Scrum'da Yapay Zekâ Nasıl Kullanılır? Backlog, Sprint ve Retrospektif
Ekipler refinement toplantısına, Sprint planlamasına ya da retrospektive yapay zeka çıktısıyla geldikçe tempo artıyor: maddeler daha hızlı taslaklaşıyor, notlar özetleniyor, tekrarlayan sorunlar daha görünür hale geliyor. Bu hız gerçek bir kazançtır. Asıl risk, taslağı karar sanmak ve hesabı araçta aramaktır.
Scrum Guide, Product Owner, Geliştiriciler ve Scrum Master hesaplarını kişilere verir; bir dil modeli bu hesapları devralamaz. Scrum.org yazarlarının da vurguladığı gibi yapay zeka, kararların sorumluluğunu üstlenemez. Bu yazıda yapay zekayı yardımcı pilot olarak konumlandırıyoruz: backlog, sprint ve retrospektifte ne işe yarar, hangi nokta karar olarak ekipte kalır.
Bu yazıda neler bulacaksınız?
Hazırlık yapay zekada, karar Product Owner'da.
Product Backlog'da Yapay Zeka Ne İşe Yarar, Hangi Karar Product Owner'da Kalır?
Product Backlog, ürünün neye hizmet ettiğini ve sıradaki işin neden o iş olduğunu görünür kılan bir listedir. Listeyi doldurmak ile listeyi yönetmek aynı şey değildir. Yapay zeka birincisinde hız kazandırır; ikincisi Product Owner'ın hesabında kalır.
Yapay Zekanın Backlog'da Hız Kazandırdığı İşler
Doğru bağlam verildiğinde yapay zeka şu hazırlık işlerinde işe yarar:
Aynı ihtiyacı anlatan yinelenen maddeleri ve çok benzeyen hikayeleri işaretlemek
"Hızlı", "kolay", "kullanıcı dostu", "esnek" gibi belirsiz ifadeleri ve eksik kabul kriterlerini göstermek
Paydaş notlarından ilk user story ve kabul kriteri taslakları çıkarmak
Büyük bir epikten daha küçük aday parçalar önermek
Refinement öncesi "bu madde neden henüz net değil?" soru listesi hazırlamak
Yapay zeka, örneğin "şifre sıfırlama e-postasını yeniden yazalım" ile "parola unuttum akışını sadeleştirelim" maddelerinin aynı ihtiyacı anlattığını görebilir; "hızlı giriş" ifadesinin ölçülebilir olmadığını da söyleyebilir. Hangisinin yaşayacağına, hangisinin kapatılacağına ve kabul kriterinin "üç saniyede giriş" mi yoksa "tek ekranda tamamlanan sıfırlama" mı olacağına Product Owner ve ekip karar verir.
Bu çıktılar, User Story mi, Use Case mi? Sahada İşe Yarayan Seçim Rehberi yazısında ele aldığımız gibi, ihtiyacı anlaşılır ve test edilebilir hale getirme çabasını hızlandırır. Taslak, ürün kararının yerine geçmez.
Product Owner'da Kalan Kararlar
Scrum Guide'a göre Product Owner, Product Backlog'un etkili yönetiminden sorumludur; bu sorumluluğa maddelerin sırası da dahildir. Şu kararlar araçta kalamaz:
Ürün hedefi ve vizyonla uyum
Değer, risk, bağımlılık ve öğrenme ihtiyacı arasındaki tercih
Product Backlog sırası
"Hayır" veya "şimdi değil" demek
Product Backlog maddelerinin yeterince açık ve anlaşılır olması Product Owner ile Geliştiricilerin iş birliğini gerektirir. Sprint Planning sırasında Geliştiriciler, Product Owner ile görüşerek Sprint kapsamında tamamlayabilecekleri maddeleri seçer. Yapay zekâ eksik bilgileri ve belirsizlikleri işaretleyebilir; ancak bir maddenin Sprint'e alınmasına ilişkin değerlendirme ekip tarafından yapılır.
İş Analistleri İçin Backlog Yönetimi: Adım Adım Rehber yazısında backlog'un nasıl yönetileceğini ayrıntılı ele almıştık. Yapay zeka o disiplini iptal etmez; hazırlığı kısaltır. Product Owner yapay zekanın önerdiği sırayı tartışabilir, fakat sırayı onaylayan hesap insanda kalır.
Bir uyarı da net olsun: müşteri verisi, kişisel bilgi, erişim bilgisi veya kurumun paylaşılmasını istemediği iş kurallarını genel amaçlı bir araca yapıştırmak hazırlığı hızlandırmaz, risk üretir. Bağlam verirken ihtiyacı, kısıtı ve beklenen çıktı biçimini anlatın; gizli ayrıntıyı anlatmayın.
