--- title: "Yapay Zeka ile Tasarım İş Akışı Nasıl Kurulur: Prompt'tan Canlı Ürüne" description: "Yapay zeka tasarım iş akışı kurmak için pratik bir rehber: yapay zekayı her aşamaya yerleştirmek, araçları seçmek ve insan zanaatını merkezde tutmak." date: "2026-07-27" updated: "2026-07-27" lang: "tr" tags: ["yapay zeka tasarım iş akışı", "tasarım süreci", "tasarımdan koda", "ürün tasarımı"] seoTitle: "Yapay Zeka ile Tasarım İş Akışı Nasıl Kurulur — Things" translationKey: "how-to-build-an-ai-design-workflow" --- # Yapay Zeka ile Tasarım İş Akışı Nasıl Kurulur: Prompt'tan Canlı Ürüne [Yapay zeka tasarımcıların yerini almadı](https://things.com.tr/blog/yapay-zeka-ux-tasarimcilarinin-yerini-alacak-mi). Tasarım işinin aslında hiçbir zaman gerçek anlamda tasarım olmayan kısımlarının yerini aldı: transkripsiyon, kalıp işler, bir kart bileşeninin ellinci küçük varyantı. Bugün kazanan ekipler, iş akışlarını bu gerçeğin etrafında yeniden kuranlar. Bu rehber, bir yapay zeka tasarım iş akışının uçtan uca nasıl kurulacağını ele alıyor: ne olduğunu, her aşamada yapay zekanın nereye oturduğunu, hangi araç kategorilerinin önemli olduğunu, nasıl yönetileceğini ve bunu [Things](https://things.com.tr/studyo)'te kendimiz nasıl uyguladığımızı. Things, 2018'den bu yana 50'den fazla ürünü hayata geçirmiş bir dijital tasarım ve mühendislik stüdyosu; ilkemiz basit: Design. Code. Mastery. ## Yapay Zeka Tasarım İş Akışı Nedir? Yapay zeka tasarım iş akışı, yapay zeka araçlarının belirli aşamalara (araştırma, fikir geliştirme, wireframe, görsel tasarım, prototipleme, tasarımdan koda ve QA) bilinçli olarak atandığı ve aşamalar arasında net insan inceleme kapılarının bulunduğu bir ürün tasarım sürecidir. "Tasarımcıların arada bir ChatGPT kullanması" değildir. Belgelenmiş bir sistemdir: hangi araç, hangi adımda, hangi girdilerle, kim tarafından incelenerek. Bu ayrım önemli. Gelişigüzel yapay zeka kullanımı tutarsızlık üretir: bir tasarımcı samimi bir tonda metin üretir, bir diğeri resmi bir tonda; üstelik her iki durumda da yapay zeka marka kılavuzlarınızı hiç okumamıştır. Bir iş akışı ise yapay zekayı her seferinde aynı bağlamla besler: tasarım ilkeleriniz, bileşen kütüphaneniz, marka sesiniz. Girdi jenerik olmaktan çıktığı için çıktı da jenerik olmaktan çıkar. Olgun bir yapay zeka tasarım iş akışını üç özellik tanımlar: 1. **Bağlam yazılıdır.** Yapay zeka tasarım kılavuzlarınızı, token'larınızı ve ürün kararlarınızı birinin saat 16.00'da doğaçladığı bir prompt'tan değil, dosyalardan okuyabilir. 2. **Her yapay zeka çıktısı bir insan kapısından geçer.** Yapay zeka önerir; son sözü bir tasarımcı ya da mühendis söyler. 3. **Tasarım ve mühendislik aynı hattı paylaşır.** Tasarım üretimine yön veren bağlam dosyaları, kod üretimine de yön verir. "Prompt'tan canlı ürüne" ifadesinin gerçek anlamı budur. ## Yapay Zeka Tasarım Sürecinin Her Aşamasında Nereye Oturur? Yapay zeka her aşamada farklı bir yere oturur: araştırmada sentezi hızlandırır, fikir geliştirmede keşfi genişletir, tasarımdan koda geçişte çeviri sürecini kısaltır. Ama asla bir kararın sahibi olmamalıdır. Kısacası: hacmin darboğaz olduğu yerde yapay zekayı, muhakemenin darboğaz olduğu yerde insanları kullanın. Aşama aşama harita şöyle. ### Araştırma Yapay zeka sentezde olağanüstüdür. Ona görüşme transkriptlerini, destek taleplerini, uygulama mağazası yorumlarını ve analitik dışa aktarımlarını verin; temaları kümeler, çelişkileri ortaya çıkarır ve günler yerine dakikalar içinde bir benzeşim haritası (affinity map) taslağı çıkarır. Yapamadığı şey ise görüşmede oturup kullanıcı "sorun yok" demeden önceki o duraksamayı fark etmektir. İnsanları odada tutun; odanın ürettiğini yapay zeka