AI Dönüşümü: Ürün Stratejisi ve Kullanıcı Deneyimi Rehberi

Bir kullanıcı, şirketinin gelecek ayki tahsilat durumunu anlamak için finans uygulamasına giriyor. Farklı raporları açıyor, tarihleri değiştiriyor, verileri dışarı aktarıyor ve bir tablo hazırlıyor. Uygulama bütün bilgiyi sunuyor. Ancak bilgiden anlam çıkarma işinin büyük kısmı hâlâ kullanıcıda.

Şimdi aynı deneyimi yeniden düşünelim. Ürün, yaklaşan tahsilatları ve geciken ödemeleri birlikte değerlendiriyor; dikkat gerektiren noktaları kaynaklarıyla gösteriyor. Kullanıcı varsayımları değiştirebiliyor, ayrıntılara inebiliyor ve hangi aksiyonu alacağına karar veriyor.

AI dönüşümünü ürün perspektifinden ele aldığımızda tartışmamız gereken değişim tam olarak burada: Kullanıcının bir sonuca ulaşmak için yaptığı iş nasıl değişiyor?

VOYA olarak yapay zekânın ürünlerdeki değerini bu soruyla değerlendiriyoruz. Daha hızlı içerik üretmek faydalı olabilir. Daha anlamlı dönüşüm ise ürünün kullanıcısını daha iyi anlaması, karar vermeyi kolaylaştırması ve gereksiz çabayı azaltmasıyla ortaya çıkar.

AI dönüşümü nedir?

AI dönüşümü, bir şirketin yapay zekâ yeteneklerini kullanarak ürünlerinin sunduğu değeri, iş akışlarını ve karar verme biçimini yeniden tasarlamasıdır. Ürün düzeyinde hedef; kullanıcının ihtiyacına daha az çabayla, yeterli kontrolle ve ölçülebilir bir faydayla ulaşmasını sağlamaktır.

Bu dönüşümün kapsamı şirkete göre değişir. Bir SaaS ürününde kurulum sürecini kolaylaştırmakla başlayabilir. Bir finansal üründe dağınık işlem verilerini anlaşılır bir değerlendirmeye dönüştürebilir. Bir operasyon platformunda çalışanların istisnaları daha erken fark etmesine yardımcı olabilir.

McKinsey’nin Mart 2025 tarihli araştırması, üretken AI’dan bildirilen finansal faydayla ilişkili organizasyonel uygulamalar arasında iş akışlarını yeniden tasarlamanın öne çıktığını gösteriyor. Bu bulgu, araç kullanımından elde edilen faydayla çalışma biçimindeki değişimi birlikte değerlendirmek gerektiğini düşündürüyor. Araştırma bir ilişki ortaya koyuyor; her şirkette aynı sonucu garanti etmiyor. [1]

Bizim ürün tasarımı açısından çıkardığımız sonuç şu: AI yol haritasını, kullanıcı yolculuğundan ayrı hazırlamamak gerekiyor.

Ürünün değer önerisi AI ile nasıl değişir?

Bir ürünün değer önerisi, kullanıcının o ürünü neden tercih ettiğini açıklar. Yapay zekâ bu nedeni güçlendirebildiğinde stratejik bir anlam kazanır.

Örneğin bir raporlama ürününün vaadi “bütün verilerinizi tek yerde görün” olabilir. AI ile bu vaat, “öncelik vermeniz gereken değişimleri fark edin ve nedenlerini inceleyin” yönünde gelişebilir. Bu değişim; ana ekranı, bildirimleri, rapor yapısını ve kullanıcının ürüne dönme nedenini etkiler.

Benzer şekilde, bir kampanya yönetim ürününde kullanıcıdan onlarca alan doldurmasını istemek yerine hedefini ve sınırlarını öğrenerek düzenlenebilir bir kampanya taslağı sunulabilir. Buradaki değer, taslağın üretilmesi kadar kullanıcının onu değerlendirebilmesindedir.

