Kullanım Senaryosu (Use Case) Nedir? Nasıl Tanımlanır?

Kullanım senaryosu nedir? Kullanım senaryosu (use case), belirli bir aktörün belirli bir tetikleyici anında, tanımlı bir girdiyle başlayıp ölçülebilir bir çıktıya ulaştığı tek ve somut bir iş problemi tanımıdır. Kısaca kim, hangi durumda, hangi sonuca ulaşmak istiyor sorularının net cevabıdır; bir teknoloji, ürün veya özellik değil, çözülmesi gereken bir işin ölçülebilir sonucuyla birlikte tarifidir.

Bir yapay zeka girişiminin başındaki en yaygın hata, "yapay zeka kullanalım" gibi soyut bir niyetle yola çıkmaktır. Bu niyet, tek başına yönetilemez; çünkü ne kimi, ne hangi problemi, ne de hangi sonucu işaret eder. Kullanım senaryosu tam olarak bu boşluğu doldurur: soyut niyeti, değerlendirilebilir, önceliklendirilebilir ve sonucu ölçülebilir bir işe dönüştürür. Bu rehberde kullanım senaryosu nedir, neden kavramların temelidir, bileşenleri nelerdir, iyi tanımlanmış bir senaryonun özellikleri nelerdir, muğlak bir senaryonun bedeli nedir, başarı ölçütüyle nasıl yazılır, kapsam netliği neden kritiktir, use case ile özellik ve proje arasındaki fark nedir, senaryo yazımında en sık hangi hatalar yapılır sorularını bir danışman titizliğiyle, örneklerle ele alıyoruz.

Tanım

Kullanım Senaryosu (Use Case)

Belirli bir aktörün (kullanıcı, ekip veya sistem) belirli bir tetikleyici anında tanımlı bir girdiyle başlayıp ölçülebilir bir çıktıya ulaştığı, tek ve somut bir iş problemi tanımı. İyi bir kullanım senaryosu kim, hangi durumda, hangi sonuca ulaşmak istiyor sorularını net yanıtlar; başarı ölçütü ve kapsam netliği içerir. Bir teknoloji, ürün ya da özellik değildir; çözülecek işin ölçülebilir sonucuyla birlikte tarifidir.

Ayrıca: use case, iş senaryosu, kullanım durumu, senaryo tanımı

Kullanım senaryosu nedir sorusunun en kısa cevabı şudur: bir işin, onu yapan aktörle, başlatan tetikleyiciyle ve ulaşılacak ölçülebilir sonuçla birlikte tarifidir. "Use case" terimi yazılım mühendisliğinden gelir; orada bir kullanıcının bir sistemle etkileşerek bir hedefe ulaşma yolunu anlatır. Yapay zeka ve kurumsal dönüşüm bağlamında ise anlamı genişler: yalnızca bir sistemle etkileşim değil, çözülmeye değer bir iş probleminin, değeriyle ve sınırıyla birlikte tanımıdır.

Bir benzetme netleştirir. "Ulaşım" bir alandır, "arabayla işe gitmek" bir senaryo değildir çünkü hâlâ soyuttur; ama "sabah 08:00'de evden ofise, trafiği hesaba katarak 40 dakikada varmak" bir senaryodur — aktörü (ben), tetikleyicisi (sabah işe gitme), girdisi (konum, trafik), çıktısı (varış) ve başarı ölçütü (40 dakika) bellidir. İşte kullanım senaryosu, bir niyeti bu düzeyde somutlaştırmaktır. Soyut kaldığı sürece bir istek; somutlaştığında bir senaryo olur.

Bu ayrım kritik bir sonuç doğurur: kullanım senaryosu, modelden, araçtan ve teknolojiden bağımsız yazılır. Önce "hangi işi, kim için, hangi sonuçla çözüyoruz" netleşir; teknoloji seçimi bundan sonra gelir. Bu sıralama tersine döndüğünde — yani önce araç seçilip sonra ona iş aranınca — ortaya "elimizde çekiç var, çivi arıyoruz" durumu çıkar. Yapay zekanın ne olduğunu yapay zeka nedir ve kurumlar için gerçek fırsat ve sınırlarını üretken yapay zeka nedir yazılarında ele alıyoruz; bu rehber ise o fırsatları somut işlere çevirmenin ilk adımına, yani senaryo tanımına odaklanır.

Kullanım senaryosu nedir sorusuna verilecek en ikna edici cevap, onun neyin temeli olduğunu göstermektir. Kurumsal yapay zeka çalışmasında hemen her karar bir senaryonun üzerine kurulur: önceliklendirme, bütçeleme, ekip kurma, teknoloji seçimi, başarı ölçümü ve risk yönetimi. Senaryo net değilse, bu kararların hiçbiri sağlam zemine oturmaz. Bir binanın temeli çürükse, üstüne çıkılan her kat riski büyütür; muğlak bir senaryo da tam olarak böyle davranır.

Birincisi, önceliklendirme senaryosuz yapılamaz. "Hangi işe önce başlayalım" sorusunun cevabı, ancak elde karşılaştırılabilir senaryolar varsa verilebilir. Her senaryo net tanımlandığında değeri ve fizibilitesi kıyaslanabilir; muğlak kaldığında ise "bence bu önemli" düzeyinde bir tartışmaya döner. Önceliklendirmenin nasıl yapıldığını AI kullanım senaryosu önceliklendirme matrisi yazısında ayrıntılı ele alıyoruz; ama o matrisin çalışması için önce senaryoların düzgün tanımlanmış olması gerekir — bu yazının konusu tam olarak budur.

İkincisi, ölçüm senaryosuz mümkün değildir. Bir işin başarılı olup olmadığını söyleyebilmek için "başarı neydi" sorusunun cevabı baştan yazılmış olmalıdır; bu cevap da senaryonun içindedir. Başarı ölçütü olmayan bir çalışma, bittiğinde ne kutlanabilir ne de düzeltilebilir; çünkü hedef hiç konmamıştır. Yapay zeka yatırımının geri dönüşünü nasıl hesaplayacağınızı yapay zeka ROI nasıl hesaplanır yazısında ele alıyoruz, ama her ROI hesabı da yine net bir senaryo ve onun başarı ölçütüyle başlar.

Üçüncüsü ve en önemlisi, başarısızlıkların büyük kısmı buradan doğar. Yapay zeka projelerinin neden başarısız olduğuna bakıldığında, sık gösterilen sebep teknoloji sanılır; oysa daha derindeki neden çoğu zaman en baştaki muğlak senaryodur. Yanlış tanımlanmış bir iş, en iyi model ve en iyi ekiple bile doğru sonucu üretmez. Bu örüntüyü yapay zeka yatırımlarında başarısızlık nedenleri ve pilotların neden üretime geçemediğini GenAI pilot başarısızlığı yazılarında inceliyoruz.

Kullanım senaryosu nedir sorusunu soyut tanımdan çıkarıp bir mühendislik nesnesine dönüştürmek için, onu bileşenlerine ayırmak gerekir. İyi tanımlanmış her senaryo şu altı öğeyi içerir; bunlardan biri eksikse, senaryo yarım kalır ve muğlaklık tam o boşluktan sızar.

Birincisi aktördür: senaryonun kahramanı kimdir? Bir çalışan mı (destek uzmanı, satış temsilcisi, İK uzmanı), bir müşteri mi, yoksa başka bir sistem mi? Aktör net değilse, "kimin işini kolaylaştırıyoruz" sorusu cevapsız kalır ve senaryo herkese ait olduğu için kimseye ait olmayan bir şeye dönüşür. İkincisi tetikleyicidir: senaryo hangi anda, hangi olayla başlar? "Müşteri bir iade talebi oluşturduğunda" veya "yeni bir sözleşme sisteme yüklendiğinde" gibi. Tetikleyici, senaryonun bağlamını ve sıklığını belirler.

Üçüncüsü girdidir: iş başladığında elde ne vardır? Bir müşteri sorusu, bir belge, bir veri kaydı, bir görüntü. Dördüncüsü işlemdir: girdiden çıktıya nasıl gidilir, hangi adımlar izlenir? Beşincisi çıktıdır: senaryonun ürettiği somut sonuç nedir — bir yanıt, bir özet, bir sınıflandırma, bir karar önerisi? Ve altıncısı, çoğu zaman unutulan ama en kritik öğe olan başarı ölçütüdür: bu senaryo ne olursa "başarılı" sayılır? Bu altı öğe, senaryonun iskeletidir.

Bir kullanım senaryosunun altı temel bileşeni ve eksik olursa etkisi

Bileşen	Sorduğu soru	Eksik olursa
Aktör	Kim? (kullanıcı/ekip/sistem)	Kimin işi belirsiz kalır, sahiplik oluşmaz
Tetikleyici	Hangi anda başlar?	Bağlam ve sıklık bilinmez
Girdi	Neyle başlar?	Veri gereksinimi görünmez
İşlem	Girdiden çıktıya nasıl gidilir?	Çözüm tasarlanamaz
Çıktı	Somut sonuç nedir?	Ne üretildiği belirsiz kalır
Başarı ölçütü	Ne olursa başarılı sayılır?	Başarı da başarısızlık da kanıtlanamaz

Bu altı bileşeni bir cümlelik formüle sıkıştırmak, senaryonun olgunluğunu hızla test etmenin en pratik yoludur: "[Aktör], [tetikleyici] olduğunda, [girdi] ile [çıktıya] ulaşır; başarı [ölçüt] ile ölçülür." Bu cümleyi eksiksiz kurabiliyorsanız, senaryonuz somuttur. Cümlede bir boşluk kalıyorsa — örneğin başarı ölçütünü yazamıyorsanız — senaryo henüz tamamlanmamıştır ve o boşluk ilerideki tartışmaların tam kaynağıdır. Use case tanımlama disiplininin özü, bu formülü her senaryo için eksiksiz doldurabilmektir.

