazanımlarını göremeyeceksiniz. Bu nedenle herhangi bir zorunluluktan, özellikle de "ya yapay zekâ ya hiç" türü talimatlardan kesinlikle kaçınmalısınız. Bence tüm bunlar düşünceli, bilinçli bir yaklaşımla ve önce düşük riskli, yalıtılmış bir ortamda veya projede test ederek gerçekleştirilebilir.

Bu nedenle şirketlerin yalnızca teknik hazırlığı değil, kültürel hazırlığı da dikkate alması gerçekten çok önemli.

Galen Low: Yazılım değerlendirmenize gölge BT'yi dâhil etmeni gerçekten beğendim. Hazırlanırken küçük ve orta ölçekli işletmelerle büyük kuruluşlar arasındaki farklardan söz ediyorduk.

Yönetişimi çok iyi olması gereken birçok büyük kuruluşun, çalışanların yanlışlıkla kişisel ChatGPT hesaplarını kullandığından veya internette erişilebilir araçlarla oynadığından haberdar olmadığını biliyoruz. Bunlar henüz BT tarafından kilitlenmemiş olabilir. Ancak yaklaşımını seviyorum: "Bir değerlendirme yapacağız; cezalandırılmayacaksınız. Sadece neler olduğunu bilmemiz gerekiyor." Bunun gerçekleştiğini biliyoruz ve gerçekleştiğini bildiğimiz gerçeğine dayalı bir plan oluşturmak istiyoruz.

Herkesin denemeler yapması ve önden gitmesi aslında harika. Ama bunu bazı sınırlarla çevreleyelim. Bunu bastırmayalım; ancak bazı parametrelere ve sınırlı bir pilota ihtiyaç duyabileceğimizi söyleyelim. Binlerce çalışan için kuruluş çapında bir değişiklik yapmaya çalışmayalım. Aynı zamanda herkesin farklı bir şey yaptığı küçük kum taneleri oluşmasına da izin vermeyelim; yoksa bundan bir bütün olarak asla yararlanamayız.

Bence bu doğrudan kültürel hazırlığa bağlanıyor. Bu, her iki taraf için de bazı beklentiler oluşturmakla ilgili. Söylediğin ve bende yankı uyandıran şey şu: İnsanlar sabah işe geldiklerinde bununla ne yapacaklarını biliyor mu? Pek çok kuruluşun varsayımlarda bulunduğunu görüyorum. Araçları benimsemeyen insanlara yönelik çok fazla yargı var ve insanların kaşlarını çattığı birçok benimseme grafiği görüyorum.

Bir şey duyuruyoruz ama benimseme hâlâ düz. Bu insanlar neden anlamıyor? Ancak kültürel hazırlık, değişim yönetimi, eğitim ve yalnızca konuşma, teknik hazırlıkla el ele gidiyor. Bu gerçekten kullanılacak mı? İnsanlar onu kullanacak mı?

Olivia Montgomery: Çünkü tam olarak mesele bu. Çalışanlarınızı kısıtlamak istemezsiniz; kendilerini güçlendirilmiş hissetmelerini, sorun çözmelerini istersiniz. İşletme kültürünüzde, bazı şeyleri devreye alıp güçlü kullanıcıları ve yeni araçları denemeye istekli, başarılı olacağını düşündüğünüz kişileri belirleyebileceğiniz bir yaklaşım zaten bulunmalı.

Onların araçlarla oynamasına ve bazı şeyleri çözmesine izin verirken politikalarınızı ve planlarınızı resmileştirirsiniz. Ardından bunları biraz daha yavaş hareket eden veya daha dirençli olabilecek diğer ekiplere sunarsınız. Herkesi heyecanlı bir merak ve işletmeyi ileri taşıma isteği etrafında bir araya getirmeye çalışırsınız.

Herhangi bir türde cezalandırıcı bir yaklaşım benimsememeniz gerçekten çok önemli. Çalışanlar, kendilerine olumsuz bir damga vurulacağını hissettiği anda kapanırlar. Cezalandırıcı kültürün en ufak belirtisi bile çalışanların kendilerini kapatmasına neden olur.

Çalışanlar bir şeyleri saklar, sorunları gündeme getirmez ve siz ciddi biçimde zarar görür, duraklarsınız. Araştırma da benimsemenin gördüğümüz en büyük zorluk olduğunu gösteriyor. Bunun nedeni çoğu zaman netlik eksikliği ve iki yönlü, hatta beş yönlü bir konuşmanın olmaması.

Herkes fikirlerini ve deneyimlerini paylaşmalı. Bu konu çok yeni ve her şirketin onu kullanma biçimi farklı olacak. Yapay zekânın özellikle farklı ve benzersiz yönlerinden biri, tüm departmanları ve tüm sektörleri aşağı yukarı aynı anda etkiliyor olması. Bu yalnızca bir departmanın meselesi değil; herkesin meselesi.

Proje yöneticilerinizin, mühendislerinizin ve herkesin işini desteklemek ve geliştirmek için kullanabileceği bu yetenekler artık mevcut. Daha önce, her şeyi dijitalleştirip bilgisayara taşımak dışında böyle bir durum görmemiştik. O da herkesi etkilemişti.

