AI Ajanları Çağında İş Analisti

AI, bir kullanım senaryosu taslağını bir dakikadan kısa sürede oluşturabilir, basit bir fikri bir saat içinde temel bir prototipe dönüştürebilir ve gereksinim dokümantasyonunu eskisine göre çok daha kısa sürede üretebilir. Bu değişim zaten görülüyor günlük iş analizinde, uygulayıcılar AI’ı gereksinim toplama oturumlarını hazırlamak, gereksinimleri taslak hâle getirmek ve doğrulamadan önce boşlukları tespit etmek için kullanıyor. Sadece bu çıktılara bakarsanız, sonuç açık görünüyor: iş analisti ortadan kalkıyor.

Ben bu sonuca katılmıyorum. Yıllardır iş ve BT analizinde, çözüm tasarımında ve dijital dönüşümde çalıştım, sürekli değişimi ve farklı uyum aşamalarını izledim. Ortadan kaybolan rol değil. Ortadan kaybolan onun çevresi. Ve bu tamamen başka bir şey.

Bir Analistin Ne Yaptığı

Bir müşteriye neye ihtiyacı olduğunu sorduğunuzda, ona ne istediğini söyler. Bunlar her zaman aynı şey değildir. Kendi işlerini anlamadıkları için değil – sadece ihtiyaçlarını her zaman yeterince net ifade edemiyorlar. Rutin aktiviteler çoğu zaman belirtilmez çünkü müşteriler bunları her gün otomatik olarak yapar. Kenar durumları ise kolayca gözden kaçar çünkü insanlar yalnızca ortaya çıktıklarında hatırlar.

Bölümler arasındaki bağlantılar kişisel bir bakış açısından anlaşılır, mutlaka bütünün perspektifinden değil. Bir müşteri birden fazla sistemi aynı anda değiştirmeye karar verdiğinde, genellikle bir sistemi değiştirdiğinde bir sürecin de neredeyse her zaman değiştiğini fark etmez.

Analistin işi, müşterinin söylediğini yazmak değildir. İş, müşterinin söylemediğini ortaya çıkarmak ve her şey gün yüzüne çıkana kadar sorular sormaya devam etmektir. Analist, sistemler, veri ve iş süreçleri arasındaki bağlantıları, bağımlılıkları ve sonuçları izler.

Bu bir tanı yeteneğidir, idari bir faaliyet değildir.

İş Analistleri İçin Üç Yön

İş analizi sınırları hiç sabit olmamıştır. Analistler uzun süredir ürün sahipliğine, proje yönetimine ve daha teknik rollere geçiş yapıyor. AI, rutin çıktılar için gereken süreyi azaltarak bu geçişi sadece hızlandırıyor.

Son bir Gartner anketi, organizasyonların yarıdan fazlasının AI nedeniyle rollerini yeniden tasarladığını veya yeniden tanımladığını ortaya koydu, ayrıca %78’i insan kaynakları lideri, iş akışları ve rollerin AI yatırımlarının değerini ortaya çıkarmak için değişmesi gerektiğini kabul etti.

Gözlemlerim ve doğrudan deneyimlerimden üç ana yönün şekillendiğini görüyorum.

1. Ürün ve İşe Doğru

Ürün şekillendirmeyi seven analistler, ürün sahipliği, iş analizi ve teslimat koordinasyonunu kapsayan daha geniş rollere geçebilir. Bu tür kombinasyonlar özellikle küçük ekiplerde zaten mevcut. AI, rutin artefaktların üretiminde harcanan zamanı azalttıkça, bu sorumluluklar arasındaki sınırlar daha akışkan hale gelecektir.

Bu, AI belgeleri yazabildiği için bir kişiye dört işi vermek anlamına gelmemelidir. Fırsat, zaten müşteri ihtiyaçları, ürün öncelikleri ve iş sonuçları konusundaki aynı anlayışa dayanan sorumlulukları bir araya getirmekte yatmaktadır.

Bu yön aynı zamanda daha güçlü bir veri anlayışı gerektirir. Analitik çalışmalar genellikle süreçlere, işlevselliğe ve gereksinimlere odaklanmış, veri katmanını arka planda bırakmıştır. AI sistemleri bu ayrımı giderek zorlaştırıyor.

İş bağlamını ve veriyi her ikisini de anlayan bir analist, bir modelin doğru soruya değil, yanlış soruya cevap verdiğini fark edebilir. Bu, mevcut verilerin durumu doğru temsil etmemesi, bir metriğin arkasındaki iş tanımının değişmesi ya da orijinal sorunun kötü biçimlendirilmesi nedeniyle olabilir.

AI, neredeyse herkesin bir gösterge tablosu ya da rapor oluşturmasına yardımcı olabilir. Sonucun belirli bir iş için, belirli bir anda ne anlama geldiğini yorumlamak hâlâ bağlam ve yargı gerektirir. Forrester, yazılım rollerinde benzer bir değişikliği tanımlıyor; AI, zamanı tekrarlayan artefakt üretiminden doğrulama, orkestrasyon ve kontrol gibi aktivitelere kaydırıyor.

2. Teknik Prototipleme Yönünde

Geliştirmeye güçlü bir eğilim gösteren analistler, müşteriyle konuşup ardından çalışan bir prototip oluşturabilir – sadece bir taslak değil, müşterinin test edip doğrulayabileceği bir şey.