Ürün ekibinin bu aşamada üç soruyu yanıtlamasını öneriyoruz:

• Kullanıcı bugün hangi sonucu elde etmek için ürünümüzü kullanıyor?
• Bu sonuca ulaşırken hangi yorumlama, karşılaştırma veya hazırlık işlerini kendi yapıyor?
• AI bu işlerden birini üstlendiğinde ürünümüzün sunduğu değer nasıl güçleniyor?

Bu soruların yanıtı belirsizse, geliştirilecek AI özelliğinin ürünün neresine oturacağı da belirsiz kalır.

AI için doğru kullanım senaryosu nasıl seçilir?

İyi bir başlangıç senaryosu; tekrarlanan bir kullanıcı ihtiyacına, erişilebilir veriye, yönetilebilir hata maliyetine ve ölçülebilir bir sonuca sahip olmalıdır. Bunlara ek olarak, AI’ın daha basit bir çözümden neden daha faydalı olduğunu gösterebilmeliyiz.

Google’ın People + AI Guidebook rehberi de kullanıcı ihtiyacıyla AI’ın güçlü olduğu alanın kesişmesini öneriyor. Rehber, bazı durumlarda kural tabanlı çözümlerin daha kolay açıklanabilir, geliştirilebilir ve sürdürülebilir olabileceğine dikkat çekiyor. [2]

Örneğin kullanıcılar bir ödeme ekranında ücretleri anlamıyorsa ilk çözüm, ücret bilgisini açıkça göstermek olabilir. Bu sorunu bir sohbet asistanıyla açıklamaya çalışmak, kullanıcıya ek bir adım yükleyebilir.

Buna karşılık, farklı biçimlerde gelen uzun belgelerden belirli bilgileri çıkarıp incelemeye sunmak AI için değerlendirilebilecek bir senaryodur. Burada da eksik bilgi, yanlış eşleştirme ve insan kontrolü tasarımın parçası olmalıdır.

Aday senaryoları değerlendirirken şu tabloyu kullanabiliriz:

Bu tabloyu kesin bir puanlama formülü olarak görmüyoruz. Amaç, farklı fikirleri aynı sorular üzerinden tartışabilmek. Kullanıcı etkisi yüksek görünen bir fikir, veri eksikliği veya hata maliyeti nedeniyle ilk deneme için uygun olmayabilir.

Fintech ve SaaS ürünlerinde AI dönüşümü nasıl görünür?

Aşağıdaki örnekler yaklaşımı açıklamak için hazırlanmış varsayımsal ürün senaryolarıdır; VOYA müşteri vakaları veya gerçekleşmiş sonuçlar değildir.

Finansal ürün: İşlem listesinden incelenebilir içgörüye

Bir işletme sahibi, hangi müşterilerinin ödemelerinde gecikme yaşandığını görmek istiyor. Mevcut deneyimde işlem kayıtları ile faturaları karşılaştırıyor ve ayrı bir takip listesi hazırlıyor.

AI destekli deneyimde ürün, olası eşleşmeleri ve gecikmeleri inceleme için bir araya getirebilir. Her önerinin yanında ilgili kayıtlar, kullanılan tarih aralığı ve eksik veriler gösterilir. Kullanıcı eşleşmeyi değiştirebilir veya öneriyi reddedebilir.

Başarıyı yalnızca hazırlık süresiyle ölçmeyiz. Hatalı eşleştirme oranını, kontrol için harcanan zamanı ve kullanıcının düzeltmelerini de izleriz. Daha hızlı hazırlanan bir liste, inceleme yükünü artırıyorsa beklenen fayda oluşmamış olabilir.

SaaS ürünü: Boş başlangıç ekranından düzenlenebilir kuruluma

Bir proje yönetim ürününe yeni katılan kullanıcı, çalışma alanını nasıl kuracağını bilmiyor. Şablonlar arasında geziniyor, alanları oluşturuyor ve ekip yapısını tanımlıyor.

