doğru proje metriklerini takip edip etmediğinizi—yoksa başından beri yanlış sayıları mı kullandığınızı? Bu bölümde Galen, TargetBoard.ai’nin Kurucu Ortağı ve Genel Müdürü Lior Gerson ile yapay zekânın KPI yönetimini nasıl yeniden şekillendirdiğini ve metrikleri iş stratejisiyle uyumlu hâle getirmenin neden asıl dönüştürücü unsur olduğunu ele alıyor.
Birlikte, proje liderlerinin hız ve kullanım oranı gibi eski metriklerin ötesine geçerek gerçekten etki yaratan ölçütlere nasıl odaklanabileceklerini inceliyorlar. KPI’lar konusundaki kültürel uyumsuzlukların ele alınmasından gerçek zamanlı tahmin modelleri oluşturmaya ve daha akıllı, daha hızlı raporlama için yapay zekâdan yararlanmaya kadar bu sohbet, gürültüyü ortadan kaldırıp metrikleri anlamlı hâle getirmekle ilgili.
Öğrenecekleriniz
- “Doğru metrik” neden evrensel değildir? Çünkü doğru metrik, kuruluşunuzu hedeflerine yaklaştıran metriktir.
- Yapay zekâ destekli araçların KPI takibini nasıl otomatikleştirebileceği ve veri gecikmesini nasıl ortadan kaldırabileceği.
- Metrikleri, işletmenin farklı kademelerinde anlamlı olacak şekilde yeniden çerçevelemenin pratik yolları.
- Yapay zekâ çağında proje metriklerinin nereye gittiği (ve nelerin hiç değişmeyebileceği).
- Proje yönetiminde yapay zekânın sınırları ve insan karar alma süreçlerinin neden hâlâ önemli olduğu.
Önemli Çıkarımlar
- Metrikler stratejiye hizmet etmelidir. Bir metrik projenizi veya işletmenizi ileriye taşımıyorsa, yalnızca gürültüdür.
- Veri gecikmesi ivmeyi öldürür. Kaynak kullanımı, öncelikler ve performansla ilgili gerçek zamanlı güncellemeler, teslimat sonuçlarını belirleyebilir.
- Bağlam önemlidir. Bir scrum ekibi için anlamlı olan bir metriğin, yöneticilerde karşılık bulması için uyarlanması gerekebilir.
- Yapay zekâ bir hızlandırıcıdır, ikame değildir. Raporlamayı otomatikleştirebilir, anlamlı uyarılar önerebilir ve hatta anlatılar oluşturabilir; ancak hikâyeyi anlatan ve kararları veren yine insanlardır.
- KPI’ların geleceği katmanlıdır. Üst düzey işletme metrikleri sabit kalabilir; ancak bunların altındaki operasyonel ve yapay zekâ destekli metrikler gelişmeye devam edecektir.
Bölümler
- [00:00] Gündemdeki soru: doğru metrikleri mi takip ediyoruz?
- [03:59] Ölçülecek “doğru şeyi” tanımlamak
- [06:34] Yanlış metrikten doğru metriğe: gerçek hayattan bir örnek
- [08:53] Veri gecikmesi projelere neden değerli zaman kaybettirir?
- [10:43] Eller serbest entegrasyonlar ve Excel sorunlarını ortadan kaldırmak
- [13:56] Kültürel uyumsuzluklar ve ekipler arasında KPI’ları uyarlamak
- [17:19] Yapay zekâ özetleri ve sohbet tabanlı içgörüler
- [21:46] KPI’ların geleceği: alışılmadık metrikler ve yapay zekânın etkisi
- [25:18] Metrikleri değiştirmenin operasyonel yükü
- [28:42] Veri istifleme ve kullanılmayan bilgilerin gizli maliyeti
- [29:27] Yapay zekâ ile güçlendirilmiş bir KPI platformu oluşturmak
- [32:44] Yapay zekâ ürün geliştirme hızını nasıl değiştiriyor?
- [32:49] Galen’in proje yönetimi trendlerine bakışı
- [35:29] Yapay zekâ proje yöneticilerinin yerini alabilir mi?
- [37:22] Lior Gerson ile sohbeti sonlandırırken
Konuklarımızla Tanışın

Lior Gerson, kuruluşların kapsamlı BI ekiplerine veya kodlamaya ihtiyaç duymadan performans metriklerinde uzmanlaşmasına yardımcı olan, yapay zekâ destekli bir KPI işletim sistemi TargetBoard.ai’nin Kurucu Ortağı ve Genel Müdürüdür. Geliştirme, ürün yönetimi ve pazarlama alanlarında 15 yılı aşkın deneyime sahip olan Gerson, daha önce Vroom.com’da Teknolojiden Sorumlu Genel Müdür olarak görev yapmış ve şirketin 2,6 milyar dolarlık halka arzına katkıda bulunmuştur. Ayrıca Placer.ai’de Ürün Başkan Yardımcısı olarak ürün vizyonu ve stratejisinin şekillendirilmesinde rol almıştır.