Dolayısıyla şirketinizin tamamı yapay zekâyı çok farklı biçimlerde görüyor ve onunla tanışıyor. İnsanlara bu araçları güvenli ve etkili biçimde kullanma konusunda sağlayabileceğiniz her türlü netlik gerçekten çok önemli.

Galen Low: Bunu sevdim. Bu kadar yeni olması, bunun bir diyalog olması gerektiği anlamına geliyor ve kültürel hazırlığın temel noktası da bu. Ayrıca podcast'e, insanların yazılım satın alıp ondan ne istediklerini bilmeyebilecekleri fikriyle başlamıştım. Belki de bunun nedeni tüm bu heyecana kapılıp rekabetçi kalmaya çalışmalarıdır.

Bazen de insanlara onunla tam olarak ne yapacaklarını söylemek zorunda olduklarını düşünürler. Oysa senin söylediğin şey, onlara bazı sınırlar vermek ama denemeler yapmanın ve paylaşmanın sorun olmadığını anlatmak. Bunu stratejisiz bir talimat hâline getirmiyoruz. Strateji, adım adım ilerlemek.

Her departmanı ve kuruluştaki herkesi bir gecede dönüştürmek gerçekçi olmaz. Sırf yapay zekâ yüzünden işletmenin her yönünü bir anda değiştiremezsiniz. Herkesle diyalog kurmak ve beklentileri belirlemek gerekiyor.

Olivia Montgomery: Kesinlikle. Teknik hazırlığınız ne kadar güçlü olursa, özellikle proje yönetimi yazılımı için tedarikçiyle de o kadar iyi bir ilişkiniz olur. Mevcut aracınız yapay zekâ özelliklerini devreye sokuyor olabilir veya daha fazla yapay zekâ özelliği sunduğu için yeni bir araç arıyor olabilirsiniz.

Teknik hazırlığınız varsa ve tedarikçiyle, BT ekibinizle çalıştıysanız, veri yönetiminin olması gereken yerde olduğunu biliyorsanız, bunun güvenli bir üretim ortamı olduğunu anlıyorsanız, ekiplerinize bunu açabilirsiniz.

Şirketinizin büyüklüğüne göre departman, proje yöneticisi veya portföy bazında ilerleyebilirsiniz. "Her şeyi açtık. Güvenli. Hiçbir şeyi bozamazsınız. Ekiplerinizle birlikte kullanmaya başlayın" diyebilirsiniz. Teknik tarafta her şey güvenliyse, kültürel hazırlık konusunda ekiplerinize yardımcı olmak benimsemeyi büyük ölçüde destekleyebilir.

Galen Low: Bunu gerçekten beğendim. Veri güvenliği ve yönetişim hakkında konuşuyorduk. Farklı işletme büyüklüklerinden ve farklı ihtiyaçlardan söz ediyorduk. Veri güvenliği ve yönetişim unsurları farklı büyüklükteki kuruluşlarda nasıl değişiyor? Daha küçük ve çevik kuruluşların temkinli büyük kuruluşlara göre avantajı var mı?

Olivia Montgomery: En sevdiğim yanıt şu: Duruma göre değişir.

Yelpazenin her iki tarafının da artıları ve eksileri, güçlü ve zayıf yönleri var. Büyük kuruluşların avantajı daha fazla veriye ve daha fazla geçmiş veriye sahip olmalarıdır. Verileri muhtemelen daha iyi korunuyordur. Veri hijyeni politikalarınız daha iyi olabilir ve ekosisteminizin nasıl göründüğünü, ekiplerinizin araçları ne sıklıkla ve nasıl kullandığını daha iyi biliyor olabilirsiniz.

Bu nedenle benimsemeye hazır olduğunuzda yapay zekânın sizin için daha etkili ve başarılı olmasını sağlayacak temel unsurların çoğuna sahip olabilirsiniz. Diğer taraftan küçük şirketlerin verisi daha az, veri yönetimi politikaları daha az olgun olabilir; ancak genellikle araçları çok daha hızlı değiştirebilirler.

Proje yönetimi araçlarını, örneğin kurumsal bir banka kadar hızlı değiştirebilirsiniz. Yeni şeyleri deneyebilir, ne istediğinizi görebilir ve en yeni teknolojilerden hızla yararlanabilirsiniz. Bu sırada teknik hazırlığı ve veri kalitesini geliştirmeye devam edersiniz.

Her iki tarafın da artıları ve eksileri var. Bu güçlü ve zayıf yönleri gerçekçi biçimde anlamak ve bunlara göre hareket etmek, her iki taraf için de başarılı bir ilerleme yolu olabilir. Yapay zekâ yalnızca büyük kuruluşlar veya yalnızca küçük işletmeler için iyi değildir; her yerde yararlı ve faydalıdır.

Ancak karşılaşacağınız zorluklar, kuruluşun büyüklüğü ve olgunluğu nedeniyle oldukça farklı olacaktır.

Galen Low: Raporunu hazırlarken veya sektörde konuştuğun kişilerden duyduğun herhangi bir hikâye ya da örnek var mı?

Olivia Montgomery: Sektörde mi? Sektör sırlarımı mı istiyorsun?

Galen Low: Hadi biraz dedikodu yapıp perde arkasını anlat. Hadi ama.

