Prompt vermeden önce planla — Yapay zekâ projeleri neden araçlardan önce yapıya ihtiyaç duyar

Güçlü bir prompt neden eksik proje mimarisinin yerini tutamaz — ve niyet, araştırma, gereksinimler ile konsept nasıl sağlam bir yapay zekâ proje planına dönüşür.

Bir prompt saniyeler içinde etkileyici bir cevap üretebilir. Bir projenin ise haftalar, aylar hatta yıllar boyunca tutarlı kalması gerekebilir. Yapay zekâyla çalışırken kolayca gözden kaçan fark tam burada ortaya çıkar: Bir cevap henüz yapı değildir, bir taslak henüz konsept değildir ve bir konsept henüz güvenilir bir plan değildir.

Modern yapay zekâ çok hızlı ürettiği için yeni bir cazibe yaratır. Ne yapılması gerektiği tam anlaşılmadan uygulamaya başlanır. Yüzeyde her şey üretken görünür: metinler oluşur, tablolar dolar, özellikler önerilir, kod yazılır, görev listeleri uzar. Fakat hız, yön eksikliğini örtebilir. Yanlış problemi çok verimli biçimde çözmek, projeyi hedefe yaklaştırmaz.

Merkezdeki düşünce bu nedenle basit bir cümleyle ifade edilebilir: Planlama ne kadar iyi olursa gerçekleştirme de o kadar iyi olur. Buradaki planlama, her ayrıntıyı baştan sabitlemek anlamına gelmez. Soyut bir niyeti adım adım gerçekleştirilebilir bir yapıya dönüştürmek anlamına gelir.

Bir prompt proje değildir

Tek bir prompt genellikle anlık bir amaca hizmet eder: açıklamak, karşılaştırmak, taslak çıkarmak, özetlemek, araştırmak, yapılandırmak ya da üretmek. Projenin ise bir geçmişi vardır. Başlangıç durumu, hedefi, ön koşulları, bağımlılıkları, riskleri, kararları, ara sonuçları ve ne zaman yeterince iyi olduğuna dair ölçütleri vardır.

Bu ayrım yapay zekâ kullanımını temelden değiştirir. Yalnızca prompt kullanan kişi her cevabı yeni bir başlangıç noktası olarak görür. Proje yöneten kişi ise her cevabı daha büyük bir sistem içindeki malzeme olarak değerlendirir.

İlk bakışta bu yaklaşım ek bürokrasi gibi görünebilir. Gerçekte tam tersidir. Açık bir proje yapısı aynı soruların tekrar tekrar sorulmasını, gereksinimlerin fark edilmeden değişmesini veya yapay zekânın her yeni sohbette hedefi farklı yorumlamasını engeller.

Bu nedenle belirleyici soru "Hangi prompta ihtiyacım var?" değildir. Doğru soru şudur: "Projem şu anda hangi durumda ve sıradaki hangi kararı hazırlamam gerekiyor?"

Soyuttan gerçekleştirilebilire

Birçok proje görev listesiyle değil, bir niyetle başlar. "Bir platform geliştirmek istiyorum." "Portföyümü profesyonelleştirmek istiyorum." "Şirkette yapay zekâ kullanmak istiyoruz." "Bir süreci otomatikleştirmek istiyorum." Bu cümleler önemlidir, fakat henüz planlanabilir değildir.

İlk adım, niyeti bir problem alanına çevirmektir. Proje sayesinde ne değişmeli? Kimin için? Bugünkü durumun hangi kısmı yetersiz? Hangi kısıtlar şimdiden mevcut? Neler bilinmiyor? Çözümü daha baştan sabitlemeden hangi sonuç makul kabul edilebilir?

Böylece çalışma hızlı çözüm üretmekten yön bulmaya kayar. Yapay zekâ tam burada özellikle değerli olabilir: hemen karar vererek değil, mümkün kararların alanını görünür hâle getirerek.

İyi tanımlanmış bir problem alanı sık görülen bir hatayı önler: İlk çekici çözüm gerçek hedefle karıştırılmaz. Örneğin "bir uygulama yapmak" isteyen biri analiz sırasında asıl sorunun bir hizmet, otomatik iş akışı, kurum içi araç ya da hatta organizasyonel bir değişiklikle daha iyi çözülebileceğini fark edebilir.

Planlama yalnızca uygulama hatalarını azaltmaz. Projeyi yanlış çözüme çok erken bağlanmaktan da korur.

Araştırma ön çalışma değil, proje mimarisinin parçasıdır

Geleneksel iş akışlarında araştırma çoğu zaman "asıl işten önceki aşama" olarak görülür. Yapay zekâ projelerinde bu ayrım yetersizdir. Bilgi temelinin kalitesi daha sonraki her adımı etkiler: gereksinimleri, alternatifleri, riskleri, teknik mimariyi, iş stratejisini ve değerlendirmeyi.

