Yapay zeka artık hayatımızın birçok alanında olduğu gibi yazılım geliştirme süreçlerinde de kendine yer buluyor. Üstelik bu değişim yalnızca yazılım geliştiricileri değil, biz iş analistlerini de yakından ilgilendiriyor. Gereksinimleri belirlerken, iş süreçlerini oluştururken, paydaşların beklentilerini anlamaya çalışırken veya test senaryoları hazırlarken yapay zekadan faydalanabiliyoruz.
Burada önemli bir noktaya değinmek istiyorum. Yapay zekayı iş analistinin yerini alacak bir teknoloji olarak değil, işimizi kolaylaştıran ve bize zaman kazandıran bir yardımcı olarak görmek gerekiyor. Çünkü iş analizi yalnızca doküman hazırlamaktan ibaret değil. Doğru soruları sormak, ihtiyaçları anlamak, farklı bakış açılarını değerlendirmek ve doğru kararlar almak hâlâ bizim sorumluluğumuzda.
Bu yazımda sizlere, yapay zekanın iş analizi süreçlerinde nasıl kullanılabileceğini, geleneksel iş analizi yöntemleriyle nasıl bütünleştirilebileceğini ve iş analistlerinin günlük çalışmalarına nasıl katkı sağlayabileceğini 8 ana başlık altında, örneklerle ele alacağım.
1. İş Analizinin Değişen Rolü
İş analizi, organizasyonların ihtiyaçlarını belirleyerek bu ihtiyaçlara değer sağlayacak çözümleri tanımlama sürecidir. IIBA tarafından geliştirilen BABOK yaklaşımı; gereksinimlerin ortaya çıkarılması, analiz edilmesi, yaşam döngüsü boyunca yönetilmesi ve çözümlerin değerlendirilmesi gibi faaliyetler için kapsamlı bir çerçeve sunar.
Geleneksel yaklaşımda iş analistleri, toplantılardan elde ettikleri bilgileri değerlendirir, gereksinimleri dokümante eder, süreçleri modeller ve geliştirme ekipleriyle paylaşır. Yapay zeka destekli yaklaşımda ise bu faaliyetlerin önemli bir bölümü daha hızlı ve sistematik şekilde gerçekleştirilebilir.
Örneğin bir iş analisti, toplantı sonrasında hazırladığı notları yapay zeka aracına aktararak şu çıktıları elde edebilir:
Fonksiyonel ve fonksiyonel olmayan gereksinimler
Eksik veya belirsiz gereksinimlerin listesi
İş kuralları ve olası istisnai durumlar
User Story ve Acceptance Criteria taslakları
Paydaşlara yöneltilmesi gereken sorular
Böylece iş analisti, dokümantasyon için harcadığı zamanın bir bölümünü gereksinimlerin doğruluğunu değerlendirmeye ve iş ihtiyaçlarını daha iyi anlamaya ayırabilir.
2. Gereksinimlerin Ortaya Çıkarılmasında Yapay Zeka
İş analizinin en kritik aşamalarından biri, paydaşların gerçek ihtiyaçlarının doğru anlaşılmasıdır. İş Analisti mülakat, workshop, gözlem, doküman analizi ve beyin fırtınası gibi geleneksel gereksinim ortaya çıkarma teknikleri bu süreçte kullanılmaya devam ederken, Yapay zeka ise özellikle elde edilen bilgilerin analiz edilmesinde önemli bir destek sağlayabilir.
Örnek senaryo:
Bir sipariş yönetim sistemine yeni bir ödeme yöntemi eklenmesi planlanıyor. İş birimiyle gerçekleştirilen toplantıda şu gereksinim ifade ediliyor:
“Müşteriler, sipariş tutarını birden fazla kredi kartı kullanarak ödeyebilmeli. Ödeme işlemleri tamamlandığında sipariş durumu otomatik olarak güncellenmelidir.”
