• Eğitmen
    KADİR ÇAMOĞLU
  • Süre
    0,5 Gün
  • Başlangıç Tarihi
    18.08.2026

GenAI Destekli Senaryo/Case Temelli Analiz

Bu yarım günlük ileri atölye, iş analistleri ve product owner'ların üretken yapay zekâyı (GenAI) kullanarak bir özelliğin ya da sürecin tüm davranış yollarını — ana başarı senaryosu, alternatif/istisna akışlar ve edge durumlar — hızlı ve geniş biçimde çıkarmasını; daha da önemlisi bu çıktıyı analitik bütünlük disiplinini kullanarak güvenle süzüp tamamlamasını öğretir. Senaryo analizi, AI'nın iki yüzünü birden gösterdiği bir alandır: AI insanın unuttuğu senaryoları yüzeye çıkarmada olağanüstüdür (genişletici), ama aynı zamanda projeye özgü olmayan jenerik senaryolar üretir ve domain'e özgü kritik edge-case'leri kaçırır. Eğitim bu yüzden 'üret–süz–tamamla' döngüsüne odaklanır: AI ile geniş bir senaryo havuzu üret, disiplinle projeye özgü olmayanı süz, AI'nın kaçırdığı domain edge-case'lerini tamamla. Kariyer gelişimi açısından: yapay zekâ senaryo üretimini hızlandırdıkça analistin/PO'nun değeri 'senaryo listeleyen' olmaktan 'bütünlüğü değerlendiren ve domain yargısını koyan' role kayıyor. Önkoşullar: Bu eğitim iki temel eğitimin üzerine kurulur ve onları varsayar — (1) 'Senaryo/Case Temelli Analiz (BABOK v3 Temelli)', senaryo bütünlüğü disiplinini sağlar; çünkü AI'nın ürettiğini ancak bütünlüğü değerlendirebilen güvenle süzebilir. (2) 'Yazılım Proje Rolleri için Yapay Zekâ ile Etkili Çalışma (Temel)', prompt yazımı, context besleme ve sorumlu kullanım temelini sağlar.

Eğitim İçeriği

AI'nın gücü: unutulan senaryoları ve akışları yüzeye çıkarma
AI'nın tehlikesi: jenerik senaryo gürültüsü + domain edge-case'ini kaçırma
Bu eğitimin yaklaşımı: üret–süz–tamamla döngüsü
Senaryo görevleri için Yeşil / Sarı / Kırmızı haritası
Modele ne verilmeli: özellik tanımı, aktörler, iş kuralları, kısıtlar, örnek akış
Hedef yapıyı (ana başarı / alternatif / istisna) prompt'ta belirtme
Zayıf prompt vs. context'lenmiş prompt: senaryo üretiminde fark
Uygulama: aynı özelliği zayıf ve context'lenmiş promptla çalıştırıp farkı görme
AI ile ana başarı senaryosu ve dallanan akışları çıkarma
Doğru soyutlama düzeyi ve biçim isteme
İstisna/hata yollarının kapsanmasını sağlama
Uygulama: bir özellikten AI ile akış seti üretme
AI'nın en parladığı yer: kategori kategori edge case üretimi
Boş / aşırı / eşzamanlı / sıra-dışı girdi ve durum kombinasyonları
Geniş bir aday edge-case havuzu oluşturma
Uygulama: özelliğe AI ile kapsamlı edge-case havuzu çıkarma
Katılımcı önce kısaca elle birkaç kritik senaryo çıkarır (kıyas referansı)
AI havuzunu süzme: jenerik, alakasız, uydurma ve çift kayıt senaryoları eleme
AI'nın kaçırdığı domain'e özgü kritik edge-case'leri tamamlama
Senaryo bütünlüğü bilgisini AI çıktısını süzme/tamamlama aracı olarak kullanma
Her senaryo özelliğin/kuralın hangi parçasından türedi
AI'dan izlenebilirlik eşlemesi isteme; 'AI bunu nereden çıkardı?' denetimi
Senaryo kataloğunun user story/kabul kriteri ve test'e köprüsü
Modele hangi veri girer/girmez: gerçek özellik, müşteri/finansal/iş kuralı verisi
Anonimleştirme ve sentetik örnekle çalışma; kurumsal AI politikaları
Senaryo üretimi için tekrar kullanılabilir prompt/context şablonu
Yeşil/Sarı/Kırmızı süzme kontrol listesi ve kalıp kütüphanesine ekleme
Gerçekçi bir özellik/süreçle uçtan uca uygulama
AI ile üret › disiplinle süz › domain edge-case'leriyle tamamla › sonlandır
Üretkenlik kazanımı ve değişen analist/PO rolü üzerine kapanış değerlendirmesi