Sprint Planlama ve Daily Scrum'da Hazırlık Yapay Zekada, Taahhüt Ekipte Kalır
Sprint planlama bir kehanet oturumu değil, yakın dönem için ortak bir plandır. Agile projelerde gerçekten plan yapılmaz mı? sorusuna verdiğimiz cevap burada da geçerlidir: plan vardır, ayrıntı ufka göre değişir ve yeni bilgiyle güncellenir. Yapay zeka bu planın hazırlık katmanında yardımcı olur; Sprint hedefi ve tahmin ekibin ortak kararıdır.
Sprint Planlama Öncesi Hazırlık
Toplantıdan önce yapay zekadan şunları isteyebilirsiniz:
Product Backlog'un üst sırasındaki maddelerin kısa özeti ve açık soruları
Kapasite, bağımlılık ve risk sinyallerine dair bir kontrol listesi
Olası Sprint hedefi cümleleri: birden fazla seçenek, tek "doğru cevap" değil
"Bu madde neden henüz planlamaya hazır olmayabilir?" uyarısı
Geliştiriciler, Scrum Guide'da Sprint için bir plan oluşturmaktan, yani Sprint Backlog'dan sorumludur.
Sprint Planning sırasında tüm Scrum Team, Sprint Goal'ü birlikte oluşturur. Geliştiriciler, Product Owner ile görüşerek Sprint'e alınacak Product Backlog maddelerini seçer ve bunların nasıl gerçekleştirileceğini planlar. Yapay zekâ kapasite, bağımlılık ve efor tahminleri konusunda öneriler sunabilir; ancak bu öneriler doğrudan ekip kararına dönüşmemelidir. Scrum'da esas taahhüt Sprint Goal'e yöneliktir. Sprint kapsamı, bu hedefi tehlikeye atmadan yeni bilgiler doğrultusunda uyarlanabilir.
Yapay zekanın yazdığı story point veya saat önerisini olduğu gibi taahhüde çevirmek, tahmini görünür bir sayıya değil gizli bir karara dönüştürür.
Daily Scrum'un amacı panoyu sesli okumak değil, Sprint hedefine doğru ilerlemeyi incelemek ve Sprint Backlog'u uyarlamaktır. Yapay zeka, yönetim aracındaki takılı maddeleri, dün tamamlanan işleri veya tekrar açılan hataları kısa bir sinyal listesine indirebilir. Bu liste sohbetin yerini almaz. Ekip hâlâ şunu konuşur: hedefe yaklaşıyor muyuz, neyi uyarlamamız gerekir, kim kimin önünü açabilir?
Sprint Review bu yazının kapsamına alınmadı. Review, Increment'i paydaşlarla birlikte incelemek ve Product Backlog'u yeni bilgiler doğrultusunda uyarlamak üzerine kuruludur; hesabı da planlama ve Daily Scrum'dan farklıdır. Yapay zekânın Review hazırlığında, geri bildirimleri kümelemede ve sonraki backlog taslağında nasıl kullanılabileceğini ayrı bir yazıda ele alacağız.
Retrospektifte Temaları Yapay Zeka Özetler, Dürüst Konuşma ve Aksiyon Ekibe Aittir
Retrospektif; insanların, etkileşimlerin, süreçlerin ve araçların nasıl işlediğini inceleme yeridir. Ekip açıkça kabul ettiyse yapay zeka notlardaki temaları kümeleyebilir, önceki retrospektiflerde tekrar eden konuları hatırlatabilir ve "şunu konuştuk" taslağı çıkarabilir.
Asıl değer temayı görmekte değil, temayı sahiplenmekte ve küçük bir iyileştirme seçmektedir. Yapay zekanın ürettiği aksiyon listesi kibar ve kapsamlı görünebilir; sahada işe yarayan aksiyon ise genellikle tektir, sahibidir ve sonraki Sprint'te incelenebilir.
Dürüst konuşmayı özetten ayırın. Psikolojik güvenlik, gerilimi adlandırma ve "bunu neden tekrar ediyoruz?" sorusu bir modele devredilemez. Scrum.org'un yapay zeka ve Scrum ilişkisini ele alan değerlendirmesinde de vurgulandığı gibi, hesap bir dil modeline bırakılamaz; sprintler ise yapay zeka kullanımını denemek ve öğrenmek için uygun döngülerdir. Retrospektifte yalnızca ürün sürecini değil, yapay zekayı nasıl kullandığınızı da inceleyin: daha mı hızlı hazırlandınız, yoksa daha mı çok taslak üretip daha az karar aldınız?