işlesin. ### Fikir Geliştirme LLM'leri bir ıraksama motoru olarak kullanın. Bir problemin yirmi farklı çerçevelemesini, birbirine zıt on yaklaşımı, düşünmediğiniz uç durumları isteyin. Amaç bir yapay zeka konseptini kabul etmek değil; ilk fikrinizden daha hızlı kurtulmaktır. Yakınsama, yani seçme eylemi, insanda kalır. ### Wireframe Metinden wireframe'e araçlar ve LLM'lerin ürettiği akış tarifleri iskelet kurmak için faydalıdır: ekran envanterleri, durum listeleri, "boş durum ekranında neler olmalı?" kontrol listeleri. Yapay zeka wireframe'lerini yapının kendisi olarak değil, yapı hakkında bir sohbet başlatıcı olarak görün. ### Görsel Tasarım Ekiplerin elinin yandığı yer burası. Görsel üretimi atmosfer keşfi, illüstrasyon yönü ve yer tutucu içerik için güçlüdür. Nihai UI için ise zayıftır (çoğu zaman da yıkıcıdır); çünkü tasarım sisteminizi bilmez. Kural şu: keşfetmek için üretin, yayına almak için tasarlayın. Bileşenleriniz, boşluklarınız ve tipografi ölçeğiniz bir difüzyon modelinden değil, sisteminizden gelir. ### Prototipleme Yapay zeka destekli kodlama, sessiz sedasız high-fidelity kodlanmış prototipleri tıklanabilir mockup'lardan daha ucuz hâle getirdi. Ajan tabanlı (agentic) bir kodlama aracı, gerçek etkileşimlere sahip çalışan bir React prototipini bir öğleden sonrada ayağa kaldırabilir. Kullanıcıların gerçek davranışı test etmesi, bir slayt gösterisine bakarak davranışı hayal etmesinden iyidir. ### Tasarımdan Koda Tek başına en büyük kazanç. Tasarım token'ları, belgelenmiş bir bileşen kütüphanesi ve ikisini de okuyabilen Claude Code gibi ajan tabanlı bir araçla "[yapay zeka ile tasarımdan koda](https://things.com.tr/blog/yapay-zeka-ile-tasarimdan-koda)" bir demo olmaktan çıkıp bir üretim hattına dönüşür: tasarımlar sistem bileşenlerine referans verir, yapay zeka da aynı sisteme göre uygulama yapar. Handoff bir pazarlık olmaktan çıkıp bir incelemeye indirgenir. ### QA Yapay zeka incelemeleri yorulmak bilmez. Otomatik erişilebilirlik taramaları, metin tutarlılığı kontrolleri, görsel fark (visual diff) triyajı, "bu ekran kılavuzlarımızdaki herhangi bir kuralı ihlal ediyor mu?" denetimleri: bunları her şey üzerinde çalıştırın, ardından insanların tüm yüzey yerine yalnızca işaretlenen öğeleri incelemesini sağlayın. ## Yapay Zeka Tasarım Araç Setinizde Neler Olmalı? Kırk araca değil, dört kategoriye ihtiyacınız var: LLM asistanları, ajan tabanlı kodlama araçları, tasarım aracınızın içindeki yapay zeka özellikleri ve görsel üretimi. Her kategoriden güçlü bir seçenek belirleyin, bunları ortak bir bağlama bağlayın ve lansman gününün her yeniliğini benimseme dürtüsüne direnin. - **LLM asistanları** (Claude ve benzerleri). Genel amaçlı katman: araştırma sentezi, UX metni taslakları, eleştiri, dokümantasyon. Değerleri, onlara verdiğiniz bağlamla doğru orantılıdır; kılavuzlarınızın insanların kafasında değil, dosyalarda yaşaması gerekmesinin nedeni de budur. - **Ajan tabanlı kodlama araçları** (Claude Code ve benzerleri). Bunlar otomatik tamamlama yapmaz; iş yürütür. Reponuzu, [`CLAUDE.md` bağlam dosyalarınızı](https://things.com.tr/blog/tasarim-ekipleri-icin-claude-md), token tanımlarınızı okur ve çok adımlı uygulama işlerini hayata geçirirler. Tasarım ekipleri için Figma'dan canlı ortam koduna uzanan köprü budur. - **Tasarım aracı yapay zeka özellikleri** (Figma AI ve muadilleri). İlk taslak üretimi, içerik doldurma, katmanları otomatik yeniden adlandırma, tuvalin içinde hızlı varyantlar. Kullanışlıdır ve en iyi sonucu işin göz alıcı olmayan orta kısmında verir. - **Görsel üretimi** (Midjourney, DALL·E sınıfı modeller ve ardılları). Sanat yönetimi, moodboard'lar, illüstrasyon sistemleri, pazarlama denemeleri. Bir insan