AI destekli bir kurulum, kullanıcının işini ve ekip yapısını birkaç açık soruyla öğrenerek bir başlangıç taslağı hazırlayabilir. Kullanıcı önerilen görevleri, rolleri ve aşamaları kontrol ederek kurulumu tamamlar.

Burada ölçmek istediğimiz sonuç, üretilen çalışma alanı sayısı değildir. Kullanıcının ilk gerçek işini tamamlaması, hazırlanan yapıyı kullanmaya devam etmesi ve kurulum sonrasında ne kadar düzeltme yapması gerektiğidir.

Operasyon ürünü: Rapor okumaktan istisnaları yönetmeye

Birden fazla şubesi olan işletmede yönetici her sabah aynı raporları inceliyor. Amacı, bütün rakamları tek tek okumak kadar dikkat gerektiren bir değişiklik olup olmadığını anlamak.

Ürün; karşılaştırma dönemini, veri kapsamını ve olası açıklamaları göstererek olağan dışı durumları incelemeye sunabilir. Yöneticinin ayrıntılı rapora erişimi korunur. Veri yetersizse sistem bu eksikliği açıkça belirtir.

Bu deneyimde başarı; yararlı bulunan uyarıların oranı, gözden kaçan önemli durumlar ve inceleme süresi birlikte değerlendirilerek anlaşılır. Sürekli yanlış alarm veren bir ürünün bildirimleri zamanla dikkate alınmayabilir.

AI kullanıcı deneyiminde güven nasıl tasarlanır?

AI destekli bir deneyimde güven, kullanıcının sistemin ne sunduğunu, hangi sınırlara sahip olduğunu ve çıktıya nasıl müdahale edebileceğini anlamasıyla desteklenir. Bu nedenle güveni tasarlamak, ekrana bir bilgilendirme metni koymaktan daha kapsamlıdır.

Nielsen Norman Group’un kurumsal AI açıklanabilirliği üzerine çalışması, sistemi kuran, değerlendiren ve yöneten farklı rollerin farklı açıklamalara ihtiyaç duyduğunu vurguluyor. [3] Ürün tasarımında da açıklamayı kişinin görevi ve karar bağlamıyla birlikte ele almak gerekir.

Biz bu ihtiyacı dört tasarım kararıyla somutlaştırıyoruz.

Çıktının niteliğini belirtmek. Kullanıcı bir tahmin, öneri, taslak veya doğrulanmış kayıtla karşı karşıya olduğunu anlayabilmeli. Örneğin tahmini tahsilatla gerçekleşmiş tahsilatı aynı görsel dille sunmak yanlış bir kesinlik algısı yaratabilir.

Dayanağı incelemeyi mümkün kılmak. Bir öneriyi destekleyen kayıtlar ve veri dönemi erişilebilir olmalı. Kaynak göstermek tek başına doğruluk garantisi sağlamaz; ancak kullanıcıya kontrol edebileceği bir zemin sunar.

Müdahale alanını görünür kılmak. Düzenleme, reddetme, yeniden deneme ve gerektiğinde manuel devam etme seçenekleri görev akışında bulunmalı. Sonuç doğuran işlemlerde, önerinin gösterilmesiyle işlemin uygulanması ayrı durumlar olarak tasarlanmalı.

Belirsizlik ve başarısızlık durumlarını tasarlamak. Eksik veri, çelişkili kayıt veya üretilemeyen yanıt karşısında ürünün davranışı belirli olmalı. Kullanıcı neyin eksik olduğunu ve ilerlemek için ne yapabileceğini görebilmeli.

Bu kararlar bilgi mimarisini de değiştirir. “Taslak”, “inceleme bekliyor” ve “uygulandı” gibi durumların ürün genelinde tutarlı olması gerekir. Tasarım sistemi, AI bileşenlerinin görsel görünümünün yanında bu davranışları da tanımlamalıdır.

Her AI deneyimi bir sohbet ekranı mı olmalı?

