Yapay Zeka Ürün Keşfi ve Prototipleme · Geliştirmeden önce ürün kararı

Yapay Zeka Ürün Keşfi ve Deneyim Tasarımı

Ürün keşfi, kullanıcı işi, AI'ın rolü, belirsizlik, inceleme, geri dönüş ve yetki sınırları mühendislik ekibi yön seçmeden önce temsili ve olumsuz vakalarda sınandığında tamamlanıyor.

Mühendislik ekibi bir ürün yönüne bağlanmadan önce kullanıcı işini, AI'ın rolünü, belirsiz anları, inceleme noktalarını, geri dönüş yollarını, bağımlılıkları ve kabul kararlarını test edilebilir hâle getiriyoruz.

Tasarım ve mühendislik ekipleri seçilen kavramı, elenen seçenekleri, sınanan hata noktalarını, açık varsayımları ve sonraki araştırma ya da geliştirme adımını gösteren kabul edilmiş deneyim planını devralıyor.

Ürün sorusunu birlikte konuşalımUygulama geliştirme hizmetlerini inceleyin
Yapay Zeka Ürün Keşfi ve Deneyim Tasarımı illüstrasyonu: bir yapay zeka ürün kavramını ve deneyim akışını taslak haline getiren ekip

Birlikte çalıştığımız 500'den fazla markadan birkaçı

Tüm referansları gör
  • Odeabank
  • Mudo
  • Lay's
  • Lezzet
  • Neova Sigorta
  • Armut.com

Adımlar, kapılar ve kararı verenler

Çalışma şeklimiz

Önce kişinin vermeye çalıştığı kararı veya tamamlaması gereken işi anlıyoruz. Modelin yapabildiklerine, deneyimde gerçekten işe yarayacağı yer belli olduktan sonra bakıyoruz.

  1. Kullanıcı kararını netleştiriyoruz

    Kullanıcı işi, hedef sonuç, ürün hipotezi, AI'ın üstlenebileceği rol ve kavramı kabul ya da reddetme yetkisi olan kişi üzerinde birlikte anlaşıyoruz.

    Yapay zeka desteği
    Paydaş notları, modelin ilk kullanıcı işi tanımını hazırlamasına malzeme oluyor. Ekip bu taslağı gerçek işe uyana kadar yeniden yazıyor.
    İnsan onayı
    Ürün, tanınabilir tek bir kullanıcı kararını veya görevini çözüyor mu? Kavramın hangi kullanıcı işini çözeceğine ürün sorumlunuz karar verir.

  2. Fikrin neye bağlı olduğunu açıyoruz

    Temsili örnekler üzerinden mevcut kısıtları, açık varsayımları, bağımlılıkları, belirsiz anları ve kullanıcıyı yanıltabilecek ya da yarı yolda bırakabilecek durumları inceliyoruz.

    Yapay zeka desteği
    Toplanan örneklerdeki desteksiz varsayımları model işaretliyor. Alan katılımcıları her bulgunun gerçek kullanıcı kanıtına ihtiyaç duyup duymadığını doğruluyor.
    İnsan onayı
    En önemli varsayımlar destekleniyor mu, yoksa test edilmek üzere açıkça işaretli mi? Hangi varsayımların gerçek kullanıcı kanıtına ihtiyaç duyduğunu alan katılımcıları doğrular.

  3. Seçenekleri zor vakalarla sınıyoruz

    Etkileşim biçimlerini, inceleme akışlarını, yetki sınırlarını ve geri dönüş davranışını karşılaştırıyoruz. Tercih edilen yönü temsili vakalarda ve zayıf tarafını gösterebilecek olumsuz durumlarda test ediyoruz.

    Yapay zeka desteği
    Alternatif etkileşim ve geri dönüş pattern'lerini model taslaklıyor. Deneyim ekibi seçenekleri karşılaştırıp uygun olmayanları eliyor.
    İnsan onayı
    Kullanıcı AI'ın ne yaptığını, neyin belirsiz kaldığını ve sırada ne olduğunu anlayabiliyor mu? Hangi etkileşim pattern'inin teste gireceğine deneyim lideriniz karar verir.

