AI Agent ile İş Analizi: Kullanım Alanları, Örnekler ve Riskler
AI agent iş analizinde nasıl kullanılır? Gereksinim toplama, analiz, user story, kabul kriterleri ve izlenebilirlik çalışmalarını gerçekçi bir örnek üzerinden inceleyin.
İş analizi yalnızca gereksinim yazmak değildir. Gerçek ihtiyacı anlamayı, paydaşlar arasında ortak bir anlayış oluşturmayı, gereksinimlerin kalitesini değerlendirmeyi ve çözümün beklenen iş değerini sağlayıp sağlamadığını izlemeyi kapsar. Yapay zekâ bu süreçte önemli bir destek sunabilir; ancak hızlı üretilmiş bir taslak, doğrulanmış bir iş ihtiyacıyla aynı şey değildir.
AI agent sistemleri, bir hedefe ulaşmak için birden fazla adımı planlayabilir, izin verilen araçlarla bilgi toplayabilir ve ara sonuçları değerlendirerek sonraki adıma ilerleyebilir. İş analistleri açısından fırsat, tekrarlı hazırlık işlerini azaltmak ve daha fazla zamanı paydaşlarla doğru soruları tartışmaya ayırmaktır. Bunun gerçekleşmesi için görev, yetki, veri güvenliği ve onay sınırları açıkça belirlenmelidir.
Bu yazıda neler bulacaksınız?
AI Agent Nedir? AI Asistanından Farkı Ne?
Yapay zekâ asistanı ile AI agent arasındaki fark, mutlaka kullanılan dil modeli değil, görevin yürütülme biçimi ve sistemin yetki düzeyidir. Asistanlar da araç kullanabilir ve çok adımlı işler yapabilir. Agent tabanlı yaklaşımda ise sistem, tanımlanan hedef doğrultusunda alt görevleri birbirine bağlayarak izin verilen araçlarda ilerleyebilir.
Örneğin bir asistan, paydaş görüşmesi notlarından gereksinim taslağı çıkarabilir. Bir agent ise yetkilendirildiği dokümanları tarayıp önceki gereksinimlerle karşılaştırma yapabilir, çelişkileri belirleyebilir, ilgili kayıtlar için değişiklik taslağı hazırlayabilir ve onaya sunabilir. Fark, yalnızca daha uzun metin üretmek değil, bir iş akışını kontrollü biçimde yürütebilmektir.
Boyut | Asistan ağırlıklı kullanım | Agent tabanlı kullanım |
|---|---|---|
İş akışı | Kullanıcının yönlendirdiği analiz ve üretim | Hedefe bağlı, birbiriyle ilişkili adımlar |
Araçlar | Araç kullanabilir | Yetkilendirilen araçları iş akışına bağlar |
İnsan kontrolü | Göreve ve riske bağlı | Göreve, yetkiye ve riske bağlı |
Çıktı | Analiz, özet, taslak | Analiz + takip eden taslak işlemler |
Bir agent öneri üretebilir; fakat gereksinimin doğru olduğuna, kapsamın değiştiğine veya ürün önceliğine tek başına karar verilmiş sayılmaz. İş analisti analizin kalitesini ve paydaşlarla netleştirmeyi yönetir. Nihai karar ve onay, kurumun belirlediği yetkili kişi veya rollere aittir.
AI Agent İş Analizinin Hangi Aşamalarında Kullanılır?
AI agent kullanımının değeri, iş analizinin her adımına otomasyon eklemekten değil, açık tanımlanmış bir görevin hazırlık ve tutarlılık yükünü azaltmaktan gelir. Aşağıdaki yedi kullanım alanı öncelikle değerlendirilebilir:
Paydaş ve görüşme hazırlığı: Mevcut belgelerden soru, varsayım ve risk alanı taslakları oluşturmak.
Gereksinim toplama sonrası sentez: Görüşme notlarındaki ortak temaları, çelişkileri ve açık soruları derlemek.