Çıktı tuzağı burada sık görülür. Daha fazla yazılmış hikaye, daha fazla retro notu veya daha uzun aksiyon listesi, daha fazla değer anlamına gelmez.
Yapay Zekâ Asistanından AI Agent'a: Sorumluluk Değişiyor mu?
Yapay zekâ araçları yalnızca metin üretmekle sınırlı değildir. Yetkilendirilen AI agent'lar, iş yönetimi araçlarında kayıt oluşturabilir, mevcut kayıtları güncelleyebilir, testleri çalıştırabilir veya belirli iş akışlarını otomatik yürütebilir.
Bu gelişme Scrum'daki hesap verebilirliği ortadan kaldırmaz; aksine yetki ve denetim sınırlarının daha açık tanımlanmasını gerektirir.
Burada önemli ayrım, her işlemin mutlaka bir insan tarafından elle yapılması değil; yetki sınırlarının, kontrol mekanizmalarının ve hesap verebilirliğin insanlarda kalmasıdır. Üç alanda aynı ilke geçerlidir: yapay zekâ destekler, insan hesap verir.
Örneğin bir AI agent, Product Backlog'daki yinelenen maddeleri işaretleyebilir veya önceden belirlenmiş kurallarla bazı düzenlemeleri gerçekleştirebilir. Ancak Product Owner, Product Backlog'un etkili yönetiminden hesap vermeye devam eder.
Bu tür otomasyonlarda hangi işlemlerin insan onayı gerektirdiği, hangi işlemlerin önceden tanımlanmış sınırlar içinde yürütülebileceği ve hatalı bir değişikliğin nasıl geri alınacağı belirlenmelidir. Otomatik çalışan iş akışları da düzenli olarak gözden geçirilmelidir.
Mini Kontrol Listesi: Yapay Zeka Önerdi, İnsan Onayladı
Aşağıdaki tablo, günlük çalışmada "yapay zeka önerdi, insan onayladı" ayrımını hatırlatmak içindir. İlk bakışta görülecek nokta şudur: hazırlık devredilebilir, hesap devredilemez.
Üç alanda aynı ilke: yapay zekâ destekler, insan hesap verir.
Alan | Yapay zeka ne önerir? | İnsan neyi onaylar veya hesap verir? |
|---|---|---|
Backlog temizliği | Yinelenen maddeleri ve belirsiz ifadeleri işaretler | Hangisinin birleştirileceğini, silineceğini veya yeniden yazılacağını belirler |
Kabul kriteri taslağı | Test edilebilir kabul kriteri taslakları üretir | Hangisinin ürüne girecek kadar doğru ve yeterli olduğunu onaylar |
Öncelik sırası | Değer, risk veya bağımlılık senaryoları önerir | Product Backlog sırasını belirler |
Sprint hedefi ve kapsam | Olası hedef cümleleri ve kapsam seçenekleri sunar | Sprint Goal'ü ve Sprint taahhüdünü kararlaştırır |
Tahmin | Eksik bilgi uyarıları ve karşılaştırma soruları üretir | Efor tahminini ekip olarak verir |
Daily Scrum sinyalleri | Takılan işlerin ve dünkü hareketin kısa özetini çıkarır | Sprint hedefine ilerlemeyi yorumlar ve uyarlamayı seçer |
Retro temaları | Tekrarlayan konuları kümeleyip özetler | Dürüst konuşmayı yürütür ve izlenecek aksiyonu seçer |
Araca verilen veri | Bağlam taslağı veya kontrol soruları önerebilir | Hangi bilginin paylaşılmaya uygun olduğuna karar verir |
Tablo bir yasak listesi değildir. Yapay zekayı kullanmayın demiyor; bir önerinin veya otomatik işlemin rapora, backlog aracına veya Sprint planına girmeden önce kimin onayladığını ve kimin hesap verdiğini görünür kılın diyor.
Bir veya İki Sprintlik Küçük Bir Deneme Nasıl Tasarlanır?
Tüm Scrum olaylarını aynı anda "yapay zeka destekli" ilan etmek, neyin işe yaradığını görmeyi zorlaştırır. Bir veya iki sprint boyunca tek bir hazırlık işini deneyin, sonra retrospektifte inceleyin.
Tek bir alan seçin: örneğin yalnızca refinement öncesi belirsizlik taraması veya yalnızca retro tema özeti.
