Ürün yöneticileri için yapay zeka en çok, işin görünmeyen kısmında işe yarar: toplantılarda. Ürün yöneticileri için yapay zeka sayesinde kullanıcı görüşmelerini kelimesi kelimesine saklar, her retrodan görevleri çıkarır ve ekstra çaba harcamadan aranabilir bir karar kaydı oluşturursun.
Kısa cevap
Ürün yöneticileri (product manager) yapay zeka destekli toplantı notlarını; kullanıcı görüşmelerinden birebir alıntıları saklamak, sprint retrolarından görevleri çıkarmak, tasarım kararlarını belgelemek ve sonradan "Bunu neden böyle karar verdik?" diye sorabilmek için kullanıyor. Beş farklı toplantı türünün notlarını beş ayrı yere dağıtmak yerine her şey tek bir aranabilir arşivde durur.
Asıl kazanç sadece toplantıda kazanılan zaman değil. Toplantı geçmişine bir soru sorup, üç ay önce söylenen kelimelere dayanan bir cevap alabilmek.
Öne çıkanlar
- Kullanıcı görüşmeleri araştırma malzemesine dönüşür, çünkü yapay zeka sadece hafızanı değil, birebir alıntıları da saklar
- Retrolar gerçek görevler üretir, sorumluları belirlenmiş olarak, belirsiz tartışma maddeleri olarak değil
- Tasarım değerlendirmeleri bir karar kaydı oluşturur; her UX tercihinin neden yapıldığını ve kimin onayladığını gösterir
- Paydaş sözleri anında belgelenir, "Ben öyle bir şey demedim" tartışmaları azalır
- Ürün demoları itirazları ortaya çıkarır, bunlar doğrudan bir sonraki backlog'a girebilir
- Ask Kenz soruları yanıtlar, tek bir toplantı ya da bütün bir klasör için, saatlerce transkript okumadan
- Tek bir aranabilir arşiv, dağınık Confluence sayfalarının, Slack yazışmalarının ve kişisel defterlerin yerini alır
İçindekiler
- Ürün yöneticilerinin dokümantasyon sorunu
- Kullanıcı görüşmeleri: kalıcı araştırma
- Sprint retroları: gerçekten tamamlanan görevler
- Tasarım değerlendirmeleri: sadece sonuçları değil, kararları kaydetmek
- Paydaş toplantıları: verilen sözleri takip etmek
- Ürün demoları: itirazları backlog maddesine çevirmek
- Aranabilir bir karar kaydı oluşturmak
- Geçmiş kararları Ask Kenz ile sorgulamak
- Ürün yöneticileri için yapay zekayı ekibe yaymak
- Sık sorulan sorular
Ürün yöneticileri için yapay zeka: dokümantasyon sorunu nereden geliyor?
Bir ürün yöneticisinin haftası toplantılarla dolu. Kullanıcı görüşmeleri, sprint seremonileri, paydaş toplantıları, tasarım değerlendirmeleri, müşteri görüşmeleri, ürün demoları, birebir görüşmeler. Bunların hepsini belgelemenin yükü çok büyük.
Çoğu PM yamalı bir sisteme mahkûm kalıyor: bazı notlar Confluence'ta, bazıları Notion'da, kritik kararlar sekiz ay önceki bir Slack mesajının altında, kullanıcı alıntıları ise sadece bir kişinin hafızasında.
Sonuç: eski kararları yeniden tartışan, öğrenilmiş dersleri tekrar öğrenen ve biri ayrıldığında bilgisini de kaybeden bir ekip.
Yapay zeka destekli toplantı notları sadece zaman kazandırmaz. Asıl sorunu çözer: Söylenenlerin yazılı olarak durduğu tek bir yer olur.
Aşağıda ele aldığımız beş toplantı türünde tablo şöyle: yapay zeka neyi kaydediyor, sen sonrasında ne yapıyorsun.
| Toplantı türü | Yapay zekanın kaydettiği | Sonrasında yaptığın |
|---|---|---|
| Kullanıcı görüşmeleri | Kelimesi kelimesine alıntılar | Araştırma sentezine aktarmak, aynı sorunu tüm görüşmelerde aramak |
| Sprint retroları | Sahibi belli görevler | Gözden geçirip proje yönetim aracına aktarmak |
| Tasarım değerlendirmeleri | Zaman damgalı kararlar | Tasarım karar kaydı olarak kullanmak |
| Paydaş toplantıları | Verilen sözler ve paydaşların soruları | 24 saat içinde özet göndermek, bir sonraki toplantıya hazırlanmak |
| Ürün demoları | İtirazlar ve özellik istekleri, müşterinin kendi sözleriyle | Müşterinin sözleriyle backlog maddesi açmak |
Merkezi bir toplantı arşivi, ürün ekibine her toplantı türü için tek bir kaynak sunar.
