Otomasyon: Productive'in yapay zekâsı, zaman takibi ve toplu güncellemeler gibi zahmetli görevleri otomatikleştirerek ekiplerin verimliliğini artırır.
Merkezileştirme: Productive içindeki yapay zekâ entegrasyonu, operasyonel ve finansal verileri birbirine bağlayarak proje sağlığının içgörülerle analiz edilmesini sağlar.
Yetenekler: Yeniden kullanılabilir yapay zekâ yetenekleri, kaynak değerlendirmeleri ve bütçe özetleri için tutarlı ve verimli komutlar sağlar.
Aracılar: Otonom aracılar iş akışlarını bağımsız olarak yürüterek minimum insan müdahalesiyle proje yönetimini dönüştürür.
Entegrasyon: MCP desteği, Productive'i diğer araçlara bağlayarak tüm yazılım ekosistemlerinde yapay zekâ yeteneklerini geliştirir.
Profesyonel hizmetler alanındaki proje yöneticileri zaten pek çok sorumluluk taşıyor. Productive'ın yapay zekâsı, geri kalanını üstlenmek üzere tasarlandı; teslimat ekiplerinin zamanlarını gerçekten ilerleme sağlayan işlere ayırabilmesi için operasyonel yükü arka planda yönetiyor.
Productive'ın yapay zekâ özellikleri net bir öncül etrafında oluşturuldu: ajansları yavaşlatan angarya işler; zaman takibi, görev güncellemeleri, kaynak kontrolleri ve güncelliğini yitirmiş projelerin bakımı gibi işler, insan ilgisi gerektirmemeli. Productive, bağlantısız proje yönetimi araçlarının üzerine genel amaçlı bir sohbet robotu eklemek yerine, yapay zekâyı hepsi bir arada PSA platformuna doğrudan yerleştiriyor. Böylece yapay zekâ, onu gerçekten kullanışlı kılan operasyonel, finansal ve ilişki verilerine erişebiliyor.
Productive'ta ajanslar ve danışmanlık şirketleriyle yakın çalışan Bernie Vrbat, platformun yapay zekâ özelliklerini Proje Yönetiminde Yapay Zekânın Geleceği sunumu sırasında anlattı. Productive'ın yapay zekâsının neler yapabildiğine genel bir bakış:
Productive'ın Yapay Zekâ Özelliklerine Derinlemesine Bakış
1. Yapay Zekâ Asistanı: Operasyonel İşler İçin Bir Merkez
Productive'ın yapay zekâ asistanı, hesabınızın kenar çubuğunda bulunur ve platformun her alanında her an erişilebilir.
Productive proje, kaynak, bütçe ve finansal verileri zaten merkezileştirdiği için asistanın her seferinde bağlamla beslenmesi gerekmez. Bulunduğunuz noktadan devam eder ve sistemde zaten mevcut olan verilerle çalışır. Bu da bir proje yöneticisinin bir projenin sağlıklı olup olmadığını sorması ve gerçek teslimat verilerine dayanan bir döküm alması anlamına gelir.
Sunum sırasında üç kullanım alanı gösterildi: otomatik zaman takibi, toplu görev güncellemeleri ve yapay zekâ tarafından oluşturulan proje sağlık raporları.
Zaman takibi için asistan, tek bir komutla tamamlanan görevlere ilişkin zaman kayıtlarını girebilir; menülerde arama yapmaya gerek kalmaz. Toplu güncellemelerde, tüm proje genelindeki görev durumlarını aynı anda değiştirebilir; bu, bir engel ortaya çıktığında ve her şeyin duraklatılması gerektiğinde kullanışlıdır. Raporlama için ise birden fazla veri kaynağındaki proje sağlığını aynı anda değerlendirebilir ve en önemlisi, nasıl bir sonuca ulaştığını gösterir. Böylece proje yöneticileri, yorumun arkasındaki rakamları doğrulayabilir.
Yapay zekâ ile çalışırken her zaman küçük bir hata payı bırakmanız gerekir. Bu nedenle burada yüzde yüz doğruluk peşinde değil, şeffaflığı hedefliyoruz.
Productive'ın yapay zekâ asistanından en yüksek değeri elde etmenin yolları:
- Bağlamın işi sizin yerinize yapmasına izin verin: Asistan, bulunduğunuz ekranı okur; durumu her seferinde yeniden açıklamanız gerekmez.
- Toplu işlemler için kullanın: Ücret tarifesi güncellemeleri, maliyet oranı değişiklikleri ve toplu durum değişiklikleri gibi, daha önce birden fazla kayıtta manuel çaba gerektiren sık yapılan yönetim işleri.