Bu Bölümdeki Kaynaklar:
- Dijital Proje Yöneticisi Topluluğuna Katılın
- Bültene abone olun ve en güncel makalelerimiz ile podcast’lerimizi alın
- Lior ile LinkedIn üzerinden bağlantı kurun
- TargetBoard.ai‘ye göz atın
- Eski ve Yeni Metrikler Başarısız Olduğunda – Jim Highsmith
İlgili Makaleler ve Podcast’ler:
Transkripti okuyun:
Podcast'lerimizin transkripsiyonunu bir yazılım programı kullanarak deniyoruz. Bot her zaman %100 doğru olmadığı için lütfen olası yazım hatalarını mazur görün.
Galen Low: Bir kuruluş veya ekip, doğru metrikleri takip edip etmediğini nasıl belirleyebilir ve başından beri yanlış şeyi ölçtüğünü fark ederse ne yapabilir?
Lior Gerson: Sizi ulaşmak istediğiniz yere götürmeye yardımcı olacak her şeyi takip etmelisiniz. Geri kalan her şey gürültüdür.
Galen Low: Belki yanlış olan bir metriğe ve doğru şeyi ölçmeye nasıl geçtiklerine dair süreci anlatan bir örnek verebilir misiniz?
Lior Gerson: Müşterilerimizden biri, her çeyrekte ne teslim edeceğini nasıl tahmin ettiğini iyileştirmek istiyordu. Platformumuzu kullanarak bunu otomatikleştirebildi ve bu yalnızca bir gününü aldı. Artık istediği zaman önünde şu bilgiyi görebiliyor: Bu ay ne teslim edeceğim?
Bir yapay zekâ aracısının proje yöneticisine dönüştüğü veya proje yöneticisinin yerini tamamen aldığı bir aşama olacağını düşünüyor musunuz?
Galen Low: Bazı insanların proje yöneticisinin ne yaptığına ilişkin tanımı açısından evet.
The Digital Project Manager podcast'ine hoş geldiniz — teslimat liderlerinin yapay zekâ çağında daha akıllı çalışmasına, daha hızlı teslimat yapmasına ve daha iyi liderlik etmesine yardımcı olan program. Ben Galen'im ve her hafta gerçek dünya stratejilerini, yeni araçları, kanıtlanmış çerçeveleri ve proje cephesinden zaman zaman bir savaş hikâyesini ele alıyoruz.
İster büyük dönüşüm projelerini yönetiyor, ister yapay zekâ iş akışlarını düzenliyor, ister yalnızca kaosu kontrol altında tutmaya çalışıyor olun, doğru yerdesiniz. Hadi başlayalım.
Bugün, proje başarısını ölçmeye ilişkin geleneksel bakış açılarının nasıl sorgulandığını ve yapay zekâ destekli KPI yönetimi araçlarının, projenizin sonuçlarını belirleyebilecek değişkenler listesinin büyümesine ayak uydurabilmeniz için tek şansınız olmasının nedenlerini konuşuyoruz.
Bugünkü konuğum TargetBoard.ai'nin kurucu ortağı ve CEO'su Lior Gerson. Lior kariyerine, Birleşik Krallık'taki en büyük fiyat karşılaştırma sitesi olan ve her ay on milyonlarca kullanıcıya hizmet veren mySupermarket'te başladı. Burada Walmart, WPP ve Dentzu gibi devlerle iş birliği yaparak milyonlarca dolarlık projelerden sorumluydu.
Ardından halka arz edildiğinde 2,5 milyar dolar değerine ulaşan çevrim içi otomobil bayisi Vroom.com'u CTO olarak kurdu. Daha sonra petabaytlarca veriyi işleyen bir konum analitiği unicorn'ı olan Placer.ai'de ürün ekibine liderlik etti. Elbette bugün de yapay zekâ destekli bir KPI yönetimi aracı olan TargetBoard'a liderlik ediyor.
Lior, bugün bize katıldığın için çok teşekkürler.
Lior Gerson: Teşekkürler Galen, burada olmak büyük bir zevk.
Galen Low: KPI'lar ve başarıya ulaşmak için veriye dayalı kararlar alma konusunda son derece derin bir bilgiye sahip olduğun için seninle konuşacağım için çok heyecanlıyım. Açıkçası bu sohbetin planladığımdan farklı yerlere gitmesini umuyorum, ancak bugün için taslağını hazırladığım yol haritası şöyle. Öncelikle herkesin yanıtını bilmek istediği en önemli soruyu aradan çıkarmak istiyorum.
Bunun ardından biraz geri çekilip üç konu hakkında konuşmak istiyorum. İlk olarak KPI'lar çevresindeki kültür uyuşmazlığını ve metriklerin bir kuruluşun farklı seviyeleri arasında nasıl çevrileceğini ele almak istiyorum. Sonra proje KPI'larının nasıl değiştiğini ve nereye gittiğini düşündüğünü konuşalım. Son olarak işletmelerin ve proje ekiplerinin yapay zekâ ile geliştirilmiş KPI takibinden yararlanmaya nasıl başlayabileceğine ve bunun iş akışlarını olumlu ya da olumsuz nasıl etkileyebileceğine dair bazı pratik yöntemlere odaklanabiliriz.
Sence nasıl?
Lior Gerson: Kulağa iyi geliyor. Bence çok ilgi çekici bir tartışma olacak.