Kullanım senaryosu nedir sorusunu anladıktan sonra doğal olarak gelen soru şudur: iyi bir senaryoyu kötüsünden ne ayırır? Deneyimle görülür ki iyi tanımlanmış senaryolar birkaç ortak özellik taşır ve bu özellikler, senaryo yazımının kalite kriterleridir.

Birincisi somutluktur: senaryo tek bir işi, tek bir aktör için tanımlar; "her şeyi iyileştiren" değil, "şu belirli işi şu kadar iyileştiren" bir tariftir. İkincisi ölçülebilirliktir: başarı ölçütü sayısal ve gözlemlenebilir bir şeye bağlıdır — süre, oran, hata sayısı, memnuniyet. Üçüncüsü sınırlılıktır: kapsam netliği vardır; neyin dahil, neyin hariç olduğu yazılıdır. Dördüncüsü değer bağıdır: senaryonun çözdüğü problem gerçek bir acıya dokunur, "güzel olurdu" değil "işe yarar" düzeyindedir. Beşincisi fizibilite farkındalığıdır: senaryo, veri, erişim ve teknik gereksinimleri açısından gerçekçidir.

İyi tanımlanmış ve muğlak kullanım senaryosu örnekleri

Boyut	Muğlak senaryo	İyi tanımlanmış senaryo
İfade	Yapay zeka ile müşteri hizmetlerini iyileştirelim	Destek uzmanı, müşterinin ürün sorusunda dokümantasyondan kaynak göstererek yanıt bulur
Aktör	Belirsiz (herkes)	Birinci kademe destek uzmanı
Başarı ölçütü	Daha iyi olsun	Ortalama yanıt süresi 8 dk'dan 5 dk'ya iner
Kapsam	Tüm müşteri hizmetleri	Yalnızca ürün kullanım soruları; iade/şikayet hariç
Değerlendirilebilirlik	Ölçülemez, tartışılır	Önceliklendirilebilir, ölçülebilir

Bu tablodaki karşıtlık, senaryo kalitesinin ne demek olduğunu somutlaştırır. Soldaki ifade bir temenni, sağdaki bir senaryodur. Dikkat edin: sağdaki tanım daha uzun değil, daha net; daha iddialı değil, daha sınırlı. İyi bir senaryo iddiayı büyütmez, belirsizliği küçültür. Bu netlik, ekibin ne yapacağını, veri ekibinin neye ihtiyaç duyacağını, yöneticinin neyi onaylayacağını ve herkesin başarıyı nasıl tanıyacağını aynı anda çözer.

Bir başka ayırt edici özellik, iyi senaryonun "hayır" diyebilmesidir. Muğlak senaryo her şeyi kucaklamak ister; iyi senaryo neyi çözmeyeceğini de açıkça söyler. "Bu senaryo iade taleplerini kapsamaz" cümlesi bir zayıflık değil, bir olgunluk işaretidir. Kurumsal yapay zeka stratejisini oturtmanın temelinde bu netlik yatar; konuyu kurumsal AI stratejisi ve kurumsal yapay zeka stratejisi nasıl oluşturulur yazılarında ele alıyoruz.

Kullanım senaryosu nedir sorusunun pratik önemi, muğlak bir senaryonun neye mal olduğunu gördüğünüzde tam anlaşılır. Belirsizlik ücretsiz değildir; projenin ilerleyen aşamalarında faiziyle geri döner. Muğlak bir use case tanımlama, üç tipik hasara yol açar ve bu hasarlar çoğu zaman projenin sonunda, düzeltmesi en pahalı olduğu anda fark edilir.

Birinci hasar kapsam kaymasıdır (scope creep). Senaryo net değilse, her paydaş ona kendi beklentisini yükler; biri "şunu da yapsın", diğeri "bunu da kapsasın" der ve iş sessizce büyür. Başlangıçta iki haftalık görünen bir pilot, üç ay sonra hâlâ "bir şey daha ekleyelim" döngüsündedir. Kapsam kayması bir disiplin sorunu gibi görünür ama kökü senaryonun muğlaklığındadır: sınır çizilmediyse, herkes sınırı kendi çeker.

İkinci hasar ölçülemeyen sonuçtur. Başarı ölçütü baştan yazılmadıysa, iş bittiğinde "oldu mu olmadı mı" sorusu cevapsız kalır. Ekip bir şey üretmiştir ama bunun işe yarayıp yaramadığı tartışma konusudur; herkes kendi izlenimini gerçek sanar. Bu belirsizlik en tehlikeli yerde, yani bütçe ve devam kararı masasında ortaya çıkar: kanıt olmadığı için proje ya haksız yere kesilir ya da işe yaramadığı hâlde sürdürülür.

Üçüncü ve en sinsi hasar, "teknik olarak çalışıyor ama kimsenin işine yaramıyor" tuzağıdır. Sistem kurulmuştur, demoda etkileyicidir, ama gerçek kullanıcı onu kullanmaz çünkü çözdüğü şey onun gerçek acısı değildir. Bu, senaryonun değer bağının zayıf olmasından doğar: iş teknik olarak tanımlanmış ama gerçek bir ihtiyaca demirlenmemiştir. Pilotdan üretime geçememenin en yaygın nedenlerinden biri budur; konuyu PoC'den üretime yapay zeka projeleri yazısında ele alıyoruz.

İyi bir senaryonun kalbinde başarı ölçütü yatar ve bu, senaryo yazımının en çok ihmal edilen ama en belirleyici parçasıdır. Bir senaryoyu başarı ölçütü olmadan yazmak, hedef tahtası olmadan ok atmaya benzer: bir yere isabet edersiniz ama isabet edip etmediğinizi asla bilemezsiniz. Başarı ölçütü, senaryonun "bitince neye bakacağız" sorusunun baştan verilmiş cevabıdır.

İyi bir başarı ölçütü üç özellik taşır. Birincisi ölçülebilirliktir: sayısal veya en azından gözlemlenebilir olmalıdır — "daha hızlı" değil "ortalama süre X dakikadan Y dakikaya", "daha az hata" değil "hata oranı %Z altına". İkincisi taban çizgisiyle (baseline) tanımlanmasıdır: "sonra ne oldu" ancak "önce ne vardı" biliniyorsa anlam taşır. Öncesi ölçülmemiş bir iyileştirme iddiası havada kalır. Üçüncüsü senaryoya özgünlüğüdür: ölçüt, o senaryonun gerçekten çözmeye çalıştığı acıyı yansıtmalıdır; ilgisiz bir metrik iyi görünse de yanıltır.

Başarı ölçütünü yazarken sık düşülen bir tuzak, "kolay ölçüleni" ölçmektir. Bir sistemin kaç soru yanıtladığını saymak kolaydır ama bu bir başarı ölçütü değildir; asıl soru, yanıtların doğru olup olmadığı ve kullanıcının işine yarayıp yaramadığıdır. Aktivite metriği (kaç kez kullanıldı) ile sonuç metriği (ne değişti) farklıdır; iyi bir başarı ölçütü sonuç metriğine demirlenir. Bir destek senaryosunda "kaç yanıt üretildi" değil, "ilk çözüm oranı ne kadar arttı" ve "çözüm süresi ne kadar kısaldı" ölçülmelidir.

Zayıf ve güçlü başarı ölçütü örnekleri

Senaryo alanı	Zayıf ölçüt	Güçlü başarı ölçütü
Destek asistanı	Çok soru yanıtlıyor	İlk çözüm oranı %35'ten %55'e çıkar
Belge özetleme	Özetler güzel	İnceleme başına süre 40 dk'dan 15 dk'ya iner
Sınıflandırma	Doğru çalışıyor	Yanlış etiket oranı %12'den %4'e düşer
İç bilgi arama	Kullanışlı	Bilgi bulma süresi ortalama 6 dk'dan 45 sn'ye iner

Başarı ölçütü aynı zamanda bir "durma noktası" tanımlar. Muğlak bir senaryo hiç bitmez çünkü ne zaman "yeterince iyi" olduğu belli değildir; ölçütü olan bir senaryo ise hedefe ulaşınca "tamam, bu senaryo çözüldü" diyebilir. Bu, ekibin enerjisini bir sonraki değerli işe kaydırabilmesi için gereklidir. Başarı ölçütlerini iş sonucuna bağlamanın disiplinini ve yatırım getirisiyle ilişkisini yapay zeka ROI nasıl hesaplanır yazısında derinleştiriyoruz.

Kapsam netliği, iyi bir senaryonun belirsizliğe karşı en güçlü kalkanıdır ve genellikle iki listeyle sağlanır: kapsam içi ve kapsam dışı. Çoğu ekip yalnızca ilkini yazar; oysa "neyi yapmayacağız" listesi, "neyi yapacağız" listesi kadar, hatta bazen daha değerlidir. Çünkü kapsam kayması tam da yazılmamış varsayımların açtığı boşluktan sızar.

