Yapay zeka projelerinde şartname nasıl hazırlanır?

Yapay zeka projelerinde şartname, iş problemini ve kapsamı netleştirerek veri gereksinimlerini, beklenen model davranışını, başarı ölçütlerini, etik sınırları ve canlı işletim sorumluluklarını aynı belgede toplar. İyi bir yapay zeka şartnamesi, yalnızca model veya araç seçimi listesi değildir; ekip içindeki varsayımları, kararları ve kabul koşullarını görünür hâle getiren yaşayan bir gereksinim belgesidir.

Örneğin e-ticaret ürün öneri sisteminde “kullanıcıya ürün önersin” ifadesi yeterli değildir. Hangi kullanıcıya, hangi verilerle, hangi ekranda, hangi ölçütlerle öneri sunulacağı ve öneri servisi çalışmadığında ne yapılacağı da yazılmalıdır.

Yapay zeka projesinde şartname nedir ve neden gereklidir?

Yapay zeka projelerinde sonuç, yalnızca geliştirilen kodun kalitesine bağlı değildir. Problemin nasıl tanımlandığı, verinin ne kadar uygun olduğu, model çıktısının nasıl ölçüleceği ve canlı sistemin kimin sorumluluğunda olacağı da sonucu belirler. Şartname bu kararları proje başlamadan önce ortaklaştırır, belirsizlikleri saklamak yerine yönetilebilir hâle getirir.

Üç katmanlı karar çerçevesi

1. Problem katmanı: Temel soru: Hangi iş problemi, kim için ve hangi kapsamda çözülecek? Kanıt: Kullanıcı akışı, mevcut süreç, başlangıç durumu ve kapsam kararı. Sorumlu: Ürün yöneticisi ve alan sahibi. E-ticaret örneği: Ana sayfa ve ürün sayfasında ilgili ürünleri göstermek kapsam içindedir; e-posta önerileri ve dinamik fiyatlandırma kapsam dışıdır.
2. Model katmanı: Temel soru: Veriyle hangi davranış üretilecek ve bu davranış nasıl doğrulanacak? Kanıt: Veri incelemesi, basit başlangıç yaklaşımı, ayrılmış test verisi ve segment sonuçları. Sorumlu: Makine öğrenmesi geliştiricisi ve veri sorumlusu. E-ticaret örneği: Görüntüleme, sepete ekleme ve satın alma sinyallerinden ürünleri sıralamak; yeni kullanıcı için başlangıç yaklaşımını ayrıca değerlendirmek.
3. İşletim katmanı: Temel soru: Model canlıda nasıl izlenecek, hata olduğunda kim müdahale edecek? Kanıt: Kayıt planı, uyarı koşulları, geri dönüş testi ve sorumluluk matrisi. Sorumlu: Ürün, backend ve model işletim ekipleri. E-ticaret örneği: Öneri servisi yanıt vermezse kategori temelli sabit bir liste gösterilecek, kalite düşüşünde yeniden değerlendirme başlatılacak.

Klasik yazılım şartnamesinden hangi yönleriyle ayrılır?

Klasik yazılım şartnamesi çoğunlukla belirli girdilere karşı beklenen çıktıyı tanımlar. Yapay zeka şartnamesinde ise veriye bağlı belirsizlik, olasılıksal çıktı ve zaman içinde değişebilen davranış da gereksinimin parçasıdır.

1. Belirsizlik ve hipotezler açıkça yazılır

Klasik cümle: “Sistem her isteğe aynı kuralla yanıt verir.” Yapay zeka dönüşümü: “Son kullanıcı etkileşimlerinin öneri ilgisini artırdığı varsayılacak; bu varsayım geçmiş veride zaman sıralı test ve kontrollü pilotla doğrulanacak.” Açık soru, yeni kullanıcı için hangi başlangıç yaklaşımının kullanılacağıdır. Risk ise popüler ürünlerin sürekli öne çıkarak çeşitliliği azaltmasıdır.