İlk bakışta oldukça açık görünen bu gereksinim, aslında birçok belirsizlik içeriyor. Yapay zekadan bu gereksinimi analiz etmesi istendiğinde aşağıdaki sorular ortaya çıkabilir:
Bir siparişin ödemesinde en fazla kaç farklı kredi kartı kullanılabilecek?
Müşteri, her kredi kartından tahsil edilecek tutarı kendisi belirleyebilecek mi?
İlk kredi kartından ödeme başarıyla alındıktan sonra ikinci karttan ödeme alınamazsa süreç nasıl ilerleyecek?
Ödemesi tamamlanan kartlardan tahsil edilen tutarlar sistemde nasıl takip edilecek?
Kredi kartlarından biriyle yapılan ödeme başarısız olduğunda diğer kartlardan alınan ödemeler otomatik olarak iade edilecek mi?
Birden fazla kredi kartıyla ödenen siparişlerde kısmi iptal ve iade işlemleri nasıl gerçekleştirilecek?
Bu sorular, gereksinimin kapsamını genişletmekten ziyade henüz netleştirilmemiş noktaları görünür hale getirir. Buradaki temel avantaj, yapay zekanın yalnızca verilen bilgiyi düzenlemesi değil, analiz sırasında gözden kaçabilecek olasılıkları da değerlendirmeye yardımcı olmasıdır.
Ancak önerilen her soru veya gereksinim gerçek bir iş ihtiyacı olarak kabul edilmemelidir. Nihai değerlendirme, ilgili paydaşlarla birlikte yapılmalıdır.
3. Paydaş Analizi ve İletişim Yönetimi
Başarılı bir projenin temelinde yalnızca doğru gereksinimler değil, doğru paydaşlarla kurulan etkili iletişim de bulunur. İş analizinde kullanılan Power–Interest Matrix (Güç–İlgi Matrisi) ve RACI gibi teknikler, paydaşların projedeki rollerini ve sorumluluklarını belirlemeye yardımcı olur.
Yapay zeka bu tekniklerin uygulanmasını kolaylaştırabilir.
Örneğin bir projedeki paydaşların rolleri ve sorumlulukları paylaşıldığında, yapay zekadan taslak bir RACI matrisi hazırlanması istenebilir. Benzer şekilde paydaşların projeye etkileri ve ilgileri değerlendirilerek iletişim stratejileri önerilebilir. Yapay zeka ayrıca toplantı gündemlerinin hazırlanması, toplantı notlarının özetlenmesi ve aksiyonların sorumlularıyla ilişkilendirilmesi gibi faaliyetlerde kullanılabilir.
Bununla birlikte paydaşların gerçek beklentilerini, organizasyon içindeki ilişkilerini ve karar alma süreçlerini anlamak hâlâ iş analistinin sorumluluğundadır.
4. Süreç Analizi ve Modellemede Yapay Zeka
İş analistleri mevcut iş süreçlerini anlamak ve iyileştirme fırsatlarını belirlemek için As-Is / To-Be analizlerinden yararlanır. BPMN ve UML Activity Diagram gibi modelleme yöntemleri ise süreçlerin görsel olarak ifade edilmesini sağlar.
Yapay zeka, metin halinde açıklanan bir iş sürecini analiz ederek modelleme çalışmalarına başlangıç oluşturabilir.
Örneğin bir sipariş onay süreci aşağıdaki şekilde tanımlanmış olsun:
Müşteri sipariş oluşturur.
Sistem ödeme durumunu kontrol eder.
Ödeme başarılıysa sipariş onaylanır.
Ödeme başarısızsa müşteriye bilgilendirme yapılır.
Bu açıklama yapay zekaya verildiğinde, süreç adımları ve karar noktaları belirlenerek Mermaid veya PlantUML gibi araçlarla kullanılabilecek diyagram kodları oluşturulabilir. Bunun yanında yapay zekadan süreçteki olası darboğazları, eksik kontrol noktalarını ve iyileştirme fırsatlarını değerlendirmesi de istenebilir.