Galen Low: Harika. Ben de öyle düşünüyorum. İşte en önemli soru. Son zamanlarda birçok projenin ve hatta tüm kuruluşların aslında yanlış şeyi ölçüyor ve takip ediyor olabileceği hakkında çok konuşuluyor.
Projeler açısından, bir zamanlar kutsal kabul edilen kapsam, takvim ve bütçeden oluşan Demir Üçgen'den hız gibi Çevik metriklere kadar her şeyi sorgulayan pek çok tartışma gördüm. Kurumsal düzeyde ise insanların FDE başına gelir, brüt kâr marjı ve kullanım oranı gibi metrikleri hedef aldığını gördüm. En azından benim dünyamda, proje yönetimi dünyasında konuşulan en önemli konu, proje liderlerinin yalnızca proje sağlığını değil, proje etkisini de ölçmesi gerektiği.
Bu çerçevede sorum şu: Bir kuruluş veya ekip doğru metrikleri takip edip etmediğini nasıl belirleyebilir ve başından beri yanlış şeyi ölçtüğünü fark ederse ne yapabilir?
Lior Gerson: Evet, bu harika bir soru. Kullandığınız proje girişimleri bir iş stratejisiyle, yani bir ürün stratejisiyle uyumlu olacak şekilde tasarlanır.
İşletmenin ulaşmak istediği yer her neyse. Ancak bunu proje yönetimi çerçevesine koyduğunuzda aslında ulaşmak istediğiniz şey, kilometre taşlarına zamanında ve bütçe dahilinde, mümkün olduğunca az sürtüşmeyle, doğruluk ve öngörülebilirlikle ulaşmaktır. Dolayısıyla takip etmeniz gereken tüm sihirli metrikler, sizi bu duruma ulaştıracak metriklerdir.
Bunlar herhangi bir şey olabilir. Testlerin ne kadar hızlı ilerlediği, işlerin nerede engellendiği, tatil günleri, insanların yapay zekâyı nasıl kullandığı gibi şeyleri takip edebilirsiniz. Gerçekte ulaşmaya çalıştığınız hedefi desteklediği sürece her şeyi takip edebilirsiniz. Ancak sizi hedefinize ulaştıracak şeyleri takip etmiyorsanız yanlış şeyleri takip ediyorsunuz demektir.
Galen Low: Bu bakış açısını beğeniyorum çünkü ölçmek için doğru şeylere yönelme eğiliminde olduğumuzu düşünüyorum. Soruda bile “ölçülecek doğru şey nedir?” dedim. Sen ise aslında sizi ileriye taşıyan her neyse ölçülecek doğru şeyin o olduğunu söylüyorsun. Başka bir ekibin yaptığından çok farklı olsa bile.
Başka bir kuruluşta yaptıklarınızdan çok farklı olsa bile. Bunun misyonla uyumlu olması gerekir.
Lior Gerson: Sizi ulaşmak istediğiniz yere götürmeye yardımcı olacak her şeyi takip etmelisiniz. Geri kalan her şey gürültüdür.
Galen Low: Bu adil. Peki “Lior, aynı dili konuşuyoruz, kesinlikle doğru şeyleri takip etmiyoruz” diyen insanlar için nasıl başlayacaklarını sorayım. Sizi ileriye taşıyacak doğru şeylerin haritasını nasıl çıkarırsınız? Bunun için bir en iyi uygulama veya süreç var mı?
Lior Gerson: İşinizi anlamanız gerekir. Projenizi anlamanız gerekir. Hangi şeylerin sonucu değiştirdiğini, etkili unsurların neler olduğunu ve neyin bir etki yaratacağını anlamalısınız.
Bunlar insanlar mı, kaynaklar mı, karmaşıklık mı? Her şeyi nasıl parçalara ayırırsınız? “Bunlar bileşenler, şimdi olması gerekenler bunlar” dersiniz. Bunun gerçekten gerçekleştiğini ve arada kaybolmadığını nasıl takip edersiniz? Muhtemelen çok sayıda aracınız olacaktır.
Veriler her yerde bulunacaktır. Güncel olmayacaktır. İnsanlar sistemlerini güncellemiyor, dolayısıyla veri çöp ve sonuç da çöp diyebilirsiniz. Tüm bu zamanı harcayıp herhangi bir getiri göremeyebilirsiniz. Bunun işe yaramamasının milyonlarca yolu ve nedeni vardır, ancak bunun işe yaramasını sağlamamız gerekir. Dolayısıyla sorumluluk sizdedir.
Galen Low: Tamam, bu bana mantıklı geliyor. Belki yanlış olan bir metriğe ve doğru şeyi ölçmeye nasıl geçtiklerine dair süreci ya da birlikte çalıştığın birinin hedeflere ulaşmayı gerçekten destekleyen, ancak ölçülmesi oldukça alışılmadık olan bir metriği nasıl takip ettiğini anlatan bir örnek verebilir misin?
Lior Gerson: Versa adlı müşterilerimizden birinden söz edeyim. Ürün operasyonları sunan bir PTF'leriydi. Oradaki kişi müthiş biriydi. Onu ve onunla çalışmayı çok seviyoruz. Her çeyrekte ne teslim edeceklerini nasıl tahmin ettiklerini iyileştirmek istiyordu. Planlanan ile gerçekleşen arasındaki farkı azaltmak ve tahmin doğruluğunu geliştirmek istiyordu.