Olivia Montgomery: İster büyük ister küçük, hangi sektörde veya kültürel ortamda olurlarsa olsunlar, hazır olduklarından emin olan ve ekiplerinin başarılı olmak istediğini anlayan şirketlerin daha başarılı olduğunu kesinlikle söyleyebilirim. Beklentilerinizi ne kadar net ifade eder ve onlara sınırlar sağlarsanız o kadar başarılı olursunuz.

Sadece "Yapay zekâ kullanın" diyen, her gün giriş yapıp yapmadığınızı kontrol eden ve yöneticilerin kullanım raporları aldığı şirketler var. Bu kesinlikle yaşanıyor. Arkadaşlarım ve ailem var; bu tür talimatlar aldıklarını duyuyorum.

Ne yazık ki bazı liderler cezalandırıcı bir yaklaşım benimsiyor. "Bu araca çok para verdik ve her gün herkesin en az on dakika giriş yapmış olmasını istiyoruz" diyorlar. Herkesin kendi kotası var ve kullanım gibi göstergelerle yatırım getirisini ölçmeye çalışıyorlar.

Henüz buna hazır değiliz. Henüz hiçbir şirketin buna hazır olduğunu sanmıyorum. Önce bunu güvenli hâle getirelim ve etkili biçimde nasıl kullanacağınızı anlamanıza yardımcı olalım. Sonra giriş yapıp yapmadığınızı denetlemeye geçeriz.

Denetim yapmanın iyi bir fikir olduğunu düşünüyorum. Kullanımı denetlemeyin demiyorum. Bu, örneğin bir ekibin hiç giriş yapmadığını fark etmenin ve nedenini anlamak için onlarla iletişime geçmenin bir yoludur. Başka bir ekip bir ay boyunca her gün giriş yaptıysa ve şimdi kullanım düşüyorsa, nedenini kontrol edersiniz.

Ne olursa olsun nedenini anlamak için iletişime geçmelisiniz. Kullanım denetimlerini yatırım getirisini ölçmenin temel göstergesi olarak değil, benimsemenin ne kadar etkili olduğunu anlamak için kullanırım.

Galen Low: Bu, kararları bilgilendirmek ve insanlara rehberlik etmek için veri kullanmakla onları cezalandırmak ve denetlemek için veri kullanmak arasındaki iyi ve net bir ayrım.

Topluluğumda, özellikle ajanslarda, danışmanlık şirketlerinde ve profesyonel hizmetlerde çalışanlar arasında zaman takip verileri sürekli gündeme geliyor. Bir tarafı "Yeterince saat kaydetmedin, kullanım oranı yeterince yüksek değil; bir insan olarak gerçekten değerli misin?" derken, diğer tarafı "Zamanımızı nasıl harcıyoruz ve onu harcamamız gereken doğru yer burası mı?" diye soruyor.

Önemli şeyleri yapmak için zaman harcamıyorsak ne yapılabilir? Bunun nedeni ne ve ne yapılabilir? Eve dönüş zorunlulukları gibi konuları da düşünüyorum. İnsanlar ve kuruluşlar etkiyi ölçmekte ve insanları sürece dâhil etmekte oldukça kötüler. Her zaman bir kota var: Bunu yapmazsan cezalandırılırsın.

Aslında hedef çok değerli olsa bile bu davranışlar ortaya çıkıyor. İnsanların bu araçları keşfedip kullanabilmesini istiyoruz, ama onlara bugün giriş yapmadıkları için ceza verecekmişiz gibi görünüyor.

Olivia Montgomery: Kesinlikle.

Galen Low: Kültürel hazırlıkla ilgili söylediklerin, bunun ne kadar önemli olduğunu gösteriyor. Verinin ve yönetişimin ne kadar önemli olduğunu ve bunların birlikte nasıl çalıştığını da görüyorsun. Çünkü bunların ilerlemeden önce hazır olması gerekiyor.

Olivia Montgomery: Evet. Zaman takibi hakkında, özellikle benim gibi bilgi çalışanları için, başlı başına bir bölüm yapabiliriz. Yürüyüş sırasında yapılan değerli işleri nasıl takip edebilirsin? Evet, oturup yazdığım bir iş var.

Ancak daha değerli iş, özellikle bir bilgi çalışanı ve proje yöneticisi olarak, yürürken elimdeki bilgileri birleştirdiğim ve sonra bir içgörüye ulaştığım anda gerçekleşiyor. Daha sonra oturup yazmaya başladığımda iş çok daha hızlı ve kaliteli oluyor.

Genellikle yalnızca bilgisayarın karşısında yazı yazılan zamanı yakalamaya çalışıyoruz. Peki başka yerde geçirilen gerçekten yararlı zamanı nasıl yakalayacağız? Bence yapay zekânın gelecekte proje yönetimi araçlarında bize yardımcı olabileceği alanlardan biri bu.

Yapay zekânın özellikle proje yönetimi araçlarını etkilediğini gördüğüm en sevdiğim ve heyecan verici alanlardan biri kaynak tahsisi. Yapay zekâ destekli otomasyonların bir bölümü aslında daha gelişmiş otomasyondan ibaret. CRM sistemlerinde doksanlardan beri kullandığımız birçok "eğer-o hâlde" ifadesi var. Bu tamamen yeni değil, ancak son dönemde çok daha güçlü hâle geliyor.

