Ürün Yöneticileri ve Ürün Ekipleri için Yapay Zeka Eğitimi
Ürün ekipleri okuyabileceklerinden fazla kanıt topluyor, kimsenin güncel tutmak istemediği kadar çok belge hazırlıyor. Bu programda ürün yöneticileri AI'ı keşif, tanımlama, deney ve paydaş iletişiminde kullanıyor. Ürün muhakemesi ve müşteri sorumluluğu ise bunlardan sorumlu kişilerde kalıyor.
- modül
- 6
- saat
- 13
Neden bu eğitim
Neden bu ekibe özel yapay zeka?
Bir ürün ekibinin aynı kanıtı altı farklı biçimde yeniden yorumlamasını durdurmak için iki güne yayılan 13 saat ayırıyoruz. Görüşme notları, destek konuşmaları, analytics, satış geri bildirimleri, pazar değişimleri ve geliştirme kısıtları aynı anda ürün yöneticisinin dikkatini bekliyor. Üstelik ekip, bunların arasından hangi problemin bir sonraki sprint'e girmeyi hak ettiğine karar vermek zorunda.
Bir model keşif notlarını kaynak linklerini koruyarak gruplayabiliyor, zayıf bir problem tanımını sınayabiliyor, onaylanmış kanıttan PRD taslağı hazırlayabiliyor ve ince kalmış kabul kriterlerini geliştirebiliyor. Yol haritası seçeneklerini yan yana koyuyor, aynı deney sonuçlarından mühendislik ekibi için bir karar notu ve toplantıda olmayan yönetici için daha kısa bir sürüm çıkarabiliyor.
Bunların hiçbiri önceliği, ödünleşimleri veya son kararı kimin onayladığını değiştirmiyor. Değiştirmemesi de gerekiyor. Modelin bu kararı vermesine izin veren ürün yöneticisi, işin asıl sorumluluğunu atlamış oluyor.
Karardan çalışan yazılıma geçmek isteyen ekipler Vibe Coding eğitimimize devam edebilir. Bu program neyin neden geliştirileceği aşamasında kalıyor. Müfredatı odadaki ekibe göre yeniden kuruyoruz. Yakın programları AI eğitimi kataloğunda bulabilirsiniz.
Çok fazla kanıt, çok az zaman
Görüşme notları, destek konuşmaları, anketler, analytics ve pazar materyalleri nadiren tek ve temiz bir resim oluşturuyor. AI temaları düzenlemeye ve çelişkileri işaretlemeye yardım edebiliyor. Böylece ürün yöneticisi kanıtı biçimlendirmekten çok yorumlamaya zaman ayırıyor.
Çözümden önce problemi doğru kurmak gerekiyor
Belirsiz bir problem tanımı, gürültülü bir yol haritasına, muğlak gereksinimlere ve savunulması zor deneylere dönüşebiliyor. AI, geliştirme başlamadan önce problem çerçevesini sınamak için hızlı bir çalışma ortağı olabiliyor.
Haftaya boş bir PRD sayfasıyla başlamak gerekmiyor
PRD'ler, kabul kriterleri, karar notları, sürüm brief'leri ve paydaş güncellemeleri hazırlanmak zorunda. Ama bunları her seferinde boş sayfadan yazmak, ürün yöneticisinin en fazla değer kattığı iş değil. AI ilk taslağı çıkarıyor. Doğruluk, öncelik ve ödünleşim sorumluluğu ürün yöneticisinde kalıyor.
Bir dashboard sonucun önemli olup olmadığını bilebilir mi?
Sonuçlar dashboard'lara ve tablolara dağılıyor, bir kısmı da ekip içindeki konuşmalarda kalıyor. AI analizi yapılandırıp ilk yorumu sınayabiliyor. Kanıtın ürünü değiştirecek kadar güçlü olup olmadığına karar veremiyor. Son kararı ekip veriyor.
Müşteri verisi dikkatli kullanılmalı
Ürün çalışmaları hassas müşteri konuşmalarına, davranış verisine ve ticari bağlama dayanıyor. Ekiplerin modele giren veriyi azaltmak, gerçekten onaylanmış araçları seçmek ve gerçek bir kararı etkilemeden önce çıktıyı kontrol etmek için uygulanabilir kurallara ihtiyacı var. Bu adım bir kez atlandığında bilgi zaten kurum dışına çıkmış olabiliyor.