çıktıyı sisteme uygun şekilde yeniden çizmedikçe ürününüzün UI katmanından uzak tutun. Dördünü birbirine bağlayan doku, yapay zekanın okuyabildiği dokümantasyondur. Bu, tek tek araç seçimlerinden daha önemlidir. ## Bir Tasarım Ekibinde Yapay Zekayı Nasıl Yönetirsiniz? Yönetişim üç şey demektir: makinenin okuyabileceği kılavuzlarla sağlanan marka tutarlılığı, zorunlu insan inceleme kapıları ve yapay zekanın kullanılmasına izin verilmeyen yerlerin açık bir listesi. Bunlar olmadan bir yapay zeka iş akışı daha hızlı çıktı ve daha yavaş güven üretir. **Marka tutarlılığı.** Marka sesiniz, tasarım ilkeleriniz ve görsel kurallarınız, yapay zekanın her görevde okuduğu belgeler olarak var olmalıdır. Tonunuz "kendinden emin, editoryal, kısa cümleler" ise bunu modelin okuyabileceği bir yere yazın. Aksi takdirde varsayılan LLM üslubunu alırsınız: hoş, şişirilmiş, akılda kalmayan. **İnceleme kapıları.** Bunları her aşama için tanımlayın. Araştırma sentezini, oturumları yürüten araştırmacı inceler. Üretilen UI'ı bir tasarımcı tasarım sistemine göre inceler. Üretilen kodu, diğer her pull request gibi bir mühendis inceler. Hiçbir yapay zeka çıktısı, sorumluluğunu adı belli bir insan üstlenmeden merge edilmez, yayına alınmaz ya da müşteriye ulaşmaz. **Yapay zekanın kullanılmayacağı yerler.** Sınırları açıkça çizin: - **Stratejik konumlandırma ve ürün vizyonu.** Yapay zeka geçmişin ortalamasını alır; strateji ise bir farka oynar. - **Markayı tanımlayan nihai görseller.** Kullanıcıların hatırladığı anlar bir insan elini hak eder. - **Kullanıcıyla doğrudan temas.** Görüşmelerin kendisini sentezleyip ortadan kaldırmayın. - **İncelenmemiş hassas veri içeren her şey.** Etik ve gizlilik otomatikleştirilemez. - **Son karar.** Zevk, ürünün ta kendisidir. İnsanda kalır. ## Dokümantasyon Neden Bir Yapay Zeka Tasarım İş Akışının Omurgasıdır? Çünkü yapay zekanın kalitesi bağlamın bir fonksiyonudur ve dokümantasyon, bağlamı tekrarlanabilir biçimde sunmanın yoludur. Ürününüz hakkında hiçbir bilgisi olmayan bir model jenerik iş üretir; aynı model tasarım kılavuzlarınızı, token'larınızı ve karar kayıtlarınızı okuduğunda sizin işinize benzeyen işler üretir. Dokümantasyon artık gelecekteki ekip arkadaşlarına yardımcı olan bir angarya değil. Bugün her yapay zeka etkileşimini iyileştiren canlı bir altyapıdır. Pratikte bu omurga şöyle görünür: - **Bağlam dosyaları** (her repoda `CLAUDE.md` ya da muadili): ürünün ne olduğu, nasıl yapılandırıldığı, hangi kuralların geçerli olduğu, yapay zekanın asla yapmaması gerekenler. - **[Markdown olarak tasarım kılavuzları](https://things.com.tr/blog/design-md-nedir-tasarim-dokumantasyonu)** (yalnızca Figma sayfaları değil): ilkeler, marka sesi, erişilebilirlik standartları, yap/yapma örnekleri; herhangi bir LLM'nin okuyabileceği bir formatta. - **Kod olarak tasarım token'ları**: JSON ya da CSS değişkenleri hâlinde renkler, tipografi, boşluklar; tasarım araçları ile kodlama ajanları arasındaki ortak sözlük. - **Karar kayıtları**: navigasyonun neden böyle çalıştığı, o kalıbın neden reddedildiği. Yapay zekanın zaten elediğiniz fikirleri yeniden önermeyi bırakması bu sayede olur. Buraya yatırım yapan ekipler katlanarak kazanır. Belgelenen her karar, gelecekteki her prompt'u daha ucuz, her çıktıyı ise ilk denemede doğruya daha yakın hâle getirir. ## Things Kendi Yapay Zeka Destekli İş Akışını Nasıl Yürütüyor? Things'te yapay zeka, ilk günden itibaren tasarım ve mühendisliğin paralel çalıştığı sürecimizin (Understand → Shape → Build → Evolve) içinde çalışır; böylece handoff boşlukları ya da yolda kaybolan niyet olmaz. Yapay zeka her aşamayı hızlandırır; hiçbir şeye karar vermez. Biz ajans değil, stüdyoyuz ve bu, bu