Proje planınızı oluşturduğunuzu ve elinizde bir kaynak havuzu olduğunu düşünün. Proje yöneticisi olarak temel görevlerimizden biri, projenin çalışması için doğru tarifi oluşturmaktır. Kimin yakında izin hakkı var? İhtiyacım olan becerilere kim sahip? Kimi geliştirmek istiyorum? Yeni oldukları için görevleri biraz daha uzun sürse de onları geliştirmek istiyor muyum?

İşlerin çok hızlı tamamlanması gerekiyor. Bunu hızlı ve deneyimli biçimde yapabileceğine güvendiğim kişi kim? Tüm bunları bir tarifte bir araya getirmeniz gerekiyor. Yapay zekânın, makine öğrenmesinin ve tahmine dayalı yeteneklerin bu konuda çok daha iyi hâle geldiğini görüyoruz.

Bazı araçların bu dağınık zamanı da hesaba kattığını görüyoruz. Örneğin birinin tatile çıkmasından önceki hafta, bilişsel açıdan çok yüksek gereksinimleri olmayan görevler verebilir, günlük uygulamaya odaklanan görevlerle yükleyebilirsiniz. Tatilden döndüğünde daha zinde olacaktır ve daha yüksek riskli, daha derin çalışmayı gerektiren işleri verebilirsiniz.

Bazı araçlar daha da gelişiyor. Bir kişinin projemde üç hafta boyunca bireysel ve derin çalışmada çok iyi olduğunu, ardından ona bir hafta daha üst düzey ve farklı görevler vermenin uygun olacağını anlayabiliyor. Bu görevler daha iş birlikçi olabilir. Projenizin niteliğine göre değişir.

İnsan unsurunu hesaba katmak proje yöneticisi için son derece karmaşık ve zordur. Yapay zekâ bu konuda kesinlikle yardımcı oluyor ve bunun giderek daha fazla örneğini görüyoruz. Hepimiz için heyecan verici; çünkü birçok proje görevi ve teslim tarihi, bu unsurları nasıl hesaba katacağımızı bilmediğimiz için zorlaşıyor.

Bazen insan olduğumuzu, makine olmadığımızı kabul etmek için güvenli bir alanımız olmuyor. Makine, kendisine söylediğiniz işi yapar; anakartı yanarsa başka bir anakart alırsınız. İnsanlara bunu yapmak istemeyiz.

Paydaşlarınıza ve işletme sahibinize mümkün olan en gerçekçi beklentileri sunabilmek için en gerçekçi zaman çizelgesine ve iş kırılım yapısına ihtiyacınız var. Bunların tümü, yetenekleri ve gerçekliği mümkün olduğunca doğru yansıtmalı. Yapay zekânın bize yardımcı olabileceği ve umarım yardımcı olduğu için heyecanlıyım.

Galen Low: Bunu sevdim. Kaynak tahsisi, tamamen insan merkezli bir örnek. İnsanların makineler olmadığını gösteriyor.

Neredeyse geleneksel sanayileşmenin zirvesine ulaştık. İnsanları makinelere dönüştürdük ve makineler gibi davrandık; çünkü tekdüzeliğe ihtiyacımız vardı. O kişi sabah dokuzda giriş yaptı mı ve akşam beşte çıkış yaptı mı? Ölçebildiğim şey bu; çünkü bu veriyi anlayabiliyorum.

Herkesin çalışma tarzını, dağınık zamanını ve diğer unsurları hesaba katacak kapasitem yok. Bunları hiç düşünmeyelim. Yapay zekânın çalışma hakkındaki varsayımlarımıza meydan okuma fırsatı sunduğunu söyleyecektim; ancak bence bundan daha fazlasını yapıyor. Çalışma etrafında yarattığımız yanılgılara meydan okuma fırsatı veriyor.

Sadece varsayımlar değil; "Bu çok zor. Herkes belirli bir saatte ofise gelsin ve çalışma saatlerini kaydetsin. Yıllık performans değerlendirmeleri yapar, yılda bir kez nasıl olduklarını sorarız" dedik. Yapabildiğimiz tek şey bu.

Kaynak tahsisi kullanım alanı, makinelerin işimizi yaparken kendi insanlığımızı fark etmemize nasıl yardımcı olabileceğine dair çok iyi bir örnek. Özellikle bilgi çalışanları için heyecan verici; çünkü veri unsuru, kültürel farkındalık, kullanım alanları ve bu araçlarla her gün işe geldiğimizde ne yapmamız gerektiği bir araya geliyor.

Ayrıca işimizi nasıl dönüştürdüğünü de gösteriyor. Yalnızca görevi değil, çalışma kavramını ve ona nasıl yaklaştığımızı da dönüştürüyor. Bu bizi geleceğe doğru taşıyabilir. Hazırlanırken oyun alanının eşitlenmesinden söz ediyorduk. Bunun her departmandaki herkesi etkilediğini söyledin.

Yapay zekânın bir tür eşitleyici hâline gelmesi, teknolojiyi ve işletmeyi biraz daha kapsayıcı ve erişilebilir kılması hakkında konuştuk. Entegre üretken kodlama, otomasyon veya aracılı iş akışları gibi yapay zekâ özelliklerinin kısa ve uzun vadede işlerin yapılma biçimi üzerinde ne gibi etkileri olabilir?