- Yapay zekâ tarafından oluşturulan içgörüleri doğrulayın: Her proje sağlık raporu, temel alınan verileri ve kaynakları içerir. Böylece sistemin sonuca ulaşırken neleri kullandığını denetleyebilirsiniz.
2. Yetenekler: Tutarlı Çıktılar İçin Yeniden Kullanılabilir Yapay Zekâ Talimatları
Yetenekler, aynı ayrıntılı komutları tekrar tekrar yazma sorununa Productive'ın getirdiği çözümdür.
İşe yarayan bir komut bulduysanız (ister kaynak uygunluğunu değerlendirmek, ister bütçe performansını özetlemek, ister yapılandırılmış e-posta güncellemeleri oluşturmak için olsun), Yetenekler bu komutu bir kez kaydetmenize ve ihtiyaç duyduğunuzda yeniden kullanmanıza olanak tanır. Daha da önemlisi, Yetenekler kuruluş genelinde paylaşılabilir. Böylece yalnızca onları yazan kişi değil, tüm ekip iyi hazırlanmış komutlardan yararlanır.
Demo sırasında, kaynak bulma becerisinin nasıl çalıştığı gösterildi: kullanılabilirlik, kıdem, hizmet türü ve becerilerle ilgili talimatlar verildiğinde asistan bir proje için mevcut en uygun eşleşmeyi ortaya çıkardı ve önerinin gerçek kaynak verileriyle örtüştüğünü doğruladı.
Beceriler otomatik olarak etkinleşecek şekilde de ayarlanabilir; bu, bir soru sorduğunuzda doğru beceriyi bulup manuel olarak tetiklemenize gerek kalmadan asistanın ilgili beceri bilgisini otomatik olarak uygulayacağı anlamına gelir.
Kuruluşta yapay zekâya nasıl talimat vereceğini bilen tek bir kişi olması yerine, bir anda tüm uzman ekibin üst düzey talimatlarla donatılmasını sağlayabilirsiniz.
- Bernie Vrbat, Productive
Productive'de becerileri kullanmaya yönelik en iyi uygulamalar:
- Ayrıntılı talimatlara yatırım yapın: Beceri talimatları ne kadar spesifik olursa çıktı da o kadar iyi ve tutarlı olur.
- Ekip genelinde paylaşın: Beceriler kurumsal bir varlıktır; yapay zekânın süreçlerinizi yorumlama biçimini standartlaştırmak, bunları kimin çalıştırdığından bağımsız olarak tutarlı sonuçlar elde edilmesini sağlar.
- Becerilerinizi geliştirmek için asistandan yararlanın: Etkinleştirmeden önce yapay zekâdan bir beceriyi incelemesini ve iyileştirmeler önermesini isteyebilirsiniz.
3. Ajanlar: Siz Olmadan Çalışan Otonom İş Akışları
Ajanlar, Productive'in yapay zekâsının soruları yanıtlamaktan kendi başına iş yapmaya geçtiği noktadır.
Beceriler gibi Ajanlar da kod gerektirmeden, doğal dille yapılandırılır. Ancak bir becerinin çalıştırılması için insanın tetiklemesi gerekirken bir ajan bağımsız olarak çalışır. Birden fazla adımı tamamlayabilir, süreç boyunca kararlar alabilir ve her aşamada bir kişinin sürece dahil olmasını gerektirmeden farklı araçlar arasında işlem yapabilir.
Gösterim sırasında iki Ajan tanıtıldı. İlki, bir şirket el kitabına başvuracak ve politikalar, öğrenme bütçeleri ve İK ile ilgili diğer konular hakkındaki soruları yanıtlayacak şekilde yapılandırılmış, sohbet tabanlı bir Ofis ve Yönetim Asistanıydı. Ayrıca görev şablonlarına anında bağlantı verebilir; böylece bir talep yalnızca yanıtlanmakla kalmaz, eyleme geçirilebilir bir işe dönüştürülür.
İkincisi, her sabah saat 9'da çalışan, tüm projeleri yakın zamanda etkinlik gerçekleşmemiş görevler açısından tarayan ve takip etmeleri için ilgili kişilere bildirim gönderen otomatik bir ajan olan Eski Görev İzleyicisi'ydi. Demo sırasında tek bir çalıştırmada 18 etkin olmayan görevi tespit edip işaretledi; aksi takdirde bir proje yöneticisinin manuel olarak tamamlaması gerekecek türden bir toplu işlem gerçekleştirdi.