araçları nasıl kullandığımızı belirliyor: ajansların şablona başvurduğu yerde araştırmaya dayanıyor, üretim hatlarının "bu kadarı yeter" dediği yerde zanaata takıntıyla yaklaşıyoruz. **Understand** aşamasında yapay zeka araştırmayı ölçekli biçimde sentezler (transkriptler, pazar sinyalleri, analitik), ekibimiz ise her görüşmede bizzat bulunur. **Shape** aşamasında LLM'leri, insan muhakemesi seçenekleri daraltmadan önce konsept keşfini genişletmek için kullanırız; mühendislik zaten odada olduğundan her yön anında gerçekliğe karşı test edilir. **Build** aşamasında ajan tabanlı kodlama araçları, tasarımcılarımızın yazdığı bağlam dosyalarının aynısını okuyarak tasarım sistemlerimize göre uygulama yapar; böylece tasarım niyeti bir çeviri katmanına ihtiyaç duymadan koda akar. **Evolve** aşamasında yapay zeka destekli denetimler, yayındaki ürünleri sapma, gerileme ve erişilebilirlik açıkları için izler; bunlarla ilgili ne yapılacağına ise insanlar karar verir. Sonuçlar varsayımsal değil. Bu çalışma biçimi (paralel tasarım ve mühendislik, altyapı olarak dokümantasyon, hacimde yapay zeka ve muhakemede insan) hayata geçirilmiş 50'den fazla ürünün ve bir Red Dot ödülünün arkasında duruyor. Zanaat, yapay zeka çağında bu iş akışına rağmen ayakta kalmadı. Tam da onun sayesinde ayakta kaldı. ## Sıkça Sorulan Sorular **Yapay zeka ürün tasarımcılarının yerini alacak mı?** Hayır, ama tasarımcıların üretim yükünü devralıyor. Sentez, varyantlar, kalıp kod ve QA taramaları giderek otomatikleşiyor. Muhakeme, zevk, araştırmadaki empati ve stratejik çerçeveleme ise değer kaybetmek bir yana, eskisinden de değerli; çünkü artık sürecin kıt olan kısmı bunlar. **Bir tasarım ekibine yapay zekayı entegre etmenin ilk adımı nedir?** Araç satın almadan önce dokümantasyonunuzu yazın. Bir tasarım kılavuzu dosyası, kod olarak tasarım token'ları ve her proje için bir bağlam dosyası, sonrasında benimseyeceğiniz her yapay zeka aracını daha iyi hâle getirir. Bağlamı olmayan araçlar, sağlayıcı kim olursa olsun jenerik iş üretir. **Yapay zeka tasarımlardan canlı ortama hazır kod üretebilir mi?** Evet, belirli koşullarla: belgelenmiş bir bileşen kütüphanesi, kodda tanımlı tasarım token'ları ve ikisini de okuyabilen ajan tabanlı bir araç. Bu temel olmadan tasarımdan koda yapay zeka, makul görünen ama sisteminizle çatışan kod üretir. Yapay zekanın çıktısı, her pull request gibi her zaman mühendis incelemesinden geçmelidir. **Yapay zeka çıktısını markaya uygun nasıl tutarız?** Markanızı makinenin okuyabileceği hâle getirin. Ses kılavuzları, görsel ilkeler ve yap/yapma örnekleri Markdown hâlinde her yapay zeka görevine beslenmeli; buna ek olarak, herhangi bir şey yayına çıkmadan önce bir insan inceleme kapısı olmalı. Tutarlılık, tutarlı girdilerden gelir. **Tasarım işinde yapay zekadan ne zaman kaçınmalıyız?** Strateji, markayı tanımlayan nihai görseller, kullanıcıyla doğrudan temas, hassas veriler ve nihai kararlar söz konusu olduğunda. Yapay zekayı hacmin darboğaz olduğu yerde kullanın; muhakemenin ürünün kendisi olduğu her yerde insanları tutun. --- ## Hayata Geçiren Bir Stüdyoyla Kurun Bir yapay zeka tasarım iş akışı, zanaatle kurulursa rekabet avantajıdır. Things, 2018'de kurulmuş, İstanbul ve Elazığ merkezli bir dijital tasarım ve mühendislik stüdyosu. Araştırma, [UX/UI tasarım, tasarım sistemleri, web ve mobil mühendislik](https://things.com.tr/hizmetler), yapay zeka destekli iş akışları: prompt'tan canlı ürüne, paralel olarak tasarlanıp inşa ediliyor. Yapay zekanın işi hızlandırdığı, sonucun sahipliğinin ise insanlarda olduğu bir iş akışı istiyorsanız bizimle konuşun: **hello@things.ist** · [things.com.tr](https://things.com.tr/) Design. Code. Mastery.