Olivia Montgomery: Çok heyecan verici. Önce kısa vadeden bahsedeyim. Sohbet robotları ve bu büyük dil modelleri çıktığından beri kısa vadede gördüğümüz şey, proje yöneticilerinin ve teknik olmayan kişilerin bilgisayarlarla, bilgisayarların artık daha iyi anlayabildiği biçimlerde konuşabilmesi.

Bu çok heyecan verici. Ebeveynlerimin artık bir büyük dil modeliyle konuşup, daha önce bilgisayarla yapamadıkları işleri yapabildiğini görmek beni şaşırtıyor. Büyük dil modelleri eksik cümlelere ve yazım hatalarına tolerans gösterebiliyor. Önceden kod satırları yazmanız ve sorgular oluşturmanız gerektiğinde kesin olmalıydınız. Şimdi doğal dil işleme yetenekleri ile büyük dil modelleri bir araya geliyor.

Teknik olmayan bir proje yöneticisi bugün proje yönetimi aracına girip "Proje A'yı al ve yıl sonuna kadar uzanan bir iş kırılım yapısı oluştur" yazabilir. Araç bir ekip arkadaşı gibi yanıt verir ve bilgiyi sunar. Elbette kontrol etmeniz gerekir. Hepimiz bu modelleri kullandık ve hata yaptıklarını gördük.

Ancak bir bilgisayarla konuşup etkili çıktılar alabilmemiz çok önemli. Uzun süredir gördüğümüz kodsuz ve düşük kodlu eğilime daha önce hiç görmediğimiz bir kolaylık katıyor. Bu kesinlikle heyecan verici.

Bununla birlikte bazı uyarı işaretleri görüyorum. Bilgisayarla bir ekip arkadaşı gibi gündelik dilde konuştuğumuzda, bu araçların ortaya çıkan yeteneklerine güveniyor olabiliriz. Pazarlama, bunların ortaya çıkan yetenekler olduğunu açıkça belirtmiyor.

Büyük dil modellerine odaklanacağım; çünkü kısa vadede en büyük etkiyi onlar yaratıyor. Hepimiz bunları özellikle bilgileri özetlemek, veri noktaları toplamak ve analiz etmek için kullanıyoruz. Ancak bunlar ortaya çıkan yetenekler ve bu şu anda açık değil.

Büyük dil modelleri, insan benzeri biçimde metin veya görsel üretmek üzere tasarlanmıştır. Sahip oldukları çok büyük miktardaki bilgiye dayanarak sözcük sırasını istatistiksel olarak tahmin ederler. "Özetlemek" kelimesinin ne anlama geldiğini bilmezler.

Veri bilimci değilim ve kendi büyük dil modellerini oluşturan hiç kimse bana kızmasın. Ancak bir kelimeyi belirteçlerine ayırabilirler. "Bağlantısızlık" kelimesini ele alalım. Sen ne anlama geldiğini bilirsin; ancak bir büyük dil modeli bunu farklı parçalara ayırabilir ve aynı parçaları başka kelimelerde de kullanabilir.

Bu, büyük dil modelinin kelimeleri nasıl anladığıyla insanın anlama biçimi arasında büyük bir kopukluk yaratır. Dil ve edebiyat geçmişim nedeniyle bunun nasıl karıştığını görebiliyorum. Bu durum zamanla büyüyen etkilere yol açabilir.

Bir örnekle açıklayayım. Bir proje yöneticisisiniz ve işletme sahibiyle büyük bir durum güncellemesi toplantısı yapmaya hazırlanıyorsunuz. Her yerden gelen tüm durum bilgilerini toplamanız gerekiyor. Bunları proje yönetimi aracınızdan alabilirsiniz. Belki sesli notları seviyorsunuzdur; ben çok sayıda sesli not gönderiyorum.

Bazı şirketler sesli güncellemeleri metne dönüştüren araçlar sunuyor. Elinizde birkaç sesli not, aracınızdan gelen güncellemeler var ve bunları bir büyük dil modeline yükleyip "Neler olduğunu anlamama yardım et; görüştüğüm işletme sahibine kapsamlı durumu aktaracağım" diyorsunuz.

Bu kulağa harika geliyor. Bize bunun harika olduğu söyleniyor. Ancak o kadar da harika değil. Büyük dil modelleri verdiğiniz bilgiyi dönüştürüyor ve genellikle birçok duygusal kelimeyi çıkarıyor.

Aciliyet duygusunu, nüansı ve bazen de istediğiniz şeyin tüm bölümlerini çıkarabiliyor. Dili neredeyse her zaman yumuşatıyor ve duygusal işaretleri kaldırıyor.

Diyelim ki sesli notunuzda yöneticiniz, beklediğiniz yeni tedarikçi sözleşmesinin hukuk departmanında takıldığını, kendilerine ulaşmakta zorlandığını, hukuki yanıt gelene kadar ilerleyemeyeceğinizi ve bu konuda iyi hissetmediğini söylüyor.

Yapay zekâ özeti ise bunu büyük dil modeline beslediğinizde, durum raporunda "Tedarikçi sözleşmesi son aşamalarda" diyebilir. Bu yanlış değil; gerçekten de son aşamalarda. Ancak bu, gerilim ve hayal kırıklığı içeren bir son aşama. Bunu kaçıracaksınız.

