Bir yazılım projesinde en tehlikeli şey nedir? Kod hataları mı? Hayır. Varsayımlar. Kimsenin sorgulamadığı, herkesin “zaten öyle” diye kabul ettiği o sessiz kabuller, projeleri raydan çıkaran asıl suçlulardır. Yapay zekâ ile varsayım listesi çıkarma ve test planı oluşturmak, bu gizli riskleri gün yüzüne çıkarmanın en pratik yollarından biri haline geldi. Üstelik bu iş artık saatler değil, dakikalar sürüyor.
Pratikte en sık görülen senaryo şu: Gereksinim dokümanı hazır, herkes işe koyulmuş ama kimse “Kullanıcı her zaman internet bağlantısına sahip olacak” gibi varsayımları sorgulamıyor. Sonra test aşamasında felaket başlıyor. İşte tam bu noktada yapay zekâ devreye giriyor.
Başlamadan Önce
Bu rehberi uygulamak için birkaç şeye ihtiyacınız var. Hazırlıksız başlamak, varsayımları çıkarmaya çalışırken yeni varsayımlar üretmek demek.
Gerekenler
- ChatGPT Plus, Claude Pro veya Gemini Advanced aboneliği (ücretsiz sürümler de çalışır ancak uzun dokümanlar için yetersiz kalır)
- Projenizin gereksinim dokümanı, kullanıcı hikayeleri veya PRD (Product Requirements Document)
- Mevcut teknik spesifikasyonlar (varsa)
- Paydaş görüşme notları
Ön Koşullar
- Temel prompt mühendisliği bilgisi (karmaşık değil, basit talimat yazabilmek yeterli)
- Projenin kapsamı hakkında genel bir anlayış
- Test süreçleri hakkında temel farkındalık
Varsayım Nedir ve Neden Bu Kadar Kritik?
Varsayım, doğruluğu kanıtlanmadan kabul edilen her şeydir. Yazılım projelerinde varsayımlar genellikle üç kategoride toplanır:
- Teknik varsayımlar: “API her zaman 200ms altında yanıt verir”, “Veritabanı bağlantısı asla kopmaz”
- İş varsayımları: “Kullanıcılar bu özelliği günde en fazla 5 kez kullanır”, “Ödeme işlemleri sadece TL cinsinden olacak”
- Kullanıcı varsayımları: “Hedef kitle teknolojiyle barışık”, “Mobil kullanım oranı %30’u geçmez”
Kilit Çıkarım: Her varsayım, test edilmemiş bir risktir. Yapay zekâ bu riskleri sistematik şekilde ortaya çıkarır.
Adım Adım: Yapay Zekâ ile Varsayım Listesi Çıkarma
- Dokümanlarını hazırla. Gereksinim dokümanını, kullanıcı hikayelerini ve teknik notları tek bir metin dosyasında birleştir. Yapay zekâ bağlamı ne kadar iyi anlarsa, varsayımları o kadar isabetli tespit eder.
- Bağlam veren bir sistem promptu yaz. Örnek: “Sen deneyimli bir yazılım test mühendisisin. Sana vereceğim gereksinim dokümanındaki açık ve örtük varsayımları tespit et. Her varsayım için risk seviyesini (Düşük/Orta/Yüksek) ve hangi kategoriye girdiğini belirt.”
- Dokümanı yapay zekâya sun ve ilk çıktıyı al. İlk sonuç genellikle yüzeysel olur. Bunu bir başlangıç noktası olarak kabul et.
- Derinleştirici sorular sor. “Bu varsayımlardan hangisi yanlış çıkarsa proje tamamen durur?”, “Hangi varsayımlar birbiriyle çelişiyor?”, “Eksik kalan alan var mı?” gibi takip soruları kritik.
- Çıktıyı kategorize et ve önceliklendir. Yapay zekânın ürettiği listeyi teknik, iş ve kullanıcı varsayımları olarak grupla. Risk seviyesine göre sırala.
Pro İpucu: Aynı dokümanı farklı yapay zekâ araçlarına ver. ChatGPT ve Claude farklı varsayımları yakalayabiliyor. Testlerde bu “çapraz kontrol” yöntemi %30’a varan ek varsayım tespiti sağlıyor.
Varsayımlardan Test Planına Geçiş
Varsayım listesi hazır. Şimdi bu listeyi test edilebilir senaryolara dönüştürme zamanı. İşte sistematik yaklaşım:
Varsayım-Test Matrisi Oluşturma
| Varsayım | Risk Seviyesi | Test Türü | Öncelik |
|---|---|---|---|
| API yanıt süresi <200ms | Yüksek | Performans Testi | P1 |
| Kullanıcı her zaman çevrimiçi | Yüksek | Offline Senaryo Testi | P1 |
| Maksimum 1000 eşzamanlı kullanıcı | Orta | Yük Testi | P2 |
| Dosya boyutu 10MB’ı geçmez | Düşük | Sınır Değer Testi | P3 |
Yapay Zekâ ile Test Senaryosu Üretme
- Varsayım listesini yapay zekâya ver. “Bu varsayımların her biri için 3’er test senaryosu üret. Her senaryo şu formatta olsun: Ön koşul → Adım → Beklenen Sonuç”
- Negatif senaryoları talep et. “Her varsayımın yanlış çıktığı durumu test eden senaryolar ekle.” Bu adım çoğu zaman atlanan ama en değerli kısım.