Kapsam içi listesi, senaryonun kesin olarak neyi kapsadığını sayar: hangi girdi tipleri, hangi kullanıcı grubu, hangi durumlar. Kapsam dışı listesi ise bilinçli olarak dışarıda bırakılanları sayar: "bu senaryo iade taleplerini kapsamaz", "yalnızca Türkçe içerik ele alınır", "gerçek zamanlı entegrasyon bu aşamada yoktur". Bu ikinci liste, paydaşların zihnindeki sessiz beklentileri görünür kılar ve "ama ben bunun da olacağını sanmıştım" sürprizlerini baştan önler.

Kapsam sınırı çizmek bir kısıtlama gibi görünse de aslında bir özgürleştirmedir. Sınırı belli bir senaryo, ekibe odak verir; her şeyi çözmeye çalışan bir senaryo ise hiçbir şeyi düzgün çözemez. Deneyimli ekipler, ilk senaryoyu kasıtlı olarak dar tutar — tek departman, tek belge tipi, tek soru sınıfı — çünkü dar bir senaryoda başarı hızlı gelir, öğrenme netleşir ve bir sonraki senaryoya sağlam bir zemin oluşur. Bu "önce dar, sonra genişlet" yaklaşımının stratejik mantığını kurumsal generative AI yol haritası yazısında ele alıyoruz.

Kullanım senaryosu nedir sorusunu kavradıktan sonra, iş onu yazmaya gelir. İyi bir senaryo yazımı sezgiye bırakılmaz; izlenebilir bir sıra takip eder. Aşağıdaki adımlar, dağınık bir fikri değerlendirilebilir bir senaryoya dönüştürmenin pratik yoludur.

Nasıl Yapılır

Bir kullanım senaryosu nasıl tanımlanır

Soyut bir fikri, başarı ölçütü ve kapsam netliği olan değerlendirilebilir bir kullanım senaryosuna dönüştürmenin adımları.

1. 1

   Aktörü belirle

   Bu senaryonun kahramanı kim? Tek ve somut bir aktör seç (örneğin 'birinci kademe destek uzmanı'), 'herkes' deme.

2. 2

   Tetikleyiciyi ve girdiyi yaz

   İş hangi anda, neyle başlıyor? Tetikleyici olayı ve eldeki girdiyi (soru, belge, kayıt) tanımla.

3. 3

   İşlemi ve çıktıyı tarif et

   Girdiden çıktıya nasıl gidiliyor ve sonunda ne üretiliyor? Somut çıktıyı (yanıt, özet, sınıflandırma) yaz.

4. 4

   Başarı ölçütünü sayısallaştır

   'Ne olursa başarılı sayılır' sorusunu bir taban çizgisiyle ve sayıyla yanıtla (X'ten Y'ye).

5. 5

   Kapsam içi ve dışını listele

   Neyin dahil, neyin bilinçli olarak hariç olduğunu ayrı ayrı yaz; kapsam netliğini iki listeyle sağla.

6. 6

   Fizibiliteyi kontrol et

   Gerekli veri var mı, erişilebilir mi, teknik olarak makul mü? Değer ve fizibiliteyi birlikte değerlendir.

7. 7

   Tek cümleye sıkıştır

   '[Aktör], [tetikleyici] olduğunda [girdi] ile [çıktıya] ulaşır; başarı [ölçüt] ile ölçülür' formülünü eksiksiz doldur.

Bu adımların en kritik testi sonuncusudur: tek cümlelik formülü boşluksuz doldurabiliyorsanız, senaryonuz yazılmış demektir. Formülde takılıyorsanız — mesela başarı ölçütünü koyamıyorsanız veya aktörü "herkes" diye geçiştiriyorsanız — senaryo henüz olgunlaşmamıştır ve o takıldığınız yer, ilerideki en büyük riskin adresidir. Senaryo yazımının ustalığı, bu formülü doğal ve dürüst biçimde doldurabilmektir; formülü zorlamak değil, formülün gösterdiği boşlukları gerçekten kapatmaktır.

Bir pratik öneri: senaryoyu tek başınıza değil, işi gerçekten yapan kişiyle birlikte yazın. Aktör kim ise, senaryonun taslağı onun diliyle sınanmalıdır; çünkü masabaşında "değerli" görünen bir iş, sahada çözdüğü acı gerçek değilse işe yaramaz. Bu yüzden iyi senaryo yazımı bir yazı işi kadar bir dinleme işidir. Bir projeye başlamadan önce sorulması gereken stratejik soruları yapay zeka projesi başlatmadan önce 20 soru yazısında topladık; bu sorular, senaryonun gerçek acıya demirlenip demirlenmediğini test etmenin iyi bir yoludur.

Kullanım senaryosu nedir sorusunun etrafında en çok karıştırılan dört kavram vardır: use case (senaryo), özellik (feature), proje ve epik. Bunları ayırmak, netliği korumanın anahtarıdır; çünkü bir özelliği senaryo, bir projeyi senaryo veya tersini sanmak, konuşmayı sessizce bulandırır ve herkesin farklı şeyden bahsetmesine yol açar.

Özellik (feature), bir çözümün parçasıdır: "sohbet arayüzü", "PDF yükleme", "kaynak gösterme". Özellik "ne inşa ediyoruz" sorusuna cevap verir. Kullanım senaryosu ise çözülen iştir: "destek uzmanı müşteri sorusunda kaynak göstererek yanıt bulur". Senaryo "kim için hangi sonucu üretiyoruz" sorusuna cevap verir. En yaygın hata, bir özelliği senaryo sanmaktır: "chatbot yapalım" bir özelliktir, senaryo değil — çünkü kim, hangi problemi, hangi başarı ölçütüyle çözüyor belli değildir. Bir chatbot on farklı senaryoya hizmet edebilir veya hiçbirine.

Proje, bir veya birkaç senaryoyu hayata geçirmek için kurulan zaman-bütçe-kaynak çerçevesidir; "nasıl, ne zaman, kimle, ne kadara" sorularına cevap verir. Epik ise çevik (agile) yöntemlerden gelen, birden çok küçük senaryoyu kapsayan büyük bir iş kümesidir. Bu kavramların ilişkisi hiyerarşiktir: bir epik birçok senaryoyu, bir senaryo birçok özelliği içerebilir; bir proje ise bunları belirli bir kapsam ve takvimle gerçekleştirir.

Use case, özellik, proje ve epik arasındaki fark

Kavram	Cevapladığı soru	Örnek
Kullanım senaryosu	Kim, hangi işi, hangi sonuçla çözüyor?	Destek uzmanı ürün sorusuna kaynaklı yanıt bulur
Özellik (feature)	Ne inşa ediyoruz?	Kaynak gösteren sohbet arayüzü
Proje	Nasıl, ne zaman, ne kadara?	3 aylık destek asistanı pilotu
Epik	Hangi büyük iş kümesi?	Müşteri hizmetleri AI dönüşümü

Bu ayrımı korumanın pratik faydası büyüktür: bir toplantıda "chatbot yapalım" dendiğinde, doğru soru "hangi senaryoyu çözmek için" olur. Bu soru, özellik konuşmasını senaryo konuşmasına çevirir ve tartışmayı teknolojiden işe geri getirir. Yapay zeka ajanlarının hangi işleri gerçekten değerli kıldığını ve nerede değer üretmediğini AI ajan projeleri için gerçekçi use case seçimi yazısında, ajan mimarisinin ne olduğunu ise AI agent nedir yazısında ele alıyoruz.

Bir kullanım senaryosu net tanımlandıktan sonra, sıradaki soru "bu senaryoya değer mi" olur. Bu değerlendirme iki temel eksende yapılır: değer (bu iş çözülürse ne kazandırır) ve fizibilite (bu işi çözmek ne kadar gerçekçi). Bir senaryonun tanımı ne kadar iyiyse, bu iki eksende konumlandırılması o kadar kolaylaşır; muğlak senaryolar ise bu iki eksende de "bilmiyorum" der.

Değer ekseni birkaç alt boyuttan oluşur: senaryonun çözdüğü acının büyüklüğü, etkilediği kişi sayısı, tekrarlanma sıklığı ve iş sonucuna (gelir, maliyet, risk, memnuniyet) katkısı. Sık tekrarlanan, çok kişiyi etkileyen ve ölçülebilir bir acıyı çözen bir senaryo, yüksek değerlidir. Nadiren yaşanan, az kişiyi ilgilendiren bir senaryo ise teknik olarak ilginç olsa bile düşük önceliklidir. Değeri değerlendirirken başarı ölçütü işe yarar: ölçüt ne kadar somutsa, değer o kadar nettir.

Fizibilite ekseni de kendi alt boyutlarını taşır: gerekli verinin var olup olmadığı ve erişilebilirliği, teknik zorluk, entegrasyon ihtiyacı, düzenleyici ve gizlilik kısıtları. Muhteşem değer vaat eden bir senaryo, gerekli veri yoksa veya erişilemiyorsa fizibil değildir. Bu yüzden değer ve fizibilite birlikte değerlendirilir; yalnızca değere bakmak, gerçekleşmeyecek hayallere; yalnızca fizibiliteye bakmak, kolay ama değersiz işlere sürükler. İki eksenli bu tartıyı ve senaryoların bir matris üzerinde nasıl sıralandığını AI kullanım senaryosu önceliklendirme matrisi yazısında ayrıntılı ele alıyoruz — bu yazı senaryonun nasıl tanımlandığına, o yazı ise tanımlanmış senaryoların nasıl sıralandığına odaklanır.