Örneğin ödeme servisinin yanıt vermemesi durumunda nasıl bir süreç işletileceğinin tanımlanmadığını belirleyebilir.
Bu yaklaşım, özellikle karmaşık süreçlerin ilk analizinde ve alternatif çözüm akışlarının değerlendirilmesinde fayda sağlar. Önemli olan, yapay zekanın oluşturduğu süreç modelini doğrudan kullanmak yerine gerçek iş kurallarıyla karşılaştırarak doğrulamaktır.
5. Gereksinim Analizi ve Dokümantasyon
İş analistlerinin zaman ayırdığı faaliyetlerden biri de gereksinimlerin geliştirme ekiplerinin anlayabileceği açık, tutarlı ve test edilebilir bir yapıya dönüştürülmesidir.
İş gereksinimleri, paydaş gereksinimleri, fonksiyonel gereksinimler ve fonksiyonel olmayan gereksinimler bu süreçte birbirinden ayrıştırılmalıdır. Yapay zeka, özellikle dağınık analiz notlarının yapılandırılmış dokümanlara dönüştürülmesinde kullanılabilir.
Örneğin bir gereksinim aşağıdaki şekilde ifade edilmiş olsun:
“Kullanıcılar siparişlerini hızlı bir şekilde görüntüleyebilmelidir.”
Bu ifade yeterince ölçülebilir değildir. “Hızlı” kavramının ne anlama geldiği açık değildir. Yapay zeka bu belirsizliği tespit ederek performans kriterinin netleştirilmesini önerebilir.
Paydaşlar tarafından onaylanması koşuluyla gereksinim şu şekilde detaylandırılabilir:
“Sistem, normal çalışma koşullarında ve tanımlanan kullanıcı yükü altında sipariş listesini isteklerin en az %95’inde 2 saniye içerisinde görüntülemelidir.”
Burada 2 saniye ve %95 değerleri yalnızca örnektir. Gerçek performans hedefleri iş beklentileri ve teknik kapasite doğrultusunda belirlenmelidir.Benzer şekilde yapay zeka ile şu çalışmalar gerçekleştirilebilir:
Use Case senaryolarının hazırlanması
User Story ve Acceptance Criteria oluşturulması
Sequence ve State Diagram taslaklarının geliştirilmesi
Veri gereksinimlerinin analiz edilmesi
ERD ve veri sözlüğü taslaklarının oluşturulması
Gereksinimlerdeki çelişki ve tekrarların belirlenmesi
Bu sayede dokümantasyon süreci hızlandırılırken gereksinim kalitesinin artırılması da hedeflenebilir.
6. Gereksinim Önceliklendirme ve Etki Analizi
Projelerde tüm gereksinimlerin aynı anda geliştirilmesi çoğu zaman mümkün değildir. Bu nedenle iş analistleri, gereksinimleri iş değeri, maliyet, risk ve geliştirme eforu gibi kriterlere göre değerlendirir. MoSCoW, Kano Modeli gibi yöntemler bu amaçla kullanılabilir.
Yapay zeka, gereksinimlerin belirlenen kriterler doğrultusunda karşılaştırılmasına ve önceliklendirme çalışmalarının hazırlanmasına yardımcı olabilir. Örneğin bir sipariş yönetim sisteminde ödeme altyapısının değiştirilmesi planlandığında, yapay zekadan bu değişikliğin etkileyebileceği alanları değerlendirmesi istenebilir.
Olası etki alanları arasında sipariş oluşturma, ödeme doğrulama, faturalandırma, iade süreçleri, raporlama ve üçüncü taraf entegrasyonları bulunabilir. Böylece değişiklik talebi yalnızca ilgili ekran veya servis üzerinden değil, sistemin bütünü açısından ele alınabilir.
Ancak yapay zekanın gerçek sistem mimarisine ve güncel gereksinimlere erişimi yoksa oluşturduğu etki analizi yalnızca bir ön değerlendirme olacaktır.Doğru bir etki analizi için mevcut dokümantasyonun, sistem bağımlılıklarının ve teknik ekip görüşlerinin dikkate alınması gerekir.
