Yapay zeka, Pipedrive ekiplerinin fikirlerden etki yaratmaya geçişine nasıl yardımcı oluyor?
- Tarık Tunç
- 4 Kas
- 5 dakikada okunur
Ürün geliştirme her zaman biraz “kulaktan kulağa” oyunu olmuştur. Tasarımcılar özellikleri yazar, mühendisler bunları hayata geçirir, proje yöneticileri ise aradaki iletişimi sağlamak için uğraşır. Her el değiştirmede sürtüşme oluşur: beklentiler çakışır, bağlam kaybolur, geri bildirim gecikir. Süreç uzadıkça fikirlerin uygulamaya geçmesi yavaşlar.
Peki ya bu sınırlar bulanıklaşabilseydi? Tasarımcılar fikirlerini çalışan prototiplerle anlatabilse, mühendisler kullanıcı deneyimi kararlarını özgüvenle alabilse ve proje yöneticileri üretime hazır hissi veren akışlar oluşturabilseydi?
Blakfy’de biz, yapay zekânın ürün geliştirme süreçlerine kimlerin katkıda bulunabileceğini nasıl genişletebileceğini araştırıyoruz. Roller arasındaki sınırlar giderek eriyor ve bunun getirdiği olasılıkları keşfetmek heyecan verici.
Scott Belsky’nin “Yetenek Katmanının Çöküşü Üzerine Görüşler” adlı yazısında söylediği bir cümle aklımda kalmıştı:
“Baş tasarımcı aynı zamanda ürün lideriyse, ön yüz geliştiricisi aynı zamanda tasarımcıysa, tasarımcı aynı zamanda iyi bir metin yazarıysa... karar verme ve bilgiyi sentezleme kanalları çok daha sıkı hale gelir. Bu da ürün oluştururken inanılmaz bir avantajdır.”
Bu söz bizimle gerçekten örtüştü. Biz de yapay zekânın bu sınırları yalnızca teoride değil, pratikte de daraltıp daraltamayacağını görmek istedik.
Yapay Zeka Destekli Ürün Geliştirme ile Sınırları Aşmak
Blakfy, yapay zekâ teknolojilerini ürün geliştirme sürecinin merkezine yerleştirerek tasarım, mühendislik ve proje yönetimi arasındaki geleneksel sınırları ortadan kaldırıyor. AI destekli prototipleme, otomatik kod üretimi ve akıllı iş akışları sayesinde fikirler çok daha kısa sürede gerçeğe dönüşüyor. Bu yaklaşım yalnızca üretim hızını artırmakla kalmıyor, ekiplerin yaratıcılığını ve stratejik düşünme gücünü de ileri taşıyor. Yapay zekâ burada bir rakip değil, deneyimi zenginleştiren, vizyonu genişleten bir ortak olarak konumlanıyor.
Prototiplerle Başlamak
Blakfy ekibi olarak çoğumuz uzun süredir birlikte çalışıyoruz. Sayısız özellik geliştirdik, süreçlerimizi defalarca rafine ettik, nelerin işe yaradığını deneyimleyerek öğrendik. Bu birikim büyük bir avantaj; hızlı hareket edebilmemizi ve farklı alanlara güvenle adım atmamızı sağlıyor. Artık sadece kendi payımıza düşen parçayı değil, o parçalar arasındaki dikişleri de sahipleniyoruz.
Modern prototipleme araçları, tasarım sisteminizdeki bileşenleri, stilleri ve etkileşimleri kullanarak neredeyse gerçek bir uygulama gibi görünen çıktılar üretebiliyor. Bu olduğunda tartışmalar daha odaklı hale geliyor, geri bildirim döngüleri kısalıyor ve insanlar formal el değiştirmeleri beklemeden disiplinler arası denemeler yapabiliyor.
Bir örnek düşünelim:Bir proje yöneticisinin, satış hattı görünümünü iyileştirmek için bir fikri var. Normalde bu, uzun bir ürün gereksinim dökümanı (PRD) yazmak, ardından tasarımı beklemek, sonra mühendisliğin tıklanabilir bir prototip üretmesini beklemek anlamına gelir.
Şimdi aynı yönetici, bir saat içinde yapay zekâ destekli bir prototip aracıyla, ürünün neredeyse birebir görünümünü oluşturabiliyor. Gerçek bileşenlerle, gerçek etkileşimlerle. Mühendisler anında anlayabiliyor, yorum yapabiliyor. Çeviri katmanı ortadan kalkıyor.