Kullanıcı görüşmeleri: kalıcı araştırma
Kullanıcı görüşmeleri bir PM'in yürüttüğü en yoğun toplantılardır. Dinlersin, derinleştirirsin, gözlemlersin ve aynı anda not almaya çalışırsın. Elle not alırken anlık olarak özetlersin ve çoğu zaman en değerli içgörünün saklı olduğu birebir ifadeleri kaybedersin.
Bir kullanıcı "O özelliği kullanmaya çalışırken kendimi hep aptal gibi hissediyorum" dediğinde, tam olarak bu cümle önemlidir. Bunu "Kullanıcı özelliği kafa karıştırıcı buluyor" diye özetlemek duygusal sinyali tamamen siler.
Yapay zeka transkripsiyonuyla her kelime elinde olur. Kullanıcı görüşmesinden sonra:
- araştırma sentezi için birebir alıntıları alabilirsin
- tüm görüşmelerde belirli bir sorunu kaç kullanıcının dile getirdiğini arayabilirsin
- tam transkripti, görüşmede olmayan tasarımcı ve geliştiricilerle paylaşabilirsin
- Ask Kenz'e bütün bir klasör için sorabilirsin: "Kullanıcılar onboarding hakkında ne dedi?"
Böylece her kullanıcı görüşmesi tek seferlik bir etkinlik olmaktan çıkar, kalıcı ve sorgulanabilir bir araştırma kaynağına dönüşür. KenzNote, Türkçe dahil 50'den fazla dilde transkripsiyon yapar.
Kurulum önerisi: Kullanıcı görüşmesi kayıtları için sabit bir adlandırma kuralı belirle, örneğin "Kullanıcı Görüşmesi - [Persona] - [Tarih]". Kayıtları ürün alanına göre klasörlere ayır; böylece daha sonra bir konuyla ilgili tüm görüşmeleri tek seferde sorgulayabilirsin.
Yapay zeka transkripsiyonuna daha geniş bir bakış için yapay zeka toplantı notları rehberimize göz at.
Sprint retroları: gerçekten tamamlanan görevler
Scrum Kılavuzu'na göre sprint retrospektifinin amacı, kaliteyi ve etkinliği artırmanın yollarını planlamaktır. Pratikte ise retrolar belirli bir noktada tıkanır: Toplantıda gerçek içgörüler ve sözler ortaya çıkar, ama biri bunları yazıya döktüğünde enerji gitmiştir ve görevler sahibi olmayan belirsiz maddelere dönüşür.
"PR inceleme sürecimizi iyileştirelim" bir görev değildir. "Emre gelecek cumaya kadar bir PR inceleme kontrol listesi hazırlayacak" ise görevdir.
Yapay zeka destekli toplantı notları bunu değiştirir, çünkü görevleri kimin ne söylediği bağlamıyla birlikte çıkarır. Yapay zeka şunları tanır:
- açıkça verilen görevler ("Bunu sen halledebilir misin, Zeynep?")
- resmi bir atama olmadan verilen sözler ("Bir sonraki sprintten önce bunu kurarım")
- takip aksiyonu gerektiren kararlar
Retrodan sonra görev listesi, tespit edilen sorumlular ve tarihlerle birlikte toplantının içinde hazır olur. Proje yönetim aracına aktarır ve devam edersin.
Daha da önemlisi, tam transkript olduğu için üç sprint sonra tekrar eden bir sorunun daha önce konuşulup konuşulmadığını ve o zaman ne karar verildiğini kontrol edebilirsin.
Çıkarımdan sonra neyi kontrol etmeli: Tespit edilen görevleri dağıtmadan önce bir kez gözden geçir. Yapay zeka açık atamaları iyi tanır ama sadece ima edilen görevleri kaçırabilir. Bir dakikalık kontrol, her şeyi baştan yazmaktan hızlıdır ve uç durumları yakalar.