Bu nedenle araştırma yalnızca malzeme toplamamalıdır. Belirsizliği azaltmalıdır.

İyi bir araştırma sadece "Bu konuda neler var?" diye sormaz. Örneğin şunları sorar:

• Projemdeki hangi varsayımlar kanıtla destekleniyor?

• Hangileri yalnızca tahmin?

• Hangi alternatifler var?

• Hangi gerçek örnekler ilk fikrimle çelişiyor?

• Kaynaklardan, pratikten ve çerçeve koşullardan hangi gereksinimler doğuyor?

• Sorumlu bir karar verebilmek için hangi bilgi hâlâ eksik?

Böylece araştırma bir karar aracına dönüşür.

Bu mantık bir adım daha ileri gider: Birden fazla araştırma bir research pool oluşturabilir; bu havuz daha sonra yapılandırılmış bir bilgi tabanına dönüştürülebilir. Bu, tek bir Deep Research raporundan çok daha güçlüdür. Rapor bir belgedir. Bilgi tabanı ise kaynakların, iddiaların, çelişkilerin, örneklerin ve açık soruların bilinçli biçimde yeniden kullanılabildiği bir çalışma ortamıdır.

Önce düzenle, sonra yoğunlaştır

Araştırma ile konsept arasında çoğu zaman küçümsenen bir adım vardır: düzenleme.

Birçok yapay zekâ projesi büyük bir malzeme yığınından doğrudan çözüm üretimine atlar. Bu durumda yapay zekâ çok fazla bağlam alabilir fakat hangi farkların gerçekten önemli olduğunu anlayamayabilir. Daha fazla bağlam otomatik olarak daha iyi yön anlamına gelmez.

Metodik konsept geliştirme süreci bu nedenle şu zinciri tanımlar:

Başlangıç sorusu → problem alanı → araştırma → gereksinimler → fikir alanı → varyant değerlendirmesi → mimari taslak → uygulanabilirlik kontrolü → konsept

Bu zincir doğrusal değildir. Uygulanabilirlik kontrolü mimari taslağa geri götürebilir. Bir varyant yeni gereksinimleri görünür kılabilir. Araştırma problem alanının yanlış tanımlandığını gösterebilir. Bu planın başarısızlığı değildir. Bu döngüler planın kendisidir.

İyi bir konsept, yapay zekânın mümkün olduğunca çok fikir üretmesiyle oluşmaz. Seçeneklerin üretilmesi, karşılaştırılması, elenmesi, birleştirilmesi ve gereksinimlere göre sınanmasıyla oluşur.

Gereksinimler istek ile karar arasındaki köprüdür

Bir fikir neyin çekici olacağını anlatır. Gereksinimler ise neyin mutlaka sağlanması gerektiğini anlatır.

Aradaki fark büyüktür. Gereksinimler olmadan yapay zekâ alternatifleri çoğu zaman ilginç, modern ya da ikna edici görünmelerine göre değerlendirir. Gereksinimlerle birlikte varyantlar somut koşullara göre test edilebilir.

Gereksinimler işlevsel olabilir: Sistem ne yapabilmeli? Organizasyonel olabilir: Kim bununla çalışabilmeli? Ekonomik olabilir: Hangi maliyet veya kaynak düzeyi kabul edilebilir? Zamansal olabilir: Önce ne tamamlanmalı? Kaliteyle ilgili olabilir: Bir sonucun yeterince iyi olduğunu nasıl anlarız? Ve sınırları ifade edebilir: Açıkça ne olmamalı?

Böylece yaratıcılıktan karara geçiş oluşur.

Bu aşamada gereksinimleri değişmez gerçekler gibi görmek gerekmez. Varyantlar ve uygulanabilirlik kontrolleri sırasında değişebilecek hipotezlerdir. Fakat yapay zekâ önerilerinin karşılaştırılabileceği bir çerçeve sağlarlar.

Konsept, yoğunlaştırılmış karar hazırlığıdır

"Konsept" kelimesi çoğu zaman fikir ile uygulama arasındaki her şey için kullanılır. Yapay zekâ projelerinde daha kesin bir tanım yararlıdır.

Bir konsept şunları açıklamalıdır:

• hangi problemin ele alındığını;

• sonucun kimin için üretildiğini;

• araştırmadan hangi bulguların önemli olduğunu;

• hangi gereksinimlerin geçerli olduğunu;

• hangi çözüm varyantlarının incelendiğini;

• neden belirli bir yönün tercih edildiğini;

• bundan hangi mimarinin veya çalışma biçiminin çıktığını;

• hangi belirsizliklerin açık kaldığını;

• proje planlamasında hangi varsayımların test edilmesi gerektiğini.