Bu hız, fikirlerin evrimini değiştiriyor. Ama bir şartla: prototipiniz gerçekten ürününüze benzemeli. Aksi takdirde yeniden çeviri yapmanız gerekir.
Doğru Aracı Bulmak
Pek çok aracı denedik. Her birinin güçlü yönleri vardı ama aynı engelle karşılaştık: iç tasarım sistemimizi entegre etmek zordu. Evet, bu araçlar estetik arayüzler üretebiliyordu ama bizim bileşenlerimizi, renk kodlarımızı, desenlerimizi tanımıyorlardı.
Figma ekosistemine zaten derinlemesine entegre olduğumuz için, Figma Make doğal olarak ilk tercihimizdi. Kurulumu kolaydı, tasarım sistemimizle kusursuz uyum sağladı. Bu bile tek başına kalmamız için yeterli bir sebepti.
Yaptığımız deneyler sonunda şunu fark ettik: çıktı kalitesi, kullandığınız araçtan çok, verdiğiniz bağlamın ve prompt’un kalitesine bağlı.
Altın Orta Kural’dan ilham alarak, prompt’larımızı ne çok sıkı ne de çok gevşek olacak şekilde ayarladık: modeli yönlendirecek kadar net, ama akıl yürütmesine izin verecek kadar serbest.
Sonuçta amaç her detayı betimlemek değil, doğru yöne yönlendirmek ve modelin düşünmesine alan tanımaktı.
Bu alan o kadar hızlı gelişiyor ki, bugün işe yarayan yöntem birkaç ay sonra geçerliliğini yitirebilir. Ama bu aslında güzel haber: çünkü bu araçlar şu anda oldukları kadar “kötü”. Bundan sonrası sadece iyileşme.
Tasarımdan Koda
Prototip kısmını çözdükten sonra aynı ilkelerin kod üretiminde de geçerli olduğunu gördük.
Doğruluk iki şeye bağlıydı: biri kullandığımız yapay zekâ asistanıydı (çoğunlukla Claude Code’u kullanıyoruz, ancak alternatifleri de test ediyoruz). Diğeri ise tasarım dokümanlarının netliği ve yapısıydı. Bağlam ne kadar iyiyse çıktı da o kadar doğruydu.
Boşluk, boyut, tipografi gibi alanlarda doğru tanımlanmış “design token”lar teslim süreçlerini inanılmaz derecede kolaylaştırdı. Ayrıca Figma’nın Code Connect özelliğiyle tasarım sistemimizdeki bileşenleri doğrudan kod kütüphanemize eşledik. Bu da üretim aşamasında bütünlük sağladı.
Küçük detaylar sandığımızdan daha fazla fark yaratıyordu. Katman adları, gerçek metin içerikleri, niyet belirten notlar… Tasarımlar iyi hazırlanmışsa, çıkan kod da tertemiz oluyordu.
AI belirsizliği tolere edebilir, ama neden onu tahmin yürütmeye zorlayalım ki?
İş Akışını Kurmak
Sadece tasarımları AI asistanına atıp şansa bırakmak istemedik. Bu yüzden süreci adım adım yöneten bir yapı kurduk:
AI asistanının rolünü, amacını, çıktısını ve başarı kriterlerini tanımla.
Gereksinimleri analiz et, eksik bağlamları not al.
Figma MCP ile tüm bileşen ve düzen verilerini çek.
Tasarım öğelerini sistem bileşenleriyle eşleştir.
Bileşen belgelerini referans alarak kullanım sınırlarını kontrol et.
Tüm eşleştirmeleri, uyarıları, Storybook bağlantılarını ve açık kararları içeren bir özet rapor üret.
Uygulama öncesi gözden geçirme aşaması ekle.
Bu süreç çıktıları öngörülebilir hale getirdi. Daha az sürpriz, daha az hayal kırıklığı.
Neden Gözden Geçirme Hâlâ Gerekli?
Andrej Karpathy’nin AI hakkındaki gözlemleri çok yerindedir. Bir keresinde şöyle demişti:
“Bazı modeller bana anaokulu öğrencisini hatırlatıyor. Evet, bu modeller doktora sınavlarını geçebilir, ama zihinsel olarak hâlâ ilkokul seviyesindeler. Harika bir hafızaları var, inanılmaz tutarlı şeyler üretebiliyorlar ama gerçekten ne yaptıklarını anlamıyorlar.”