  4. Kararı sonraki ekibin izleyebileceği biçimde kaydediyoruz

    Seçilen deneyimi, elenen seçenekleri, bilinen istisnaları, sorumluları, kabul kanıtını ve sıradaki araştırma ya da geliştirme kararını aynı kayıtta topluyoruz.

    Yapay zeka desteği
    Kabul edilen ve elenen deneyim seçeneklerinden ilk karar kaydını model hazırlıyor. Ürün sorumlusu kaydı düzelterek kabul ediyor.
    İnsan onayı
    Sorumlu kişi kavramı ve açık koşullarını kabul etti mi? Kavramı ve ona bağlı koşulları ürün sorumlunuz kabul eder.

Adı konmuş, sizde kalan çıktılar

Elinize geçenler

Tasarım ve mühendislik ekipleri, kararın nasıl verildiğini tahmin etmek zorunda kalmadan inceleyebilecekleri ve sorgulayabilecekleri bir ürün yönü devralıyor.

  • Yol haritası

    Doğrulanmış ürün kavramı ve deneyim planı

    Kullanıcı işi, AI'ın rolü, etkileşim akışı, belirsiz anlar, inceleme, geri dönüş ve hedef sonuç tek bir incelenebilir kavramda buluşuyor.

  • Risk kaydı

    Deneyim varsayımları, bağımlılıklar ve açık soru dosyası

    Destekleyici kanıtı, çözülmemiş varsayımları, sistem veya politika bağımlılıklarını ve bunların etkileyebileceği kararları gösteren çalışma kaydı.

  • Test kanıtı

    İnceleme, geri dönüş ve yetki sınırı bulguları

    Kabul testleri ve hata vakaları, inceleme, geri dönüş veya yetki sınırının nerede çalıştığını ve nerede bozulduğunu gösteriyor.

  • Karar kaydı

    Seçilen kavram, elenen seçenekler ve sonraki adım özeti

    Seçilen kavramı, elenen seçenekleri, kabul edilen koşulları, sorumluları ve sonraki araştırma veya geliştirme kararını içeriyor.

Kapsam ve dürüst sınırlar

Bu çalışmanın size uyduğu durumlar

Fikir umut veriyor olabilir, ama ekipteki herkes kullanıcıyı, kullanım anını ya da AI'ın üstleneceği işi farklı anlatıyorsa önce bu ayrımı çözmek gerekir.

Şu durumlarda iyi bir seçim

  • Ekibiniz fikri destekliyor, fakat kullanıcı, kullanım anı veya önemli sonuç konusunda ortak bir tanıma henüz ulaşamıyor.
  • Kullanıcı ürünün ne zaman öneri verdiğini veya inceleme beklediğini göremiyor, bu yüzden sonraki kararın kimde olduğunu anlayamıyor.
  • Varsayımlar, bağımlılıklar ve gerçekçi hata vakaları ortaya konduğunda ürün sorumlunuz seçenekler arasında karar verebiliyor.
  • Kullanıcı işi net, ama ekip AI'ın nerede aksiyon alacağı, inceleme bekleyeceği, belirsizliği göstereceği ya da geri döneceği konusunda anlaşamıyor.
  • Birden fazla deneyim seçeneği makul görünüyor, ama temsili kanıt ve hata vakaları hangisinin bağımlılıklarıyla birlikte çalışacağını göstermiyor.
  • Hedef sonuç konuşuluyor, ama kabul testleri, istisna kararları, sorumlular ve sonraki araştırma ya da geliştirme adımı aynı teslim kaydında buluşmuyor.
  • Sonraki ürün hedef sonucu değiştirebilir, çünkü yazılı deneyim sınırı hangi inceleme ve geri dönüş kararlarının korunması gerektiğini göstermiyor.