Çok hızlı ilerliyorlardı ve her şey sürekli değişiyordu. Öncelikler değişiyor, kapasiteler değişiyor, insanlar ekipler arasında hareket ediyordu. Dolayısıyla iş gerçekten karmaşık hale geliyordu. Onun geliştirdiği formül, her katkı sağlayanın ve her ekibin önceki performansını alıp o ekibin veya grubun mevcut kapasitesine ekliyordu.
Tüm bu verileri Excel'de bir araya getirmek çok zaman alıyordu. Tatil günleri, görevler, öncelikler ve daha birçok veri gerekiyordu. Bu nedenle platformumuzu kullanarak süreci otomatikleştirmeye karar verdi.
Bu işlem yalnızca bir gününü aldı. Artık istediği zaman karşısında şu bilgi var: Bu ay ne teslim edeceğim? CEO veya CPO gelip önceliği değiştirmek istediğinde, hangi şeyin değişeceğini ve bunun ilerletmeye çalıştıkları tüm girişimleri nasıl etkileyeceğini görebiliyor.
Bence yaptığı şey çok zekiceydi: Verileri alıp ihtiyaç duyduğu hikâyeyi anlatmak için doğru bağlama yerleştirdi.
Galen Low: Çevik bir konferanstaydım. Daha önce hızdan bahsetmiştim. Herkes bunun etkiyi ölçmek için zayıf bir metrik olduğunu söylüyordu. Birçok Çevik ekipte özel bir ekibe sahip olmanız bekleniyor. İnsanlar tam zamanlı kaynaklar olarak ayrılıyor. Ancak konuştuğum insanlar bunun hiç gerçekleşmediğini söylüyor. İnsanlar tatile çıkıyor, başka projelere çekiliyor.
Dolayısıyla hız metriğine bakıyorsunuz; bazen yükseliyor, bazen düşüyor ve ileriye dönük plan yapmaya çalışırken ne olduğunu anlamıyorsunuz. Çok iyi bir metrik değil. Çoğu insanın dinamik verilere dayanan toplu bir metrik oluşturmayı düşünmeyeceğini veya bunu nasıl yapacağını bilmeyeceğini düşünüyorum.
Bu neredeyse gerçek zamanlı kaynak planlama fikri gibi. Bir kişinin uzakta olacağını biliyorsanız, çıktımız, performansımız veya etkimizle ilgili bu metrikte bir düşüş beklemeliyiz. Tek bir ölçümün, herkese hükmedecek tek metriğin peşinden gitmek yerine farklı kaynaklardan veri çekiyorsunuz. Aslında toplu bir metrik olarak çalışıyor. Bence bu gerçekten harika.
Lior Gerson: Bunu gündeme getirmen ilginç. Verilerin işletme içinde nasıl yayıldığını düşün. Bir kişi uzaklaştığında, insanların bunu öğrenmesi zaman alır. Yönetici bunu bilebilir, ancak bu bilginin projenin zaman çizelgelerini nasıl etkileyeceğini anlayan doğru kişiye ulaşması günler veya haftalar sürebilir. Bu süreyi geri alamazsınız.
Daha fazla kaynak eklediğinizde zaman çizelgesini kısaltmaz, uzatırsınız. Bir öğrenme eğrisi vardır. Bilgiyi kuruluşunuzda ne kadar hızlı yayabilir ve doğru kişilere ulaştırabilirseniz etkisi o kadar büyük olur. Bu etki bileşik şekilde büyür.
Galen Low: Bu gecikme gerçekten çok gerçek. Topluluğumuzda insanlar “Baş geliştiricimin üç haftalık tatile çıkacağını keşke biri söyleseydi” diyor. Rolümde bunu sürekli görüyorum. Bir izin talebi geliyor, süreçten geçiyor ve darboğaz oluşuyor; kişinin tatilinin onaylandığını kimse öğrenmeden önce bile zaman geçiyor.
Lior Gerson: Tatil kolay olanı. Uzaktan çalıştığınızı, Zoom'da olduğunuzu ve birinin ortadan kaybolduğunu düşünün. Kim gitti? Kimse size haber vermedi.
Galen Low: Evet, anlıyorum.
Lior Gerson: İki hafta geçiyor ve aramalarımı yanıtlamıyor. “Ne oldu?” diye soruyorum. “Artık burada değil” diyorlar.
Galen Low: Evet, burada değil. Toplulukta bunu da çok duyuyoruz. İletişim olmadan üretim yapılıyor. Peki TargetBoard'daki entegrasyonun genel olarak nasıl göründüğünü anlatabilir misin?
Excel'i açıp Zapier veya Make kullanmam, bir tür veri dönüşümü yapıp verileri bir tabloya yapıştırmam, formül yazmam gerektiğini düşünüyorum. TargetBoard'da da bunları yapmam gerekir mi, yoksa entegrasyon daha zahmetsiz mi?
Lior Gerson: TargetBoard.ai, mevcut diğer sistemlerden çok farklı şekilde çalışır. Kaynak veri sisteminize bağlanır ve yapmanız gereken iş için ilgili tüm metrikleri ve KPI'ları otomatik olarak oluştururuz.