2. Veri, teknik girdiden çok daha fazlasıdır

Klasik cümle: “Sistem ürün kataloğunu okuyacak.” Yapay zeka dönüşümü: Katalog ve etkileşim verisinin sahibi, şeması, güncellenme biçimi, eksik ve tekrarlı kayıt kuralları, etiket tanımı, temsil gücü ve veri değiştiğinde uygulanacak yeniden değerlendirme koşulu yazılır. Ürün kimliği, etkileşim türü ve zaman bilgisi gibi alanların anlamı belirsiz bırakılmaz.

3. Başarı tek bir çıktı veya skorla tanımlanmaz

Klasik cümle: “Sistem doğru ürünü döndürecek.” Yapay zeka dönüşümü: Teknik sıralama kalitesi, iş hedefi, güvenlik ve kullanıcı deneyimi birlikte ölçülür. Ürün öneri sisteminde tıklama veya satın alma davranışı iş göstergesi olabilir; bulunmayan, satışa kapalı ya da kapsam dışı ürünlerin önerilmemesi ise ayrı bir kabul koşuludur. Sonuçlar yeni ve geri dönen kullanıcılar gibi segmentlerde karşılaştırılır.

4. Etik ve insan denetimi sonradan eklenmez

Klasik cümle: “Yönetici müşteri verilerinin tamamını görebilir.” Yapay zeka dönüşümü: Yalnızca gerekli veriye erişim, rol bazlı yetkilendirme, saklama koşulları, kullanıcı geri bildirimi ve itirazların incelenmesi baştan tanımlanır. Modelin neden belirli bir öneriyi sunduğunun kullanıcıya veya görevli kişiye nasıl açıklanacağı da şartnamede yer alır.

Yapay zeka şartnamesinde hangi bölümler bulunur?

Uygulanabilir bir şartnameyi altı bölümde kurabilirsin. Her bölümde amaç, kanıt, sorumlu ve açık soru alanlarının bulunması, belgenin genel ifadelerden uygulanabilir kararlara dönüşmesini sağlar.

1. Proje tanımı, kullanıcı ve kapsam

Amaç: Problemi, hedef kullanıcıyı, beklenen çıktıyı ve kapsam dışı işleri yazmak. Kanıt: Kullanıcı akışı ve ürün hedefi. Sorumlu: Ürün yöneticisi. Açık soru: Anonim ziyaretçiye de öneri sunulacak mı? Örnek: Sistem, ana sayfa ve ürün sayfasında ilgili ürünleri sıralayacak; dinamik fiyatlandırma yapmayacak.

2. Veri gereksinimleri ve veri yönetimi

Amaç: Kaynağı, şemayı, kaliteyi, etiketi, erişimi ve saklama koşullarını sınırlandırmak. Kanıt: Veri sözlüğü ve kalite incelemesi. Sorumlu: Veri sahibi ve mühendislik ekibi. Açık soru: Kullanıcı silme veya yeni ürün ekleme veri akışını nasıl etkileyecek? Örnek: Kullanıcı, ürün, etkileşim türü ve zaman alanları kullanılacak; gereksiz kişisel alanlar alınmayacak.

3. Model seçimi, teknik kısıtlar ve geri dönüş yolu

Amaç: Model seçimini kanıt, kaynak ihtiyacı ve hata toleransıyla ilişkilendirmek. Kanıt: Basit başlangıç yaklaşımı, test sonuçları ve geri dönüş denemesi. Sorumlu: Makine öğrenmesi ve platform ekipleri. Açık soru: Yeni kullanıcı veya yeni ürün için hangi alternatif kullanılacak? Örnek: Öğrenen model, kategori veya popülerlik temelli başlangıç yaklaşımıyla karşılaştırılacak; servis kesilirse bu alternatif devreye girecek.