7. Test Analizi ve Kabul Kriterlerinde Yapay Zeka
İş analizi ve yazılım testi birbirini tamamlayan disiplinlerdir. Bir gereksinimin doğru tanımlanması kadar, geliştirilen çözümün bu gereksinimi karşılayıp karşılamadığının değerlendirilmesi de önemlidir.
Yapay zeka, gereksinimlerden hareketle test senaryoları ve kabul kriterleri hazırlanmasını destekleyebilir. Örneğin kullanıcı giriş ekranı için tanımlanan gereksinimler üzerinden şu test durumları oluşturulabilir:
Geçerli kullanıcı bilgileriyle başarılı giriş
Hatalı parola ile giriş denemesi
Boş alanlarla giriş denemesi
Hesabı kilitlenmiş kullanıcının giriş yapması
Oturum süresinin dolması
Servis hatası veya bağlantı kesintisi
Özellikle negatif test senaryolarının ve sınır durumlarının belirlenmesinde yapay zeka faydalı olabilir. Ayrıca gereksinimlerle test senaryolarının ilişkilendirildiği Requirement Traceability Matrix (RTM) taslaklarının hazırlanmasında da kullanılabilir. Böylece hangi gereksinimin hangi testlerle doğrulandığı daha sistematik biçimde takip edilebilir.
Yapay zekanın ürettiği test senaryoları, test kapsamının eksiksiz olduğu anlamına gelmez. İş kuralları, riskler ve sistem davranışları dikkate alınarak ayrıca gözden geçirilmelidir.
8. Strateji Analizi ve Karar Destek Süreçleri
İş analizi yalnızca yazılım gereksinimlerini tanımlamakla sınırlı değildir. Aynı zamanda organizasyonların iş hedeflerine ulaşmasını destekleyen stratejik bir disiplindir.
Yapay zeka bu çalışmalarda farklı bakış açıları sunabilir. Örneğin yeni bir dijital platform geliştirilmesi planlandığında yapay zekadan potansiyel faydaları, maliyet kalemlerini, riskleri ve başarı göstergelerini değerlendirmesi istenebilir. Benzer şekilde mevcut bir çözümün performans verileri analiz edilerek iyileştirme alanları hakkında öneriler oluşturulabilir.
Ancak yapay zeka tarafından üretilen stratejik değerlendirmelerin güvenilirliği, kullanılan verilerin doğruluğuna ve güncelliğine bağlıdır. Bu nedenle yapay zeka, karar vericinin yerine geçmekten çok farklı alternatiflerin değerlendirilmesini kolaylaştıran bir araç olarak konumlandırılmalıdır.
İş Analizinde Etkili Prompt Kullanımı
Yapay zekadan alınan çıktının kalitesini belirleyen önemli unsurlardan biri, verilen talimatın ne kadar açık ve kapsamlı olduğudur.
Örneğin yalnızca “Bu gereksinimi analiz et” demek yerine, yapay zekaya rol, bağlam, beklenti ve çıktı formatı verilmesi daha faydalı sonuçlar sağlayabilir.
Örnek prompt:
Kıdemli bir iş analisti olarak hareket et. Aşağıdaki gereksinimi BABOK yaklaşımını dikkate alarak değerlendir.
Fonksiyonel ve fonksiyonel olmayan gereksinimleri ayrıştır.
Belirsiz, eksik veya çelişkili noktaları belirle.
İş kurallarını ve olası istisnai durumları listele.
Gereksinimi test edilebilir hale getirmek için öneriler sun.
User Story ve Acceptance Criteria taslakları oluştur.
Netleştirilmesi gereken konular için paydaş soruları hazırla.
Verilmeyen bilgileri kesin gereksinim olarak kabul etme. Varsayımlarını açıkça belirt.
Bu tür yapılandırılmış promptlar, yapay zekanın yalnızca metin üretmesini değil, belirli bir analiz yaklaşımı doğrultusunda çalışmasını sağlar.
