Mobil uygulamalarda yapay zeka tasarımı: Mevcut bir ürün AI ile nasıl dönüşür?

Ayın 18’inde bankacılık uygulamanızı açıyorsunuz. Harcama grafiği yukarı doğru gidiyor. “Bu ay neden daha fazla harcadım?” sorusunun yanıtı aslında telefonda. Yine de onu bulmak size düşüyor. Geçen ayın aynı günlerini seçiyor, kategoriler arasında geçiş yapıyor ve artışın hangi işlemden kaynaklandığını anlamaya çalışıyorsunuz.

Şimdi aynı grafiğin altında şu cümleyi gördüğünüzü düşünün: “Ayın ilk 18 gününde geçen ayın aynı dönemine göre 2.400 TL daha fazla harcadınız. Bu farkın 1.800 TL’si ulaşım kategorisinden geliyor.” Hemen altında “Ulaşım işlemlerini gör” seçeneği var. Dokunduğunuzda geçen ay olmayan aylık ulaşım kartı ödemesini buluyorsunuz.

Bu varsayımsal örnekte dijital ürünün sunduğu değer çok somut. Uygulama, zaten elinde olan kayıtları anlamak için harcadığınız emeğin bir kısmını üstleniyor. Mobil uygulamalarda yapay zeka tasarımı, hangi işi ürünün üstleneceğine, sonucun nerede görüneceğine ve açıklama hatalıysa kullanıcının ne yapabileceğine birlikte karar vermeyi gerektiriyor.

Mevcut bir uygulamada yapay zeka dönüşümü nasıl tasarlanır?

İlk adım, kullanıcının ekranda yaptığı hareketle asıl amacını birbirinden ayırmak. “Kategori filtresini kullanıyor” bir gözlem. “Harcamasındaki artışın tek seferlik bir ödemeden mi, tekrarlanan küçük ödemelerden mi geldiğini anlamaya çalışıyor” ise test edilebilir bir ürün hipotezi. İkincisini doğrulamak için bir kullanıcıdan son harcama incelemesini kendi yöntemiyle anlatmasını isteyin. Hangi iki ekran arasında gidip geldi? Ne zaman yeterince bilgi edindiğine karar verdi? Yanıtın hangi kısmını yine de kendi hesapladı?

Sonra çözümün en basit halini tasarlayın. İki dönemin farkını hesaplamak ve en çok artan kategoriyi bulmak için model gerekmez. Yukarıdaki açıklama sabit bir metin şablonuyla da üretilebilir. AI’ın ek katkısı, örneğin “Kart ödemesini çıkarırsam kalan harcamam hâlâ yüksek mi?” gibi farklı biçimlerde sorulan takip sorularını anlamak olabilir. Ekip, model kullanmadan verdiği yanıtı da prototipe dahil ederse AI’ın hangi işi gerçekten kolaylaştırdığını görebilir.

Sohbet ekranı mı, grafiğin altında bir açıklama mı?

Ana sayfaya bir asistan simgesi eklediğinizde kullanıcıdan birkaç şey beklersiniz. Simgeyi fark etmesi, asistanın nelere erişebildiğini tahmin etmesi ve sorusunu yazması gerekir. Oysa harcama ekranını açtığı anda hangi hesabı, hangi dönemi ve hangi grafiği incelediği zaten bellidir. İlk açıklamayı grafiğin altına koymak bu bağlamı korur. İşlem listesini görmek için de ayrı bir konuşma başlatması gerekmez.

Sohbetin değer kazandığı yer, ilk yanıtın ikinci bir soru doğurduğu andır. Kullanıcı “Kart ödemesini çıkarırsam?” diye sorduğunda sistem hangi ödemeyi kastettiğini gösterebilir. Adı benzer iki ödeme varsa tutar ve tarihleriyle seçim sunar. Ardından “1.800 TL’lik ödemeyi bu karşılaştırmadan çıkar” seçeneği gelir. Bu işlem yalnızca karşılaştırmayı etkiler. Ekranda görünen hesap hareketi ve gerçek harcama toplamı korunur. Küçük görünen bu ayrım, kullanıcının bankadaki kaydını değiştirdiğini sanmasını önler.