4. Başarı metrikleri ve kabul kriterleri

Amaç: Başarının nasıl ölçüleceğini ve hangi koşulda kabul edileceğini belirlemek. Kanıt: Teknik ölçüm, iş göstergesi, segment raporu ve eşik tanımı. Sorumlu: Ürün ve veri ekipleri. Açık soru: Hangi segmentteki düşüş yayın kararını durdurur? Örnek: Model, temel yaklaşımla karşılaştırılacak; yeni kullanıcılar, geri dönen kullanıcılar ve ürün kategorileri ayrı incelenecek.

5. Etik, gizlilik ve insan denetimi

Amaç: Veri minimizasyonu, erişim, itiraz ve insan müdahalesi kararlarını baştan belirlemek. Kanıt: Veri envanteri, amaç kaydı, erişim planı ve geri bildirim süreci. Sorumlu: Ürün ekibi ile kurumun gizlilik ve uyum sorumluları. Açık soru: Kullanıcı uygunsuz bir öneriyi nasıl bildirecek? Kullanılacak veri türüne ve ülke ile kurum bağlamına göre gizlilik, veri koruma, saklama ve erişim koşulları ayrıca tanımlanmalıdır.

6. Canlıya alma, izleme ve bakım

Amaç: Deployment sonrası izleme, yeniden değerlendirme, geri alma ve sorumlulukları netleştirmek. Kanıt: Kayıtlar, uyarılar, performans izlemesi ve geri dönüş testi. Sorumlu: Platform veya işletim ekibi. Açık soru: Hangi olayda model durdurulacak? Örnek: Öneri kapsamı, hata oranı ve segment performansı izlenecek; belirlenen koşul oluştuğunda alternatif listeye dönülüp model yeniden değerlendirilecek.

Yapay zeka şartnamesi nasıl hazırlanır?

Yapay zekâ şartnamesi, yalnızca kullanılacak modeli değil, çözülecek kararı, verinin sınırlarını, başarı ölçütlerini ve canlı sistemin nasıl izleneceğini tanımlar. Süreci altı adımda yürütmek, belirsizlikleri erken görünür kılar ve her kararın sorumlusunu netleştirir.

1. İhtiyacı ve kapsamı netleştir. Bu sistem hangi kararı destekliyor? Başarısız olduğunda ne oluyor? Hangi işler kapsam dışında kalıyor? Belge çıktısı: amaç, kapsam içi ve kapsam dışı işler, karar sahibi.
2. Paydaşlarla görüş. Kullanıcı, ürün, teknik ekip ve yönetimin beklentileri nerede ayrışıyor? Nihai onayı kim verecek? Bir anlaşmazlıkta hangi sorumlu karar alacak? Belge çıktısı: paydaş listesi, beklentiler, onay sorumluları ve karar yetkileri.
3. Veri envanteri oluştur. Sistem hangi veri olmadan çalışamaz? Kaynakların sahibi kim? Eksik kayıt, hatalı etiket, zaman bilgisi ve erişim kısıtı var mı? Belge çıktısı: veri kaynakları, sahiplik, kalite belirsizlikleri, erişim ve saklama kararları.
4. Metrikleri belirle. Hangi basit yöntem başlangıç karşılaştırması olacak? Başarı hangi bağlamda ölçülecek? Hangi koşulda sistem kabul edilmeyecek? Belge çıktısı: metrikler, karşılaştırma temeli, ölçüm yöntemi ve kabul koşulları.
5. Taslağı varsayımlar ve risklerle yaz. Hangi bilgiler henüz doğrulanmadı? Hangi risk gerçekleşirse kapsam daraltılacak, geri dönüş kullanılacak veya proje durdurulacak? Belge çıktısı: varsayım listesi, risk kaydı, geri dönüş davranışları ve sorumlular.
6. Test sonuçlarıyla yinele. Test ne gösterdi? Hangi karar değişti? Canlıda sistemi kim izleyecek, hangi durumda yeniden değerlendirme yapılacak? Belge çıktısı: test sonuçları, karar günlüğü, izleme planı ve güncel şartname.