Kullanım senaryosu nedir sorusunu somutlaştırmanın en iyi yolu, farklı alanlardan iyi tanımlanmış örnekler görmektir. Aşağıdaki örnekler, her birinin aktör, tetikleyici, çıktı ve başarı ölçütüyle nasıl netleştiğini gösterir; her biri "yapay zeka kullanalım" temennisinin değil, somut senaryo yazımının ürünüdür.

• Müşteri destek asistanı: Birinci kademe destek uzmanı, müşteri bir ürün kullanım sorusu sorduğunda, ürün dokümantasyonundan kaynak göstererek yanıt bulur. Başarı ölçütü: ilk çözüm oranının belirli bir taban çizgisinden yukarı çıkması ve ortalama çözüm süresinin kısalması. Kapsam dışı: iade ve şikayet talepleri.
• Sözleşme inceleme desteği: Hukuk uzmanı, yeni bir tedarikçi sözleşmesi yüklendiğinde, belirli risk maddelerini (sorumluluk, fesih, gizlilik) işaretli bir özetle görür. Başarı ölçütü: bir sözleşmeyi ilk taramadaki süre. Kapsam dışı: nihai hukuki görüş (insan onayı zorunlu).
• İç bilgi arama: Yeni çalışan, İK politikalarıyla ilgili bir soru sorduğunda, doğru politika belgesinden kaynaklı yanıt alır. Başarı ölçütü: bilgi bulma süresi ve doğru yanıt oranı. Bu senaryonun altyapısını RAG nedir yazısında ele aldığımız mimari oluşturur.
• Belge özetleme: Analist, uzun bir raporu okumadan önce, yapılandırılmış bir yönetici özeti alır. Başarı ölçütü: inceleme başına süre ve özetin sadakati.
• Talep sınıflandırma: Operasyon ekibi, gelen talepleri doğru kategoriye yönlendirmek için otomatik bir ön sınıflandırma alır. Başarı ölçütü: yanlış yönlendirme oranının düşmesi.

Bu örneklerin ortak paydası, hepsinin tek ve somut bir işi, ölçülebilir bir sonuçla tanımlamasıdır. Hiçbiri "her şeyi çözelim" demez; her biri belirli bir aktörün belirli bir acısını, sınırlı bir kapsamda çözer. Dikkat edin: örneklerin birçoğunda insan onayı bilinçli olarak kapsam içinde tutulmuştur — iyi bir senaryo, otomasyonun sınırını da tanımlar. Bu somut örneklerden bir portföy kurmanın ve onları bir yol haritasına dizmenin yöntemine birazdan geleceğiz.

Senaryoları tutarlı biçimde yazmanın en pratik yolu, standart bir kullanım senaryosu kartı kullanmaktır. Kart, her senaryonun aynı öğeleri içermesini sağlar; böylece senaryolar karşılaştırılabilir hâle gelir ve hiçbir kritik alan unutulmaz. İyi bir kart, doldurulması zor olduğunda size bir şey söyler: doldurulamayan alan, senaryonun zayıf noktasıdır.

Standart bir senaryo kartında şu alanlar bulunur: senaryo adı (kısa ve akılda kalıcı), aktör (kim), tetikleyici (ne zaman başlar), girdi (neyle), işlem özeti (nasıl), çıktı (ne üretir), başarı ölçütü (taban çizgisiyle birlikte), kapsam içi, kapsam dışı, veri gereksinimi, bağımlılıklar ve riskler. Bu alanların her biri, ilerideki bir kararı besler: veri gereksinimi fizibiliteyi, kapsam alanları netliği, başarı ölçütü ölçümü, riskler ise önceliklendirmeyi besler.

Kartı doldururken bir disiplin işe yarar: her alanı bir cümleyle, somut biçimde doldurun; "belirlenecek" veya "sonra" yazmak, o alanı boş bırakmakla aynıdır. Özellikle başarı ölçütü ve kapsam dışı alanları, en çok atlanan ama en çok koruyan alanlardır. Bir kartı "tamamlanmış" saymadan önce, tek cümlelik formülü kartın verileriyle kurabildiğinizi kontrol edin. Bu kartların bir araya gelip nasıl bir portföy oluşturduğunu ve portföyün nasıl dengeleneceğini AI kullanım senaryosu portföyü kurmak yazısında ele alıyoruz; bu yazı tek bir kartın nasıl doldurulacağına, o yazı ise kartların bir portföy olarak nasıl yönetileceğine odaklanır.

Kullanım senaryosu kartının alanları ve her alanın beslediği karar

Kart alanı	Ne yazılır	Hangi kararı besler
Aktör	Tek ve somut kullanıcı/ekip	Sahiplik ve benimseme
Başarı ölçütü	Taban çizgisiyle sayısal hedef	Ölçüm ve devam kararı
Kapsam içi/dışı	Dahil ve hariç olanlar	Kapsam netliği, tahmin
Veri gereksinimi	Gereken veri ve erişim	Fizibilite
Riskler	Gizlilik, hata, bağımlılık	Önceliklendirme ve tasarım

Kullanım senaryosu nedir sorusunu teoride anlamak kolaydır; zor olan, muğlaklığa düşmeden gerçekten iyi bir senaryo yazabilmektir. Deneyimli bir gözle bakıldığında, zayıf senaryo yazımı benzer hatalarla bozulur. En sık görülenleri toplu olarak görmek, kendi senaryolarınızı denetlemek için pratik bir kontrol listesidir.

• Özelliği senaryo sanmak: "Chatbot yapalım" veya "bir ajan kuralım" demek; bunlar teknoloji/özellik kararıdır, senaryo değil. Doğru soru "hangi işi, kim için, hangi sonuçla" olmalıdır.
• Aktörü 'herkes' yapmak: Aktörü somutlaştırmamak, sahipliği ve benimsemeyi öldürür; herkese ait olan iş kimseye ait olmaz.
• Başarı ölçütünü atlamak: Ölçüt yoksa, iş bittiğinde başarı da başarısızlık da kanıtlanamaz; "sonra ölçeriz" en pahalı ertelemedir.
• Kapsam dışını yazmamak: Yalnızca kapsam içini yazmak, sessiz beklentilere kapı açar ve kapsam kaymasını davet eder.
• Değeri varsaymak: Senaryonun çözdüğü acıyı sahada doğrulamadan "değerli" saymak, "çalışıyor ama işe yaramıyor" tuzağına götürür.
• Fizibiliteyi görmezden gelmek: Gerekli veri, erişim ve teknik gereksinimi kontrol etmeden senaryoyu onaylamak, ilerleyen aşamada duvara toslatır.
• Çözümle başlamak: "Elimizde şu araç var, nereye kullansak" diye başlamak; problem arayan bir çözüm üretir.
• Senaryoyu çok geniş tutmak: "Tüm operasyonu dönüştürelim" bir senaryo değil, bir programdır; senaryo tek ve sınırlı olmalıdır.

Bu hatalardan kaçınmanın en pratik yolu, her senaryoyu yazdıktan sonra bir "muğlaklık denetimi" yapmaktır: tek cümlelik formülü kurun, başarı ölçütünü ve kapsam dışını yüksek sesle okuyun, ve işi gerçekten yapan kişiye "bu senaryo senin gerçek acını çözüyor mu" diye sorun. Bu üç kontrol, senaryoların büyük kısmını daha yazım aşamasında iyileştirir. Neden yapay zeka projelerinin başarısız olduğunu ve bunun kök nedenlerini kurumsal AI ROI neden başarısız yazısında derinleştiriyoruz.

İyi tanımlanmış tek bir senaryo değerlidir; ama kurumsal yapay zeka çalışması tek senaryoyla yürümez. Zamanla elinizde onlarca senaryo birikir ve asıl soru "bunları nasıl bir bütün olarak yöneteceğim" olur. İşte senaryo tanımı, iki daha büyük yapının temel taşıdır: portföy ve yol haritası. Bu yazı temel taşı, aşağıdaki iki yazı ise onunla kurulan yapıyı anlatır.

Portföy, tanımlanmış senaryoların bir arada yönetildiği envanterdir. Bir portföyde senaryolar değer ve fizibiliteye göre dengelenmeli — bir kısmı hızlı kazanım, bir kısmı stratejik yatırım olmalı; hepsi aynı sepette toplanmamalıdır. Ama bir portföyün sağlıklı olması için içindeki her senaryonun net tanımlı olması gerekir; muğlak senaryolardan oluşan bir portföy, dengeli görünse de zeminsizdir. Portföyü kurmanın, fikirleri toplamanın ve dengelemenin yöntemini AI kullanım senaryosu portföyü kurmak yazısında ele alıyoruz.

Yol haritası ise seçilmiş senaryoların zamana yayılmış, fazlı planıdır. Hangi senaryo önce, hangisi sonra; her fazın kapı kriteri ne; bir sonraki faza geçmek için neyin kanıtlanmış olması gerekiyor. Yol haritası, senaryoların sırasını ve birbirine bağımlılığını yönetir. On iki aylık bir faz planının nasıl kurulacağını AI yol haritası kurmak: 12 aylık faz planı yazısında ele alıyoruz. Bu üç yazı birlikte bir zincir oluşturur: önce tek senaryoyu net tanımla (bu yazı), sonra senaryoları bir portföyde dengele, en sonunda bir yol haritasına diz.