Bunları oluşturmak için yapay zekâyı kullanırız. Kapasitenizin, hızınızın veya kalitenizin nasıl değiştiğine ilişkin metriklere bakmanız fark etmez. Tek bir projeye veya birden fazla projeye bakmanız da fark etmez. Çalışma biçiminizle ilgili hiçbir şeyi değiştirmeniz gerekmez.
Monday, Jira veya başka bir sistem kullanıp kullanmadığınızı otomatik olarak öğreniriz. Ardından tüm metrikleriniz, raporlarınız ve içgörüleriniz otomatik olarak oluşturulur; bunları daha sonra özelleştirebilirsiniz. İsterseniz kendiniz, isterseniz bir ekiple özelleştirebilirsiniz.
İstediğiniz kesin metrikleri ve her şeyi takip etmenin kesin yöntemini elde edersiniz. Sıfır çaba gerektirir. İlk günden çalışır durumdasınız ve ihtiyacınız olan verilerin mevcut ve doğru olduğundan eminsiniz. Artık Excel'ler için endişelenmenize gerek kalmaz.
Manuel takip için Excel kullanıyor ve bunu doğruluk kaynağınız olarak görüyorsanız bu da sorun değil. Excel'e bağlanıp verileri içeri alırız. Ancak artık güncelleme yapmanız gerekmez. Her şeyin nasıl ölçüldüğünü açıklamanız gerekmez. Tüm bu sorular platformda yanıtlanır.
Bunu yöneticinizle veya üst düzey yöneticilerinizle paylaşırsınız. Metriklerin nasıl ölçüldüğünü, nereden geldiğini, nereye gittiğini ve sonucu neyin değiştirdiğini görebilirler. Zor bir soruyla karşılaşınca “size döneceğim” demek zorunda kalmazsınız. En kötü şeylerden biri “Bilmiyorum, hazırlıklı gelmedim” demektir. Burada ise tek tıklamayla takip sorusunun yanıtı elinizdedir.
Galen Low: İnsan hatası bileşenini de seviyorum. Bir elektronik tabloda pek çok şeyi takip ediyorum. Bir keresinde sayfa görüntülemelerini ve Google Analytics verilerini takip ediyordum, ancak başka biri kullanıcı sayılarını giriyordu. Aynı şeyi ölçtüğümüzü düşündük ama aslında iki farklı veri kaynağımız vardı.
Bu nedenle, verinin nereden geldiğine ilişkin farklı yorumların ortaya çıkabilmesi fikri önemli. Verinin doğrudan bir doğruluk kaynağından çekilmesi hoşuma gidiyor. Ayrıca yapay zekânın gereksinimlere göre hangi metrikleri ölçmeniz gerektiğini önermesi ve bunların tanımlanıp entegre edilmesi de değerli.
Lior Gerson: Bu çok yaygın. Bir şirkette çalışmaya başladığımda ayda yüz bin ziyaret takip ediliyordu. “Bu nereden geliyor?” diye sordum çünkü tuhaf görünüyordu. Ürüne liderlik ediyordum ve web sitesinin aslında 10.000 ziyaret aldığını gördük. Diğer %90'ı otomasyon botlarından geliyordu.
İşletme bunu bilmiyordu. Bunu bulduğunuzda açıklamanız gerekir. Pazarlama müdürü, geçen yıl raporladığı müşteri edinme maliyetinin büyük bölümünün gerçek kullanıcılarla ilgili olmadığını açıklamak zorunda kalır. Bu eğlenceli bir konuşma değildir.
Galen Low: Metriklerin kuruluşun farklı seviyeleri ve departmanları arasında çevrilmesi gerektiğini düşünüyorum. Bir Scrum ekibi müşteri memnuniyetini, yani CSAT'i sürümden sürüme takip ediyor olabilir. Liderlik ise yinelenen geliri, elde tutmayı ve müşteri kaybını takip ediyor olabilir. TargetBoard bir kitle için KPI'ları kuruluşun diğer seviyeleri açısından anlamlı olacak şekilde çevirmeye yardımcı olabilir mi?
Lior Gerson: Metriklere geleneksel iş zekâsı yaklaşımıyla baktığınızda her metriği oluşturmanız gerekir. Her metrik için oturum düzenleyip plan yapmanız gerekir. Geliştirilmesi gereken her şeyin gerçek bir maliyeti vardır.
OKR'ler ve çeyreklik iş değerlendirmeleri gibi programlar genellikle yukarıdan aşağıya doğru çalışır. Size tam olarak neyi takip etmeniz gerektiğini söyler ve bir tür tünel görüşü yaratır. Oysa işletmenin devamlılığını sağlamak için önemli olan başka birçok unsur olabilir. Bunları raporlamazsınız çünkü takip etmek için kaynağınız yoktur.
TargetBoard ile her şeyi takip ederiz ve neye odaklanacağınızı seçmenizi kolaylaştırırız. Hatta neyi seçmeniz gerektiğini öneririz. Metriklerinizi takipte tutmak için uyarılar, içgörüler ve bildirimler gönderebilirsiniz.
