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.
•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