ChatGPT, Claude, Gemini ve Microsoft Copilot gibi araçlar farklı özelliklere sahip olsa da temel yaklaşım benzerdir: Doğru bağlam, açık talimat ve beklenen çıktı formatı.
Yapay Zeka Kullanımında Dikkat Edilmesi Gerekenler
Yapay zekanın sunduğu avantajların yanında bazı riskler de bulunmaktadır.
Özellikle kurumsal projelerde veri güvenliği, gizlilik ve üretilen bilgilerin doğruluğu kritik öneme sahiptir. Müşteri bilgileri, kişisel veriler, erişim bilgileri ve kuruma özel teknik dokümanlar, gerekli izinler ve güvenlik kontrolleri olmadan yapay zeka araçlarına aktarılmamalıdır.
Ayrıca yapay zeka tarafından oluşturulan gereksinimlerin veya analiz dokümanlarının hatalı ya da eksik olabileceği unutulmamalıdır. Bir diğer önemli konu ise yapay zekanın gerçekte var olmayan iş kurallarını veya teknik davranışları makul görünen ifadelerle önerebilmesidir. Bu nedenle yapay zeka çıktıları doğrudan onaylanmış analiz dokümanı olarak değerlendirilmemelidir.
İş analistinin temel sorumluluğu; üretilen bilgileri doğrulamak, iş ihtiyaçlarıyla karşılaştırmak ve ilgili paydaşların onayını almaktır.
Yapay Zeka ile Daha Değer Odaklı İş Analizi
Yapay zeka, iş analizi disiplininin temel yöntemlerini ortadan kaldırmıyor. Aksine bu yöntemlerin daha verimli uygulanabilmesi için yeni fırsatlar sunuyor. BABOK yaklaşımı, gereksinim analizi, paydaş yönetimi, süreç modelleme, etki analizi ve çözüm değerlendirme gibi faaliyetler iş analistinin temel uzmanlık alanları olmaya devam ediyor.
Değişen nokta ise bu faaliyetlerin nasıl gerçekleştirildiği. Toplantı notlarının analiz edilmesi, gereksinim taslaklarının hazırlanması, süreç modellerinin oluşturulması ve test senaryolarının geliştirilmesi gibi çalışmalarda yapay zeka önemli bir yardımcı haline gelebilir.
Ancak başarılı iş analizi yalnızca doğru dokümanı hazırlamak değildir. Gerçek iş ihtiyacını anlamak, paydaşlar arasında ortak bir anlayış oluşturmak ve organizasyona değer sağlayacak çözümü belirlemektir.
Geleceğin iş analisti, yapay zekayı iş süreçlerine etkin bir şekilde dahil eden, sunduğu imkanlardan en iyi şekilde yararlanan ve ürettiği çıktıları eleştirel bir bakış açısıyla değerlendirebilen kişi olacaktır.
Ancak yapay zekayı kullanmak tek başına yeterli değildir. Önemli olan, doğru soruları sorabilmek, elde edilen sonuçları analiz edebilmek ve bu teknolojiyi gerçek bir iş değerine dönüştürebilmektir. Çünkü yapay zeka analiz süreçlerini hızlandırabilir ve farklı bakış açıları sunabilir; ancak asıl problemi doğru anlamak, ihtiyaçları belirlemek ve en uygun çözümü ortaya koymak hâlâ iş analistinin bilgi, deneyim ve analitik düşünme becerisine bağlıdır.
—
Yazımı buraya kadar okuyup zaman ayırdığınız için teşekkür ederim. Umarım sizler için faydalı olmuş ve iş analizi süreçlerinde yapay zekadan nasıl yararlanabileceğinize dair farklı bir bakış açısı kazandırmıştır.
Küçük bir not: Elbette bu yazıyı hazırlarken ben de yapay zekadan yararlandım. Yapay zekanın iş analizindeki yerini anlatırken kendisinden destek almamak olmazdı. 😊