Bu zincirin mantığı basittir: sağlam bir yol haritası, sağlam bir portföyü; sağlam bir portföy, net tanımlanmış senaryoları gerektirir. Zincirin en altındaki halka — yani senaryo tanımı — zayıfsa, üstteki her katman onun zayıflığını miras alır. Bu yüzden "kullanım senaryosu nedir ve nasıl tanımlanır" sorusu, göründüğünden çok daha stratejiktir: kurumsal yapay zeka çalışmasının tüm üst yapısı, bu ilk netliğin üzerine kurulur. Kurumsal dönüşümün bütününü dijital dönüşüm nedir yazısında ele alıyoruz.

Bir kullanım senaryosunun kağıt üzerinde mükemmel görünmesi yetmez; onu besleyecek verinin gerçekte var olması, erişilebilir ve yeterli kalitede olması gerekir. Senaryo yazımının en sık gözden kaçan boyutu budur: değeri yüksek bir senaryo, gerekli veri yoksa veya veri kalitesi düşükse, fizibil değildir. Bu yüzden her senaryo kartında bir "veri gereksinimi" alanı bulunması ve bu alanın dürüstçe doldurulması kritiktir.

Veri gerçekliğini değerlendirirken üç soru sorulur. Birincisi, gerekli veri var mı? Bir senaryonun çalışması için gereken belgeler, kayıtlar veya örnekler kurumda mevcut mu, yoksa hiç toplanmamış mı? İkincisi, erişilebilir mi? Veri var olabilir ama farklı sistemlerde kilitli, izin engelli veya dağınık olabilir; erişilemeyen veri, olmayan veri kadar sorunludur. Üçüncüsü, kalitesi yeterli mi? Eksik, çelişkili veya güncelliğini yitirmiş veri, en iyi senaryoyu bile içeriden çürütür. Veri kalitesinin ne olduğunu ve nasıl yönetildiğini veri kalitesi nedir yazısında ele alıyoruz.

Bu değerlendirme, senaryonun fizibilite eksenini doğrudan besler. Bir senaryonun değeri ne kadar yüksek olursa olsun, veri gerçekliği testinden geçemiyorsa, ya ertelenir ya da önce bir "veri hazırlığı" senaryosuna dönüştürülür. Deneyimli ekipler, bir senaryoyu onaylamadan önce küçük bir veri kontrolü yapar: gerçekten birkaç örnek veriyle senaryonun çalışıp çalışmayacağını sınar. Bu küçük ön kontrol, aylar sonra "veri yokmuş" sürprizini baştan önler ve senaryo yazımını gerçekçi tutar.

Kullanım senaryosu nedir sorusuna tam bir cevap, kavramın nereden geldiğini bilmekle zenginleşir. "Use case" terimi 1980'lerin sonunda yazılım mühendisliğinde, sistemlerin gereksinimlerini kullanıcı gözünden tanımlamak için doğdu. Amacı, bir sistemin "ne yapması gerektiğini" teknik dille değil, kullanıcının hedefiyle anlatmaktı — yani teknolojiden değil, işten başlamak. Bu kök fikir bugün de geçerlidir ve yapay zeka bağlamında daha da önem kazanır.

Yazılım dünyasında use case, bir aktörün bir sistemle etkileşerek bir hedefe ulaşma adımlarını ayrıntılı tanımlardı; ana akış, alternatif akışlar ve istisnalar yazılırdı. Yapay zeka ve kurumsal dönüşüm bağlamında ise kavram biraz sadeleşti ve genişledi: artık yalnızca bir sistemle etkileşim değil, çözülmeye değer bir iş probleminin, değeri ve sınırıyla birlikte tanımı anlamında kullanılıyor. Ortak nokta değişmedi: her ikisinde de senaryo, teknolojiyi değil, ulaşılacak sonucu merkeze koyar.

Bu tarihsel bağlam bir uyarı da taşır: use case tanımlama disiplini yeni değil, on yıllardır olgunlaşan bir pratiktir. Yapay zeka heyecanıyla bu birikimi görmezden gelip "önce teknolojiyi alalım, işi sonra buluruz" demek, aslında çok eski ve pahalı bir hatayı tekrarlamaktır. Kavramın kökündeki bilgelik hâlâ geçerlidir: iyi bir sistem, iyi tanımlanmış bir işten doğar. Yapay zekanın kurumlara sunduğu fırsatları ve yanlış beklentileri üretken yapay zeka nedir yazısında ele alıyoruz; o fırsatları gerçeğe çeviren köprü, tam olarak iyi senaryo yazımıdır.

Bir kullanım senaryosunun en çok hafife alınan bileşeni aktördür; oysa aktörü doğru seçmek, senaryonun geri kalanının kaderini belirler. Aktör, senaryonun kimin işini kolaylaştıracağını söyleyen öğedir ve bu kişi somutlaştıkça senaryo da somutlaşır. "Kullanıcı" demek yeterli değildir; "birinci kademe destek uzmanı, günde ortalama 40 talep karşılayan, ürün dokümantasyonuna hakim olmayan yeni ekip üyesi" demek, senaryoyu birden canlandırır. Aktör ne kadar keskinse, çözülen acı da o kadar nettir.

Aktörü seçerken sık yapılan hata, birden çok rolü tek senaryoya sıkıştırmaktır. "Hem destek uzmanı hem satış temsilcisi hem yönetici kullansın" diyen bir senaryo, aslında üç ayrı senaryodur; çünkü bu üç rolün acısı, tetikleyicisi ve başarı ölçütü farklıdır. İyi bir senaryo yazımı, aktörü tekilleştirir. Farklı roller aynı çözümü kullanacaksa bile, her rol için ayrı senaryo yazmak, sonradan kapsam kaymasını önler ve her aktörün gerçek ihtiyacının görünmesini sağlar.

Aktörün insan olmadığı senaryolar da vardır: bir başka sistem, bir zamanlanmış iş veya bir yukarı akış süreci de aktör olabilir. "Her gece yeni sözleşmeler yüklendiğinde sistem, riskli maddeleri işaretler" senaryosunun aktörü bir sistemdir. Bu tür senaryolarda da aynı disiplin geçerlidir: tetikleyici, girdi, çıktı ve başarı ölçütü net olmalıdır. Aktörü sistem olan senaryolar, çoğu zaman insan aktörlü senaryolara bağlanır — sistem işaretler, insan onaylar. Bu bağı görmek, otomasyonun sınırını çizmenin de yoludur; konuyu AI agent nedir yazısında ele aldığımız ajan mimarileriyle birlikte düşünmek yararlıdır.

Kullanım senaryosu nedir sorusunun pratikte en çok tartışılan yanı, senaryonun ne kadar geniş ya da dar tutulacağıdır. Bu, granülerlik sorunudur: bir senaryoyu çok geniş tutmak onu muğlaklaştırır, çok dar tutmak ise onu anlamsızca parçalar. Doğru granülerlik, "tek bir aktörün, tek bir tetikleyiciyle, ölçülebilir tek bir sonuca ulaştığı" düzeydir — ne daha geniş, ne daha dar.

Çok geniş bir senaryo, altında birden çok farklı işi barındırır. "Müşteri hizmetlerini yapay zeka ile dönüştürelim" cümlesi bir senaryo değil, bir programdır; içinde onlarca senaryo saklıdır. Bu tür ifadeler, kapsam netliğini imkânsız kılar çünkü neyin dahil neyin hariç olduğu hiçbir zaman kesinleşmez. Böyle bir ifadeyle karşılaşınca yapılacak iş, onu bileşen senaryolara ayrıştırmaktır: "destek uzmanı ürün sorusuna yanıt bulur", "müşteri sipariş durumunu öğrenir", "operasyon talebi doğru kategoriye yönlendirir" — her biri ayrı, ölçülebilir bir senaryo.

Çok dar bir senaryo ise ters yönde sorun yaratır. Bir işi anlamsızca küçük parçalara bölmek — "kullanıcı butona tıklar", "sistem karşılama mesajı gösterir" — senaryoyu değersizleştirir çünkü bunlar başlı başına bir iş sonucu üretmez. İyi bir senaryo, kullanıcının gerçekten değer aldığı bir noktada başlar ve biter. Granülerliğin doğru ayarı, "bu senaryo tamamlandığında aktör gerçekten bir işini bitirmiş oluyor mu" sorusuyla test edilir; cevap evetse granülerlik doğru, hayırsa senaryo ya çok dar ya da yarım kalmıştır.

Kullanım senaryosu granülerliği: çok geniş, doğru ve çok dar

Düzey	Örnek	Sorun/Durum
Çok geniş	Müşteri hizmetlerini AI ile dönüştür	Program; ayrıştırılmalı
Doğru	Destek uzmanı ürün sorusuna kaynaklı yanıt bulur	Tek aktör, tek sonuç, ölçülebilir
Çok dar	Sistem karşılama mesajı gösterir	İş sonucu üretmez; birleştirilmeli

Kullanım senaryosu nedir sorusunun etrafında sık karşılaşılan bir başka kavram, çevik yöntemlerden gelen kullanıcı hikayesidir (user story). İkisi akrabadır ama aynı şey değildir ve farkı bilmek, senaryo yazımını hem netleştirir hem de doğru araca yönlendirir. Kullanıcı hikayesi kısa bir formata dayanır: "Bir [rol] olarak, [amaç] için, [sonuç] isterim." Kullanım senaryosu ise daha kapsamlıdır: aktör, tetikleyici, girdi, işlem, çıktı ve başarı ölçütünü bir arada tarif eder.

