Klasik, Çevik ya da Hibrit? — Yöntemi Modaya Göre Değil, Proje Mantığına Göre Seçmek

Proje yönetimi tartışmaları şaşırtıcı derecede sık birer kamp tartışmasına dönüşür. Klasik proje yönetimi ağır, çevik yaklaşım modern, Scrum profesyonel, Kanban esnek olarak etiketlenir. Bazen bunun tersi yapılır: Çeviklik zayıf planlama ile karıştırılır; ayrıntılı bir proje planı ise otomatik olarak kontrol göstergesi kabul edilir.

Yapay zekâ projelerinde bu karşıtlık özellikle hızlı biçimde yanıltıcı hale gelir.

Belirleyici soru hangi yöntemin daha güncel göründüğü değildir. Belirleyici soru, hangi kontrol mantığının projeye uyduğudur.

Bu düşünce, derslerde birkaç gün boyunca adım adım kurulabilir. Modülün başında katılımcılardan klasik ve çevik proje yönetimi yaklaşımlarını yalnızca listelemeleri değil, araştırmaları ve birbirinden ayırmaları istendi. Daha sonra Scrum ve Kanban somut biçimde karşılaştırıldı; yapay zekâ Scrum Master, Agile Coach ve hatta müşteri bakış açısı gibi roller üstlenerek yöntemlerin uygulamada denenmesini sağladı. Ardından klasik proje yönetimi ile çevik unsurları bilinçli biçimde birleştiren gerçek bir katılımcı yaklaşımı sınıfta tartışıldı.

Bu yalnızca yöntem bilgisi değildir. Arkasında temel bir ilke vardır:

Yöntem; modayı değil, belirsizliği, değişim hızını ve projenin yapısını izlemelidir.

Üç inanç sistemi değil, üç kontrol mantığı

Klasik, çevik ve hibrit yaklaşımlar birer araç kutusu olarak değil, belirsizliğe verilen farklı yanıtlar olarak düşünüldüğünde daha yararlıdır.

Klasik: önce yapı, sonra uygulama

Klasik planlama mantığı, proje erken aşamada görece güvenilir biçimde tarif edilebildiğinde güçlüdür.

Bu hiçbir şeyin değişmeyeceği anlamına gelmez. Şu temel unsurların uygulamadan önce yeterince sağlam biçimde belirlenebildiği anlamına gelir:

• hedef,

• kapsam,

• temel gereksinimler,

• önemli bağımlılıklar,

• kilometre taşları,

• kaynaklar,

• onaylar,

• teslimatlar.

Bu durumda yapının önemli bir bölümünü projenin başına taşımak mantıklıdır. Kararlar erken alınır, iş paketleri planlanır ve bağımlılıklar görünür hale getirilir. Uygulama daha sonra hazırlanmış bir yol üzerinde daha az koordinasyon sürtünmesiyle ilerleyebilir.

Sonradan yapılacak değişiklikler pahalı olduğunda bu mantık özellikle değerlidir. Sözleşmeler, dış üretim, satın alma, resmi onaylar veya birbirine sıkı bağlı teslim zincirleri varsa "sprint içinde öğreniriz" yaklaşımı çok pahalı olabilir.

Dolayısıyla klasik planlamanın gücü katılık değil, önceden koordinasyondur.

Çevik: uygula, öğren, yeniden karar ver

Önemli bilgilerin ancak çalışma sırasında ortaya çıktığı projelerde çevik mantık güçlenir.

Hedef açık olabilir ama en iyi çözüm yolu bilinmeyebilir. Kullanıcı geri bildirimi ürünü kökten değiştirebilir. Bir yapay zekâ modeli gerçek kullanımda test ortamından farklı davranabilir. Bir mimarinin gerçekten işe yarayıp yaramadığını ancak bir prototip gösterebilir.

Bu durumda çok ayrıntılı uzun vadeli plan ek güvenlik sağlamaz. Yalnızca belirsizliği kesin görünümlü varsayımlara çevirir.

Çevik çalışma bazı kararları bilinçli biçimde sonraya bırakır. Küçük birimler uygulanır, kontrol edilir ve yeni kanıta göre uyarlanır.

Gücü daha az planlama yapmak değildir. Gücü, planlama ile öğrenmeyi birbirine yaklaştırmaktır.

Hibrit: dışarıda istikrar, içeride uyarlanabilirlik

Gerçek yapay zekâ projelerinin çoğu iki kategoriden birine temiz biçimde sığmaz.

Bütçe sabit olabilir, teknik uygulama iteratif kalabilir. Lansman tarihi değişmez olabilir ama özelliklerin önceliği değişebilir. Uyum veya müşteri gereksinimleri bağlayıcı olabilir; model seçimi, prompt geliştirme, veri hazırlama ve UX döngüler halinde geliştirilebilir.

Hibrit mantık burada devreye girer.

Hibrit, "her şeyden biraz alalım" demek değildir.

İyi bir hibrit yaklaşım bilinçli biçimde şunları ayırır:

• erken kararlaştırılan istikrarlı proje sınırları,

• bu sınırların içinde iteratif biçimde çalışılabilen uyarlanabilir çalışma alanları.

En kısa yararlı formül şöyledir:

İstikrarlı kabuk, öğrenen çekirdek.

Derste tanımların ötesine geçildi

İyi bir eğitimde çevik yöntemler sınav kavramları gibi işlenmez.

Önce bir araştırma temeli kurulur: Hangi proje yönetimi yöntemleri var? Klasik ve çevik yaklaşımlar nasıl ayrılıyor? Hangileri kendi projeme gerçekten uygun?