Süreç analizi: Metinle anlatılan mevcut iş akışından doğrulanacak adım ve istisna taslakları çıkarmak.
Gereksinim taslağı: İş hedefi ve kısıtlardan gereksinim, user story ve kabul kriteri adayları üretmek.
Kalite incelemesi: Belirsiz, çelişkili veya ölçülemeyen ifadeleri işaretlemek.
İzlenebilirlik desteği: Kaynak–gereksinim–test/kanıt ilişkilerine yönelik bağlantı adayları hazırlamak.
Değişiklik etki analizi: Bir gereksinim değiştiğinde ilişkili süreç, kural ve testleri inceleme listesine almak.
Bu alanlarda elde edilen fayda, kaynakların güncelliğine ve erişim kalitesine bağlıdır. Agent’ın bulamadığı bir bilgi, gerçekte mevcut değil anlamına gelmez. Özellikle paydaş niyeti, iş değeri ve sözleşmesel yükümlülükler ayrıca doğrulanmalıdır.
Gerçekçi Örnek: Bir İade Sürecinin Gereksinim Analizi
Bir e-ticaret projesinde paydaşın talebi şu olsun: “Müşteriler ürünlerini daha kolay iade edebilsin.” İlk bakışta anlaşılır görünen bu cümle, geliştirme için yeterli değildir. “Kolay” ne demektir? Hangi ürünler iade edilebilir? Süre sınırı, istisnalar ve geri ödeme koşulları nelerdir?
1. Kaynakları inceleme ve açık soruları bulma
Agent’a, yetki verilmiş ve veri politikasına uygun biçimde hazırlanmış müşteri görüşme notları, mevcut iade politikası ve destek kayıtları sunulur. Agent tekrar eden sorunları, kaynaklar arasındaki uyuşmazlıkları ve karar gerektiren boşlukları listeler. Her bulgunun hangi kaynağa dayandığı belirtilir; dayanak bulunamayan ifadeler “varsayım” olarak etiketlenir.
Örnek açık sorular: İade talebi kaç gün içinde oluşturulabilir? Kategorilere göre farklı kurallar var mı? Kargo ücretini kim üstlenir? Müşteri talebinin durumunu nereden izler?
2. Gereksinim ve user story taslağı
Agent aşağıdaki gibi bir kullanıcı hikâyesi önerebilir: “Bir müşteri olarak, uygun siparişim için çevrim içi iade talebi oluşturmak istiyorum; böylece destek ekibine ayrıca ulaşmadan süreci başlatabilirim.” Bu bir aday hikâyedir; politika, istisna ve değer varsayımları doğrulanmadan onaylanmış gereksinim sayılmaz.
Örnek kabul kriteri taslağı:
Given: Müşterinin iade koşullarını sağlayan bir siparişi vardır.
When: Müşteri ilgili sipariş için iade talebi oluşturur.
Then: Sistem bir iade talep numarası üretir ve talebin durumunu gösterir.
Buradaki “iade koşullarını sağlayan” ifadesi hâlâ açık bir iş kuralına ihtiyaç duyar. Hangi koşulların geçerli olduğunun yetkili paydaşla netleştirilmesi gerekir. Ayrıca uygun olmayan sipariş, mükerrer talep ve bağlantı kesintisi gibi olumsuz senaryolar da ele alınmalıdır.
3. İnsan doğrulaması ve kontrollü kayıt güncelleme
İş analisti, müşteri temsilcileri ve ilgili süreç sahipleriyle gereksinimleri netleştirir. Gereksinimlerin anlaşılır ve tutarlı olup olmadığını kontrol etmek “verification”; gerçek iş ihtiyacına hizmet edip etmediğini değerlendirmek ise “validation” bakışıdır. Yetkili paydaşın onayından sonra agent, mevcut sisteme göre taslak ticket veya izlenebilirlik bağlantısı hazırlayabilir. Sistemde kayıt yayımlama ya da değiştirme yetkisi ancak tanımlı kurallarla verilir.