Tasarım değerlendirmeleri: sadece sonuçları değil, kararları kaydetmek
Bir tasarım değerlendirmesi bir saat içinde onlarca küçük karar üretir. "B seçeneğiyle gidiyoruz, çünkü mobilde bilişsel yükü azaltıyor." "Bildirimleri bir sonraki iterasyona bırakıyoruz." "CTA'daki kırmızı, kontrast testini geçmesi için koyulaşmalı."
Belgelenmediğinde bu kararlar sadece katılımcıların hafızasında yaşar. Üç hafta sonra yeni bir geliştirici CTA'nın neden tam bu kırmızı tonda olduğunu sorduğunda, kimse erişilebilirlik gerekçesini açıklayamaz.
Yapay zeka toplantı notlarıyla tasarım değerlendirmesindeki her karar zaman damgalı ve aranabilir olur. Kararın alındığı ana transkriptte doğrudan gidebilirsin. Böylece gerçek bir tasarım karar kaydı oluşur; birinin ayrıca tutması gereken bir belge olarak değil, toplantının doğal bir yan ürünü olarak.
Yapay zeka kararları ve görevleri çıkarır, tasarım değerlendirmen ek çaba olmadan dokümantasyon üretir.
Bu, denetim izi istenen regüle sektörlerde ve büyük şirketlerde özellikle önemlidir. Ama bilginin her iş değişikliğinde kapıdan çıktığı sıradan ürün ekiplerinde de önemlidir.
Farklı toplantı formatlarında çıkarımın nasıl çalıştığını görmek için otomatik toplantı notları yazımıza bak.
Paydaş toplantıları: verilen sözleri takip etmek
Paydaş toplantıları, sözlerin verildiği ve sonra bu sözler üzerine tartışmaların çıktığı yerdir. "O takvimi hiç kabul etmedim." "Değerlendiririz dedim, yaparız demedim." "Sadece bir öneriydi, karar değildi."
Toplantı transkribe edildiğinde ve iki taraf da kayda erişebildiğinde bu tartışmalar nadirleşir. Söz ya verilmiştir ya verilmemiştir, transkript hangisi olduğunu gösterir.
Çeyrek dönem değerlendirmeleri, yönetimle ürün toplantıları ya da yönetim kuruluna sunumlar yapan PM'ler için yapay zeka toplantı notlarının ikinci bir işlevi vardır: Paydaşların sorduğu soruları ve dile getirdiği endişeleri, toplantıda yanıtlanmamış olanlar dahil, kayda geçirir.
Bu da bir sonraki toplantı için yapılandırılmış bir girdi sağlar. Finans direktörünün neyi önemsediğini tahmin etmek yerine, geçen çeyrekteki sorularının tam halini önünde görürsün ve onları önceden yanıtlayabilirsin.
Önerilen akış:
- Toplantıyı kaydet: görüşmeye Kenz'u gönder, "Ekranı kaydet" ile kaydet ya da dosyayı yükle
- Toplantıdan sonra tespit edilen görevleri gözden geçir ve resmi onay gerektiren sözleri işaretle
- 24 saat içinde tüm katılımcılara, yapay zeka notlarını temel alan bir özet gönder
- Tam transkripti ürün wiki'sinde ilgili yol haritası maddesine bağla
Sadece bu akış bile "Neyde anlaşmıştık?" karmaşasının çoğunu ortadan kaldırır.
Ürün demoları: itirazları backlog maddesine çevirmek
Müşterilere ya da iç paydaşlara yapılan ürün demoları bilgi doludur ama nadiren iyi belgelenir. PM sunuma odaklanır. Belki biri not alıyordur ama o da dinliyordur. Önemli geri bildirimler kaçar.
Yapay zeka transkripsiyonuyla demo sırasında dile getirilen her itiraz, endişe ve özellik talebi kelimesi kelimesine kaydedilir. Bunun üç doğrudan faydası var:
1. Rekabet bilgisi. Bir müşteri "Rakibiniz bunu farklı yapıyor" dediğinde, tam ifadeyi elinde tutarsın. Birçok demo sonrasında rakip bahislerindeki örüntüler görünür hale gelir.
2. İtiraz örüntüleri. Arka arkaya beş demoda fiyatla ilgili aynı endişe çıkıyorsa, arşivin bunu gösterir. Tüm demolarda belirli konuları arayabilirsin.
3. Müşterinin kendi dili. Müşterilerin sorunlarını anlatırken kullandığı ifadeler, konumlandırma ve metin yazarlığı için en iyi malzemendir. Bir müşteri "Bunun için her cuma öğleden sonramı harcıyorum" diyorsa, bu sadece geri bildirim değil, bir başlıktır.