Adım sonu kontrolü: Kapsam, veri, metrik, risk, sorumlu ve açık kararlar ayrı ayrı görünür mü? Her açık kararın sahibi ve kapanış koşulu yazılı mı?

Mini senaryo: E-ticaret ürün öneri sistemi şartnamesi

Aşağıdaki örnek, e-ticaret ürün öneri sistemi için doldurulmuş kısa bir şartname iskeletidir.

Proje tanımı ve kapsam

1. Şartname: Sistem, ürün sayfasında ve alışveriş sepetinde ilgili ürünleri önerecektir.
2. Varsayım: Öneriler bu iki kullanıcı akışında gösterilebilir.
3. Risk: Fiyat belirleme ve otomatik kampanya kararı kapsamın dışındadır.
4. Kabul ölçütü: Kapsam içi ve dışı kararlar ürün ekibi tarafından onaylanmıştır.
5. Açık karar: Önerilerin hangi ekranlarda ve hangi sıklıkta gösterileceği.

Veri gereksinimleri

1. Şartname: Ürün kataloğu, görüntüleme, arama, sepete ekleme ve satın alma olayları kullanılacaktır.
2. Varsayım: Olaylar ürün, kullanıcı veya oturum ve zaman bilgisiyle ilişkilendirilebilir.
3. Risk: Eksik kayıtlar, yeni ürünler ve geçmişi olmayan kullanıcılar öneri kalitesini düşürebilir.
4. Kabul ölçütü: Her kaynağın sahibi, erişimi, saklama kararı ve kalite kontrolü belgelenmiştir.
5. Açık karar: Anonim kullanıcıların hangi verilerle ve ne kadar süreyle işleneceği.

Model ve geri dönüş davranışı

1. Şartname: Popülerlik veya kategori temelli yaklaşım, daha gelişmiş öneri yaklaşımıyla sıralama, iş göstergeleri, çeşitlilik ve işletim koşulları bakımından karşılaştırılacaktır.
2. Varsayım: Basit başlangıç yaklaşımı anlamlı bir karşılaştırma temeli sağlar.
3. Risk: Stokta olmayan veya düşük güvenli öneriler kullanıcı deneyimini bozabilir.
4. Kabul ölçütü: Stok dışı ürünler elenir, düşük güvende belirlenen geri dönüş listesi kullanılır.
5. Açık karar: Düşük güven eşiği ve geri dönüş yaklaşımının sahibi.

Başarı ölçütleri

1. Şartname: Sistem, başlangıç karşılaştırmasıyla zaman bazlı testte sıralama, tıklama, sepete ekleme ve satın alma göstergeleriyle değerlendirilecektir.
2. Varsayım: Test verisi gerçek kullanım akışını yeterince temsil eder.
3. Risk: Yalnızca tıklamaya odaklanmak, çeşitliliği azaltabilir veya stok dışı ürün oranını artırabilir.
4. Kabul ölçütü: Önceden belirlenen başarı eşikleri ve koruyucu ölçütler birlikte sağlanmadan kabul verilmeyecektir.
5. Açık karar: Metriklerin hangi kullanıcı ve ürün gruplarında raporlanacağı.

Etik ve gizlilik

1. Şartname: Kullanıcı kişiselleştirmeyi kapatabilecek, gereksiz veri toplanmayacak ve hassas özellikler kullanılmayacaktır.
2. Varsayım: Gerekli öneri işlevi daha az tanımlayıcı verilerle sürdürülebilir.
3. Risk: Amaç dışı kullanım, yetkisiz erişim veya açıklanamayan öneriler güveni zedeleyebilir.
4. Kabul ölçütü: Açıklama, erişim, saklama, silme, kullanıcı tercihi ve insan incelemesi kararları belgelenmiştir.
5. Açık karar: Kullanıcıya gösterilecek açıklama metni ve inceleme sorumlusu.