AI açıklamasını kullanıcı nasıl kontrol eder?

Ürün ekibi önce karşılaştırmanın kurallarını yazmalı. Ayın ilk 18 gününü önceki ayın tamamıyla karşılaştırmak yanıltıcı bir açıklama üretebilir. Bekleyen işlemlerle kesinleşmiş ödemeleri birlikte saymak da sonucu değiştirebilir. Bu örnekte hesaplama katmanı aynı uzunluktaki iki dönemin kesinleşmiş işlemlerini karşılaştırıyor. Model kullanılacaksa ona hesaplanmış farklar ve ilgili işlem referansları veriliyor. Ekrandaki her rakam, kullanıcı işlem listesine geçtiğinde yeniden bulunabiliyor.

Bir başka sınır da dilde. “Ulaşım harcamalarınız arttı” kayıtlardan doğrulanabilir. “Bu ay işe daha sık gittiniz” aynı verinin desteklemediği bir yorumdur. Kullanıcı kategoriye dokunduğunda yanlış sınıflandırılmış bir işlem görürse kategoriyi değiştirebilmeli. Uygulama da hem grafiği hem açıklamayı yeniden hesaplamalı. Düzeltmenin yalnızca bu işleme mi, aynı iş yerindeki sonraki ödemelere de mi uygulanacağı ayrı bir seçimdir.

Bazı ekranlarda en iyi deneyim hiç yorum üretmemektir. Önceki döneme ait kayıt yoksa “Geçen ay için karşılaştırılabilir işlem bulunmuyor” metni ve mevcut dönem toplamı yeterlidir. Açıklama servisi o anda yanıt veremiyorsa grafik ve işlemler yine açılmalıdır. Kullanıcının parasını inceleyebilmesi bir metnin üretilmesine bağlı kalmamalı.

AI dönüşümünün işe yaradığını nasıl ölçeriz?

Kullanılabilirlik testinde katılımcılara şu görevi verin: “İki dönemi karşılaştırın. Toplam farkı, artışa en çok katkı yapan kategoriyi ve bunu destekleyen bir işlemi bulun.” Bir gruba mevcut ekranı, diğerine açıklama içeren ekranı gösterin. Aynı işlem verisini kullanın. Ardından ikinci bir senaryoda yanlış kategorilendirilmiş bir ödeme ekleyin. Böylece hem doğru bir açıklamayı anlamayı hem de hatalı bir açıklamayı sorgulamayı sınarsınız.

Açıklama süreyi kısaltıyor ama yanlış kategoriyi fark edenlerin sayısını düşürüyorsa ortada bir tasarım sorunu vardır. Kullanıcı daha hızlı ilerliyor olabilir, fakat üründeki hatayı da daha kolay kabul ediyordur. Bu durumda asistanın kullanım sayısını artırmaya çalışmadan önce işlem bağlantısının yerini, açıklamanın dilini ve düzeltme akışını yeniden test etmek gerekir.

Aynı yaklaşım başka dijital ürünlere nasıl taşınır?

Bir SaaS yöneticisi haftalık destek raporunda “Talepler neden arttı?” diye sorabilir. Ürün, artışın ne kadarının şifre sıfırlama taleplerinden geldiğini hesaplayıp ilgili destek kayıtlarına bağlantı verebilir. Ancak kayıtlar nedenini göstermiyorsa bunu son sürümdeki bir hataya bağlamak için henüz erkendir. Bankacılık örneğinde olduğu gibi, kullanıcı açıklamadan dayanağına tek adımda geçebilmelidir.

Mevcut ürününüz için işe bir ekran seçerek başlayın. Kullanıcının bugün kendi başına yaptığı karşılaştırmayı yazın. Ardından üç şeyi aynı prototipte gösterin: ilk açıklama, açıklamayı destekleyen kayıt ve kayıt hatalı olduğunda izlenecek yol. Bu üç ekranı test ettiğinizde AI dönüşümü için hangi yeteneğe yatırım yapacağınız ve hangi işi mevcut ürünün zaten iyi yaptığı çok daha görünür hale gelir.

VOYA ile ürününüzde bu çalışmayı planlamak için AI dönüşümü hizmetimizi inceleyebilirsiniz.