Dolayısıyla konsept güzel yazılmış bir metin değildir. Yoğunlaştırılmış karar hazırlığıdır.

Ancak bu yoğunlaştırma başarılı olduktan sonra görevleri, fazları, kaynakları ve bağımlılıkları proje planına dönüştürmek anlamlıdır. Aksi hâlde plan, henüz net olmayan bir fikrin nasıl uygulanacağını çok ayrıntılı biçimde tarif eder.

Proje planı bir ders programı değildir

Yapay zekâ burada da bir tuzak oluşturabilir. Dil modelleri saniyeler içinde geniş yol haritaları, Gantt benzeri fazlar veya yüzlerce görev üretebilir. Görüntü profesyonel olabilir ama sahte bir kesinlik yaratabilir.

Bir proje planı içerdiği görev sayısına göre değerlendirilmemelidir. Önemli olan kararları ve bağımlılıkları görünür kılıp kılmadığıdır.

Hangi iş diğerinden önce yapılmalı? Hangi çıktılar sonraki adımın ön koşulu? Nerede insan onayı gerekir? Hangi işler paralel ilerleyebilir? Daha fazla kaynak bağlamadan önce hangi varsayım test edilmelidir? Hangi riskler için tampon gerekir? Hangi parçalar açıkça mevcut sürümün dışında kalmalıdır?

İyi bir plan yalnızca işi görevlere bölmez. Belirsizliği anlamlı bir sıraya dönüştürür.

Agentic AI iyi planlamanın önemini artırır

Tarayıcı tabanlı yapay zekâda kötü planlama çoğu zaman görünür kalır; çünkü insan birçok adımı kendisi başlatmak zorundadır. Agentic sistemlerde aynı belirsizlik çok daha hızlı ölçeklenebilir.

Dosyaları değiştiren, araştırma yapan, alt görevleri dağıtan veya bütün çalışma zincirlerini yürüten bir ajan genel bir komuttan fazlasına ihtiyaç duyar. Hareket alanı büyüdükçe hedef tanımı, bilgi temeli, sınırlar, kontrol noktaları ve kabul kriterleri daha önemli hâle gelir.

Otonomi proje yönetiminin yerini almaz. Proje yönetimine duyulan ihtiyacı artırır.

Soru artık yalnızca "Yapay zekâ bu görevi yapabilir mi?" değildir. Buna şunlar da eklenir: "Doğru çalıştığını nasıl anlayacak, ne zaman durmalı, hangi kararları kendisi verebilir ve sonraki aşama için hangi kanıtı sunmalı?"

Serinin ilerleyen yazılarında ajan rolleri, gate'ler ve Human-in-the-Loop tasarımı ayrıntılı biçimde ele alınacak. Şimdilik tek bir ilke yeterlidir: Uygulama ne kadar otomatikleşirse yönlendirme mantığı o kadar açık olmak zorundadır.

Metodoloji araçlardan daha uzun yaşar

Yapılandırılmış çalışmanın başka bir nedeni daha vardır: Yapay zekâ pazarı hızlı değişir. Arayüzler, modeller ve ürünler değişir. Yetkinlik belirli bir araca bağlanırsa her değişimde yeniden başlamak gerekir.

Metodlar daha uzun ömürlüdür.

Problem alanı tanımlamayı, kaynak değerlendirmeyi, gereksinim çıkarmayı, varyantları karşılaştırmayı, scope'u sınırlamayı, riskleri belgelemeyi ve kararları kanıta bağlamayı bilmek arayüz değişse de değerini korur.

Bu tutum basit bir cümleyle ifade edilebilir: Öğrenmeyi öğreniyoruz.

Bu yalnızca pedagojik bir slogan değildir. Somut araçları iyi çalışmanın temel problemlerinden daha hızlı değişen bir teknoloji için profesyonel bir stratejidir.

Planlama katılık anlamına gelmez

Yaygın bir yanlış anlama, planlamayı çevikliğin karşıtı olarak görür. Yapay zekâ projelerinde bu özellikle tehlikelidir.

İyi planlama geleceği sabitlemez. Mevcut bilgi durumunu görünür kılar. Ne bildiğimizi, ne varsaydığımızı, neyi test edeceğimizi ve hangi kararları bilinçli biçimde sonraya bıraktığımızı kaydeder.

Yeni kanıt geldiğinde plan değişebilir. Önemli olan değişikliğin izlenebilir olmasıdır.

İterasyon ile yönsüzlük arasındaki fark budur. Yönsüzlükte yön, sıradaki çıktı ikna edici geldiği için değişir. İterasyonda ise yeni kanıt eski varsayımı zayıflattığı veya daha iyi bir seçenek gösterdiği için yön değişir.