Canlıya alma ve bakım

1. Şartname: Öneri servisi ürün ve sepet akışına bağlanacak; istek, çıktı, veri kalitesi ve model performansı izlenecektir.
2. Varsayım: Katalog değişiklikleri ve model sürümleri kayıt altına alınabilir.
3. Risk: Stok değişimi, yeni ürün, geçmişi olmayan kullanıcı veya servis hatası fark edilmeden kalabilir.
4. Kabul ölçütü: Uyarı, hata bildirimi, geri alma, yeniden değerlendirme ve bakım sorumlusu tanımlıdır.
5. Açık karar: İzleme eşikleri, önceki sürüme dönüş koşulları ve canlı sistem sahibi.

Yapay zeka şartnamesinde yaygın hatalar nasıl düzeltilir?

Şartnameyi son kontrolden geçirirken her maddeyi belirti, risk ve düzeltme adımıyla tarayabilirsin.

1. Modelle başlamak.
   Belirti: Şartname bir model veya araç adıyla açılır.
   Risk: Teknik çözüm, gerçek karar ihtiyacının önüne geçer.
   Düzeltme: Önce karar, kapsam, başarısızlık sonucu ve kullanıcıyı yaz.
2. Başarıyı “iyi sonuç” diye tanımlamak.
   Belirti: Ölçüm yöntemi ve eşik yoktur.
   Risk: Ekipler sonucu farklı yorumlar.
   Düzeltme: Metrik, başlangıç karşılaştırması, ölçüm bağlamı ve kabul koşulunu birlikte belirt.
3. Veri kalitesini varsaymak.
   Belirti: Kaynaklar listelenir, kalite kontrolü yazılmaz.
   Risk: Eksik değer, güvensiz etiket, zaman ilişkisi hatası ve veri sızıntısı fark edilmeyebilir.
   Düzeltme: Veri envanteri ve doğrulama kontrolleri ekle.
4. Kapsamı ve sınır durumlarını açıkça sınırlamamak.
   Belirti: Yeni ürün, düşük güven veya servis hatası için davranış yoktur.
   Risk: Sistem beklenmeyen durumda tutarsız karar verir.
   Düzeltme: Kapsam dışını, geri dönüş davranışını ve hata sahibini yaz.
5. Etik ve gizliliği sona bırakmak.
   Belirti: Veri toplama kararı verildikten sonra kullanıcı kontrolü tartışılır.
   Risk: Gereksiz veri kullanımı ve açıklanamayan süreçler ortaya çıkabilir.
   Düzeltme: Veri minimizasyonu, tercih, erişim, saklama ve insan incelemesini başlangıçta belirle.
6. Canlı sonrası süreci atlamak.
   Belirti: Test tamamlanınca şartname biter.
   Risk: Veri değişimi, performans düşüşü ve servis hataları geç fark edilir.
   Düzeltme: İzleme, hata bildirimi, geri alma, yeniden değerlendirme ve sahiplik alanlarını ekle.
7. Onayları ve değişiklikleri kaydetmemek.
   Belirti: Toplantı kararları ve kapsam değişiklikleri sözlü kalır.
   Risk: Eski varsayımlar güncel kararlarla karışır.
   Düzeltme: Onay sahibi, karar gerekçesi ve her değişikliği karar günlüğünde tut.

Şartname ne zaman ve nasıl güncellenir?

Yapay zekâ şartnamesi, kararları etkileyen bir değişiklik olduğunda güncellenmelidir. Her teknik düzenleme için yeni belge açmak gerekmez; ancak veri, hedef, ölçüm, risk veya kabul koşulları değişiyorsa kararların hangi temele dayandığı yeniden yazılmalıdır.

