Margarita Pizza – İş Analisti – Sistem Analisti – Ürün Yöneticisi – Agentic İş Analisti
Bilişim sektörünün şu sıralar en çok konuştuğu konu yapay zeka ve agentic mühendislik ile birlikte farklı rol ve ünvanlar arasındaki geçişler, şeffaflaşmalar ve yakınsayıp birleşmeler. Bu alevli tartışmalardan bir tanesi de iş analizi ve sistem analizi arasındaki yakınsama ve birleşmedir. Bu birleşmeyi farklı bir metafor kullanarak herkesin sevdiği Margarita Pizza üzerinden anlatacağım.
Geçenlerde arkadaşlarla yurtdışında gittiğimiz bir gezide yemek için pizza restaurantına girdik. Canımız Margherita Pizza çekmişti. Biraz menüleri göz gezdirdikten sonra garsona Margarita pizza siparişimizi verdik.
Restaurantın mutfağı şeffaf camlarla çevrilmişti; mutfakta yapılanları çok rahat bir şekilde görebiliyorduk. Garson bizim verdiğimiz “Margarita Pizza” siparişini elindeki kablosuz cihaz ile içeriye geçtikten sonra mutfakta hummalı bir çalışma başlamıştı. Aslında talebimiz gayet basitti; büyük boy bir margarita pizza istemiştik; yanına bir şey de söylememiştik. Basit, tek bir talep mutfak tarafında bir sürü aksiyonun tetiklenmesine sebep olmuştu.
Basit, tek bir talep mutfak tarafında bir çok aksiyonun tetiklenmesine
sebep olmuştu.
Şimdi restauranttaki masalara ve mutfağa farklı bir açıdan bakalım:
Müşteri (Business) – Mutfak (System)
İş analizi ve sistem analizi bakış açısıyla restauranttaki düzene baktığımız zaman müşterinin oturduğu masalar “business” tarafı oluştururken; mutfak tarafı bizim için “system” tarafıdır. Her iki taraf arasındaki akışa ve birbirleriyle olan etkileşime baktığımız zaman ise:
Müşteri – Mutfak Etkileşimi
Bu akışa yazılım geliştirme süreçleri açısından baktığımız zaman:
İş Analizi
Müşteriye doğru sorunun sorulup siparişin doğru alınması ve mutfağa doğru iletilmesi.
Sistem Analizi
- Pizzanın hangi adımlar izlenerek yapılacağı;
- Bu adımları kimin veya kimlerin gerçekleştireceği;
- Adımların tek bir şef tarafından mı yoksa farklı şefler arasındaki iş bölümüyle mi yapılacağı.
Canlıya Alım
Pizzanın masada müşteriye servis edilmesi.
Operasyon
Müşterinin pizzanın üstüne ekstra zeytinyağı dökmek istemesi durumunda masaya zeytinyağının servis edilmesi.
Test
- Müşterinin pizzadan bir dilim alıp tatması;
- Beğenmesi durumunda “Başarılı”; beğenmemesi durumunda “Başarısız” olarak test senaryosunun sonlanması.
Raporlama
Müşterinin pizzayı beğenmesi durumunda Instagram’da pizzanın fotosunu paylaşması.
Müşteriyle mutfak arasındaki etkileşimlere baktığımız zaman müşteri tarafından gelen basit bir talebin, margarita pizza talebinin, mutfak tarafında baya bir akışı tetiklediğini gözlemlemekteyiz. Bu analizleri yaptıktan sonra pizza sürecini mutfak tarafından başlayarak nasıl daha farklı kurgulayabilir ve AI Agent’lara devredilebiliriz; bu kısma bakalım:
Kendimizi bir yönetmen gibi düşünürsek ilk kurguda mutfakta bir tane Masterchef ve onun bütün işleri tek başına yaptığı bir restaurant mutfağı hayal edebiliriz:
Masterchef
Diğer kurguda ise Masterchef’e bağlı hamurdan, sostan ve fırından sorumlu olmak üzere üç ayrı işten sorumlu toplam dört şeften oluşan bir mutfak ekibini düşünebiliriz:
Masterchef ve ekibi
Mutfak tarafında ele alınan pizza yapımı akışını iki farklı şekilde modellemiş olduk. Şimdi geldi sıra bu modellerdeki bazı adımları veya rolleri yapay zekaya devretmeye.