Hayır. Etkileşim biçimi, kullanıcının yapmak istediği işe göre seçilmelidir.

Bir kullanıcı hedefini kendi cümleleriyle anlatmak istiyorsa sohbet uygun olabilir. Ancak çok sayıda kaydı karşılaştırmak, alanları topluca düzenlemek veya bir işlemin kapsamını kontrol etmek için tablo, form ve önizleme daha kullanışlı olabilir.

Örneğin kampanya hazırlama deneyiminde kullanıcı hedefini yazarak başlayabilir. Ürün bunun ardından bütçe, hedef kitle, tarih ve içerik önerilerini düzenlenebilir alanlarda gösterebilir. Son aşamada, yayına alınacak kampanyanın önizlemesi sunulur.

Bu yaklaşımda sohbet, görevin bir bölümünü kolaylaştırır. Kullanıcı sonraki bütün işleri de konuşarak yapmak zorunda kalmaz.

VOYA açısından etkileşim tasarımındaki temel soru, hangi arayüzün daha yeni göründüğü değil, kullanıcının sonucu en rahat hangi biçimde değerlendirebildiğidir.

AI dönüşümünün başarısı hangi metriklerle ölçülür?

AI özelliğinin kaç kez açıldığını bilmek, başlangıç için yararlıdır. Ancak kullanımın değer üretip üretmediğini anlamak için görev sonucuna bakmak gerekir.

BCG’nin 2025 tarihli AI değer araştırması da şirketlerin AI’dan elde ettiği iş sonuçlarının belirgin biçimde farklılaştığını ortaya koyuyor. [4] Bu nedenle araç kullanımını doğrudan başarı kabul etmek yerine, her kullanım senaryosu için sonuç ölçümü tasarlamayı öneriyoruz.

Pilot öncesinde mevcut deneyimi ölçmek, sonrasında karşılaştırma yapabilmek için gereklidir. Mümkün olduğunda benzer görev ve kullanıcı grupları karşılaştırılmalı; hız kazanımının kalite kaybıyla birlikte gelip gelmediği incelenmelidir.

Örneğin rapor hazırlama süresi azalırken doğrulama süresi artıyorsa yalnızca üretim hızını raporlamak yanıltıcı olur. Kazanılan zaman da doğrudan nakit tasarrufu anlamına gelmez. Bu kapasitenin nasıl değerlendirildiğini ayrıca görmek gerekir.

VOYA, AI dönüşümüne nasıl yaklaşıyor?

VOYA Digital olarak AI dönüşümünü ürün stratejisi, kullanıcı araştırması ve deneyim tasarımının birlikte ele alınması gereken bir alan olarak görüyoruz. Yaklaşımımızı dört çalışma başlığında topluyoruz: Anlarız, Kurgularız, Tasarlarız, Geliştiririz.

Anlarız. Kullanıcıların hangi işlerde zorlandığını, mevcut ürünün nerede yetersiz kaldığını ve iş hedefini araştırırız. Görüşmeler, davranış verileri ve mevcut akışların incelenmesiyle fırsatları somutlaştırmayı hedefleriz. Bu aşamada teknik ekiple veri ve entegrasyon sınırlarını da değerlendiririz.

Kurgularız. Seçilen senaryoda AI’ın rolünü, kullanıcının karar alanını ve başarı ölçütlerini tanımlarız. Yeni deneyimin ürünün değer önerisine nasıl hizmet edeceğini belirler; öneri üretmekle işlem yapmak arasındaki sorumlulukları açık hale getiririz.

Tasarlarız. Akışları, arayüzleri, açıklamaları ve hata durumlarını birlikte ele alırız. Prototiplerde kullanıcının yalnızca görevi tamamlamasına değil, çıktıyı doğru yorumlayıp yorumlamadığına da bakarız. Yanlış veya eksik bir öneriyi fark edip düzeltebilmesini test ederiz.