Fark, ayrıntı düzeyinde ve amaçtadır. Kullanıcı hikayesi, geliştirme ekibinin bir sprint içinde ele alacağı küçük bir istek parçasıdır; genellikle bir senaryonun bir dilimini anlatır. Kullanım senaryosu ise işin bütününü, başarı ölçütü ve kapsam netliğiyle birlikte çerçeveler. Yani bir kullanım senaryosu birden çok kullanıcı hikayesine bölünebilir; her hikaye senaryonun bir parçasını hayata geçirir. İkisini karıştırmak zararlı değildir ama farkı bilmek, hangi düzeyde konuştuğunuzu netleştirir.

Pratikte iyi bir yaklaşım, önce kullanım senaryosunu iş düzeyinde net tanımlamak (bu yazının konusu), sonra onu hayata geçirmek için kullanıcı hikayelerine bölmektir. Senaryo "neden ve ne" sorularına, hikayeler "hangi küçük adımlarla" sorusuna cevap verir. Bu ayrım, iş tarafıyla teknik taraf arasında ortak bir dil kurar: iş tarafı senaryoyu ve başarı ölçütünü sahiplenir, teknik taraf hikayeleri ve teslimatı sahiplenir. Bu köprüyü doğru kurmanın, kurumsal yapay zeka çalışmasının en değerli becerilerinden biri olduğunu kurumsal yapay zeka stratejisi nasıl oluşturulur yazısında ele alıyoruz.

Bir kullanım senaryosu, yalnızca yazan kişinin zihninde net olduğunda değil, tüm paydaşlar aynı şeyi anladığında tamamlanmış sayılır. Senaryonun en büyük gizli riski, herkesin onu farklı anlamasıdır; kağıt üzerinde aynı cümleyi okuyan iki kişi, zihninde iki farklı iş canlandırabilir. Bu yüzden senaryo yazımının ayrılmaz bir parçası, onu paydaşlarla yüksek sesle doğrulamaktır.

Doğrulama, birkaç basit soruyla yapılır. Aktör olan kişiye "bu senaryo senin gerçek bir acını çözüyor mu, yoksa masabaşı bir varsayım mı" sorulur. Teknik ekibe "bu senaryoyu çözmek için gereken veri ve erişim gerçekçi mi" sorulur. Yöneticiye "bu senaryonun başarı ölçütü, senin görmek istediğin iş sonucuna gerçekten bağlı mı" sorulur. Bu üç sorunun cevapları, senaryonun zayıf noktalarını daha yazım aşamasında ortaya çıkarır ve pahalı sürprizleri önler.

Doğrulamanın en değerli çıktısı, "kapsam dışı" listesinin zenginleşmesidir. Paydaşlar konuştukça, "ama ben bunun da olacağını sanıyordum" cümleleri ortaya çıkar; bu cümlelerin her biri, ya kapsam içine bilinçli olarak alınır ya da kapsam dışı listesine yazılır. Bu şekilde sessiz beklentiler görünür olur ve senaryonun kapsam netliği somutlaşır. Bir projeye başlamadan önce sorulması gereken doğrulama sorularının kapsamlı bir listesini yapay zeka projesi başlatmadan önce 20 soru yazısında topladık; bu sorular, senaryoyu paydaşlarla sınamanın iyi bir başlangıç noktasıdır.

İyi tanımlanmış bir senaryo, yalnızca değeri ve başarı ölçütüyle değil, taşıdığı risk ve bağımlılıklarla da tarif edilir. Bir senaryo kartının en çok ihmal edilen ama önceliklendirmeyi en çok etkileyen alanları, risk ve bağımlılık alanlarıdır. Çünkü iki senaryo aynı değere sahip olsa bile, biri düşük riskli ve bağımsızken diğeri yüksek riskli ve başka projelere bağımlıysa, ikisi asla aynı önceliği hak etmez.

Risk boyutu birkaç türü kapsar. Gizlilik ve uyum riski: senaryo kişisel veri işliyorsa, ek yükümlülükler devreye girer. Hata maliyeti riski: senaryonun yanlış çıktısı ne kadar zarar verir — yanlış bir ürün yanıtı düşük riskli, yanlış bir hukuki yorum yüksek risklidir. Benimseme riski: aktör bu çözümü gerçekten kullanacak mı, yoksa alışkanlıklarına mı dönecek? Bu risklerin senaryo kartında görünür olması, hem tasarımı hem önceliklendirmeyi doğru yönlendirir.

Bağımlılık boyutu ise senaryonun tek başına ayakta durup duramadığını sorar. Bazı senaryolar, başka bir senaryonun veya altyapının tamamlanmasına bağlıdır; örneğin "iç bilgi asistanı" senaryosu, önce belgelerin toplanıp yapılandırıldığı bir "veri hazırlığı" senaryosuna bağımlı olabilir. Bu bağımlılıkları görmek, senaryoların doğru sırayla ele alınmasını sağlar. Bağımlılıkları görmeden yapılan bir önceliklendirme, sırası gelmemiş bir senaryoyu öne alıp tıkanmaya yol açabilir. Risk ve bağımlılığı değerle birlikte tartmanın yöntemini AI kullanım senaryosu önceliklendirme matrisi yazısında ele alıyoruz.

Kullanım senaryosu kavramı klasik yazılımdan gelse de, yapay zeka bağlamında senaryo yazımının kendine özgü boyutları vardır. Bu farkları görmezden gelmek, klasik yazılıma uygun ama yapay zekaya uymayan senaryolar üretir. Yapay zeka kullanım senaryolarını üç temel özellik ayırt eder ve bu özellikler, başarı ölçütü ve kapsam netliği tanımını doğrudan etkiler.

Birincisi belirsizliktir (nondeterminism). Klasik bir yazılım, aynı girdiye her zaman aynı çıktıyı verir; bir yapay zeka modeli ise aynı soruya farklı biçimlerde yanıt verebilir. Bu yüzden yapay zeka senaryolarında başarı ölçütü, "her zaman doğru" gibi mutlak değil, "belirli bir doğruluk eşiğinin üzerinde" gibi istatistiksel tanımlanır. Bir senaryo yazarken "kabul edilebilir hata oranı nedir" sorusunu baştan yanıtlamak, bu belirsizliği yönetmenin yoludur. Kusursuzluk beklentisiyle yazılan bir yapay zeka senaryosu, daha başlamadan başarısızlığa mahkumdur.

İkincisi veri bağımlılığıdır. Bir yapay zeka senaryosunun çalışması, onu besleyecek verinin varlığına ve kalitesine bağlıdır; klasik yazılımda ise mantık kodda tanımlanır. Bu yüzden yapay zeka senaryolarında "veri gereksinimi" alanı, süs değil, fizibilitenin belkemiğidir. Üçüncüsü insan-döngüde (human-in-the-loop) boyutudur: birçok yapay zeka senaryosunda model bir öneri üretir, insan onaylar. İyi bir yapay zeka senaryosu, otomasyonun nerede bitip insan kararının nerede başladığını açıkça tanımlar. Bu üç özellik, yapay zeka projelerinin neden klasik projelerden farklı yönetilmesi gerektiğini de açıklar; konuyu PoC'den üretime yapay zeka projeleri ve başarısızlık nedenlerini yapay zeka yatırımlarında başarısızlık nedenleri yazılarında ele alıyoruz.

Bir kullanım senaryosu, bir kez yazılıp rafa kaldırılan bir belge değil, yaşayan bir tanımdır. İş koşulları değişir, aktörün ihtiyacı evrilir, başarı ölçütü olgunlaşır; bu yüzden senaryolar düzenli bir ritimle gözden geçirilmelidir. Gözden geçirilmeyen bir senaryo, zamanla gerçeklikten kopar ve "kağıtta çözdüğümüz iş, sahada artık bu değil" durumunu doğurur.

Gözden geçirme birkaç tetikleyiciyle yapılır. Birincisi zamansaldır: belirli aralıklarla (örneğin her çeyrekte) senaryo portföyü elden geçirilir; hâlâ değerli olanlar korunur, değerini yitirenler emekliye ayrılır. İkincisi olaya bağlıdır: iş süreci değiştiğinde, yeni bir düzenleme geldiğinde veya aktörün rolü evrildiğinde ilgili senaryolar güncellenir. Üçüncüsü ölçüme bağlıdır: bir senaryonun başarı ölçütü tutmuyorsa, ya senaryo ya ölçüt yeniden düşünülmelidir.

Bu ritmin en değerli çıktısı, portföyün canlı kalmasıdır. Senaryoları düzenli gözden geçiren bir kurum, kaynaklarını her zaman en değerli işlere yönlendirir; gözden geçirmeyen bir kurum ise değerini yitirmiş senaryolara emek harcamaya devam eder. Bu süreklilik disiplinini portföy düzeyinde AI kullanım senaryosu portföyü kurmak ve yol haritası düzeyinde 12 aylık faz planı yazılarında ele alıyoruz. Sonuçta bir senaryo, kurumsal bilginin bir parçasıdır ve tıpkı bilgi gibi, güncel tutulduğunda değerlidir.