Sesli notu dinlemeyebilir, yalnızca dökümü modele verip onun bunu yönetmesini bekleyebilirsiniz. Böylece hayal kırıklığını kaçırırsınız. İşletme sahibine bunu aktarmayacak, yöneticinizle takip görüşmesi yapmayacak ve engeli kaldırmaya çalışmayacaksınız. Sadece "Son aşamalarda. Harika" diyeceksiniz.

Bu çok sık yaşanıyor. Bu nedenle gerçekten dikkatli olmalısınız. Dilinizi her zaman yumuşatacak ve birçok şeyi yanlış temsil edecek. Bu da başınıza iş açabilir. Bazılarımızın başına iş açtığını biliyorum; duyuyorum.

Galen Low: Duygusal içeriğin çıkarılması ve bunun etkisi hakkında yeterince düşünmemiştim. Dil ve dilbilim üzerine biraz konuşacak olursak, dil öğretilmesiyle dil verileri üzerinde eğitilmek arasında fark var. Bu büyük dil modelleri çok ikna edici.

Oyun alanını eşitlemekten söz ediyorduk. Herkes "İnsan kadar akıllı, çünkü insan gibi yanıt veriyor. İnsan gibi hata yapıyor. O hâlde insan" diye düşünüyor. Ama değil. Halüsinasyonların nereden geldiğini belirteç belirteç görebilirsiniz.

Bir proje yöneticisinin rolünün büyük bölümü nüansı fark etmek, duyguyu yönlendirmek ve duyguyu yeniden çerçevelemektir. Özetleme yaptığımızda bazı şeyleri kısaltırız; ancak yol boyunca duygunun bir kısmını da dönüştürürüz. Ekibimi bir kişinin kaygısından korumam gerekir, ama aynı zamanda aciliyet ve gerilim olduğunu bilmeleri de gerekir.

Proje yönetimi yazılımını satın alıp tüm dosyaları yüklediğinizde ve durumun ne olduğunu söylemesini istediğinizde, bütün bu duygusal bölüm tamamen kaybolabilir. Bu korkutucu ve büyüleyici. Önümüzde ne kadar ilginç bir zorluk olduğunu gösteriyor.

Bunun ortaya çıkan bir yetenek olduğunu söylemen önemli. Henüz mükemmel değil. Bu son değil, başlangıç. Bunu çalışma biçimimize dâhil etmemiz gerekiyor.

Olivia Montgomery: Özellikle proje yöneticileri için bunu sınırlamanın bir yolu, yaptığınız tüm girdileri gerçekten kontrol etmektir. Nüansı veya hayal kırıklığını kaçırırsanız ve bunu ele almazsanız sorumlu tutulursunuz.

Bunu biliyoruz. Ancak yeterince gerçekleştiğini düşünmüyorum; çünkü bu araçların bazı konularda iyi olduğuna dair çok fazla pazarlama mesajı alıyoruz. Bunların ortaya çıkan yetenekler olduğu konusunda yeterli netlik yok.

Üretim yönüne bağlı kalırsanız daha güvenli olabilirsiniz. Ya da çok gelişmiş ve özel bir ekibi olan bir şirkette, büyük bir veri tabanı üzerinde etkili biçimde eğitilmiş bir modelin yanı sıra çok sayıda "eğer-o hâlde" ifadesi kullanılıyorsa güvenilirliği artırmanın yolları vardır.

Ancak bunların hâlâ kara kutu sistemler olduğunu da unutmamak gerekir. Tasarlayan kişiler bile metni nasıl özetleyebildiğini tam olarak bilmediklerini söylüyor. Bu bana korkutucu geliyor.

Proje yönetimi aracınızda akıllı öneriler gördüğünüzde bunlar o kadar korkutucu değil. Kullanıcı gereksinimlerini toplarken boş sayfa kaygısını azaltmak için ilk taslağı oluşturmasını isteyebilirsiniz. Büyük dil modellerini ben de bu şekilde düşünüyorum: Üretken yapay zekâ olduklarını hatırlayıp ilk taslağı oluşturmalarını istiyorum.

Bunun ötesindeki yeteneklerin ortaya çıkan yetenekler olduğunu unutmayın. Test edilmiş ve kanıtlanmış değiller. Nasıl çalıştıklarını bile tam olarak bilmiyoruz. Bu yüzden dikkatli olun, ama korkmayın. Boş sayfa kaygısı, yapay zekânın halüsinasyonundan çok daha kötü olabilir. En azından işe başlamanızı ve ilerlemenizi sağlar.

Dil ve dilbilim geçmişim, her gün yapay zekâ araçlarını kullanmam, bu konuyu inceleyip araştırmam ve BT ekiplerinde çalışmış olmam bana teknik açıdan farklı bir bakış sunuyor. Umarım insanlar korkmaz ama bu sistemlerin nasıl çalıştığını tam olarak bilmediğimizi de anlar.

Tam durum raporunuz için ona güvenmezdim. Durum raporunuzu yazıp "Bunu işletme sahibine göre uyarla, ardından ekibime göre düzenle" diyebilirsiniz. Her iki grubun da farklı bilgiye, farklı bilgi türlerine ve farklı bilgi boyutlarına ihtiyacı vardır. Yapay zekâ bu konuda yardımcı olabilir.