Bu senaryo öğretici bir örnektir; gerçek bir müşteri projesinden ölçülmüş performans sonucu değildir.
AI Agent ile User Story ve Kabul Kriteri Hazırlama
İyi bir çıktı almak için yalnızca “bana user story yaz” demek yeterli değildir. İş hedefi, kullanıcı rolü, kapsam dışı unsurlar, iş kuralları ve bilinen kısıtlar verilmelidir. Agent’ın eksik bilgileri uydurmak yerine soru olarak döndürmesi istenmelidir.
Örnek çalışma istemi (prompt):
Bir iş analisti olarak aşağıdaki anonimleştirilmiş paydaş görüşmesi notlarını incele.
1. İfade edilen iş ihtiyaçlarını listele.
2. Çelişkileri, belirsizlikleri ve eksik bilgileri belirle.
3. Her ihtiyaç için destekleyen kaynak cümleyi göster.
4. Doğrulanmamış çıkarımları “varsayım” olarak işaretle.
5. User story ve test edilebilir kabul kriteri taslakları öner.
6. İstisna ve olumsuz senaryoları belirt.
7. Paydaşa sorulacak açık soruları listele.
Kaynakta bulunmayan iş kuralını uydurma. Hiçbir gereksinimi onaylanmış olarak işaretleme.
Görüşme notları: [Kendi görüşme veya toplantı notlarınızı buraya ekleyin.]Bu istem tek başına bir AI asistanıyla da çalışır. Agent uygulamasına dönüştürmek için, yetkili kaynaklardan otomatik veri okuma, mevcut gereksinimleri karşılaştırma, değişiklik önerilerini ilgili kayıtlarla eşleştirme ve insan onayı sonrası işlem adımları ayrıca tasarlanmalıdır.
Konuya ilişkin temel yaklaşım için Gereksinim Analizi Nasıl Yapılır? yazısını; hikâye biçimi seçimi için ise aşağıdaki kaynağı inceleyebilirsiniz.
AI Agent Kullanırken Dikkat Edilmesi Gereken Riskler
Bir agent’ın daha fazla araca bağlanması, ona daha fazla güvenilebileceği anlamına gelmez. Yetki arttıkça yanlış bilgiye dayalı işlem, hassas veri ifşası ve istenmeyen değişiklik riski de büyüyebilir. NIST AI Risk Management Framework (AI RMF 1.0), bu tür risklerin yönetişim, bağlamı anlama, ölçme ve yönetme süreçleriyle ele alınmasını önerir.
Veri güvenliği: Kullanılacak verileri sınıflandırın. Kurumsal politika, sözleşmeler ve yetkilendirmeler gerektiriyorsa anonimleştirme veya maskeleme uygulayın; tek başına maskelemeyi yeterli güvenlik saymayın.
Kaynak doğruluğu: Her kritik önerinin kaynağını isteyin. Kaynaksız çıkarımları iş kuralı gibi kaydetmeyin.
Prompt enjeksiyonu: Belgelerin içindeki talimat görünümlü metinlerin agent’ın yetkisini değiştirmesine izin vermeyen kontroller kurun.
Yetkilendirme ve onay: Okuma, taslak oluşturma ve sistemde değişiklik yapma haklarını ayrı tanımlayın.
Denetim ve geri alma: İşlem kaydı, sorumlu kişi, gözden geçirme süreci ve gerektiğinde geri alma yöntemi belirleyin.
Pratik bir otonomi modeli üç seviyede kurulabilir: (1) yalnızca öneri üretme, (2) taslak hazırlayıp insan onayına sunma, (3) önceden belirlenmiş düşük riskli işlemleri sınırlı yetkiyle yürütme. Kapsam, öncelik, hukuki yorum ve müşteriye verilen taahhütler uygun yetkili kişi ya da rollerin karar alanında kalmalıdır.
