Scrum ve çevik ekiplerde yapay zeka kullanımı: nerede yardım eder, nerede etmez

Önce çerçeve: yapay zeka ekibin yerine karar vermez

Scrum Guide'ın dilinde ürün sahibi (Product Owner) ürün hedefi ve backlog üzerinde hesap verebilirdir, geliştiriciler (Developers) sprint planından sorumludur ve tüm ekip çıktının kalitesinden sorumlu kalır. Yapay zeka araçları bu hesap verebilirliği devralmaz. Araç taslak üretir, özetler, olasılıkları sıralar; karar ve sorumluluk ekipte kalır.

Bu çerçeve pratikte şu kuralları getirir. Birincisi, yapay zekanın çıktısı yayımlanmış bir karar değil, gözden geçirilecek bir taslaktır. İkincisi, Scrum'ın şeffaflık, gözden geçirme ve uyarlama dayanakları aracı kullanırken de geçerlidir: araçla üretilen bir backlog maddesi de aynı gözden geçirme ve netleştirmeden geçer.

Bir de gizlilik meselesi vardır. Müşteri bilgisi, sözleşme içeriği ve henüz açıklanmamış ürün planı gibi hassas veriyi, kurumun onayladığı araç dışında bir yere yapıştırmayın. Hangi aracın hangi veriyle kullanılabileceği, ekip içi bir çalışma sözleşmesi maddesi olmalıdır.

Backlog hazırlığında kullanım: kullanıcı hikâyesi ve kabul ölçütü taslağı

Backlog netleştirme toplantılarından önce yapay zeka, ham bir isteği hikâye biçimine ve kabul ölçütü taslağına dönüştürmek için iyi bir yardımcıdır. Başarı, istemin (prompt) ne kadar bağlam içerdiğine bağlıdır.

Örnek istem: 'Bir bireysel müşteri portalında faturaları indirmek isteyen kullanıcılar için kullanıcı hikâyesi yaz. Kullanıcı rolü, ihtiyaç ve fayda cümlesini ayır. Ardından Given-When-Then biçiminde kabul ölçütü taslağı üret. Belirsiz kalan noktaları ayrı bir liste olarak soru biçiminde yaz.' Burada son cümle önemlidir: model boşlukları varsayımla doldurmak yerine soruya çevirir ve ürün sahibi o soruları netleştirme toplantısına götürür.

Çıktıyı şu kontrol listesiyle gözden geçirin:

• Hikâye tek bir değer cümlesine mi bağlı, yoksa birkaç ihtiyaç mı içeriyor?
• Kabul ölçütleri test edilebilir mi, yoksa 'hızlı olmalı' gibi muğlak mı?
• Varsayımlar açıkça yazılmış mı?
• Alan bilgisi gerektiren sınırlar (mevzuat, güvenlik, mevcut sistem kısıtları) doğru mu?

İşin ağır kısmı, doğrulama ve önceliklendirmedir; bunlar ürün sahibinde ve geliştiricilerde kalır. Yapay zeka büyük bir maddeyi küçük parçalara bölme önerisi de sunabilir, ancak bölme biçimini dikey dilimlerle ve ekibin teknik bilgisiyle sınamak gerekir.

Toplantı notları, kararlar ve eylem listesi

Toplantı ve iletişim yükü, çevik ekiplerin yapay zekayı en kolay benimsediği alandır. Kayıt ve not özetleme araçları, bir toplantıdan karar, eylem ve açık soru listesi çıkarabilir. Ancak çıktı otomatik olarak doğru değildir: yanlış kişiye atanmış bir eylem ya da sessizce atlanmış bir itiraz gerçek bir riskle sonuçlanır.

İyi bir uygulama düzeni şöyledir. Toplantıdan hemen sonra özet üretilir, toplantıyı yürüten kişi kısa bir doğrulama yapar, ardından kararlar ortak kanala eklenir. Özetin bölümleri sabit tutulur: alınan kararlar, eylemler ve sahipleri, çözülmemiş sorular.

Her toplantıda kayıt almak gerekmez ve her ekip kayıtla rahat etmez. Kayıt kullanılacaksa katılımcılara önceden bilgi verin, kurumun veri ve gizlilik kurallarına uyun. Sprint gözden geçirme gibi paydaşların açık konuştuğu oturumlarda kayıt, konuşma tarzını değiştirebilir; bunu ekip sözleşmesinde açıkça konuşun.

Özetlerin bir diğer işlevi, toplantıya katılamayan ekip arkadaşlarının hızla bağlama girmesidir. Bu işlev özellikle dağıtık ve zaman dilimleri farklı ekiplerde değerlidir.