Aslında modellemeyi iyi yaptıktan sonra bunu yapay zekaya devretmek çok kolay. Tek yapmamız gereken hangi kurguyu kullanıp bu kurgudaki hangi oyuncuyu Agent’a çevireceğimize karar vermemiz gerekiyor.
İlk kurguyu Agent’a çevirdiğimiz zaman:
Masterchef – Agent
İkinci kurguyu Agent’lara çevirdiğimiz zaman:
Master Agent ve diğer Agent’lar
Hangi kurguyu seçeceğimize, hangi işleri devredeceğimize karar verirken aşağıdaki üç kriteri ele alabiliriz:
- Frekans: İş ne kadar çok tekrar ediyor.
- Otonomi: İş yapılırken karar alınması gerekiyor mu yoksa adımları çok net olan bir iş mi?
- Efor: İşin yapılması için harcanması gereken efor miktarı ne kadar?
Frekans, otonomi ve efor
Agent = Frekans + Otonomi + Efor
Her üç kriterin de yüksek olduğu roller Agent’lara devretmek için en uygun rollerdir.
Buraya kadar yaptığımız işi ana hatlarıyla özetleyecek olursak:
- İş analizi yaparak akışı kurguladık;
- Mutfak tarafının analizini yaparak sistem analizi yaptık; algoritmayı çıkardık;
- Sistem analizinde çıkardığımız akışları modelledik;
- Sistem analizine göre kaç şef olacağını belirledik; rolleri ve oyuncuları çıkardık;
- Rollerden hangilerini Agent’lara devredeceğimizi belirledik.
Şimdi sıra geldi, müşterinin oturduğu masa tarafına yani business tarafa; burada yanıtlamamız gereken soru:
“Acaba müşteri tarafında da bazı işleri Agent’lara devredebilir miyiz?”
Bunun cevabı “Evet”. Mesela yurtdışında gittiğimiz bu pizza restaurantında garson masadaki tabakları topladıktan sonra tabakları kendisi mutfağa yıkanmak için götürmüyor; onun yerine ortada dolanan basit bir robota tabakları vererek onun tabakları mutfağa götürmesini istiyordu.
Tabak toplama robotu
Böyle bir robot veya Agent’ı müşteri tarafındaki süreçlere entegre ederek business tarafını da agentic hale getirmiş olduk.
Şimdi ilk başta sorduğumuz sorunun cevabını vermeye çalışalım:
“İş analisti ve sistem analisti arasındaki yakınsama ve birleşme nereye
kadar olmalı?”
Bu örnekte de gördüğümüz üzere yapay zeka ile birlikte teknik tarafın kolaylaşması ve hızlanması sayesinde herkes teknik tarafa müdahale edebilmektedir; buna Vibe Coding veya daha ileri seviyede Agentic Engineering kapsamında yazılım geliştirme de dahildir. Hem bir süreci baştan sona kurgulamak açısından hem de yapılabilirlik açısından baktığımız zaman artık iş analistleri sistem analizi tarafına çok daha fazla girmeli, müşteri tarafındaki akışları ve buna karşılık gelen mutfak tarafındaki etkileşimleri kurgulamalıdır.
Agentic İş Analistine dönüşen iş analistleri bir yönetmen gibi davranarak süreçte, senaryoda yer alacak oyuncuları hem business hem de sistem tarafında kurgulayarak bu rollerden hangisini agent’lara vereceğini belirlemelidir.
Özetle:
Agentic İş Analisti = İş Analisti + Sistem Analisti + Yönetmen =
Ürün Yöneticisi
şapkalarına sahip olmalıdır. Bu da Agentic İş Analistinin ürüne baştan sona hakim olmasını; ürün yöneticisi olmasını gerekli kılmaktadır.
Koray YİTMEN
Yapay Zeka Destekli
İş Analizi ve PO Eğitimi
Bu eğitim, yapay zeka araçlarının IIBA metodolojisiyle iş analizi ve proje yönetiminde nasıl kullanılacağını öğretir. Katılımcılar, bir proje üzerinde çalışarak bu süreci deneyimler. Yapay zeka, daha kaliteli ve yenilikçi ürünlerin hızlı ve ekonomik geliştirilmesini sağlar.