Geliştiririz. Doğrulanan deneyimi uygulamaya taşımak için ürün ve teknoloji ekipleriyle çalışırız. Tasarım sistemi, davranış kuralları ve geliştirme aktarımını netleştirir; canlı kullanım bulgularına göre deneyimin iyileştirilmesini destekleriz.

İlk çalışmanın çıktısı, ürünün tamamını değiştiren büyük bir proje olmak zorunda değildir. Sınırları belirli bir kullanıcı yolculuğu, test edilebilir bir prototip ve hangi koşullarda ilerleyeceğimizi gösteren ölçüm planı güçlü bir başlangıç olabilir.

Sık sorulan sorular

AI dönüşümüne başlamak için ürünü tamamen yenilemek gerekir mi?

Hayır. Mevcut üründe sınırları belirli bir kullanıcı yolculuğuyla başlanabilir. Girişimin diğer ekranlara, veri akışlarına ve ekiplerin çalışma biçimine etkisi incelenerek kapsam genişletilir. Baştan sona yeniden tasarım kararı, kullanıcı ve iş ihtiyacıyla gerekçelendirilmelidir.

AI ürün stratejisi ile AI destekli tasarım arasındaki fark nedir?

AI destekli tasarım, araştırma veya tasarım üretimi sırasında yapay zekâ araçlarından yararlanmayı ifade eder. AI ürün stratejisi ise ürünün kullanıcıya hangi değeri sunacağını ve AI’ın bu değerin oluşmasında nasıl bir rol üstleneceğini belirler. İkisi birbirini destekleyebilir, ancak farklı sorulara yanıt verir.

AI dönüşümünde ilk pilot nasıl seçilmeli?

Sık karşılaşılan, sonucu değerlendirilebilen ve hata etkisi yönetilebilir bir görev seçilmelidir. Kullanılacak verinin uygunluğu, mevcut performans ve insan kontrolü ihtiyacı pilot öncesinde netleştirilmelidir. Pilotun sonunda devam etme, değiştirme veya durdurma kararını verecek ölçütler tanımlanmalıdır.

AI özelliklerinde UX araştırması neden gereklidir?

Teknik olarak çalışan bir sistemin kullanıcı tarafından doğru anlaşılması ve benimsenmesi ayrı konulardır. UX araştırması, kullanıcının ihtiyacını, beklentilerini, çıktıyı nasıl değerlendirdiğini ve nerede kontrol istediğini ortaya çıkarır. Böylece teknik başarıyla kullanım değeri birlikte değerlendirilebilir.

AI dönüşümünün maliyetini ne belirler?

Kullanım senaryosu, veri hazırlığı, entegrasyonlar, modelin çalışma maliyeti, test kapsamı ve sürekli izleme ihtiyacı toplam maliyeti etkiler. İnsan kontrolü ve düzeltme eforu da hesaba katılmalıdır. Güvenilir bir bütçe için önce hedeflenen kullanıcı yolculuğu ve teslimatlar netleştirilmelidir.

Ürününüzde AI’ın nerede değer yaratacağını birlikte belirleyelim

İyi bir başlangıç için kullanıcınızın bugün en çok çaba harcadığı işi seçin. Ardından şu soruyu sorun: Bu işi daha kolay, anlaşılır ve güvenle tamamlaması için ürünümüz nasıl davranmalı?

VOYA Digital, fintech ve SaaS ürünlerinde kullanıcı ihtiyacını ürün stratejisi ve UX/UI tasarımıyla buluşturur. Ürününüzün AI dönüşüm fırsatlarını değerlendirmek, öncelikli senaryoları belirlemek ve bunları test edilebilir deneyimlere dönüştürmek için VOYA ile iletişime geçin.

Kaynaklar

1. McKinsey — The state of AI: How organizations are rewiring to capture value, 12 Mart 2025
2. Google PAIR — User Needs + Defining Success
3. Nielsen Norman Group — Crafting AI Explanations for Every Role in Your Enterprise, 3 Temmuz 2026
4. BCG — The Widening AI Value Gap, 30 Eylül 2025