Bu bir serinin başlangıcı. Prolog’un tech’inde yaklaşık iki ay önce başlattığımız dönüşümü anlatacağım: neden başladı, ne işe yarıyor ve neyin bedeli ağır oldu. Sahne teorisi değil. Yaşadığımız şey.
Yazmaya karar vermemin basit bir nedeni var: bunu nasıl yapacağımı araştırmaya gittiğimde bir sürü görüş, sürecin tam ortasında olan birinin dürüst anlatımından ise pek az şey buldum. Bu metin, inşa eden başka birinin dayanabileceği bir yer olursa, buna değmiş demektir.
Sessiz bir rahatsızlıkla başladı.
Gördüğüm şey
Mart ayında, ben ve ortağım Jean, dünyanın en büyük inovasyon fuarlarından biri olan, Teksas’taki SXSW’ye gittik. Farklı döndüm ve rahatsızlık geçmedi. Sahnede gördüğüm şey değildi. Şirketlerin pratikte zaten yaptığını gördüğüm şeydi.
Döndüğümde, dışarıda gerçekten yapay zekayla inşa eden insanların teknik içeriğine daldım. Instagram ve LinkedIn’in ılık içeriği değil. Elini işin içine sokup öğrendiğini yayınlayan insanların derin içeriği. Ve gerçekten çalışma şeklini değiştirmiş şirketlerin vaka üstüne vakasına rastladım. Fark hem ince hem de kocaman: “yapay zeka kullanmaya başlamadılar”, yapay zekayı merkeze koydular.
Ve bunu sahne balonu diye bir kenara atamazsın. Bu, endüstriyel ölçekte benimseme: büyük şirket, küçük şirket, herkes aynı yere doğru yürüyor. Beni etkileyen şeylerden biri basit bir sayıydı: Fortune 100 şirketlerinin 10’da 9’u Copilot’ı çoktan benimsemişti. Ama önemli olan veri benimseme değil. Kazancın büyüklüğü. Yapay zekayı sadece eski akışa yerleştirenler yüzde 10, 20 daha fazla verimlilik bildiriyor. Onun etrafında yeniden inşa edenler kat kat bildiriyor: 5x, 10x. Bu vakaları sonraki yazılarda tek tek açacağım. Şimdilik önemli olan, hepsinin ortak noktası olan dönüş.
Yanında kullanmak vs. merkeze koymak
Bu ayrım küçük görünüyor ve her şeyi belirleyen o.
Yapay zekayı kullanmak, yanında bir araç açıp eskisiyle aynı süreci izlemektir. Akış aynı kalır, roller aynı kalır, gözden geçirme aynı kalır. Yapay zeka bir sekme daha olur ve herkes onunla tek başına idare eder. Kazanç kenarda ortaya çıkar.
Merkeze koymak, süreci onun etrafında yeniden tasarlamaktır. Yapay zekanın işin büyük bölümünü inşa edeceğini varsayar ve akışı, rolleri ve gözden geçirmeyi buradan yeniden kurarsın. Bağlam tek bir konuşmanın içinde ölmeyi bırakır ve paylaşılır hale gelir. Kazanç başka bir mertebede, çünkü aynı işin daha hızlısı değil. İşin biçim değiştirmesi.
Aynı iş, yapay zeka için iki yer
Yanında yapay zeka vs. merkezde yapay zeka
Yapay zeka yandaki bir sekmede durur. Akış, roller ve inceleme aynı kalır. Herkes kendi başına, kendi yöntemiyle idare eder.
+10–20% kenarda kazanç. Darboğaz olduğu yerde kalır.Akış, roller ve inceleme, inşa eden yapay zeka olacak şekilde yeniden kurulur. Bağlam paylaşılır, tek bir sohbette ölmez.
Başka bir mertebe kazanç. 10% fazla değil; işin kendisi değişiyor.Bu kafama dank ettiğinde, soru artık “hangi aracı benimseyelim” olmaktan çıkıp “çalışma şeklimizde neyi yapay zekasız bir dünya için tasarlamıştık” oldu. Böylece içeriye bakmaya gittim.
Teşhis: herkes tek başına idare ediyor
Mart sonuna doğru, biz daha Claude’a geçmeden önce, Prolog’da ürün, tasarım ve mühendislikten insanlarla oturdum ve basit bir soru sordum: yapay zekayı gün içinde nasıl kullanıyorsun? Ne iyi, nerede takılıyor, operasyonda hangi darboğazı görüyorsun.
Duyduğum şey beni yakaladı.
Herkes farklı bir araç kullanıyordu. Biri Copilot’ta, biri Claude’da, biri her şeyi Prolog’un iç yapay zekasına atıyordu. Ve dağınık araçtan daha kötüsü dağınık bağlamdı: birinin yapay zekayla konuşarak kurduğu şey tam orada, onunla birlikte ölüyordu. Örneğin bakım ekibi, Prolog’un yapay zekası içinde, o ürünün kurallarıyla iyi bir malzeme hazırlamıştı. Ama bu, aynı tür bağlama ihtiyaç duyan ve sıfırdan başlayan lastik ekibine ulaşmıyordu.