Sonra tartışma somutlaşır. Scrum ve Kanban ele alınırken yalnızca board'lardan söz edilmez. Yöntem mantığı rollerle ilişkilendirilir. Yapay zekâ örneğin Scrum Master, Agile Coach veya müşteri rolünü üstlenebilir. Böylece yöntem sadece tarif edilmez, canlandırılır ve sınanır.

Bu pedagojik açıdan önemlidir.

Bir yöntemi yalnızca tanımını bilerek tam olarak anlamayız. Şunları yaşayarak anlamaya başlarız:

• yeni bir gereksinim ne zaman sürece girebilir,

• devam eden iş ne zaman korunmalıdır,

• öncelikler nasıl değiştirilebilir,

• kim karar verir,

• geri bildirim bir sonraki çalışma aşamasına nasıl taşınır,

• ekibin devam edebilmesi için hangi bilgiye ihtiyacı vardır.

Bir sonraki ders gününde teori gerçek proje örneklerine aktarılır. Bir katılımcı klasik proje yönetimi ile çevik unsurları birleştiren hibrit bir model hazırlamıştı. Yöntem bilgisinden gerçek proje bağlamına yapılan bu aktarım kritik adımdır.

Dolayısıyla iyi soru "Scrum'ı açıklayabilir miyim?" değildir.

İyi soru şudur:

"Projemin hangi parçaları bağlayıcı planlama istiyor, hangi parçaları bilinçli olarak kısa öğrenme döngülerine ihtiyaç duyuyor?"

Proje mantığı 1: Problemin kendisi ne kadar istikrarlı?

İlk karar faktörü çözüm yolu değil, problemdir.

Problem tanımı sık değişiyorsa uzun vadeli ayrıntılı planlama risklidir. Ekip, iki hafta sonra farklı tanımlanacak bir hedefe çok hassas biçimde plan yapabilir.

Problem istikrarlı ve iyi anlaşılmışsa daha fazla çalışma planlama aşamasına taşınabilir.

Örneğin bir şirket, bilinen bir yapay zekâ iş akışı için açıkça tanımlanmış bir iç eğitim hazırlamak istiyor. Hedef kitle, tarih, format, öğrenme hedefleri ve onay yapısı belli. Çalışmanın büyük bölümü klasik biçimde planlanabilir.

Başka bir ekip ise müşterilerin hangi yeni yapay zekâ ürününe gerçekten ihtiyaç duyduğunu keşfetmek istiyor. Problem henüz açık değil, kullanıcı tepkisi önemli ve teknik bulgular fikri değiştirecek. Burada kontrol mantığı daha keşifçi ve çevik olmalıdır.

Proje mantığı 2: Değişiklik ne kadar pahalı?

Her belirsizlik çevik yöntemle ele alınmak zorunda değildir.

Önemli olan, kararı daha sonra değiştirmenin maliyetidir.

Bir metin paragrafı ucuza değiştirilebilir. Bir veri mimarisini değiştirmek daha pahalı olabilir. Sözleşmeye bağlı dış üretim ya da donanım siparişi geri çevrilmesi çok pahalı kararlardır.

Değişiklik maliyeti yükseldikçe erken netleştirmenin değeri artar.

Buradan güçlü bir hibrit ilke çıkar:

Geri döndürülmesi zor kararları erken, geri döndürülebilir kararları daha geç planla.

Böylece hibritlik yöntem kokteyli olmaktan çıkar, ekonomik bir kontrol mantığına dönüşür.

Proje mantığı 3: Gerçek geri bildirimi ne kadar hızlı alıyoruz?

Çevik döngüler ancak gerçekten öğrenebiliyorlarsa işe yarar.

Anlamlı geri bildirim içermeyen sprint yalnızca daha kısa bir planlama bloğudur.

Akış, blokaj veya öncelik hakkında bilgi vermeyen Kanban board'u ise sadece güzel bir görev listesidir.

Kritik soru şudur:

Bir kararı iyileştirecek yeni bilgi bize ne kadar hızlı ulaşıyor?

Dijital prototipte bu saatler veya günler içinde olabilir. Büyük altyapı işlerinde faydalı geri bildirim haftalar sonra ortaya çıkabilir.

Geri bildirim gecikmesi kısaldıkça iteratif kontrolün değeri artar.

Proje mantığı 4: Kaç bağımlılık senkron kalmalı?

Çeviklik çoğu zaman esneklikle eş tutulur. Ancak yüksek bağımlılık yoğunluğu bu esnekliği sınırlar.

Beş iş paketi birbirinden bağımsızsa yeniden önceliklendirmek kolaydır. Fakat B mutlaka A'yı bekliyorsa, C ile D aynı kaynağı kullanıyorsa ve E dış onay gelmeden başlayamıyorsa daha güçlü bir koordinasyon gerekir.

Bu otomatik olarak "klasik" demek değildir.

Bu, uyarlanabilir bölümün istikrarlı bir koordinasyon katmanına ihtiyaç duyduğu anlamına gelir.

Yapay zekâ projelerinde deneysel işleri çevik biçimde yürütürken kaynakları, onayları, veri erişimlerini ve kritik bağımlılıkları daha bağlayıcı biçimde planlamak çoğu zaman yararlıdır.

Proje mantığı 5: Ne bağlayıcı olmalı, ne deneysel kalabilir?

Bu ayrım yapay zekâ projelerinde özellikle önemlidir.

Bağlayıcı olabilecek unsurlar:

• veri koruma sınırları,

• bütçe üst sınırları,

• teslim tarihleri,

• onay yetkileri,

• izin verilen veri kaynakları,

• kalite kriterleri,

• güvenlik kuralları,

• sözleşmedeki teslimatlar.

Deneysel kalabilecek unsurlar:

• model seçimi,

• prompt stratejileri,

• iş akışı varyantları,

• arayüz çözümleri,

• ajan dağılımları,

• küçük optimizasyonların sıralaması.