Müfredat
Eğitim müfredatı
Taslak hazırlamakla karar vermek arasındaki sınırı çiziyoruz
90 dkBaşlangıç
Prompt yazmaya başlamadan önce sınırı belirliyoruz. Modelin ürün yöneticisi için neleri taslaklaştırıp özetleyebileceğini ve hangi kararların her zaman insanda kalacağını ele alıyoruz.
- AI'ın bu işlerde gerçekten iyi olduğu alanlar
- Tek araç içindeki dört farklı görev
- Kendinden emin bir cevabın yanlış olabildiği durumlar
- Geri alınabilir taslaklarla önemli kararları ayırmak
- Her taslak için bir kontrol alışkanlığı
Ham keşif verisini anlamlı bir senteze dönüştürüyoruz
120 dkBaşlangıç
Farklı keşif materyallerini, problem alanını gösteren düzenli ve kaynağı izlenebilir bir yapıya taşıyoruz. Katılımcılar azınlık görüşlerini silmeden ve gerçekte olmayan bir müşteri uzlaşısı yaratmadan kanıtı AI ile düzenlemeyi deniyor.
- Görüşme notlarını AI kullanımına hazırlamak
- Kaynağa geri dönen temalar oluşturmak
- Segmentleri, işleri, sorunları ve geçici çözümleri karşılaştırmak
- Kanıtın henüz söylemediği noktaları görmek
- Her özete güven düzeyi eklemek
- Yeni boşluklardan yeni sorular çıkarmak
Kanıttan karar vermeye hazır bir brief hazırlıyoruz
150 dkOrta seviye
Kanıtı, ekiplerin üzerinde çalışabileceği bir brief'e dönüştürüyoruz. AI'ı eleştirel bir çalışma ortağı olarak kullanıyor, problem çerçevesini ve kabul kriterlerini tasarım, mühendislik, kalite ve ürün yöneticisinin tartışabileceği açıklığa gelene kadar sınıyoruz. Hiçbir çıktıyı model onaylamıyor.
- Çözüm talebini problem üzerinden yeniden kurmak
- Varsayımlar, kısıtlar, riskler ve açık sorular
- Kanıttan doğrudan PRD yazmak
- Hedefler kadar kapsam dışı maddeleri de belirlemek
- Gereksinimlerin hâlâ belirsiz olduğu yerleri bulmak
- Kararı ve gerekçesini kayda almak
Prototip brief'leri ve yol haritası seçenekleri hazırlıyoruz
150 dkOrta seviye
AI, çözüm yönlerini araştırmaya, prototip brief'leri hazırlamaya ve kanıt değiştikçe planlama belgelerini tutarlı tutmaya yardım ediyor. Uygulamalı yazılım geliştirme ise ayrı Vibe Coding programının alanında kalıyor.
- Bilinçli biçimde birden fazla hipotez kurmak
- Tasarımcıların ve mühendislerin kullanabileceği brief'ler
- Canlıda karşılaşılmadan önce sınır durumlarını düşünmek
- Öğrenme hedefi belli backlog parçaları
- Yol haritası seçeneklerini yan yana karşılaştırmak
- Önceliği kim değiştiriyor: model değil, ürün yöneticisi
Deney sonuçlarını farklı paydaşlar için anlatıyoruz
120 dkOrta seviye
Kanıtı düzenliyor ve yorumları sınıyoruz. Ekip, değişen şeyi kesinliği abartmadan anlatıyor. Aynı kanıt setinden ekip için bir karar notu ve toplantıda bulunmayan kişiler için daha kısa bir sürüm hazırlıyoruz.
- Sayıları ve alıntıları birlikte okumak
- Önce metrikleri ve koruyucu göstergeleri kontrol etmek
- Aynı sonuç için birden fazla açıklama düşünmek
- Bulgu, yorum, öneri ve kararı ayırmak
- Tek karar notunu iki hedef kitleye uyarlamak
- Aynı gerçeği farklı odalarda anlatmak
Atölyeden sonra da sürecek ekip kuralları yazıyoruz
150 dkİleri seviye
Atölyede öğrenilenlerin sonrasında da kullanılmasını sağlayan bir çalışma düzeni tasarlıyoruz. Müşteri verisini koruyor, kalite kontrolünü yerleştiriyor ve ortak materyallerin sorumlusunu açıkça belirliyoruz. Ekip genel bir AI dönüşümü sunumuyla değil, kendi yazdığı kurallarla ayrılıyor.