Retrospektifte yapay zeka: temaları kümelemek, yargıyı bırakmamak

Retrospektif, ekibin kendi çalışma biçimini incelediği ve sonraki sprint için iyileştirme seçtiği oturumdur. Yapay zeka burada yalnızca hazırlık ve sonrasında yardımcıdır, oturumun kendisinin yerini almamalıdır.

Hazırlıkta, ekip sprint boyunca tuttuğu notlardan ya da anonim geri bildirim kartlarından yapay zekaya tema kümeleri çıkarttırabilir: tekrar eden konular, sürtünme noktaları, olumlu pratikler. Böylece oturum, kart okumak yerine temalar üzerinde tartışmaya ayrılır. Oturum sırasında ise ekip hangi temanın gerçekten önemli olduğuna kendisi karar verir; model çok konuşulan konuyu önemli sanabilir, oysa sessiz kalan bir sorun daha kritik olabilir.

Oturum sonrasında iyileştirme maddeleri, sahibi ve takip biçimiyle bir sonraki sprint backlog'una taşınır. Yapay zeka bu maddeleri tutarlı ve ölçülebilir yazmaya yardım eder: 'iletişimi iyileştirelim' yerine 'tasarım ve geliştirme arasındaki devir toplantısını netleştirme sorularıyla yürütelim' gibi.

Anonim geri bildirimde dikkat: yapay zekaya yüklenen metnin kişi adları ve kimliği belli eden ayrıntılar içermediğinden emin olun.

Sprint planlama ve tahmin: yardım ve sınır

Sprint planlamada yapay zeka, geçmiş sprint verilerine bakarak kapasite ve tamamlanma eğilimini göstermeye, işler arasındaki bağımlılıkları işaretlemeye ve riskli maddeleri öne çıkarmaya yardım edebilir. Mindset'in sprint planlama programının modül başlıklarında da tahmin doğruluğu, backlog önceliklendirmesi ve kapasite planlaması bu çerçevede ele alınır.

Sınır şudur: tahmin, ekibin bir taahhüdü değil bilgilendirilmiş bir öngörüsüdür ve bu öngörüyü yapan geliştiricilerdir. Araç, geçmiş verideki deseni gösterir; ekibin yeni üyeleri, izin dönemleri, belirsiz teknik borç ve dış bağımlılıklar gibi bağlamı ancak siz verirseniz hesaba katar. Veri kalitesi düşükse (eksik kapatılmış işler, tutarsız tahmin birimleri) çıktı da düşük kaliteli olur.

Önerilen kullanım: planlamadan önce araçtan geçmiş sprintlerin tamamlanma desenini ve sık tekrarlanan sapma nedenlerini özetlemesini isteyin. Planlama oturumunda bu özeti tartışma girdisi olarak kullanın, sprint hedefini ise ürün sahibi ile geliştiriciler birlikte belirlesin. Araç, hedef cümlesi için alternatif ifade önerebilir; ancak hedefin değerle bağını ekip kurar.

Benimseme: küçük başlayın, ölçün, ekip kuralını yazın

Çevik ekiplerde yapay zeka benimseme çalışması kendisi de çevik yürütülmelidir. Tek bir sürtünmeyi seçin, örneğin netleştirmeye gelen maddelerin eksik yazılmış olması. Bir sprint boyunca bir araç ve bir istem şablonuyla deneyin, sonuçları retrospektifte değerlendirin, işe yaramadıysa bırakın.

Deneyin başarısını nitel ve nicel bakışla birlikte okuyun: netleştirme toplantılarında soru sayısı azaldı mı, madde yeniden açılması azaldı mı, ekip kendini daha hazır hissetti mi? Hız gibi tek bir metriğe indirgemeyin; yapay zekayla daha çok iş açmak hız artışı gibi görünür ama değer artışı olmayabilir.

Ekip çalışma sözleşmesine araç kullanımına ilişkin bir bölüm ekleyin: hangi veri girilebilir, çıktı nasıl işaretlenir, kim doğrular, hata çıktığında kimin sorumluluğunda kalır. Bu bölüm, ekipte araç kullanımına dair belirsizliği azaltır.

Kurumsal ekiplerde Mindset'in Çevik Ekipler için Yapay Zeka Araçları programı; backlog ve iş planlama araçları, toplantı ve iletişim verimliliği, raporlama ve görünürlük araçları ile benimseme stratejisini ele alır. Scrum Master, ürün sahibi ve geliştirici rollerinin birlikte katıldığı ekipler için uygundur; sprint planlamaya odaklanan program ise tahmin ve kapasite planlamasını daha derin işler.