Her demodan sonra öne çıkanlardan bir backlog maddesi oluştur ve açıklamaya müşterinin kendi cümlelerini yaz. Geliştiriciler ve tasarımcılar, PM'in yorumunu değil kullanıcının gerçek dilini gördüklerinde daha iyi özellikler geliştirir.
Aranabilir bir karar kaydı oluşturmak
Bir PM'in kurabileceği en değerli şeylerden biri, ama elle sürdürmesi en zor olanlardan biri, bir karar kaydıdır: Ne karar verildi, ne zaman, kim tarafından ve hangi gerekçeyle.
Sorun emektir. Elle tutulan bir karar kaydı çoğu ekipte uzun süre yaşamaz.
Yapay zeka toplantı notları bu kaydı yan etki olarak oluşturur. Karar alınan her toplantıda karar otomatik olarak belgelenir. Arama sayesinde ayrı bir dizin tutman gerekmez. Arşivi doğrudan sorgularsın.
En önemli kararlar için küçük bir alışkanlık edin. Bir tasarım değerlendirmesinin ya da sprint planlamasının sonunda yüksek sesle şunu söyle: "Kayıtlara geçsin, bugün X kararını aldık, çünkü Y." Yapay zeka bu cümleyi kelimesi kelimesine kaydeder ve sonra tam bu ifadelerle arayıp bulursun.
Kararlarını net biçimde belgeleyen ekipler onları daha az yeniden tartışır.
Toplantıların ekip hızını nasıl etkilediğini görmek için toplantı verimliliği istatistikleri yazımıza bak.
Geçmiş kararları Ask Kenz ile sorgulamak
Ask Kenz ile tek bir toplantıya ya da bütün bir klasöre doğal dilde soru sorarsın. Karar kaydı burada sadece bir arşiv olmaktan çıkar ve gerçekten işe yarar hale gelir.
Bir Confluence ağacında arama yapmak ya da eski transkriptleri kaydırmak yerine bir soru yazarsın:
- "İlk çeyrekte bildirim sistemiyle ilgili ne karar verdik?"
- "Son yol haritası toplantısında mobil uygulamayı neden ertelediğimizi nasıl gerekçelendirdik?"
- "Kurumsal müşteriler bu yılki demolarda fiyatımız hakkında ne dedi?"
Her cevapta [12:34 · Sarah] gibi alıntı etiketleri görünür. Birine tıklamak seni transkriptte ve kayıtta tam o ana götürür. Cevap kayıtlarda yoksa Kenz bir şey uydurmak yerine bunu söyler. Ayrıca Türkçe sorabilirsin: Kenz, sorunun sorulduğu dilde cevap verir.
Uzun bir geçmişi olan ürünleri yöneten PM'ler için bu çok şey değiştirir. Ekibe yeni katılanlar, yıllarca tutulmuş toplantı notlarını okumadan geçmiş ürün kararlarını anlar. Bir paydaş "Bunu neden böyle yaptık?" diye sorduğunda, gerekçeyi hafızadan yeniden kurmak yerine saniyeler içinde cevap verirsin.
Bu konuyu yapay zeka toplantı asistanı nedir rehberimizde ayrıntılı anlatıyoruz.
Ürün yöneticileri için yapay zekayı ekibe yaymak
Ürün yöneticileri için yapay zekayı günlük işe katmak iki grubun desteğini gerektirir: ürün ekibin (tasarımcılar, geliştiriciler, veri analistleri) ve paydaşların (yöneticiler, müşteriler, satış).
Ürün ekibin için:
Sprint seremonileriyle başla. Bunlar zaten planlıdır, katılımcıları bellidir ve ekibin hızını doğrudan etkileyen görevler üretir. İki sprint boyunca retro, planlama ve refinement toplantılarında yapay zeka notlarını kullan ve diğer toplantılara geçmeden önce ekibin görevlerdeki netlik farkını görmesini sağla. Her toplantıyı e-postayla görüntüleme ya da düzenleme yetkisiyle paylaşabilirsin.
Paydaşlar için:
Onlara sağladığı faydayla başla: Her toplantıdan sonra yazılı bir özet alacaklar, not tutmalarına ya da kararları yazılı almak için peşinden koşmalarına gerek kalmayacak. Çoğu paydaş bundan memnun olur.