- Müşteri verisini herhangi bir yere göndermeden önce sınıflandırmak
- Veriyi azaltmak veya anonimleştirmek, ikisi de olmuyorsa paylaşmamak
- Hangi araçların onaylı olduğunu belirlemek
- Önyargı ve dayanaksız iddiaları kontrol etmek
- Hatalı kararda sorumluluğun kimde olduğunu belirlemek
- Çalışma düzeni kütüphanesi ve ölçüm tablosu
Kazanımlar
Kazanımlar ve katılımcılar
Neler öğreneceksiniz?
- Dağınık keşif notlarını problemin kaynağı izlenebilir tek görünümünde toplamak
- Yol haritası kurulmadan önce problem tanımını netleştirmek
- Tasarım ekibinin tartışabileceği PRD ve kabul kriterleri hazırlamak
- Devredilmeye hazır prototip brief'leri oluşturmak
- Son kararı devretmeden yol haritası seçeneklerini karşılaştırmak
- Bulgu, yorum ve öneriyi birbirinden ayrı tutmak
- Aynı kararı üç farklı hedef kitleye uygun biçimde anlatmak
- Herhangi bir veriyi paylaşmadan önce hangi kuralın geçerli olduğunu bilmek
Kimler katılmalı?
- Yardımcı rolden kıdemli role kadar ürün yöneticileri
- Product owner'lar ve ürün operasyon ekipleri
- Ürün direktörleri ve ürün liderleri
- Ürün tasarımcıları ve UX araştırmacıları
- Ürün üçlüsünde çalışan mühendislik yöneticileri
- Büyüme ve deney ekipleri
Format
Eğitim formatı
Program yaklaşık 13 saat sürüyor, genellikle iki tam gün veya dört yarım günlük oturum şeklinde ilerliyor. Uygulamalarda gizli müşteri verisini paylaşmadan keşif, planlama ve deney süreçlerinizin temizlenmiş örneklerini kullanabiliyoruz.
- Format
- Yerinde veya canlı online
- Süre
- 2 gün (yaklaşık 13 saat, yarım günlük oturumlara bölünebilir)
- Grup büyüklüğü
- Grup başına en fazla 20 katılımcı
- Dil
- Türkçe veya İngilizce
- Materyaller
- Araştırma sentezi, PRD, deney ve karar şablonları
- Sertifika
- Tamamlama sertifikası
Zeo hakkında
Neden Zeo?
Zeo 2011'de İstanbul'da kuruldu, bugün San Francisco, İstanbul, Ankara ve Lizbon'dan çalışıyor. Copilot Akademisi'ni yürütüyor ve uluslararası dijital pazarlama konferansı Digitalzone'u düzenliyor. Bu programda 10+ yıllık danışmanlık ve eğitim deneyimimizi kurumsal AI benimsemesine uyguluyoruz.
- 2011İstanbul'da kuruluş
- 10+yıllık danışmanlık ve eğitim deneyimi
- 3ofis: San Francisco, İstanbul, Ankara, Lizbon
Keşfetmeye devam edin
İlgili programlar
AI Okuryazarlığı ve Prompt Mühendisliği6 modül · 13 saatTüm şirketiniz için AI okuryazarlığı ve prompt mühendisliği eğitimi. Ekipler ChatGPT, Copilot ve Gemini ile kendi iş akışları üzerinde pratik yapıyor, ertesi gün yeniden kullanabilecekleri ortak bir prompt kütüphanesiyle ayrılıyor.Eğitimi incele
AI Agent'lar6 modül · 13 saatİş ve operasyon ekipleri için kodsuz AI agent eğitimi. Bir agent'ın gerçekte ne olduğunu ve ne zaman işe yaradığını öğrenin, ardından Copilot Studio'dan custom GPT'lere uzanan araçlarla kendi süreçleriniz için agent kurup yönetin.Eğitimi incele
Yazılım Geliştirmede Yapay Zeka Kullanımı6 modül · 13 saatKod incelemesi desteği, teknik dokümantasyon, test taslakları, olay sonrası raporlar ve PR iletişimi için araç bağımsız AI eğitimi. Program, ekibinizin hâlihazırda kullandığı teknoloji yığınına uyarlanır.Eğitimi incele
Veri ve BI Analizinde Yapay Zeka6 modül · 12 saatVeri ve BI analistleri için uygulamalı yapay zeka eğitimi: SQL sorgu hazırlama ve açıklama, dashboard ve içgörü metinleri, veri belgelendirme ve paydaş raporlaması. Her rakam yayınlanmadan önce doğrulanır.Eğitimi inceleSonraki adım
Ekibinizin ürün geliştirme biçimine uygun bir AI pratiği kuralım
Sorular