Böyle bir Ajan oluşturmanın faydası, öncelikle daha kişisel bir dokunuş sağlaması ve insanların onunla bağ kurabilmesidir. Bir diğer faydası ise Ajanların kendi Bağlayıcılarına sahip olabilmesidir; bu da farklı MCP destekli araçlar arasında çalışmalarına olanak tanır.
Ajanları kullanmaya nasıl başlanır:
- Basit başlayın: Tek bir koşulu izleyen ve doğru kişilere bildirim gönderen bir ajan gibi basit bir ajan, gerçek operasyonel etkiyi görmenin hızlı bir yoludur.
- Kapsamı kesin olarak belirleyin: Ajanlar belirli projeler ve verilerle sınırlandırılabilir; böylece tam olarak neleri görebileceklerini ve hangi işlemleri yapabileceklerini kontrol edebilirsiniz.
- Denetim izini inceleyin: Her ajan çalıştırması kaydedilir ve ne yaptığını, ne zaman yaptığını gösterir. Bu şeffaflık, zaman içinde ajanın davranışına güvenmeyi ve onu geliştirmeyi kolaylaştırır.
4. Ajan Yönetimi ve İzinler
Ajanlar daha otonom hâle geldikçe kontrol konusu önem kazanır.
Productive bunu ayrıntılı izinler aracılığıyla ele alır. Yöneticiler her ajanın sahip olduğu erişim düzeyini; hangi verileri okuyabileceğini, hangi projelerde işlem yapabileceğini ve işlem gerçekleştirip gerçekleştiremeyeceğini ya da yalnızca bilgi sunup sunamayacağını tam olarak tanımlayabilir. Ajanlar ayrıca belirli projelerle sınırlandırılabilir ve böylece ait olmadıkları alanlara yönelmeleri önlenebilir.
Her ajan çalıştırması, eksiksiz bir etkinlik kaydıyla birlikte günlüğe kaydedilir; böylece ekipler ajanın tam olarak ne yaptığını ve bunu ne zaman yaptığını görebilir. Demo sırasında üç saat önce gerçekleştirilen bir çalıştırma, hangi görevlerin işaretlendiğini ve ajanın her biri üzerinde hangi işlemi gerçekleştirdiğini gösterdi.
Veri gizliliği açısından Productive'in yapay zekâsı GDPR, CCPA ve SOC 2 uyumluluk standartları kapsamında çalışır. Müşteri verileri, Productive'in modellerini veya birlikte çalıştığı üçüncü taraf modellerini eğitmek için kullanılmaz.
Yapay zekâ daha fazla sorumluluk üstlenirken kontrolü korumak:
- Proje düzeyinde kapsam belirleme kullanın: Aracı erişimini yalnızca ilgili olduğu projelerle sınırlayın.
- Çalıştırmaları düzenli olarak izleyin: Etkinlik günlüğü, aracıların ne yaptığını görmenizi sağlar; bunu yalnızca sorun giderme aracı olarak değil, rutin bir kontrol olarak değerlendirin.
- İzinleri dikkatli bir şekilde katmanlandırın: Aracı erişimini yalnızca daha geniş erişimin kolaylığına göre değil, görevin hassasiyetine göre belirleyin.
5. MCP Entegrasyonu: Productive'ı Daha Geniş Araç Ekosisteminize Bağlama
Productive, büyük dil modellerinin iş sistemlerine güvenli bir şekilde bağlanmasını ve kendilerine sunulan veri ve eylemleri anlamasını sağlayan, gelişmekte olan bir standart olan Model Bağlam Protokolü'nü (MCP) destekler.
Pratikte bu, ekiplerin Productive'ı diğer MCP destekli araçlara (takvimler, belge depolama ve iletişim platformları) bağlayabileceği ve tüm bu araçlardaki verilerle tek bir arayüz üzerinden etkileşim kurabileceği anlamına gelir. Productive'ın ayrıca kendi resmî MCP sunucusu da bulunur; bu sayede kullanıcılar tercih ettikleri büyük dil modelini (örneğin Claude veya ChatGPT) bağlayabilir ve Productive verileri hakkında doğrudan bu araç içinden sorular sorabilir.
Yapay zekâ ile sonsuz olasılık var. Productive'da tercih ettiğiniz büyük dil modeliyle çalışabilirsiniz.
- Bernie Vrbat, Productive
Productive'da MCP'den en iyi şekilde yararlanma:
- Zaten kullanılan araçları bağlayın: Ekosisteminizdeki diğer platformların kendi MCP sunucuları varsa, yapay zekânın sistemler arasındaki verileri okuyabilmesi ve bu veriler üzerinde işlem yapabilmesi için bunları Productive'a bağlayabilirsiniz.