Yapısız çeviklik tepkiselliğe dönüşür. Çevikliksiz yapı katılığa dönüşür. Yapay zekâ proje yönetimi ikisine de ihtiyaç duyar: sağlam bir çerçeveye ve gerekçeli biçimde onu değiştirebilme yeteneğine.

Yapay zekâ projeleri için planlama zinciri

Pratik başlangıç için yöntem on adıma indirgenebilir:

# YAPAY ZEKÂ PROJESİ — PLANLAMA ZİNCİRİ

1. NİYET
Bu proje sayesinde ne değişmeli?

2. PROBLEM ALANI
Gerçekte hangi problemi ele alıyoruz — hangisini almıyoruz?

3. ARAŞTIRMA
Hangi kaynaklar, örnekler ve karşı örnekler belirsizliği azaltıyor?

4. GEREKSİNİMLER
Bir çözümün taşınabilir olması için hangi koşullar sağlanmalı?

5. VARYANTLAR
Gerçekten farklı hangi çözüm yolları mümkün?

6. DEĞERLENDİRME
Varyantları hangi ölçütlerle karşılaştıracağız?

7. KONSEPT
Hangi yönü seçiyoruz ve neden?

8. PROJE PLANI
Bundan hangi çıktılar, bağımlılıklar, kontroller ve iş paketleri doğuyor?

9. YAPAY ZEKÂ KULLANIM PLANI
Hangi yapay zekâ hangi görevi, hangi kaynaklar, sınırlar ve gate'lerle üstleniyor?

10. İTERASYON
Hangi yeni kanıt problem alanını, konsepti veya planı değiştirmemizi gerektirir?

Bu zincir bilinçli olarak belirli bir yazılımdan bağımsızdır. Bir sohbet içinde, Obsidian'da, proje yönetim aracında veya agentic geliştirme ortamında uygulanabilir.

Daha hızlı cevaplama değil, daha iyi karar verme

Yapay zekânın en büyük verimlilik artışı her zaman daha kısa sürede daha fazla çıktı üretmek değildir. Daha erken aşamada daha iyi kararlar vermek olabilir.

Kötü tanımlanmış bir proje yapay zekâyla daha hızlı büyüyebilir. İyi tanımlanmış bir proje yapay zekâyla daha hızlı öğrenebilir.

Belirleyici fark budur.

Prompt vermeden önce planlamak, yapay zekâyla daha az çalışmak anlamına gelmez. Yapay zekâyı doğru noktada çalıştırmak anlamına gelir: önce anlamada, sonra yapılandırmada, sonra karşılaştırmada, sonra planlamada ve ancak bundan sonra otonom uygulamada.

Böylece bir sohbet projeye, birçok cevap bilgi sistemine ve hız kontrol edilebilir bir ilerleme biçimine dönüşür.

Çalışma kâğıdı: Fikirden planlanabilir yapay zekâ projesine

1. Çözümü söylemeden niyeti yaz

İki cümlede neyin değişmesini istediğini belirt. Ürün adı ve belirli araç kullanma.

2. Problem alanını tanımla

Problemin kim için var olduğunu, bugün neyin yetersiz olduğunu ve mevcut projenin açıkça dışında kalanları yaz.

3. Üç araştırma sorusu oluştur

Biri temelleri açıklasın, biri gerçek örnekler arasın, biri de bilinçli biçimde karşı örnek veya başarısızlık nedeni arasın.

4. Beş gereksinim yaz

En az bir işlevsel, bir kalite, bir organizasyonel, bir ekonomik ve bir sınır/non-scope gereksinimi olsun.

5. Üç varyant üret

Yapay zekâdan gerçekten farklı üç çözüm yolu üretmesini iste. İlk fikrin yalnızca küçük varyasyonlarını üretmesini engelle.

6. Değerlendirme ölçütlerini tanımla

Seçim yapmadan önce varyantların hangi ölçütlerle karşılaştırılacağını belirle.

7. Konsepti tek sayfada yaz

Problem, ilgili kanıt, gereksinimler, incelenen varyantlar, seçilen yön ve açık belirsizlikler.

8. Ancak şimdi uygulamayı planla

Fazları ve iş paketlerini oluştur. Bağımlılıkları, kontrol noktalarını ve en düşük maliyetle test edilebilecek ilk varsayımı işaretle.

Yansıtma

Şimdiye kadar çözüme gereğinden erken başladığım nokta: ________________________________________________

Bir sonraki yapay zekâ yürütmesinden önce açıkça vermem gereken karar: __________________________________

İndirilecek tüm materyaller — konu özeti ve çalışma kâğıdı: