AI Ajan Maliyetini Sprint Planlamasına Entegre Etmek: Kapsamlı Bir Rehber

Giriş: AI'ın Yeni Kapasite Boyutu

Tokenlar Neden Kapasitedir, Değer Değil?

Senaryo: "Proje Alfa" Takımının AI Entegrasyonu

Sprint Planlamasında AI Kapasitesini Belirleme Adımları

• AI Görevlerini Tanımlama ve Ayırma: Her ürün birimini (Product Backlog Item) incelerken, AI ajanının hangi aşamada ve ne kadar yoğunlukta kullanılacağını net bir şekilde belirleyin. Örneğin, "otomatik özet oluşturma", "kod taslağı üretme", "test senaryosu önerme" veya "veri temizleme" gibi AI destekli alt görevleri ana iş kaleminden ayırın. Bu, sadece AI'ın doğrudan katkıda bulunduğu kısımları değil, aynı zamanda AI çıktılarının insan müdahalesi gerektiren kısımlarını da netleştirmenizi sağlar. Her bir AI destekli görevin kapsamını, girdilerini ve beklenen çıktılarını detaylandırın. Bu, takımın AI'ın ne yapacağını ve ne zaman devreye gireceğini daha iyi anlamasına yardımcı olur.

• İpucu: AI destekli iş kalemlerini detaylandırırken ve kabul kriterlerini belirlerken zorlanıyor musunuz? Product Backlog Architect, bu tür karmaşık iş kalemlerini daha küçük, yönetilebilir parçalara ayırmanıza ve net kabul kriterleri belirlemenize yardımcı olabilir. AI'ın çıktılarının nasıl değerlendirileceğini netleştirerek sprint planlamanızı güçlendirin ve takımınızın ne üzerinde çalıştığını tam olarak anlamasını sağlayın.

• Token Bütçesi ve Maliyet Tahmini: Her AI destekli alt görev için tahmini token tüketimini belirleyin. Bu, AI modelinin türüne, girdinin uzunluğuna ve istenen çıktının karmaşıklığına göre değişecektir. Geçmiş verilerden (önceki sprintlerde benzer görevler için harcanan tokenlar) veya küçük ölçekli denemelerden faydalanın. Takım, AI sağlayıcısının fiyatlandırma modelini ve kendi kullanım geçmişini dikkate alarak bir "token birim maliyeti" belirleyebilir. Bu tahminleri takıma ait toplam token bütçesiyle karşılaştırın. Örneğin, "Proje Alfa" takımı, her makale taslağının ortalama 50.000 token tükettiğini ve ayda 1.000.000 token bütçeleri olduğunu belirledi. Bu, AI'ın ayda en fazla 20 makale taslağı üretebileceği anlamına geliyordu. Eğer sprint 2 hafta ise, bu kapasiteyi yarıya indirmek gerekecektir. Bu, takımın sprint için kaç AI destekli görev üstlenebileceğine dair somut bir sınırlama getirir.
• İnsan İnceleme Süresini Hesaplama: AI'ın ürettiği her çıktının insan tarafından incelenmesi, düzenlenmesi ve onaylanması gerektiğini unutmayın. Bu inceleme süresi, takımın kapasitesinin önemli bir parçasıdır ve genellikle hafife alınır. "Proje Alfa" takımı, bir AI taslağını tam olarak düzenleyip yayınlanmaya hazır hale getirmenin ortalama 2 saat sürdüğünü hesapladı. Bu süre, AI çıktısının kalitesine, görevdeki karmaşıklığa ve gerekli doğrulama düzeyine göre değişebilir. Sprint Planlamasında, AI'dan beklenen çıktı sayısına göre insan kapasitesinden ne kadar ayrılması gerektiğini net bir şekilde belirleyin. Bu, geliştiricilerin veya içerik uzmanlarının diğer görevlere ayırabileceği zamanı doğrudan etkileyecektir. Takım, bu inceleme süresini Product Backlog Item'ın tahmini eforuna dahil etmelidir.
• Riskleri ve Bağımlılıkları Değerlendirme: AI ajanlarının çıktılarının kalitesi, modelin performansına, girdilerin doğruluğuna ve hatta modelin "halüsinasyon" eğilimine bağlıdır. Sprint Planlamasında, AI'ın hatalı, yetersiz veya yanlış bilgi içeren çıktı üretme riskini ve bu durumun gerektireceği ek insan müdahalesi, düzeltme veya yeniden deneme maliyetlerini göz önünde bulundurun. Bu riskleri azaltmak için "hata payı" veya "tampon" süreler ayırmak faydalı olabilir. Ayrıca, AI çıktılarının takımın diğer işlerine olan bağımlılıklarını da belirleyin. Örneğin, bir AI'ın ürettiği kod taslağı, bir başka geliştiricinin bu taslağı entegre etmesini bekleyen bir sonraki görevin ön koşulu olabilir. Bu bağımlılıklar, sprint akışını ve takımın genel ilerlemesini etkileyebilir.

AI Destekli Sprint Planlama İçin Pratik Çerçeve

• Ürün Birimi Analizi ve AI Entegrasyon Noktaları: Her Ürün Birimini (PBI) incelerken, AI'ın hangi aşamalarda (araştırma, taslak oluşturma, test, optimizasyon vb.) kullanılabileceğini ve potansiyel AI görevlerini belirleyin. Ürün Sahibi ve takım, AI'ın değer katacağı alanları netleştirmelidir.
• AI Görev Detaylandırması ve Tahmin: AI görevlerini ayrı alt görevler olarak tanımlayın. Her alt görev için, tahmini token tüketimini ve AI çıktılarının insan tarafından incelenmesi, düzenlenmesi ve doğrulanması için gereken insan eforunu (saat olarak) belirleyin. Bu tahminler, geçmiş veriler ve deneysel çalışmalarla desteklenmelidir.
• Kapasite Kontrolü ve Optimizasyon: Takımın mevcut insan kapasitesini (geliştirici saatleri, uzmanlık alanları) ve AI token bütçesini göz önünde bulundurarak, sprint içinde ne kadar AI destekli işin yapılabileceğini değerlendirin. Takım, AI'ın kullanımını optimize etmek için hangi görevlerin AI'a devredilebileceğini ve hangilerinin insan müdahalesi gerektirdiğini tartışmalıdır. Bu, takımın aşırı yüklenmesini ve hayal kırıklığını önler.
• Gerçekçi Sprint Hedefi Oluşturma: Hem insan hem de AI kapasite kısıtlamalarını dikkate alarak gerçekçi ve ulaşılabilir bir Sprint Hedefi belirleyin. Bu hedef, AI'ın getirdiği yeni dinamikleri yansıtmalı ve takımın sürdürülebilir bir hızda ilerlemesini sağlamalıdır.
• Sürekli Gözden Geçirme ve Ayarlama: Sprint boyunca token tüketimini ve AI çıktılarının kalitesini düzenli olarak izleyin. Günlük Scrum toplantılarında AI görevlerinin durumu, karşılaşılan zorluklar ve token kullanımı hakkında güncellemeler alın. Sprint Review ve Retrospective toplantılarında bu verileri kullanarak gelecekteki planlamayı ve AI entegrasyon stratejilerini iyileştirin. Hangi AI görevlerinin beklentileri karşıladığını, hangilerinin daha fazla insan eforu gerektirdiğini veya token bütçesini aştığını analiz edin.

Sonuç ve İleri Adımlar