Bu, gereksinim doğrulamasını değiştirir: müşteriler bir fikri belge üzerinden yorumlamak yerine onunla etkileşime girebilir. Yanlış anlaşılmalar daha erken ortaya çıkabilir, değişiklikler hâlâ nispeten ucuz yapılabilir.

Ancak bir prototip üretim sistemi değildir.

Güvenlik, entegrasyon, ölçeklenebilirlik ve yük altındaki performans, “AI bana kod yazıyor” ifadesiyle çözülmez. Üretim için kurumsal yazılım inşa etmek farklı bir mühendislik uzmanlığı seviyesini gerektirir. Bazı analistler bu becerileri zamanla geliştirebilir ve üretim seviyesinde geliştirmeye daha yakın bir konuma geçebilir. Bu, hızlı prototiplemenin öngördüğünden çok daha zorlayıcı bir yoldur, ancak gerçekçidir.

3. Proje ve Teslimat Yönetimine Doğru

Analistler zaten müşteri görüşmelerini koordine eder, tahminlere katkı sağlar ve kapsam, gereksinimler ve değişimle ilgili soruları yönetir. Bu, proje yönetimiyle doğal bir örtüşme yaratır.

Küçük projelerde, bir kişi analitik ve koordinasyon sorumluluklarını birleştirebilir çünkü her ikisi de kapsam, paydaşlar ve bağımlılıkları anlamaya dayanır. Bu, iletişim yollarını kısaltabilir ve günlük teslimat kararlarını orijinal iş ihtiyacıyla bağlamayı kolaylaştırır.

Bu, proje yöneticisini gereksiz kılmaz. İnsanları, riskleri ve bağımlılıkları koordine etmenin gerçekten karmaşık olduğu büyük projelerde, proje yönetimi hâlâ uzman bir disiplindir. Karışık yaklaşım, yalnızca kapsam izin verdiğinde mantıklıdır.

Bu ayrım önemlidir. AI, planlar, toplantı özetleri veya durum raporları oluşturma çabasını azaltabilir, ancak bu artefaktların üretilmesi proje yönetiminin tam değeri asla değildi.

Bunu İyi Yönetenleri Ayıran Özellikler

Üç yön de analistlerin tanıdık rol sınırlarının ötesine geçmesini gerektirir. Merak, yeni araç ve yaklaşımları deneme isteğini verir. Sürekli öğrenme, benim “bilgi borcu” olarak adlandırdığım şeyi önler: eski varsayımlar ve becerilerin yavaşça birikmesi, tıpkı bir miras sistemdeki teknik borç gibi.

Belki de en önemlisi, doğrulama yeteneğidir. Analistler, “Bu gerçekten doğru mu?” sorusunu “Bu tamamlandı mı?” sorusundan önce sormaya alışkındır. Akıcı, profesyonel bir şekilde sunulan AI çıktılarıyla dolu bir ortamda bu alışkanlık daha değerli hâle gelir.

AI, kendinden emin ve ikna edici bir biçimde yanlış cevaplar üretebilir – bu, MIT Sloan araştırmacıları tarafından insan denetiminin hâlâ gerekli olmasının temel nedenlerinden biri olarak vurgulanan bir modeldir. Çıktıları yapılandırılmış, akıcı ve cilalı olabilir.

Başarısızlık, AI’ı kullandığınız noktada gerçekleşmez. Doğrulama yapılmadan makul bir çıktının kabul edilmesiyle başlar.

Soru, İş Analistlerinin Ortadan Kalkıp Kalmaması Değil

Analist rolünün geleceğiyle ilgili birçok makale tahmin olarak yazılmıştır. Bu bir tahmin değildir. Bu bir gözlemdir: rol her zaman olduğu gibi değişiyor. Bu sefer farklı olan hız – ve çevresinin neredeyse herkese erişilebilir hâle gelmesidir.

Bir geliştirici AI’ı gereksinim analizi yapmak için kullanabilir. Bir yönetici kullanıcı hikayeleri üretmek için kullanabilir. İkisini de özellikle iyi yapmayabilirler, ancak değerini yalnızca çıktılar üretmek üzerine kurmuş bir analist zor bir durumla karşılaşacaktır.

Rolün merkezinde kalan, belirtilmemiş ihtiyaçları ortaya çıkarma, iş ve teknik bağlamları birleştirme, çıktıları doğrulama ve müşterinin göremediği bağlantıları görme yeteneğidir. IIBA’nın 2025 Küresel İş Analizi Durumu Raporuna göre, uygulayıcıların %74’ü AI’nın kariyerlerini olumlu etkilediğini söylerken, iletişim, stratejik düşünme ve uyum sağlama gibi insan becerileri daha da önem kazanıyor.

Soru, iş analizinin ortadan kalkıp kalkmayacağı değil. Çevresi herkesin kullanımına açıldığında geriye ne kalacağıdır.

Cevap, yıllarca süren pratik, çeşitli projeler ve başarısızlıklardan edinilen deneyimle gelişen yargıdır. Belgelendirilmiş bir gereksinimin eksik olduğunu, çalışan bir prototipin yanlış problemi çözdüğünü ya da cilalı bir cevabın hatalı bir varsayıma dayandığını fark etme yeteneğidir.

Bu, hızlı bir şekilde edinilemeyen iş analizinin bir parçasıdır.