Kullanım senaryosu nedir sorusunun teoriden pratiğe geçtiği an, muğlak bir ifadeyi net bir senaryoya dönüştürdüğünüz andır. Bu dönüşümü tek bir örnek üzerinden adım adım izlemek, tüm bu ilkelerin nasıl bir arada çalıştığını gösterir. Diyelim ki bir toplantıda şu cümle atıldı: "Yapay zeka ile İK süreçlerini iyileştirelim." Bu bir temenni; senaryo değil. Onu bir senaryoya çevirelim.

İlk adım, aktörü bulmaktır. "İK süreçleri" kimin işi? Bir yeni çalışan mı, bir İK uzmanı mı, bir yönetici mi? Diyelim ki asıl acı, yeni çalışanların İK politikalarını bulmakta zorlanmasında. O halde aktör: "işe yeni başlamış, İK politikalarına henüz hakim olmayan çalışan." İkinci adım, tetikleyici ve girdiyi netleştirmek: "çalışanın izin, mesai veya yan haklarla ilgili bir sorusu olduğunda." Girdi, çalışanın doğal dille sorduğu sorudur. Üçüncü adım, çıktıyı tanımlamak: "ilgili politika belgesinden kaynak gösterilmiş, doğru bir yanıt."

Dördüncü ve en kritik adım, başarı ölçütünü koymak: "çalışanın doğru yanıta ulaşma süresi, ortalama 6 dakikadan 1 dakikanın altına iner ve İK ekibine gelen tekrarlı soru sayısı belirgin biçimde azalır." Beşinci adım, kapsam netliği: kapsam içi yalnızca genel İK politikaları; kapsam dışı ise bireysel bordro bilgisi, özel durum istisnaları ve nihai İK kararları (bunlar insan gerektirir). Artık elimizde muğlak bir temenni değil, tek cümleye sığan bir senaryo var: "Yeni çalışan, bir İK sorusu olduğunda, doğal dille sorarak politika belgesinden kaynaklı yanıta ulaşır; başarı, yanıt bulma süresinin 6 dakikadan 1 dakikaya inmesiyle ölçülür." Bu dönüşüm, use case tanımlama disiplininin özüdür: soyutu somutlaştırmak, temenniyi ölçülebilir kılmak.

İyi bir senaryo yazımının ince ama belirleyici bir ayrıntısı, çıktı (output) ile sonuç (outcome) arasındaki farkı görmektir. Çıktı, senaryonun ürettiği somut şeydir: bir yanıt, bir özet, bir sınıflandırma. Sonuç ise bu çıktının yarattığı iş etkisidir: kısalan süre, azalan hata, artan memnuniyet. Zayıf senaryolar çıktıda durur; güçlü senaryolar sonuca kadar gider ve başarı ölçütünü sonuca bağlar.

Bu ayrımın önemi büyüktür çünkü bir sistem mükemmel çıktı üretip hiçbir sonuç yaratmayabilir. Bir destek asistanı teknik olarak doğru yanıtlar üretebilir ama eğer kullanıcı ona güvenmiyorsa, yanıtları doğrulamak için yine de eski yönteme dönüyorsa, çıktı vardır ama sonuç yoktur. İşte "çalışıyor ama işe yaramıyor" tuzağının kökü tam buradadır: senaryo çıktıya odaklanmış, sonuca demirlenmemiştir. Bu yüzden başarı ölçütü daima sonuç düzeyinde tanımlanmalıdır — "kaç yanıt üretildi" değil, "hangi iş sonucu değişti."

Çıktıdan sonuca giden köprü, çoğu zaman insan davranışından geçer. Bir çıktının sonuca dönüşmesi için, aktörün onu benimsemesi, güvenmesi ve iş akışına katması gerekir. Bu yüzden iyi bir senaryo, yalnızca "ne üretilecek" değil, "bu çıktı gerçek iş akışında nasıl kullanılacak ve hangi sonucu yaratacak" sorusunu da düşünür. Bir yatırımın gerçek getirisi de bu sonuç düzeyinde okunur; yatırım getirisini nasıl hesaplayacağınızı yapay zeka ROI nasıl hesaplanır yazısında ele alıyoruz. Sonuca demirlenmeyen bir başarı ölçütü, güzel görünen ama iş değeri kanıtlanamayan bir senaryo üretir.

Bir kurumda tek tek iyi senaryolar yazmak değerlidir; ama bu senaryoları ortak bir formatta, erişilebilir bir katalogda toplamak, değeri katlar. Kullanım senaryosu kataloğu, kurumun tüm tanımlı senaryolarının aynı şablonla (senaryo kartıyla) yazıldığı ve herkesin görebildiği bir envanterdir. Bu katalog, hem tekrarları önler hem de kurumsal bir ortak dil kurar.

Ortak dilin faydası, göründüğünden büyüktür. Katalog olmadan, farklı ekipler benzer senaryoları farklı kelimelerle, farklı düzeylerde ve farklı başarı ölçütleriyle tanımlar; bu da karşılaştırmayı ve önceliklendirmeyi imkânsız kılar. Ortak bir şablon ve katalog ise tüm senaryoları aynı dille konuşturur: her senaryonun aktörü, başarı ölçütü ve kapsamı aynı biçimde okunur. Böylece bir yönetici, tüm senaryoları yan yana koyup değerlendirebilir; bir ekip, benzer bir senaryonun daha önce tanımlanıp tanımlanmadığını görebilir.

Katalog aynı zamanda kurumsal öğrenmeyi biriktirir. Bir senaryo denenip sonuç alındığında (ya da alınamadığında), bu deneyim katalogda o senaryonun yanına not düşülür; böylece bir sonraki benzer senaryo, geçmişin dersiyle yazılır. Zamanla katalog, kurumun yapay zeka olgunluğunun bir haritasına dönüşür: neler denendi, neler işe yaradı, hangi senaryolar hangi koşullarda değer üretti. Bu birikimi bir portföy olarak yönetmenin ve dengelemenin yöntemini AI kullanım senaryosu portföyü kurmak yazısında, kurumsal stratejiye bağlamayı ise kurumsal AI stratejisi yazısında ele alıyoruz. Katalog, dağınık senaryo yazımını kurumsal bir yeteneğe dönüştüren yapıdır.

Kullanım senaryosu nedir sorusunun önemini en çok, muğlak bir senaryonun nasıl çöktüğünü izlerken hissedersiniz. Sık görülen bir örüntüyü anlatalım. Bir kurum "yapay zeka ile verimliliği artıralım" diye yola çıkar. Heyecan yüksektir, bütçe ayrılır, bir ekip kurulur. Ama en baştaki iş bir temenniydi; kimin, hangi acısı, hangi ölçütle çözülecek belli değildi. İlk çatlak burada, henüz tek satır kod yazılmadan oluşur — ama kimse fark etmez çünkü herkes kendi zihnindeki farklı işi hayal etmektedir.

İlk haftalarda kapsam kayması başlar. Bir paydaş "bunu da yapsın" der, diğeri "şunu da kapsasın"; sınır çizilmediği için herkes sınırı kendi çeker. Ekip, birbiriyle çelişen beklentiler arasında savrulur. İki aylık pilot dört aya uzar, hâlâ "bir şey daha ekleyelim" döngüsündedir. Bu arada başarı ölçütü hiç yazılmamıştır; dolayısıyla "iyi gidiyor muyuz" sorusunun cevabı, herkesin kendi izlenimidir. İyimserler ilerlediğimizi, kötümserler tıkandığımızı söyler; kimse haklı çıkamaz çünkü ölçüt yoktur.

Sonunda bütçe masasına gelinir. Yönetici sorar: "Ne kazandık?" Ve cevap veremezsiniz — çünkü öncesi ölçülmemiş, başarı tanımlanmamış, kapsam netleşmemiştir. Sistem teknik olarak bir şeyler üretiyordur belki, ama hangi iş sonucunu değiştirdiği kanıtlanamaz. Proje ya haksız yere kesilir ya da işe yaramadığı hâlde inatla sürdürülür. Bu hikayenin traji-komik yanı şudur: çöküşün nedeni model, veri veya ekip değildi; en baştaki muğlak senaryoydu. İyi bir use case tanımlama disiplini, bu çöküşü daha ilk gün, en ucuz anında önleyebilirdi. Bu örüntünün istatistiksel arka planını kurumsal AI ROI neden başarısız yazısında ele alıyoruz.

İyi tanımlanmış bir kullanım senaryosu gerekli koşuldur ama yeterli koşul değildir. Bir senaryonun kağıt üzerinde kusursuz olması, sahada değer üreteceği anlamına gelmez; çünkü değer, ancak aktör çözümü gerçekten benimsediğinde ortaya çıkar. Senaryo yazımının çoğu zaman ihmal edilen boyutu budur: bir senaryo, benimseme gerçekliğini de hesaba katmalıdır. En iyi senaryo bile, kullanıcısı ona güvenmiyor veya alışkanlıklarına dönüyorsa, ölü doğar.

