Yapay zekâyla küçülen ekipler: Şirket ne kazanıyor, ne kaybediyor?

Küçük bir ekibin daha önce daha fazla insan gerektiren bir ürünü çıkarabilmesi, şirket için ciddi bir fırsat. Fakat ekip küçülürken işin hangi kısmının kolaylaştığını, hangi kısmının aynı insanlarda toplandığını ayrı ayrı görmek gerekiyor.

Kaya Genç'in Rest of World'de Türkiye'deki oyun geliştiricileriyle yaptığı görüşmeler, bu değişimi somutlaştırıyor. Haberde, büyük stüdyolarda çalıştıktan sonra AI desteğiyle kendi oyunlarını geliştiren kişiler var. Kod, görsel üretimi ve prototip gibi işlerde daha küçük ekiplerle ilerleyebildiklerini anlatıyorlar. Buna karşılık Bahçeşehir Üniversitesi'nden eğitimciler, öğrencilerinin mesleğe girişte iş bulmakta zorlandığını aktarıyor.

Bunlar bütün sektörün istihdamını ölçen bir araştırmanın sonuçları değil, görüşmelere dayanan gözlemler. Yine de şirketler açısından düşünmeye değer bir gerilim var: Deneyimli birinin tek başına yapabildiği işler artarken, deneyimsiz birinin o işi öğrenebileceği yerler azalabiliyor.

Bir oyun yapabildim. Oyun işini öğrendiğimi söyleyemem

Ben de AI desteğiyle Godot üzerinde temel bir 2D oyun geliştirdim. Uzun süredir farklı programlama dilleriyle çalışan bir geliştirici olarak bu kısmı yapmakta fazla zorlanmadım. C# deneyimim olsa da bu denemede Godot'nun GDScript dilini kullanmayı tercih ettim.

Görsel tarafta sınır daha belirgindi. Kullanılabilir 3D varlıklar üretmekte başarılı olamadım. 2D görselleri üretmek daha kolaydı. AI'ın yardımı her işte aynı düzeyde değildi.

Bu deneyim benim için oyun geliştirmenin erişilebilir hâle geldiğini gösterdi. Ama çalışabilen bir oyun yapmakla insanların oynamak isteyeceği, keşfedeceği ve para kazandıracak bir ürün geliştirmek arasında hâlâ ciddi bir mesafe var. Oyun sektörü ayrı bir pazar. Yazılım geliştirme deneyimim, o pazarın bilgisine kendiliğinden dönüşmüyor.

Üretim kolaylaşınca başarıyı sınırlayan şey değişebilir

Bir oyunun hazırlanma maliyeti düştüğünde daha fazla fikri denemek mümkün olur. Küçük bir ekip, daha önce bütçe ayıramadığı bir ürüne başlayabilir. Bu kazanç küçümsenecek bir şey değil.

Ancak ürünü hazırlamak zaten en büyük sorun değilse, daha hızlı üretim ticari sonucu aynı ölçüde değiştirmez. Oyuncuya ulaşmak, oyunu tekrar açmasını sağlamak ve gelir elde etmek için başka kararlar gerekir. Üstelik aynı araçlara rakipler de erişebilir. Daha kolay ürün çıkarmak, tek başına kalıcı bir üstünlük oluşturmaz.

Benzer ayrım oyun dışında da geçerli. Örneğin bir pazarlama çalışanı AI ile daha fazla reklam metni ve görsel hazırlayabilir. Fakat kampanyanın sorunu müşteriye yanlış bir teklif sunmaksa, seçenek sayısını artırmak o sorunu çözmez. Çalışanın kazandığı zamanı müşteri tepkilerini anlamaya ayırması daha yararlı olabilir.

Bu yüzden küçük ekibin başarısını ürettiği dosya veya çıkardığı ürün sayısıyla değerlendirmek eksik kalır. Hangi ihtiyacı daha iyi karşıladığına ve müşterinin davranışında neyin değiştiğine de bakmak gerekir.

Bugünün deneyimi nereden geldi?

Kendi oyun denememde kolayca gözden kaçabilecek bir ayrıntı var: AI kullanmaya başlarken yazılım deneyimim zaten vardı. Bu deneyimi o deneme sırasında edinmedim.

Şirketlerde de deneyimli bir çalışan, daha önce birkaç kişiye dağılan işleri AI yardımıyla üstlenebilir. Ancak bu kişinin değerlendirme yapmasını sağlayan birikim, çoğu zaman yıllarca gerçek işlere katılarak oluşmuştur. İşe yeni başlayanların o birikimi edinmesi için de gerçek sorumluluk almaları gerekir.

Bir satış çalışanı teklif hazırlarken müşterinin hangi koşula itiraz ettiğini öğrenir. Genç bir geliştirici küçük bir değişiklik yaparken, sistemde gereksiz sandığı bir kontrolün neden orada durduğunu fark edebilir. Bu işlerin hazırlanma kısmı otomatikleştiğinde öğrenme de kendiliğinden yeni bir yere taşınmaz.

AI, işe yeni başlayan kişinin daha zor bir işe katılmasını da kolaylaştırabilir. Bunun için görev vermek kadar, kararının gerekçesini tartışacak ve hatasını anlamasına yardım edecek birine erişmesi önemlidir. Deneyimli çalışan bütün zamanını artan üretimi kontrol etmeye ayırıyorsa, bu destek için yeri kalmayabilir.

Şirketin hafızası olan çalışanları korumak yazısında, deneyimli insanların bilgisinden yararlanabilmek için onları şirkette tutmanın tek başına yetmediğini tartışmıştım. Burada bunun bir sonraki halkası var: O bilgiyi kim devralacak, kendi deneyimini hangi işlerde kazanacak?

Daha küçük ekibin işini yeniden kurmak

Kadro ihtiyacının azalması mümkün. Fakat bunun hesabına, kalan insanların üretim dışındaki görevlerini de katmak gerekir. Müşteriyle konuşmak, işin kalitesini değerlendirmek, sorun çıktığında müdahale etmek ve yeni bir çalışanı yetiştirmek için hâlâ zaman gerekir.

Yapay zekâ dönüşümünün işi yeniden tasarlamakla başlamasını bu yüzden önemsiyorum. AI ile açılan kapasitenin nereye ayrılacağı bir yönetim kararıdır. Daha fazla ürün çıkarmaya, müşteri ihtiyacını daha iyi anlamaya veya ekip içindeki öğrenmeye ayrılabilir. Bir yerdeki hızlanmanın şirket için hangi sonuca dönüşeceği bu tercihe bağlıdır.

Böyle bir değişikliği değerlendirirken, biten işlerin yanında düzeltmeye harcanan süreyi de izlemek isterim. Kritik bir iş için hâlâ tek bir kişiye ihtiyaç duyulup duyulmadığına bakarım. İşe yeni başlayanların giderek daha fazla sorumluluk alabilmesi de ekibin geleceği hakkında anlamlı bir işarettir.

Kendi oyun denemem üretime başlamanın kolaylaştığını gösterdi. Bir şirket için bundan sonraki karar, o kolaylığı nerede kullanacağıdır. Aynı deneyimli insanın önüne daha fazla iş koymak kısa vadede işe yarayabilir. Onun yanına zamanla sorumluluk alabilecek birini yetiştirmek de kapasite yatırımıdır ve hesabın içinde yer almalıdır.