Ayrıca bir metriği yukarıya veya aşağıya nasıl açıklayacağınızı kolayca belirlemenizi sağlarız. Yapay zekâ ile “Bunu yöneticime nasıl açıklayabilirim?”, “Geliştiricime veya satış temsilcime bunun neden önemli olduğunu nasıl anlatabilirim?” diye sorabilirsiniz.
Herkesin aynı şeyi anladığından emin olmak için anlamsal katmanı koruruz. Her gün şu özellik talebini alıyoruz: “Metriklerimin adını değiştirebilir miyim?” Hayır, çünkü başka biri bu metriği zaten aynı adla kullanıyor olabilir.
Galen Low: Bu gerçekten harika bir özellik. Yıllar içinde çeşitli gösterge paneli yazılımlarıyla çalıştım. Genellikle boşluk burada ortaya çıkıyor: “Bu gösterge paneli bana ne söylüyor?” Veri hikâyeleştirme herkesin güçlü olduğu bir alan değil.
Yapay zekânın bir metriğin neden önemli olduğunu, nereden geldiğini ve dalgalandığında ne anlama geldiğini açıklayarak insanları eğitmesi hoşuma gidiyor. Böylece farklı departmanlarda çalışan ve farklı uzmanlıklara sahip kişilere bu metriğin hikâyesini anlatabilirsiniz.
Lior Gerson: İnsanlar raporları gerçekten okumaz. Bir raporun belirli bir nedenle orada olmasını isterler; gerektiğinde birinin bunu takip ettiğini bilmek isterler. Ancak raporları çok nadiren okurlar. Biz rapor gönderdiğimizde, onları analiz edip işletme kullanıcıları için özetleyen bir yapay zekâ aracımız da var.
Galen Low: “Bunu benim için özetle” diyebilmek güzel. Ayrıca bunun konuşmaya dayalı bir yönü de var. Yalnızca bir raporda neyin önemli olduğunu özetlemek değil, sorular sorabilmek de önemli. Örneğin geçen hafta bu sayfaya kaç benzersiz ziyaretçi geldi ve geçen yıl aynı dönemde kaç kişi gelmişti?
Lior Gerson: Birçok kişi bunu çözmeye çalışıyor. Büyük dil modelleri veriler konusunda hâlâ oldukça zayıf. Bir CSV yükleyip e-posta açılma oranımı sorduğunuzda, sütunları ve verilerin nasıl işlenmesi gerektiğini ayrıntılı şekilde belirtmezseniz yanıt veremiyorlar.
Biz bu sorunu çözdüğümüzü düşünüyoruz. Platforma sorular sorabiliyor ve güvenilir bilgiler alabiliyorsunuz. Yapay zekâ, halüsinasyon üretmediğini doğrulamak için yanıtı da kontrol ediyor.
İnsanlar verileri farklı yollarla işlemek ve tüketmek isteyecek. Sadece konuşma veya sadece gösterge paneli olmayacak. Verilerle etkileşim kurmanın farklı yolları ve ihtiyaçları olacak.
Galen Low: Verilerin farklı olduğunu söylemen hoşuma gidiyor. Basit zaman çizelgesi verilerini ChatGPT'ye verdiğimde bile bazen halüsinasyon görüyor veya yanlış veriyi alıyor. Beynimiz tablo şeklindeki verileri düşünmeye çok alışkın, ancak büyük dil modelleri böyle düşünmeyebiliyor.
Bu yüzden raporu doğrudan ChatGPT'ye verip veri analizinde kusursuz olmasını beklememek gerekir. Kendi iş zekâsı özelliğinizi oluşturmanız ve yanıtları kontrol etmeniz çok mantıklı.
Lior Gerson: Güven her şeydir. Model Context Protocol sunucularında da risk budur. Bir sistemden veri istediğinizde yapay zekânın bu verilerle ne yapacağını ve yanıtın ne kadar doğru olacağını her zaman bilemezsiniz.
Bizim MCP sunucumuz verileri tüm sistemlerinizden çeker, birleştirir ve elde edilen yanıtın doğru olduğunu doğrular.
Galen Low: MCP sunucunuz, yani Model Context Protocol sunucusu, sisteme gelen tüm verileri denetleyen omurga gibi çalışıyor. Bu çok etkileyici.
Metriklerin geleceğini konuşmak istiyorum. Çevremdeki insanların konuşmalarından gördüğüm kadarıyla metrikler değişiyor. Artık yalnızca alışılmış KPI'larla statik bir skor tablosuna sahip olamazsınız. Gelecekte hangi alışılmadık metriklerin ortaya çıkacağını düşünüyorsun?
Lior Gerson: Mikro düzeyde çok daha fazla yapay zekâ KPI'ı göreceğiz. Kaç yapay zekâ aracısı çalıştırıyorum? Ne kadar etkililer? İş KPI'larını nasıl etkiliyorlar?
Ancak işletme düzeyinde işin nasıl yapıldığıyla daha az ilgilenirsiniz. Geliri, müşteri kaybını ve teslimat sürelerini takip ediyorsanız üst düzey metrikler aynı kalacaktır. Bunlar işletmenizin dilidir.