Yapay zekanın üreteceği çıktıyı tanımlayın: taslak, soru listesi veya tema kümesi. Karar metni üretmesini istemeyin.
İnceleyecek kişiyi ve zamanı belirleyin. Product Owner, Scrum Master veya ilgili Geliştirici, çıktıyı araçta evrensel gerçek haline getirmeden önce okur.
Paylaşılacak verinin sınırını yazın: örnek senaryo evet, kişisel veri ve müşteri sırrı hayır.
Retrospektifte üç soruyu sorun: Zaman kazandık mı? Herhangi bir taslak, incelenmeden karar yerine geçti mi? Gizlilik veya bağlam kaybı yaşadık mı?
Sonucu tutun, daraltın veya durdurun. İşe yarayan küçük bir kullanım, her yere yayılmış ve denetlenmeyen kullanımdan daha değerlidir.
Bu deneme, Scrum'un inceleme ve uyarlama döngüsünü yapay zeka için de işletmektir. Scrum Guide'ı yeniden yazmanız gerekmez; hesabı ve şeffaflığı koruyarak aracı Sprint içinde öğrenirsiniz.
Sık Gelen Üç Sınır Sorusu
Yapay zeka Scrum Master veya Product Owner'ın yerine geçebilir mi? Geçemez. Scrum Guide hesapları kişilere verir. Bir dil modeli Product Backlog sırasını, Sprint taahhüdünü veya ekip iyileştirme aksiyonunu "üstlenemez"; ürettiği metin en fazla bir öneridir. Scrum.org'un değerlendirmesi de aynı noktayı vurgular: yapay zeka kararların sorumluluğunu alamaz.
Tahmini yapay zekaya yaptırmak yanlış mı? Hazırlık olarak yanlış değildir. Araç, benzer maddeleri karşılaştırmanız veya eksik bilgileri listeniz için yararlı sorular üretebilir. Yanlış olan, modelin önerdiği sayıyı ekip konuşması olmadan Sprint taahhüdüne yazmaktır. Tahmin, Geliştiricilerin ortak anlayışını görünür kılar; bir model çıktısı bu anlayışın yerine geçmez.
Retrospektif notlarını yapay zekaya vermek doğru mu? Yalnızca ekip bunu açıkça kabul ettiyse ve notlarda kişisel veri, performans yargısı veya paylaşılması istenmeyen gerilim yoksa. Tema özeti, dürüst konuşmanın ve aksiyon seçiminin önünü açabilir; konuşmanın kendisi olamaz. Şüphe varsa özeti anonimleştirilmiş, kısa maddeler üzerinden isteyin.
Yapay Zeka Destekli Agile Yetkinliğini Pratikte Güçlendirmek
Backlog, sprint ve retrospektifte yapay zekadan yararlanmak teknik bir kısayol değil, sınır koyma becerisidir: doğru bağlamı vermek, çıktıyı sormak, halüsinasyonu ve eksik bağlamı fark etmek, insan onayını ve hesabını görünür kılmak.
Pena Akademi'nin Yapay Zeka Destekli Agile Proje Yönetimi eğitimi, bu ayrımı backlog hazırlığı, user story ve kabul kriteri taslağı, sprint planlama, risk ve bağımlılık görünürlüğü, retrospektif çıktıları ve paydaş iletişimi üzerinden uygulamalı çalışır. Program iki gün (12 saat) sürer; yapay zekayı karar verici değil, kontrollü bir yardımcı olarak konumlandırır ve veri gizliliği, KVKK ile insan onayı kontrol noktalarını da ele alır.
Bu yaklaşımı ekibinizle denemek veya kurum içi çalışma standardına dönüştürmek isterseniz eğitimin size uygunluğunu birlikte değerlendirebilirsiniz. Benzer saha notlarını ve pratik tartışmaları Pena Akademi'nin LinkedIn sayfasında da izleyebilirsiniz.
Kaynaklar
Ken Schwaber ve Jeff Sutherland, The Scrum Guide, Kasım 2020: scrumguides.org/scrum-guide.html
Krystian Kaczor, "Do We Need to Rewrite Scrum in the Age of AI?", Scrum.org, 8 Ekim 2025: scrum.org üzerindeki yazı
Robbin Schuurman, "The Future of AI-Powered Product Development: You Can't Delegate Accountability to an Agent", Scrum.org, 5 Mayıs 2026: scrum.org üzerindeki yazı
Stefan Wolpers, "If You Can Facilitate a Retrospective, You Can Audit Your AI", Scrum.org, 28 Haziran 2026: scrum.org üzerindeki yazı
