AI chatbot değil: mevcut ürününüze gerçekten AI nasıl entegre edilir?

AI entegrasyonu dendiğinde en hızlı fikir genellikle bir sohbet kutusu. Sağ altta ikon, açılan panel, 'Bana bir şey sor'. Bazı ürünlerde bu doğru olabilir. Fakat çoğu üründe chatbot, çözülmesi gereken işi tarif etmeden seçilmiş bir arayüz biçimi.

AI özelliği tasarlamadan önce konuşma arayüzünü değil, pahalı kullanıcı işini bulun.

Önce job-to-be-done

Bir kullanıcı üründe neyi yapmaya çalışıyor? Hangi adım tekrar ediyor? Nerede çok fazla bağlam okumak zorunda? Nerede karar vermek için dağınık veriyi birleştiriyor? AI için en iyi adaylar genellikle bu noktalarda çıkıyor.

AI workflow'u beş katmanda düşünüyorum

1type AIWorkflow = {2  trigger: string;3  context: string[];4  reasoningTask: string;5  actions: string[];6  guardrails: string[];7};

Trigger işin ne zaman başladığını, context modelin ne bilmesi gerektiğini, reasoningTask modelden beklenen zihinsel işi, actions sistemin ne yapabileceğini, guardrails ise nerede durması gerektiğini tanımlar.

Context: modele bütün veriyi vermek iyi tasarım değil

Bir modele daha çok context vermek her zaman daha iyi sonuç vermez. Maliyet artar, ilgili bilgi gürültüde kaybolur ve privacy yüzeyi büyür. Context seçimi başlı başına ürün mimarisidir.

1const contextPolicy = {2  include: ['current task', 'relevant project', 'recent user decision'],3  exclude: ['unrelated notes', 'secrets', 'stale history'],4};

Action: cevap vermek yerine işi ilerletmek

Chatbot çoğu zaman metin üretir. Workflow ise ürün içinde kontrollü bir aksiyona bağlanabilir: taslak görev oluşturmak, kategorize etmek, öneri hazırlamak, planı parçalara ayırmak veya kullanıcı onayından sonra kayıt güncellemek.

Buradaki kritik kelime kontrollü. Modelin her tool'a sınırsız erişimi olmamalı.

1const permissions = {2  read: ['tasks', 'projects'],3  propose: ['task.create', 'schedule.move'],4  executeWithoutApproval: [],5};

Guardrail: AI'ın ne yapmayacağını ürün tanımlar

Güvenlik yalnızca prompt'a 'dikkatli ol' yazmak değildir. Tool permission, schema validation, rate limit, audit log, confirmation ve authorization birlikte çalışmalı.

• Yüksek etkili aksiyonlarda açık kullanıcı onayı iste.
• Model çıktısını typed schema ile doğrula.
• Kullanıcının erişemediği veriye model de erişemesin.
• Tool çağrılarını logla.
• Başarısızlıkta deterministik fallback tanımla.

Human handoff başarısızlık değil

Bazı ürünler AI'ın her şeyi bitirmesini hedefliyor. Ben bunun gereksiz olduğunu düşünüyorum. Model belirsizliği fark edip kullanıcıya iki seçenek sunuyorsa veya yüksek riskli işlemi onaya bırakıyorsa bu kötü otomasyon değil; iyi sistem tasarımı.

Evaluation olmadan AI özelliği yönetilemez

Klasik feature'da buton çalışıyor mu diye test edebilirsiniz. AI özelliğinde 'çalışıyor' daha belirsiz. Bu yüzden kalite kriterini önceden tanımlamak gerekiyor.

1type Eval = {2  taskSuccess: number;3  hallucinationRate: number;4  correctionRate: number;5  latencyMs: number;6  costPerSuccessfulTask: number;7};

Model cevabının güzel görünmesi değil, kullanıcı işini daha az adımla ve kabul edilebilir hata oranıyla tamamlatması önemli.

Chatbot ne zaman doğru?

Kullanıcı gerçekten açık uçlu keşif yapıyorsa, farklı bilgi alanları arasında soru soruyorsa veya intent'i doğal dille ifade etmek form doldurmaktan daha kolaysa chat doğru olabilir. Ama chat, varsayılan AI UI olmamalı.

Benim entegrasyon sıram

1problem -> job -> context -> model -> action -> guardrail -> eval -> UI

Dikkat ederseniz UI en sonda. Çünkü AI özelliğinin değeri konuşma balonundan değil, ürün içinde çözdüğü işten geliyor.

AI'ı ürününüze eklemeyin. Önce ürününüzde AI'ın gerçekten daha iyi yapabildiği işi bulun.