Kullanıcı görüşmelerinde katılımcılara oturumun transkribe edileceğini ve transkriptin sadece iç araştırma için kullanılacağını önceden söyle. Bu, UX araştırmasında standart bir uygulamadır ve baştan açıkça belirtildiğinde çoğu kullanıcı buna olumlu bakar. Türkiye'de KVKK açısından da bu bilgilendirmeyi yapmak önemlidir.
Denemek için: İlk 2 toplantı ücretsiz, kredi kartı gerekmez. Hesap oluştur
Araçları karşılaştırmak için en iyi yapay zeka toplantı notu uygulamaları yazımıza göz at.
✨ KenzNote'ta yeni: kayıt olmadan ücretsiz kaydedin ya da işi takviminize bırakın
Hesap gerektirmeyen ücretsiz ekran kaydedici. Toplantı sekmesini, bir pencereyi ya da tüm ekranı sesle birlikte Chrome, Edge veya Brave'de kaydedin. İndirme yok, filigran yok ve dosya siz kaydetmeyi seçene kadar cihazınızda kalır.
Takvim entegrasyonu. Google Takvim veya Outlook'u bağlayın, KenzNote not asistanı Zoom, Google Meet ve Teams toplantılarınıza kendiliğinden katılsın. İsteğe bağlıdır: toplantı bağlantısını yapıştırmaya devam edebilirsiniz.
Ürün yöneticileri için yapay zeka hakkında sık sorulan sorular
Yapay zeka notları ürün demosunda ekranda gösterilenleri de yakalar mı?
Yapay zeka toplantı notları ekrandakini değil, söyleneni işler. Transkript, gösterilen şey hakkında söylenenleri içerir ve bu çoğu zaman yeterlidir. Görsel bağlam önemliyse ne gösterdiğini kısaca sesli anlat: "Şimdi yeni ödeme akışını açıyorum." Böylece transkriptte bir dayanak noktası olur.
Katılımcı kayıt istemezse kullanıcı görüşmesini nasıl yürütmeliyim?
Kayda başlamadan önce mutlaka açık onay al. Katılımcı reddederse görüşmeyi yapay zeka transkripsiyonu olmadan yap ve elle not al. Kayda onay verenlere transkriptin sadece iç araştırma için kullanıldığını ve ekip dışında paylaşılmadığını açıkla.
Çok katılımcılı bir tasarım değerlendirmesinde yapay zeka kimin ne dediğini doğru tanır mı?
Bu, ses kalitesine ve seslerin ne kadar farklı olduğuna bağlıdır. Ses net olduğunda konuşmacı tanıma genellikle iyi çalışır. Önemli toplantılarda transkripte kısa bir göz atıp hatalı eşleşmeleri düzeltmek iyi olur.
Ürün toplantılarımı KenzNote'ta türe göre nasıl düzenlemeliyim?
Tutarlı adlar ve her toplantı türü için bir klasör kullan: Kullanıcı Görüşmeleri, Sprint Seremonileri, Paydaş Toplantıları, Ürün Demoları. Bu, filtrelemeyi ve aramayı çok kolaylaştırır. Ask Kenz ile örneğin sadece kullanıcı görüşmelerinden cevap istiyorsan doğrudan o klasöre soru sorabilirsin.
Yapay zeka notlarını müşterilerle ya da dış paydaşlarla paylaşabilir miyim?
Evet, ama önce gözden geçir. Özetler gündelik sohbetleri ya da dışarıya yönelik olmayan yorumları içerebilir. Özeti önce iç katılımcılara gönder, eksiksiz ve uygun olduğunu teyit et, sonra gerekiyorsa dışarıyla paylaş.
Ürün yöneticileri için yapay zeka notları toplantı yönetme şeklini değiştirir mi?
Biraz. Transkribe edilen toplantılar, herkesin aynı sonucu çıkardığını varsaymak yerine kararların açıkça sesli ifade edilmesinden fayda görür. Bu zaten iyi bir alışkanlıktır, ama karar kaydının net ve aranabilir olmasını istediğinde çok daha değerli hale gelir.
İlgili kaynaklar

About KenzNote Team
The KenzNote team is dedicated to helping teams capture better meeting insights and transform how they collaborate. With backgrounds in AI, product design, and enterprise software, we're building the future of meeting productivity.
Toplantılarınızı dönüştürmeye hazır mısınız?
KenzNote toplantı içgörülerini otomatik olarak yakalar, aksiyon maddelerini çıkarır ve özetler oluşturur; böylece not almak yerine konuşmaya odaklanabilirsiniz.
KenzNote'u Ücretsiz Deneyin