Ancak tamamen güvenmeyin. Kesinlikle güvenmeyin. Bu araçlar ikna edici olacak şekilde tasarlandı. Yanlış olduğunu kabul etseydi veya "Bilmiyorum" deseydi muhtemelen onu tekrar kullanmazdınız. Bu yüzden ikna edici konuşması, bildiği için değil, kullanılmak üzere tasarlandığı içindir.

Galen Low: Raporunda benimsemenin neden en büyük zorluklardan biri olduğu artık daha açık. Her yerde baskı var ve insanlara sadece yapay zekâ kullanmaları söyleniyor. İnsanlar işteyken kendilerinden ne beklendiğini bilmiyor.

İçlerindeki ses, "Muhtemelen tüm dosyaları büyük dil modeline yüklememelisin" diyor. Ancak her zaman bu diyaloğu kurmuyoruz. Teknolojinin nasıl çalıştığını, onun hakkında ne bildiğimizi ve ne bilmediğimizi öğrenmiyoruz.

Biraz daha geleceğe bakabilir miyiz? Üretken yapay zekâdan söz ettik. Son aylarda gündemde olan diğer konu, aracılı yapay zekâ ve bunun proje yönetimi yazılımlarına girmesi. Bu bizi nereye götürüyor ve gelecek bizim için ne anlama geliyor?

Olivia Montgomery: Gelecekteki hâlimiz konusunda çok heyecanlıyım. Bugünkü hâlimiz biraz kaotik. Aracılı yapay zekânın ne anlama geldiğini netleştirelim. Bu, farklı insanlar için farklı anlamlara gelebilir.

Kuruluşunuzdaki BT ekibinin ve bunu sunan tedarikçinin sizin için bunun ne anlama geldiğini tanımlaması gerekir. "Aracılı yapay zekâ tamamen hazır" şeklinde pazarlama yapılıyorsa bu teklifi çok eleştirel değerlendirin ve teknik ayrıntılara derinlemesine bakın.

Henüz orada değiliz. Aracılı yapay zekâ, sistemin oldukça karmaşık bir akışta kararlar alıp görevleri gerçekleştirebildiği bir yapı olacak. İdeal olarak "Ekim ayında Yunanistan'a aile tatili ayarla" diyebilmek, takvimleri kontrol etmesini, davet etmek istediğiniz herkesin takvimlerini incelemesini, araç kiralama için en iyi fiyatları müzakere etmesini ve en iyi uçuşları bulmasını isteriz.

Kişisel temsilciniz gibi davranıp tüm kararları sizin için alacak ve sonra geri dönüp "İşte seyahatiniz, tamamlandı" diyecek. Bu heyecan verici ve umarım bir gün oraya ulaşırız.

Doğal dil işleme ve teknik olmayan kişilerin bilgisayarlarla konuşabilmesi bizi buna yaklaştıracak. Kodsuz ve düşük kodlu otomasyonları bugün bile oluşturabiliyoruz. Şimdilik proje yönetimi aracınızda iş akışınızı kurabilirsiniz, ancak bu iş akışı müşteri ilişkileri yönetimi sisteminize, e-postanıza ve takviminize taşınmayabilir.

Bu yetenekler artmaya devam edecek ve aracılı yapay zekâya yaklaşacağız. "Ekim ayında aile tatilimi ayarla" diyebileceksiniz. Bu, üretken kodlama olarak da adlandırılan yeni sayılabilecek bir yaklaşım.

Üretken kodlama, istem olarak sade bir dil kullanmanız ve gerekli mantığın gerçek yapısını bilgisayarın oluşturmasıdır. Bu, havalı bir ruh hâli veya tarz anlamında değildir. Sade dilinizi kullanmanızdır.

"Bana bir gezi ayarla" gibi basit bir isteğin arkasındaki mantık inanılmaz derecede karmaşıktır. Çoğu insan aile tatili planlamıştır; bunun ne kadar karmaşık olduğunu biliriz. Bu işi bilgisayara bırakmak heyecan verici, ancak sorunlarla dolu olacaktır.

Aynı riskler burada da geçerli. Aynı kelimeler herkes için aynı anlama gelmez. "Bana bir aile tatili ayarla" dediğinizde, davet etmek istediğiniz dört kişiyi belirtmiş olsanız bile yapay zekâ onların gerçekten gitmek isteyip istemediğini doğrulayamaz.

Bağlantı dokusunun, nüansın ve duyguların büyük bölümü kaybolur. Görevi yerine getirip çıktıyı anında sunması iyi hissettirebilir. Ancak yapay zekânın ayarladığı aile tatiline gittiğinizde ilginç bir deneyim yaşayabilirsiniz.

Galen Low: Bugün bir Waymo'ya binmek gibi. Biraz denenmiş, ama yine de biraz kumar.

Olivia Montgomery: Kesinlikle. Çok fazla önyargı ve beklenmedik durum olabilir. Beni tanıyan, tercihlerimi bilen yapay zekânın aile tatilini ayarladığını düşünelim. Tarih müzeleri ve modern sanat müzeleri rezerve edebilir. Treni görmek isteyebilirim ama ailem istemeyebilir. Yapay zekâ beni mutlu etmeye çalışır.