Değişecek olan, kaputun altında gerçekleşenlerdir. Örneğin A, B ve C'yi teslim etmeniz gerekiyorsa ancak hız veya kaliteyi takip ediyorsanız bunlar metriklerin ikinci seviyesidir.
Bir seviye daha aşağı indiğinizde hızın neyden oluştuğunu sorarsınız: geliştirme çalışmaları, engellenen işler, incelemede bekleyen işler, kapsamı değişen görevler ve yapay zekâ araçlarının çalışıp çalışmadığı gibi ayrıntılar ortaya çıkar.
Galen Low: Bu katmanlı yaklaşımı seviyorum. İş modeliniz aynı kaldığı sürece üst düzey metrikler çok fazla değişmeyebilir. Ancak altında çok şey değişebilir. Hedefinize ulaşmanıza yardımcı olacak her şeyi ölçersiniz.
Örneğin daha fazla kişinin daha iyi kararlar almak için yapay zekâ kullanmasını istiyorsanız, bunu daha alt düzeyde takip edebilirsiniz. Belki de komut kalitesi endeksi gibi metrikleri ölçmek gerekir. İnsanların yapay zekâ komutlarının kalitesini değerlendirmek, yalnızca yapay zekâ kullanıp kullanmadıklarını bilmekten daha anlamlı olabilir.
Lior Gerson: Bugün karşılaştığımız sorun tam olarak bu. Her departmanın kendi analisti veya analist ekibi var ve metriklerin çalıştığından emin olmakla uğraşıyorlar. Büyük şirketler sürekli platform değiştiriyor. Bir sistemden diğerine geçmek, tüm raporları güncellemeniz gereken büyük veri projeleri yaratıyor.
Bizim yaptığımız şey, aslında buna ihtiyaç olmadığını göstermek. Platformunuzu değiştirebilirsiniz; raporlarınız ve metrikleriniz aynı kalır. Bir metrik güncellendiğinde bunu bilmesi gereken herkese otomatik olarak bildirim gönderilir.
Bugün dünya bozuk çünkü insanlar kullanamayacakları kadar fazla sisteme ve veriye sahip. TargetBoard gibi araçlar bu verileri kullanmayı ve onlara erişmeyi kolaylaştıracak. Aradaki pek çok kişiye ihtiyaç kalmayacak.
Galen Low: Bunu özellikle finansal hizmetlerde gördüm. Müşteri deneyimini geliştirmek için birçok departmandan veri topluyorlar. Ancak verinin ne olduğunu, onunla ne yapılacağını veya müşteri deneyimini nasıl iyileştireceğini kimse bilmiyor.
Lior Gerson: Daha önce söylediğin şeye dönüyor: İnsanlar neyi takip ediyor? Maliyetleri ve bulut maliyetlerini takip ediyorlar. Artık sorunların maliyetini, yapay zekâ komutlarının ne kadar harcadığını ve dil modellerindeki maliyetleri de takip ediyorlar.
Şirketlerde depolama maliyeti ve takip maliyeti olan, ancak kimsenin kullanmadığı muazzam miktarda veri var. İnsanlar garajlarında biriktirip kullanmadıkları eşyalar gibi şirketler de sonsuz sayıda sistemi istifliyor.
Galen Low: Depolamanın ucuz olduğunu düşünmeye alıştırılmıştık. Artık durum böyle değil. Komut başına maliyet ve bu verilerin daha karmaşık hale gelen depolama maliyeti hakkında düşünmemiz gerekiyor.
Lior Gerson: Belki on yıl içinde ihtiyacınız olur.
Galen Low: TargetBoard'ı yapay zekâ ile geliştirilmiş bir KPI aracı olarak nasıl konumlandırdığınızdan bahsetmek istiyorum. Metrik önerileri ve içgörü özetleri gibi yapay zekâ destekli özellikleri anlattın. Başka hangi yapay zekâ özelliklerinden söz etmek istersin? Yapay zekâya neden bu kadar odaklandınız?
Lior Gerson: Her özellikte yapay zekânın bunu nasıl daha iyi hale getireceğini soruyoruz. “Bunu yapay zekâ ile nasıl yaparız?” değil, “Ne oluşturmaya çalışıyoruz ve yapay zekâ bunu öncekinden nasıl daha iyi hale getirir?” diye düşünüyoruz.
Örneğin tüm metrikleriniz için bildirimler, otomasyonlar ve uyarılar oluşturabilirsiniz. Ancak insanların oluşturmak istedikleri uyarıları düşünmesi zahmetlidir. Bu hafta yayımladığımız özellik, bir metriğe bakarken yapay zekânın o metriği iyileştirmek için oluşturabileceğiniz otomasyonu önermesi.
Tek bir tıklamayla otomasyonu sizin için oluşturabiliyor. Yapay zekâdan önce bunu yapmak çok daha zordu. Artık çok daha hızlı ilerliyoruz.
Galen Low: Bu gerçekten iyi bir kullanım alanı. Veri dünyasında yapay zekânın kültürel olarak doğal biçimde yer alması mantıklı çünkü çok büyük miktarda veriyi işliyoruz. Yapay zekânın bir sonraki adımı önermesi, bilgi boşluklarını ve tereddütleri azaltması da çok faydalı.