- Tercih ettiğiniz büyük dil modelini kullanın: Zaten Claude veya ChatGPT ile çalışan ekipler, Productive verilerine bu arayüzlerin içinden erişebilir.
- Bağlayıcı izinlerini merkezi olarak yönetin: Aracılarda olduğu gibi hangi araçların bağlanacağını ve her birinin sahip olacağı erişimi kontrol edin.
6. Yapay Zekâ Not Alma Aracı: Doğrudan Projelere Aktarılan Toplantı Bağlamı
Productive kısa süre önce toplantıdaki eylem maddelerini yakalayan, eksiksiz bir döküm oluşturan ve kullanıcıların bu maddeleri doğrudan platform içinde görevlere dönüştürmesine olanak tanıyan entegre bir yapay zekâ not alma aracı yayımladı.
Bu önemlidir çünkü konuşulanlarla yapılanlar arasındaki boşluğu ortadan kaldırır. Ayrı bir araçtaki toplantı notları manuel aktarım gerektirir. Productive içindeki notlar aynı iş akışındaki görevlere dönüşebilir ve aracıların ve becerilerin zaten üzerinde çalıştığı aynı projelere ve verilere bağlanabilir.
Yapay zekâ not alma aracından en iyi şekilde yararlanma:
- Görevleri hemen oluşturun: Eylem maddelerinin bir dökümde beklemesine izin vermeyin; toplantı süresi sona ermeden önce bunları atanmış görevlere dönüştürün.
- Aktif projelere bağlayın: Not alma aracının çıktısı Productive içinde bulunduğundan, hâlihazırda kurulu olan aracı ve beceri iş akışlarına doğrudan aktarılabilir.
Productive Yapay Zekâ Özellikleri ve Diğer Araçlar
Productive'ın yaklaşımı, yüzeysel özelliklerin genişliğinden çok entegrasyon derinliğine öncelik verir.
- Asana veya Monday.com gibi araçlar yapay zekâ eklentileriyle görev yönetimi sunar; ancak yapay zekâları genellikle yalnızca proje verileri üzerinde çalışır.
- Harvest veya Toggl gibi platformlar zaman takibini yönetir; ancak bunu aynı sistem içinde kaynak planlamasına, bütçelere veya teslimat durumuna bağlamaz.
- Productive; operasyonel, finansal ve ilişki verilerini tek bir platformda barındırması ve yapay zekâyı bu birleşik bağlamın üzerine inşa etmesiyle kendini farklılaştırır.
Sonuç, birden fazla kaynaktan veri çekilip manuel olarak uzlaştırılmasına gerek kalmadan, zaman takibi, tüketilen bütçe, görev durumu ve aynı anda ekip kapasitesinden yararlanarak proje sağlığıyla ilgili bir soruyu yanıtlayabilen yapay zekâdır.
Productive'ın Yapay Zekâsı İçin Sırada Ne Var?
Productive'ın kısa vadeli yol haritasında, yapay zekâ tarafından oluşturulan yanıtları yalnızca metin olarak değil, panolar, PDF'ler veya HTML raporları gibi görsel çıktılara dönüştürme olanağı olan Yapay Çıktılar yer alıyor.
Aracı tarafında, olay tetiklemeli aracılar geliştiriliyor: sabit bir programa göre çalışmak yerine sistemde bir şey değiştiğinde otomatik olarak etkinleşen aracılar. Amaç, proaktif olan; bir karar noktasına geldiklerinde sorunları işaretleyen ve birinin sormasını beklemek yerine girdi almak için iletişime geçen aracılar oluşturmak.
Yapay zekâyı sonradan eklemek istemedik. Yapay zekânın nerede gerçek bir fark yaratabileceğine bakmak istedik; yalnızca tek seferlik görevleri otomatikleştirmekle kalmayıp iş akışlarını yönetmenize ve analiz etmenize yardımcı olmasına odaklandık.
Bernie daha ileriyi düşündüğünde, proje bakımı—görev durumlarını güncelleme, ilerlemeyi izleme ve bir şey geciktiğinde zaman çizelgelerini değiştirme—konusunun tamamen yapay zekânın kontrolüne geçecek ilk operasyonel alan olduğunu düşünüyor.
Daha fazla yapay zekâ özelliği incelemesi ve Proje Yönetiminde Yapay Zekânın Geleceği etkinliği gibi etkinliklere erişim mi istiyorsunuz? The Digital Project Manager ile bağlantıda kalmak için ücretsiz bir hesap oluşturun.