Şu durumlarda başka bir çalışma daha doğru

  • Production ürününün hemen geliştirilmesini veya canlı sistemlere bağlanmasını istiyorsunuz. Bu çalışma deneyim yönünü test ediyor, mühendislik ayrı kapsam gerektiriyor.
  • Paydaş heyecanının temsili kullanıcı kanıtı sayılmasını istiyorsunuz. Kavramın yine de hedef kullanıcıların örnekleri ve testleriyle sınanması gerekiyor.
  • Kavram özetinin hukuk, politika veya yayın onayı vermesini bekliyorsunuz. Biz geri dönüş ve deneyim sınırına ait kanıtı kaydediyoruz, bu kararlar yetkili sorumlularınızda kalıyor.

Bunlardan biri sizin durumunuza daha yakınsa, buradan başlayın: Uygulama geliştirme hizmetlerini inceleyin

AI'ı production'a taşıyan mühendisler

Zeo'nun kod yazıp teslim eden tarafı burası. Kıdemli mühendislerimiz agent, chatbot ve RAG sistemleri geliştiriyor, çevrelerindeki otomasyon ve veri işlerini üstleniyor, sistemler canlıya çıktıktan sonra da işletmeyi sürdürüyor. 2011'den beri 500'den fazla markayla çalıştık.

Bu konuda ürettiğimiz içerikler

YazıDidem Himmetli‘Yapılacak İşler’ Metoduyla Müşteri Deneyimini GeliştirmekYazıYiğit KonurMCP Server Safety: Human-in-the-Loop Controls & Risk Assessment

Kullandığımız araçlar

Bu işin arkasındaki araçlar

  • Figma

    Yazılım geliştirme öncesinde AI rolünü, kontrol noktalarını ve yedek yolları Figma'da prototipliyoruz

  • Anthropic

    Olumsuz senaryo testlerinde prototipin gerçek AI yanıtlarını Anthropic modeliyle üretiyoruz

  • Notion

    Kabul kriterlerini, bağımlılıkları ve yedek davranışları Notion üzerinde mühendislik onayına sunuyoruz

  • Voiceflow

    Ekran yerine diyalog odaklı konseptlerde konuşma akışını Voiceflow üzerinde prototipliyoruz

Sonraki adım

Neyi geliştirmeye değer olduğuna karar verin

Kullanıcı işini, temsili örnekleri ve sonraki adıma karar verecek ürün sorumlunuzu getirin.
Ürün kararını konuşalım

Karar vermeden önce

Sık duyduğumuz sorular

Sizden hangi girdileri istiyoruz?

Kullanıcı işi, mevcut workflow, ürün hipotezi, temsili örnekler, bilinen kısıtlar, baseline kanıtı ve sonucu kabul edecek kişi gerekiyor. Önerilen deneyim insanların inceleme, karar verme veya hatadan dönme biçimini değiştiriyorsa alan katılımcılarına da erişmemiz gerekiyor.

AI agent'ları bu çalışmaya ne katar?

Agent'lar örnekleri düzenleyebilir, seçeneklerin kapsamını karşılaştırabilir, eksik vakaları gösterebilir ve izlenebilir araştırma ya da test materyali taslaklayabilir. Ürün ve alan sorumluları kanıtı yorumluyor, bir örneğin hedef kullanıcıyı temsil edip etmediğine karar veriyor ve ilerleyecek deneyim yönünü seçiyor.

Keşfin tamamlandığını nasıl anlıyoruz?

Üzerinde anlaştığımız karar noktalarının tamamlanması, kritik istisnaların bir sorumluya bağlanması ve kanıtın kullanıcı işiyle deneyim sınırını kapsaması gerekiyor. Kritik varsayımı test edilmemiş, karar verecek kişisi belli olmayan veya sonraki inceleme noktası belirlenmemiş bir kavram keşif aşamasında kalıyor.

Deneyim planı neyi kanıtlamaz?

Production sisteminin bütün kalite, maliyet, güvenlik veya benimseme ihtiyaçlarını karşılayacağını göstermez. En güçlü desteklenen kavramı, bu kavramın dayandığı kanıtı ve prototip ya da sonraki geliştirme aşamasında test edilmesi gereken istisnaları kaydeder.