Bu nedenle “AI-yerli” bir yaklaşım, iterasyonu kucaklamak demektir. Çıktıya yakın kalmak, gerektiğinde devreye girmek, çıktıyı birlikte cilalamak gerekir.
Bu araçları en verimli kullananlar, bağlam sağlayan, yönlendiren, hataları yakalayan kişilerdir. Mesele her satır kodu kendin yazmak değil, yargını koruyabilmek. Çıktının doğru olup olmadığını anlayabilmek. “Savant çocuk” yanlış yola saptığında fark edebilmek.
Koruyucu Raylar
Elbette mükemmel bir sistem yok. Bu yüzden bazı koruyucu ilkeler oluşturduk:
Sabit yüksekliklerden kaçın: duyarlı tasarımı bozar.
Her zaman tasarım token’larını kullan: stil tutarlılığını sağlar.
Kodda satır içi değerler yerine tanımlı token’ları tercih et.
Yazı tiplerinde shorthand token’ları kullan: boyut, kalınlık, satır aralığı otomatik olarak dengelenir.
Bu kurallar gözden geçirmeyi ortadan kaldırmaz ama erken aşamalarda hataları yakalamayı kolaylaştırır.
Deneyden Sisteme
İlk denemelerimizi yerel ortamda yaptık. Claude Code, tasarım sistemi depolarımıza bağlandı, Figma MCP üzerinden verileri çekti ve hızla iterasyon yapmamızı sağladı.
Ancak yerel sistemler ölçeklenebilir değildir. Harika bir kanıtlama ortamıdır ama ekip çapında çalışmaya uygun değildir. Sonraki adımlarımız:
Prompt Kütüphanesi: Başarılı örnekleri, ekran görüntülerini, notları ve desenleri bir araya getirip araçların “bizim dilimizi” konuşmasını sağlamak.
İç Tasarım Sistemi MCP: AI asistanlarının tüm bileşen, token ve dokümantasyon bilgilerini tek kaynaktan çekmesini sağlamak.
Geri Bildirim Döngüsü: AI çıktıları ile Figma tasarımlarını otomatik olarak karşılaştırarak farkları anında göstermek.
Yapı ve rehberlik, bu süreçleri öngörülebilir hale getiriyor. Öngörülebilirlik ise hızla hareket ederken kontrolü korumanın anahtarı.
Asıl Anlamı
Her tasarım bir niyetle başlar. Her kod satırı o niyeti yakalama girişimidir.Kullandığımız araçlar, yapay zekâ destekli prototiplemeden sistematik iş akışlarına kadar, zanaatı yok etmek için değil, fikirle uygulama arasındaki mesafeyi azaltmak için var.
Blakfy için bu süreç, yapay zekânın asıl değerinin yaratıcılığı ikame etmekte değil, onu hızlandırmakta olduğunu gösterdi. Deneyimli insanların üretkenliğini katlayan bir araç olarak çalışıyor.
Ve belki de en önemlisi: Yargıyı ortadan kaldırmıyor, yargının değerini artırıyor.
Gelecek, rolleri arasında akıcı geçişler yapabilen insanlara ait. Yapay zekâ bunu mümkün kılıyor. Artık etki, eylemden doğuyor. Ve harekete geçmek hiç bu kadar kolay olmamıştı.
Yapay Zekâ Destekli Ürün Geliştirme ile Sınırları Aşmak
Blakfy, yapay zeka teknolojilerini ürün geliştirme sürecinin merkezine yerleştirerek tasarım, mühendislik ve proje yönetimi arasındaki geleneksel sınırları ortadan kaldırıyor. AI destekli prototipleme, otomatik kod üretimi ve akıllı iş akışları sayesinde fikirler çok daha kısa sürede gerçeğe dönüşüyor. Bu yaklaşım yalnızca üretim hızını artırmakla kalmıyor, ekiplerin yaratıcılığını ve stratejik düşünme gücünü de ileri taşıyor. Yapay zekâ burada bir rakip değil, deneyimi zenginleştiren ve vizyonu genişleten bir ortak olarak konumlanıyor.
Yeni nesil dijital çözümlerle işinizi dönüştürmeye hazır mısınız?Blakfy ile iletişime geçin: https://www.blakfy.com/iletisim