Lior Gerson: Bu, veri biliminin birkaç yıl önceki halinden çok farklı. Önceden veri bilimcilerinin optimizasyon projeleri vardı. Şimdi oluşturduğunuz her özellikte “Bunu nasıl daha iyi hale getiririm?” diye soruyorsunuz. Doğru yapıldığında çok hızlı ve etkileyici sonuçlar elde edebilirsiniz.
Galen Low: Proje yönetiminde gördüğün en etkili eğilimler neler?
Lior Gerson: Proje yönetiminde bugün gördüğün en etkili eğilim nedir?
Galen Low: Bence en büyüğü, proje yöneticilerinin yalnızca projeleri zamanında, bütçe dahilinde ve kapsam içinde teslim etmeye çalışan Demir Üçgen insanları olmaması. Daha stratejik olabileceğimizi fark ediyoruz, ancak daha fazlasını bilmemiz ve yapmamız gerekiyor.
Artık teslimat stratejistleri olmamız bekleniyor. İşletmeyi daha iyi anlamamız gerekiyor. Bir bakıma etkiden sorumluyuz, ancak çoğu zaman bu etkiyi ölçme sürecine dahil olmuyoruz.
Şimdi büyük bir zihniyet değişimi yaşanıyor: Biz değer teslimatı uzmanlarıyız. Değeri yaratmamız gerekiyor. Plan yanlışsa değiştirmeliyiz. Kapsam yanlışsa yol boyunca değiştirmeliyiz. Kurul odasında veya geliştirme ekibinde kişilik çatışmalarını yönetmeliyiz.
Yapay zekâ da bu değişimle örtüşüyor. Şu anda daha verimli olmamıza, iş akışlarımızı kısaltmamıza ve hız kazanmamıza yardımcı oluyor. Proje yöneticileri “Paydaşlarım için stratejik ortak olamayacak kadar meşgulüm” diyordu. Artık durum raporları ve gösterge panoları gibi işleri aracılara devredebiliriz.
Sonraki soru şu: Bu zamanı nasıl kullanacağız? Değer teslimatında daha iyi bir stratejik lider olmak için hangi becerileri öğreneceğiz?
Lior Gerson: Sana başka bir soru sorayım. Yapay zekâ aracısının proje yöneticisine dönüştüğü veya proje yöneticisinin yerini tamamen aldığı bir aşama olacağını düşünüyor musun?
Galen Low: Bazı insanların proje yöneticisinin ne yaptığına ilişkin tanımı açısından evet. Proje yöneticilerinin yalnızca yönetici olduğu, not aldığı, toplantı tutanakları hazırladığı, aksiyon maddelerini takip ettiği ve tahminlerle gerçekleşenleri karşılaştırdığı düşünülüyorsa bunların çoğu yapay zekâ tarafından kolayca yapılabilir.
Ancak insandan insana karar alma süreci farklıdır. Yeniden platform oluşturma kararları ve uygulama riskleri gibi büyük kararlar bir süre daha insanlar arasındaki konuşmalarla alınacaktır.
Bu nedenle veri hikâyeleştirme özelliğini çok beğeniyorum. Yönetici yalnızca bir soru işaretine tıklayıp metriğin ne olduğunu görmek yerine, metriğin sahibi olan kişiyi onu açıklayabilecek şekilde donatıyor. Projelerde ve işletmelerde karar alma katmanının böyle kalacağını düşünüyorum.
İnsanlar kendi görüşlerini savunmaya, birbirlerini ikna etmeye ve iyi kararlar almaya devam edecek. Yapay zekâ yenilikçi fikirler üretebilir, ancak temelde hâlâ onu bir yardımcı olarak görüyoruz; bizim yerimize karar verecek biri olarak değil.
Lior Gerson: Buna katılıyorum. İyi bir proje yöneticisiyle kötü bir proje yöneticisi arasındaki fark da bu. Proje yönetimi bir meslektir; yan iş olarak yapılamaz.
Galen Low: Bence yapay zekâ tüm proje yöneticilerinin yerini almayabilir, ancak kötü proje yöneticilerinin yerini muhtemelen alacaktır.
Lior Gerson: Bu her şey için geçerli.
Galen Low: Lior, bugün zaman ayırdığın için çok teşekkürler. Seninle bu konuları konuşmak çok keyifliydi. İnsanlar senin hakkında daha fazla bilgiye nereden ulaşabilir?
Lior Gerson: LinkedIn'den. Bana ulaşan neredeyse herkese geri dönüyorum. Herkesle konuşmaktan memnuniyet duyarım.
Galen Low: Harika. Seni takdir ediyorum. Benim LinkedIn gelen kutum tam bir karmaşa. Tekrar teşekkürler.
Lior Gerson: Hoşça kal Galen, seninle konuşmak bir zevkti.
Galen Low: The Digital Project Manager Podcast'in bugünkü bölümü bu kadar. Bu sohbeti beğendiyseniz dinlediğiniz platformdan abone olmayı unutmayın. Daha fazla pratik içgörü, vaka çalışması ve çalışma planı istiyorsanız thedigitalprojectmanager.com adresini ziyaret edin.
Bir sonraki bölüme kadar, dinlediğiniz için teşekkürler.
