Eğitimin Amacı ve Kapsamı
Bir ürüne 'yapay zeka butonu' eklemek kolaydır; ancak özelliğin doğru anda tetiklenmesi, kullanıcının tekrar yazmasına gerek kalmadan ekran ve sistem bağlamını otomatik toplaması ve model yanıldığında zarif bir geri dönüş (fallback) sunması titiz bir özellik tasarımı gerektirir. Bu eğitim, fikir aşamasından teknik spesifikasyona kadar AI özellik tasarımını uçtan uca ele alır.
Katılımcılar kendi ürünlerindeki bir iş akışı için tetikleme biçimini (proaktif, satır içi, komut tabanlı), bağlam kaynaklarını, kabul kriterlerini ve hata/eskalasyon davranışını tanımlayarak eksiksiz bir AI feature brief ve eval planı üretir.
Kimler Katılmalı?
- Dijital ürün yöneticileri (PM) ve ürün sahipleri (PO)
- Ürün tasarımcıları (UX/UI) ve iş analistleri
- Özellik tasarımına katılan önyüz ve yapay zeka mühendisleri
- Teknik ön koşul yoktur
Kazanımlar
- Kullanıcı iş akışında AI özelliğinin nereye ve hangi tetikleyiciyle yerleşeceğini belirlemek
- Kullanıcıya uzun prompt yazdırmak yerine uygulama durumundan otomatik bağlam (context) toplamak
- Modelin üreteceği çıktının yapısını, kısıtlarını ve deterministik doğrulama kurallarını tanımlamak
- Eksik veri, düşük güven skoru, zaman aşımı ve ret durumları için fallback/eskalasyon UX'i kurgulamak
- Mühendislik ve tasarım ekiplerini hizalayan AI PRD / feature brief ve kabul kriterleri yazmak
Konular
İş Akışı İçinde AI Özellik Arketipleri
- Özetleme, taslak üretme, sınıflandırma/doldurma, öneri ve otonom eylem özellikleri
- Proaktif (ambient), satır içi (inline) ve talep üzerine (on-demand) tetikleme seçimi
Bağlam (Context) ve Girdi/Çıktı Sözleşmesi Tasarımı
- Kullanıcıdan ne istenecek, sistemden (ekran, geçmiş, profil) ne otomatik çekilecek?
- Yapılandırılmış çıktı şeması, uzunluk/ton kısıtları ve geçerlilik kontrolleri
Hata, Fallback ve Eskalasyon Tasarımı
- Model yavaşladığında, boş döndüğünde veya emin olmadığında kullanıcıya ne gösterilir?
- Klasik manuel akışa pürüzsüz geri dönüş (graceful degradation) ve insan desteğine devir
AI PRD / Feature Brief ve Kabul Kriterleri
- Klasik kullanıcı hikayelerinin (user stories) olasılıksal özelliklerde neden yetmediği
- Pozitif/negatif örnekler, sınır durumlar ve eval eşikleriyle kabul kriteri yazımı
Atölye: Uçtan Uca AI Özellik Spesifikasyonu
- Kurum ürünü için seçilen özelliğin uçtan uca tasarımı
- AI feature brief, failure/fallback akışı ve eval planı teslimatı
Bu Kategorideki Diğer Eğitimler
-
Boş sohbet kutusunun ötesinde üretken yapay zeka kullanıcı deneyimi (GenAI UX): satır içi yardımcı, ortak çalışma tuvali (canvas), yönlendirilmiş girdi bileşenleri, akış (streaming) durumları ve hata onarım kalıpları.
- Canlı Kurs
- 5 modül
-
Yapay zeka ürünlerinde kullanıcı güvenini doğru kalibre etme ve kontrolü kullanıcıda tutma: güven göstergeleri, düzenlenebilir taslaklar, geri alma/versiyon geçmişi, gizlilik sınırları ve eskalasyon deneyimi.
- Canlı Kurs
- 5 modül
-
LLM, RAG ve karar destek ürünlerinde açıklanabilirlik tasarımı: satır içi kaynak gösterimi, belge/veri kanıt eşleme, düşünme özeti (reasoning summary), karar faktörleri ve denetlenebilir arayüzler.
- Canlı Kurs
- 5 modül
-
İnsan uzmanlığı ile yapay zekayı tamamlayıcı biçimde birleştiren etkileşim tasarımı: karma inisiyatifli (mixed-initiative) iş akışları, bilişsel yük ve yetkinlik körelmesini önleme, HAX/PAIR ilkeleri ve ortak üretim.
- Canlı Kurs
- 5 modül
-
Yapay zeka ürünleri için uçtan uca metrik mimarisi: Kuzey Yıldızı (North Star) ve görev başarısı, kabul/düzenleme oranı (edit distance), çevrimdışı/çevrimiçi eval korelasyonu, tutundurma ve görev başı birim maliyet.
- Canlı Kurs
- 5 modül
-
Olasılıksal yapay zeka ürünlerinde deney tasarımı: çevrimdışı eval'den canlı A/B testine geçiş, gölge dağıtım (shadow mode), interleaving, yenilik etkisi (novelty effect) kontrolü ve çok değişkenli karar kriterleri.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