Kafamda kalan bir tane oldu. Geliştiriciler, hafta bitmeden kredilerini tüketmekten korktukları için büyük bir PR’ı gözden geçirmek için yapay zeka kullanmaktan kaçınıyordu. Saçmalığı düşün: kişi, teslim etmeye söz verdiği kendi görevini yapay zekayla bitirmek ile aynı krediyi bir meslektaşının dev PR’ını gözden geçirmeye harcamak arasında seçim yapmak zorundaydı. Kıt bir kaynak için rekabete dönüştü. Ve sonra kimse başkasının review’ını almak istemiyor.
Ekipten biri bunu, kafamdan bir türlü çıkaramadığım bir cümlede özetledi:
Yapay zekayla üretiyoruz, yapay zekasız gözden geçiriyoruz.
Herkes tek başına, kendi tarzında, eline geçen araçla idare ediyor. Birine yarayan, bir sonrakine reçete olmuyordu. Standart yok, ortak zemin yok.
Ve mesele sadece yöntem değildi, yapıydı
Ne kadar baktıysam, bunu herkese “daha iyi kullanmayı” öğreterek çözemeyeceğim o kadar netleşti. Kullanma yöntemi belirtiydi. Hazır olmayan şey, alttaki yapıydı. Üç delik ortaya çıktı.
Birincisi, bağlam dağınık yaşıyordu. Bir parça Notion’da, biri Drive’da, biri Jira’da, Figma’da, Fathom’da. Tek bir doğruluk kaynağı yoktu. Yani yapay zekayla her yeni konuşma, her şeyi sıfırdan anlatarak başlıyordu, çünkü ihtiyaç duyduğu bilgi beş yerdeydi ve hiçbirinde düzenlenmemişti. Bir yerde zaten var olan bağlamı yeniden birleştirmek için token, request ve zaman ödüyorduk.
İkincisi, insan tutkaldı. Üründen biri yapay zekayla bir spec üretir, bir doküman içine bırakır, linki bir sonraki kişiye gönderir, o da onu alıp kendi yapay zeka projesine atar. Yapay zeka uçlarda görünüyordu, asla ortada değil: bir parça üretiyordu, bir insan sonucu elinde bir sonraki araca taşıyordu ve başka bir yapay zeka baştan başlıyordu. Akış insan kalıyordu.
Üçüncüsü, mimari. On yılda inşa ettiğimiz temel, darboğazın kişi olduğu, yapay zeka olmadığı bir dünya için yapılmıştı. Yer yer içiçe geçmiş ve test edilmemiş parçaları var, ve yapay zekanın yapmamıza izin vereceği hızlı değişimi tam da bu engelliyor. Kimsenin ahlaki kusuru değil. Bugüne kadar işleyen on yıllık kararların birikimi. Yapay zeka sadece onu ifşa etti.
Ve şunu söylemek önemli: bu ekibin ya da Prolog’un kusuru değil. Eski çalışma şeklinin üstüne yapay zekayı yapıştıran her şirkette olan şey. On yıllık her şirket, bugüne kadar işleyen bir yapma biçimi taşır. Yapay zeka onun üstüne bir ışık tutar. Ve bunu değiştirme sorumluluğu benim.
Neden sadece mühendisliği değil, her şeyi yeniden inşa etmek
İlk cazibe bunu mühendislikte çözmek. Mantıklı, yapay zekanın en hızlı tuttuğu ve zaten başlamış olduğumuz yer. Ama tuzak tam da orada.
Bir alan yapay zeka hızında ilerler, yanındaki insan hızında kalırsa, hiçbir şeyi hızlandırmamışımdır. Sadece darboğazı yerinden oynatmışımdır.
Tüm akışı düşün. Mühendislik saatler içinde teslim etmeye başlar ama ürün hâlâ spec çıkarmak için haftalar alıyorsa, hattı şimdi tutan ürün. Ürünü ve mühendisliği çöz, ama doğrulama hâlâ elle mi yapılıyor? Doğrulamada takıldı. Ve bu tech’le de sınırlı kalmıyor: çok şey yayına alırız ve pazarlama aynı tempoda duyuramazsa, darboğaz pazarlamaya kayar. Bir kısmı hızlandırmak trafiği çözmüyor. Sadece bir sonrakine itiyor.
Bir kısmı hızlandırmak sırayı boşaltmaz
Darboğaz sadece yer değiştirir
Sadece mühendisliği hızlandırdım
Ürün ve mühendisliği hızlandırdım
Hızlandırdığın her kısım bir sonrakini ateşler. Trafik açılmaz; yer değiştirir.
Bu yüzden nisan sonunda, tüm tech’i yeniden inşa etmeye başladık. Ürün, tasarım, veri, kalite. Sadece mühendislik değil. Yapay zeka merkeze gidiyorsa, tüm akışın merkezine gider, bir parçanın değil.
Sırada ne var
Sonraki yazılarda bunların her parçasını açacağım. “Harness” nedir, yapay zekanın orada burada azıcık katkı vermek yerine gerçekten teslim etmesini sağlayan altyapı. Yapay zeka inşa eden taraf olduğunda ve insan yönlendiren ile gözden geçiren tarafa dönüştüğünde her rolün işi nasıl değişir. Ve bir şey bozulduğunda doğru sorunun neden artık “şimdi ne yapayım” olmaktan çıkıp “bunun bir daha olmaması için bağlamda ne eksikti” olduğu.
Dönüşüm işliyor, isabetleriyle ve hatalarıyla. İkisini de burada, yaşandıkça anlatacağım. Reçete değil. Yaşadığımız şey. İnşa eden başka biri için harita işlevi görürse, daha da iyi.