AI Agent Kullanımının Başarısı Nasıl Ölçülür?
Agent’ın ilk taslağı daha hızlı yazması, bütün iş analizi sürecinin iyileştiğini kanıtlamaz. Düzeltme süresi ve yanlış önerilerin etkisi de ölçülmelidir. Mümkünse aynı tür görevler için agent kullanılan ve kullanılmayan örnekleri karşılaştırın.
Ölçüt | Örnek değerlendirme sorusu |
|---|---|
Toplam iş süresi | Hazırlık, kontrol ve yeniden işleme birlikte ne kadar sürdü? |
Gereksinim kalitesi | İncelemede kaç eksik, belirsiz veya çelişkili madde bulundu? |
Kaynak doğruluğu | Önerilerin ne kadarı erişilebilir bir kaynakla destekleniyor? |
Yeniden işleme | Yanlış taslaklar nedeniyle kaç ek düzeltme gerekti? |
Toplam maliyet | Araç, entegrasyon, güvenlik ve insan incelemesi neye mal oldu? |
Başarı ölçütü yalnızca “daha çok story yazıldı” olmamalı; daha az yanlış anlama, daha tutarlı gereksinim ve daha iyi paydaş kararları gibi iş sonuçlarına bağlanmalıdır.
İş Analistleri İçin AI Agent Kontrol Listesi
İş analizi adımı | Agent’ın hazırlayabileceği çıktı | İnsan kontrolü / yetkili karar |
|---|---|---|
Mülakat hazırlığı | Soru ve risk taslağı | Soruların uygunluğu ve paydaş seçimi |
Notların sentezi | Tema, çelişki ve açık sorular | Kaynağa bağlı doğruluk ve bağlam |
Gereksinim taslağı | Story ve kabul kriteri adayları | İş kuralı, doğrulanabilirlik, kapsam |
Kalite incelemesi | Belirsizlik ve tutarsızlık işaretleri | Gerçek sorun ile yanlış alarmın ayrılması |
İzlenebilirlik | Kaynak–gereksinim–test bağlantısı önerisi | Bağlantıların doğruluğu |
Öncelik / kapsam | Etki ve bağımlılık analizi taslağı | Yetkili paydaş / ürün rolünün kararı |
Kontrol listesini bir “tam otomasyon sözü” olarak değil, ekip içi çalışma anlaşması olarak değerlendirin. Agent’ın önerdiği her gereksinim, onaylanana kadar taslaktır.
İş Analizi Yetkinliğinizi Yapay Zekâ ile Geliştirin
Yapay zekâ araçları gereksinim taslaklarını hızlandırabilir. Ancak hangi ihtiyacın gerçekten önemli olduğunu anlamak, paydaşları ortak noktada buluşturmak, kabul kriterlerini doğrulamak ve doğru onay mekanizmasını kurmak güçlü bir iş analizi yetkinliği gerektirir. İyi bir prompt, eksik tanımlanmış bir iş ihtiyacını kendiliğinden doğru hâle getirmez.
Yapay zekâyı iş analizi ve ürün sahipliği çalışmalarınıza entegre etmek için Pena Akademi’nin Yapay Zekâ İş Analizi Product Owner Eğitimi içeriğini inceleyebilirsiniz.
Agile bağlamında gereksinim ve backlog yaklaşımınızı geliştirmek için IIBA Agile İş Analizi Eğitimi; gereksinimlerin kapsamı ve yönetimi üzerinde derinleşmek için IIBA Gereksinim Kapsam Yönetimi Eğitimi seçeneklerini değerlendirebilirsiniz.
İş analizi ve yapay zekâ üzerine yeni içeriklerden haberdar olmak için Pena Akademi LinkedIn sayfasını takip edebilirsiniz.