Bu yüzden iletişimi sürdürmemiz gerekiyor. Her şey yine sorgulamaya, zorlamaya ve bunların kusursuz olmadığını bilmeye geliyor. Pazarlama mesajlarını dikkatle değerlendirin, daha derin sorular sorun ve bu araçların sınırlarını bilin.

Parıltı biraz kaybolmaya başladı. Çocuklara uyku hikâyeleri anlatmakta harika, ama durum raporumu bozdu ve proje hakkında hiçbir şey bilmiyormuşum gibi görünmeme neden oldu. Çünkü düşüncelerimin bir bölümünü ona bıraktım ve şimdi bunun sorumluluğunu taşıyorum.

Galen Low: Aracılı yapay zekâ konusunda henüz orada olmadığımızı söylemen ilginç. Bazıları aslında orada olduğumuzu söyleyebilir, ancak herkes bunun erken aşamalar olduğunu kabul eder.

Bu yalnızca teknolojinin ilerlemesiyle ilgili değil. Onu nasıl eğittiğimiz ve başlangıçta ona nasıl bağlam verdiğimiz de önemli. Bir kelimenin anlamıyla ilgili karar vermesine güvenmekte zorlanıyoruz; çünkü insan iletişimindeki tüm nüanslarla onu henüz eğitmedik.

Bu karardan seyahat fiyatlarını müzakere etmeye geçmek büyük bir sıçrama. Ancak potansiyel mevcut. Beş veya on yıl içinde işin nasıl olacağına dair iyi bir tablo çiziyor. Şu anda karmaşık, ama çalışma biçimimizin daha dağınık ve yumuşak yönlerine alan açıyor.

Bütün bunları bir araya getirirsek baskı var. Altyapı ve hükümet düzeylerinde ekonomik yatırımlar yapılıyor ve bunlar şirket, ekip ve kullanıcı düzeylerine süzülüyor. Kullanıcıların her gün giriş yapması, nasıl kullanılacağını çözmesi ve bilgilerini paylaşması bekleniyor.

Ancak bunların çalışması için doğru sınırların, veri gizliliğinin ve güvenliğin yerinde olması gerekiyor. Ayrıca insan parametrelerine de ihtiyaç var: Bizden ne bekleniyor, bununla ne yapmamız gerekiyor ve bir diyalog olarak birbirimizi nasıl destekleyebiliriz?

Bu, proje yönetimi yazılımlarından daha büyük bir konu olabilir. Proje yönetimi yazılımıyla başladık ama gittiğimiz yeri sevdim. Bu, iş dünyasının küçük bir modeli gibi. Projeler ve kullandığımız yazılımlar. Harika bir sohbet oldu.

Olivia Montgomery: Proje yöneticiliği, dinamik düşünme eğilimindeki insanları çeken rollerden biri. Büyük resmi ve küçük resmi birlikte düşünmeyi severler. Kişisel bir sorunu bir şekilde çözüp bunu işlerine taşıyabilirler.

Proje yöneticileri bu konuda son derece iyidir ve işletmedeki birçok rol bu kadar iyi çalışmaz. Umarım insanlar dilbilimin ve makroekonominin bu araçları nasıl kullandığımızı etkilediğini görür. Bu konuşmalar, araçlarda gördükleri şeyleri anlamalarına yardımcı olabilir.

Günlük işinize geldiğinizde "Bu neden bozuldu? Benden istediğim şeyi neden atladı?" diye sorarsınız. Umarım bu tür konuşmalar insanların neden böyle şeyler gördüğünü, bunları sorgulamakta neden haklı olduklarını ve ne yapabileceklerini anlamasına yardımcı olur.

Galen Low: Proje yöneticilerinin bu konuda iyi olduğunu özellikle belirtelim. Harika.

Olivia, bugün zaman ayırdığın için çok teşekkürler. Çok eğlendim. Seni programda ağırlamak her zaman harika. Başta da belirttiğim gibi, Capterra'nın 2025 Proje Yönetimi Yazılımı Trendleri Araştırması'nı yayımladın.

İnsanlar bu araştırmayı nerede bulabilir?

Olivia Montgomery: Capterra.com'da yayımlandı. Oradan inceleyebilirsiniz. Ayrıca LinkedIn'de Olivia Montgomery adıyla beni takip edebilirsiniz. Araştırmalarımı, düşüncelerimi ve içgörülerimi düzenli olarak paylaşmaya çalışıyorum. Mutlaka göz atın.

Galen Low: Harika. Bunu sevdim. Bağlantıları program notlarına da ekleyeceğim.

Olivia, tekrar teşekkürler. Seni ağırlamak her zaman bir zevk.

Olivia Montgomery: Çok teşekkür ederim.

Galen Low: The Digital Project Manager podcast'inin bugünkü bölümü bu kadar. Bu sohbeti beğendiyseniz dinlediğiniz platformda abone olmayı unutmayın. Daha fazla pratik içgörü, vaka çalışması ve uygulama rehberi istiyorsanız thedigitalprojectmanager.com adresini ziyaret edin.

Bir sonraki bölüme kadar, dinlediğiniz için teşekkürler.