Benimseme, senaryonun tasarımına baştan girmelidir. Bir senaryo yazarken sorulacak kritik soru şudur: "Aktör bu çözümü neden kendi eski yöntemine tercih etsin?" Eğer cevap zayıfsa — çözüm çok az zaman kazandırıyor, güven vermiyor veya iş akışına oturmuyor — senaryo teknik olarak çalışsa bile benimsenmeyecektir. Bu yüzden başarı ölçütü yalnızca teknik doğruluğu değil, gerçek kullanımı da içermelidir: "kaç kullanıcı bunu düzenli olarak kullanıyor" sorusu, "sistem doğru çalışıyor mu" sorusu kadar önemlidir.

Benimsemeyi güçlendiren birkaç unsur, senaryonun içine örülebilir. Çözümün aktörün mevcut iş akışına oturması, ilk günden görünür bir kolaylık sağlaması ve güven veren bir şeffaflık (örneğin kaynak gösterme) taşıması, benimsemeyi artırır. Ayrıca aktörün senaryonun tasarımına katılması — onu dinlemek, taslağı onunla sınamak — hem daha iyi bir senaryo hem de hazır bir benimseyici yaratır. Benimseme ve değişim yönetimi, kurumsal yapay zeka çalışmasının teknik kısmı kadar belirleyicidir; ekiplerin bu dönüşümü sahiplenmesi için kurumsal eğitim ve kuruma özel bir plan için yapay zeka danışmanlığı yaklaşımlarını değerlendirebilirsiniz. Sonuçta iyi tanımlanmış ama benimsenmeyen bir senaryo, çözülmemiş bir senaryo kadar değersizdir.

İyi bir senaryo yazımı, aslında bir netlik ve dil disiplinidir. Bir senaryodaki muğlaklık çoğu zaman büyük bir kavram hatasından değil, küçük ve kaygan kelimelerden doğar. "İyileştir", "optimize et", "destekle", "kolaylaştır" gibi kelimeler kulağa değerli gelir ama ölçülemez; çünkü ne kadar iyileştirileceğini, neyin optimize edileceğini söylemezler. İyi bir senaryo, bu kaygan kelimeleri somut fiillerle ve sayılarla değiştirir: "iyileştir" yerine "yanıt süresini 8 dakikadan 5 dakikaya indir".

Aynı disiplin aktör ve çıktı tanımında da geçerlidir. "Kullanıcılar" yerine "birinci kademe destek uzmanı", "daha iyi yanıtlar" yerine "kaynak gösterilmiş doğru yanıt" yazmak, senaryoyu ölçülebilir kılar. Bir senaryoyu yazdıktan sonra yapılacak iyi bir alıştırma, içindeki her kaygan kelimeyi işaretleyip "bunu bir sayıya veya somut bir şeye çevirebilir miyim" diye sormaktır. Çeviremediğiniz her kaygan kelime, ileride bir yanlış anlamanın tohumudur.

Bu yüzden kullanım senaryosu nedir sorusunun pratik cevabı, aynı zamanda bir yazı disiplinidir: soyutu somuta, temenniyi ölçüte, geneli tekile çevirmek. Kelimeleri netleştirmek, kapsam netliğini ve başarı ölçütünü doğal olarak güçlendirir; çünkü net kelimelerle yazılmış bir senaryo, muğlaklığa yer bırakmaz. İyi senaryo yazımı, doğru fikri bulmak kadar, onu doğru kelimelerle sabitlemektir. Bu netlik disiplini, senaryoyu okuyan herkesin — aktörden yöneticiye, veri ekibinden geliştiriciye kadar — aynı işi zihninde canlandırmasını sağlar; ve bir senaryonun asıl gücü, tam olarak bu ortak anlayışta yatar. Kelimelerdeki her belirsizlik, ekipteki farklı kişilerin farklı yönlere çekmesine ve sessiz bir hizasızlığın büyümesine yol açar; oysa net bir dil, herkesi tek bir hedefte buluşturur.

Kullanım senaryosu nedir?

Kullanım senaryosu (use case), belirli bir aktörün belirli bir tetikleyici anında tanımlı bir girdiyle başlayıp ölçülebilir bir çıktıya ulaştığı, tek ve somut bir iş problemi tanımıdır. Kısaca kim, hangi durumda, hangi sonuca ulaşmak istiyor sorularının net cevabıdır. Bir teknoloji, ürün veya özellik değildir; çözülmesi gereken bir işin ölçülebilir sonucuyla birlikte tarifidir. Yapay zeka bağlamında ise soyut bir "AI kullanalım" niyetini, başarı ölçütü ve kapsam sınırı belli, değerlendirilebilir bir işe çevirir.

Kullanım senaryosu nasıl yazılır?

İyi bir senaryo yazımı şu sırayı izler: önce aktörü (kim), sonra tetikleyiciyi (ne zaman), girdiyi (neyle), yapılacak işi (ne), çıktıyı (ne üretiliyor) ve en kritik olarak başarı ölçütünü (ne olursa başarılı sayılır) yazarsınız. Ardından kapsam netliği için kapsam içi ve kapsam dışı listelerini eklersiniz. Bir cümlelik formül işe yarar: "[Aktör], [tetikleyici] olduğunda, [girdi] ile [çıktıya] ulaşır; başarı [ölçüt] ile ölçülür." Bu formülü eksiksiz dolduramıyorsanız, senaryo henüz olgunlaşmamıştır.

Kullanım senaryosu neden net olmalı?

Çünkü muğlak bir senaryo, projenin en pahalı hatasıdır. Net olmayan bir use case tanımlama, kapsam kaymasına, ölçülemeyen sonuca ve "teknik olarak çalışıyor ama kimsenin işine yaramıyor" tuzağına yol açar. Net bir senaryo ise değerlendirilebilir, önceliklendirilebilir ve sonucu ölçülebilir. Yapay zeka projelerinin çoğu modelden değil, en baştaki bu muğlaklıktan başarısız olur; bu yüzden netlik bir lüks değil, başarının önkoşuludur.

Kullanım senaryosu ile özellik arasındaki fark nedir?

Özellik, bir çözümün parçasıdır ("sohbet arayüzü", "PDF yükleme"); kullanım senaryosu ise çözülen iştir ("destek uzmanı kaynak göstererek yanıt bulur"). Özellik "ne inşa ediyoruz", senaryo "kim için hangi sonucu üretiyoruz" sorusuna cevap verir. Aynı senaryo farklı özelliklerle çözülebilir; aynı özellik farklı senaryolara hizmet edebilir. Sık yapılan hata bir özelliği senaryo sanmaktır — "chatbot yapalım" bir özelliktir, senaryo değil.

Kullanım senaryosu ile proje aynı şey mi?

Hayır. Proje, bir veya birden çok senaryoyu hayata geçirmek için kurulan zaman, bütçe ve kaynak çerçevesidir. Senaryo "ne" ve "neden", proje "nasıl, ne zaman, kimle, ne kadara" sorularına cevap verir. Bir senaryo birden çok projeye bölünebilir; bir proje birden çok senaryoyu içerebilir. İkisini karıştırmak kapsam netliğini kaybettirir ve "proje bitti ama hangi iş problemini çözdük" sorusunu cevapsız bırakır.

Bir kullanım senaryosunun başarılı olduğu nasıl anlaşılır?

Başarı ölçütü baştan yazıldıysa kolayca: senaryo, tanımlı ölçütü (örneğin "ilk yanıt süresi %30 kısalır") karşıladığında başarılı sayılır. Ölçüt bir taban çizgisiyle tanımlanmalıdır; yani "öncesi neydi, sonrası ne oldu" karşılaştırılabilmelidir. Başarı ölçütü olmayan bir senaryoda başarı da başarısızlık da kanıtlanamaz; bu yüzden ölçüt, senaryonun süsü değil, ayrılmaz parçasıdır.

Kısaca, kullanım senaryosu nedir sorusunun cevabı: belirli bir aktörün belirli bir tetikleyiciyle, tanımlı bir girdiden ölçülebilir bir çıktıya ulaştığı, başarı ölçütü ve kapsam netliği olan tek ve somut bir iş problemi tanımı. Bir teknoloji, ürün ya da özellik değil; çözülecek işin ölçülebilir sonucuyla birlikte tarifidir. İyi bir senaryo kim-ne zaman-hangi sonuç sorularını net yanıtlar, başarısını sayısal bir ölçütle tanımlar ve neyi çözmeyeceğini de açıkça söyler.

En önemli mesaj şudur: kullanım senaryosu, kurumsal yapay zeka çalışmasının temel yapı taşıdır; önceliklendirme, bütçeleme, ölçüm ve portföy — hepsi net tanımlanmış senaryoların üzerine kurulur. Muğlak bir senaryo en pahalı hatadır çünkü belirsizliği projenin en ucuz anından en pahalı anına taşır. İyi senaryo yazımı, use case tanımlama disiplinini, başarı ölçütünü ve kapsam netliğini en baştan işe koşmaktır. Temel kavramlar için yapay zeka nedir ve üretken yapay zeka nedir yazıları; senaryoları sıralamak için önceliklendirme matrisi, bir portföy kurmak için kullanım senaryosu portföyü ve bir plan çıkarmak için 12 aylık yol haritası yazıları yol gösterir. Kurumunuza özel senaryoları tanımlamak, tartmak ve bir sektörel dosyaya dönüştürmek için yapay zeka danışmanlığı ile başlayabilir, ekiplerinizin bu disiplini kazanması için kurumsal eğitim seçeneklerini değerlendirebilir ve tüm kavramları öğrenme merkezinde derinleştirebilirsiniz.