Güncellemeyi tetikleyen durumlar

Aşağıdaki değişikliklerden biri gerçekleştiğinde şartnameyi gözden geçir:

• Yeni bir veri kaynağının eklenmesi veya mevcut kaynağın kaldırılması
• Projenin hedefinin, kullanıcı grubunun ya da kullanım senaryosunun değişmesi
• Başarı metriğinin veya kabul koşullarının değiştirilmesi
• Modelin ya da veri işleme hattının değiştirilmesi
• Canlı sistemde hata görülmesi veya performans düşüşü yaşanması
• Kullanıcı geri bildirimlerinin ürün kararlarını etkilemesi
• Ürün kataloğunun, kategori yapısının veya iş akışının değişmesi
• Proje için geçerli kurum politikası ya da mevzuatın değişmesi

Örneğin e-ticaret ürün öneri sistemine yeni bir katalog kaynağı eklendiğinde yalnızca veri bölümü değil, veri kalitesi, kişiselleştirme ölçütleri, riskler ve kabul testleri de yeniden değerlendirilmelidir.

Güncelleme adımları

1. Değişiklik nedenini yaz: Hangi ihtiyaç, hata, geri bildirim veya karar güncellemeyi başlattı?
2. Etkilenen bölümleri belirle: Veri kaynakları, hedefler, metrikler, model, entegrasyonlar, riskler ve kabul koşullarını kontrol et.
3. Veri ve risk etkisini değerlendir: Yeni verinin kalitesi, erişim koşulları, gizlilik etkisi ve hatalı sonuç ihtimali için inceleme yap.
4. Testleri planla: Güncellemenin doğrulanması için veri kalite kontrollerini, model değerlendirmelerini ve uçtan uca senaryoları tanımla.
5. Sorumlu ve onayları kaydet: Değişikliği uygulayacak kişiyi, değerlendiren ekip üyelerini ve gerekli onayları belirt.
6. Yeni sürümü paylaş ve eski kararı arşivle: Güncel şartnameyi ekip için erişilebilir hâle getir, önceki sürümü ve alınan kararı arşivde koru.

Kısa değişiklik günlüğü şablonu

• Tarih ve yeni sürüm: Güncellemenin yapıldığı tarih ve belge sürümü
• Değişikliğin nedeni: Tetikleyici olay veya karar
• Etkilenen bölümler: Veri, hedef, model, metrik, risk veya kabul koşulları
• Test ve risk değerlendirmesi: Yapılacak kontroller ve beklenen etkiler
• Sorumlu ve onay: Görevli kişiler ve karar kaydı
• Arşiv bilgisi: Önceki sürüm ve eski kararın konumu

Sık Sorulan Sorular

Yapay zekâ şartnamesi model ve araç seçimini baştan kesinleştirmeli mi?

Hayır. Şartname öncelikle problemi, hedefi, veri gereksinimlerini, seçim ölçütlerini ve kabul koşullarını netleştirmelidir. Belirli model veya araç seçimi, veri incelemesi ve test sonuçları sonrasına bırakılabilir.

Veri henüz hazır değilse yapay zekâ projesi için şartname hazırlanabilir mi?

Evet. Problem tanımı, hedef kullanıcı, olası veri kaynakları, erişim koşulları, kalite beklentileri, riskler ve başarı ölçütleri veri hazır olmadan da yazılabilir. Veriyle doğrulanmamış varsayımlar kesin sonuç gibi belirtilmemelidir.

Bir yapay zekâ projesinde başarı için tek bir metrik yeterli midir?

Genellikle yeterli değildir. Model başarısını ölçen metrikle birlikte kullanıcı deneyimi, hata maliyeti, gecikme, güvenlik ve iş hedefleriyle ilgili göstergeler de değerlendirilebilir. Kabul kararı, projenin amacına uygun bir metrik setine dayanmalıdır.

Şartname canlıya alma sonrasında hangi durumlarda güncellenmelidir?

Canlı sistemde hata veya performans düşüşü görüldüğünde, kullanıcı geri bildirimi kararları değiştirdiğinde, veri ve katalog yapısı yenilendiğinde ya da model, iş akışı, hedef, metrik veya kabul koşulları değiştiğinde şartname güncellenmelidir.

İyi güncellenen bir şartname, yapay zekâ projesinin yalnızca nasıl geliştirileceğini değil, değişen koşullarda nasıl güvenilir biçimde yönetileceğini de açıklar.