- Edge case’leri çıkar. “Sınır değerler ve uç durumlar için ek senaryolar öner.” Yapay zekâ bu konuda özellikle başarılı çünkü insan gözünün kaçırdığı kombinasyonları yakalıyor.
- Test verisi önerileri al. “Her senaryo için gerekli test verilerini listele.” Bu, test hazırlık süresini ciddi ölçüde kısaltıyor.
Pro İpucu: Yapay zekâdan Gherkin formatında (Given-When-Then) çıktı istersen, otomasyon araçlarına doğrudan aktarılabilir senaryolar elde edersin.
Hangi Yapay Zekâ Aracını Kullanmalı?
Her aracın güçlü ve zayıf yönleri var. Kullanım amacına göre seçim yapmak gerekiyor:
| Araç | Güçlü Yön | Zayıf Yön | En Uygun Kullanım |
|---|---|---|---|
| ChatGPT (GPT-4) | Geniş bağlam penceresi, çok yönlü | Bazen fazla genel kalıyor | İlk varsayım taraması |
| Claude | Uzun doküman analizi, detaylı çıktı | Güncel bilgi eksikliği | Kapsamlı PRD analizi |
| Gemini | Google entegrasyonu, hızlı | Tutarsız çıktılar | Hızlı kontrol |
| Copilot | Kod odaklı varsayımlar | İş varsayımlarında zayıf | Teknik varsayımlar |
Maliyet: Profesyonel kullanım için aylık 20-25$ abonelik yeterli. Kurumsal projeler için API kullanımı daha ekonomik olabiliyor.
Süre: Orta ölçekli bir projenin varsayım analizi ve test planı taslağı, yapay zekâ ile 2-4 saat. Manuel yöntemle aynı iş 2-3 gün.
Mini Senaryo: Şu Durumda Ne Yaparsın?
Senaryo: E-ticaret projesi için gereksinim dokümanı var. Yapay zekâ “Kullanıcılar sadece kredi kartıyla ödeme yapacak” varsayımını tespit etti ama bu dokümanda açıkça yazılmamış.
Çözüm: Bu bir “örtük varsayım” örneği. Hemen paydaşlara sor: Kapıda ödeme, havale, dijital cüzdan desteklenecek mi? Cevaba göre ya varsayımı doğrula ya da gereksinimi genişlet. Test planına her ödeme yöntemi için ayrı senaryolar ekle.
Yaygın Hatalar ve Kaçınılması Gerekenler
- Yapay zekâ çıktısını sorgulamadan kabul etmek: Yapay zekâ bazen alakasız varsayımlar üretir. Her maddeyi proje bağlamında değerlendir.
- Sadece teknik varsayımlara odaklanmak: İş ve kullanıcı varsayımları genellikle daha yıkıcı sonuçlar doğurur.
- Varsayımları belgelemeden geçmek: Tespit edilen her varsayım, kimin onayladığı ve ne zaman doğrulandığı bilgisiyle kayıt altına alınmalı.
- Tek seferde bitirmek: Varsayım analizi iteratif bir süreç. Proje ilerledikçe yeni varsayımlar ortaya çıkar.
Sıkça Sorulan Sorular
Ücretsiz yapay zekâ araçları bu iş için yeterli mi?
Küçük projeler için evet. Ancak uzun dokümanlar ve karmaşık sistemler için ücretli sürümlerin geniş bağlam penceresi şart. Ücretsiz sürümler dokümanı parçalara bölmeyi gerektiriyor, bu da bağlam kaybına yol açıyor.
Yapay zekânın ürettiği test senaryolarına ne kadar güvenebilirim?
Başlangıç noktası olarak mükemmel, son ürün olarak yetersiz. Yapay zekâ senaryoları mutlaka domain uzmanı ve test mühendisi tarafından gözden geçirilmeli. Otomasyon için doğrudan kullanmadan önce manuel doğrulama şart.
Hangi proje türleri için bu yöntem en etkili?
Karmaşık iş kuralları olan projeler, entegrasyon yoğun sistemler ve yeni domain’lere giriş yapılan projeler. Basit CRUD uygulamalarında getirisi sınırlı kalıyor.
Sonuç
Yapay zekâ ile varsayım çıkarma ve test planı oluşturma, yazılım kalitesini artırmanın en düşük maliyetli yollarından biri. Manuel yöntemlerle günler süren analiz, doğru promptlarla saatlere iniyor. Kritik olan nokta şu: Yapay zekâ bir araç, karar verici değil. Çıktıları mutlaka insan değerlendirmesinden geçir, paydaşlarla doğrula ve iteratif şekilde güncelle.
Hemen başlamak için: Mevcut projenizin gereksinim dokümanını alın, yukarıdaki prompt şablonlarını kullanın ve ilk varsayım listenizi çıkarın. İlk denemede bile gözden kaçan en az 5-10 varsayım bulacağınıza emin olabilirsiniz.
