Test var. Coverage var. Pipeline yeşil.

Peki, güven var mı?

Bu bölümde Trendyol’dan Yazılım Direktörü Yiğit Darçın ile yazılım kalitesinin neden hâlâ doğru anlatılamadığını konuştuk.

Çünkü çoğu ekip kaliteyi metriklerle anlatıyor.
Ama üst yönetimin aradığı şey metrik değil: güven.

Bölümde şunları açıyoruz:

• Kalite neden aslında bir güven problemidir
• Risk sahipliği yoksa hataların neden ortada kaldığı
• Süreç kalitesi olmadan neden ölçeklenemediğimiz
• “Yeterince iyi” ile “gerçekten güvenilir” arasındaki fark
• Platform ekipleri ve ortak sistemlerin neden kritik olduğu
• Hata sonrası öğrenmenin kültüre nasıl yazıldığı

Ve belki de en kritik soru:

Bir şey yanlış gittiğinde…
Gerçekten biliyor muyuz sorumlu kim?

Bu bölümde Payrails co-founder’u Emre Talay ile kaliteyi konuşuyoruz.

Ama “test nasıl yapılır” değil.

👉 Biz QA olarak yaptığımız işi gerçekten anlatabiliyor muyuz?

Biz diyoruz ki:

• 1000 test yaptık
• Coverage %90
• Hata yok

Ama işin business tarafı ne duyuyor?

Hiçbir şey.

Emre’nin bakışı net:

Kalite bir test çıktısı değil.
Kalite, satışta kullanılan bir argüman.

Özellikle ödeme sistemlerinde:

• Hata = direkt risk
• Risk = müşteri kaybı

Bu yüzden satılan şey ürün değil:
👉 güven (peace of mind)

Peki problem nerede?

• Teknik ekip yaptığı işi business’a çeviremiyor
• QA çıktıları değer diline dönüşemiyor
• Metrikler var ama anlam yok

Bu bölümde konuşuyoruz:

• QA neden kendini anlatamıyor
• Kalite neden satışın en güçlü silahı olabilir
• “1000 test geçti” neden hiçbir şey ifade etmiyor
• Teknik çıktılar business diline nasıl çevrilir
• Startup büyüdükçe neden süreç ve dokümantasyon kaçınılmaz oluyor

Kısacası:

👉 Test yapıyoruz… ama değerini anlatabiliyor muyuz?

Faruk Nafiz Çamlıbel Atatürk için bir şiir yazar.
Şiirde zaferler, başarılar, askerlik anlatılır.

Atatürk dinler ve şunu söyler:

“Benim asıl değerli tarafımı anlatmamışsın.”

Biz de Scrum’da tam olarak bunu yapıyor olabilir miyiz?

Toplantıları yapıyoruz.
Rolleri biliyoruz.
Ritüeller tamam.

Ama…

👉 Asıl değeri kaçırıyor olabilir miyiz?

Bu bölümde konuğumuz Kamil Karataş⁠ ile birlikte Scrum’un:

• Gerçekte ne olduğunu
• Neye dönüştüğünü
• Ve neden çoğu yerde çalışmadığını

konuşuyoruz.

Bu bölüm özellikle:

• Scrum ile çalışan ekipler
• Yeni başlayanlar
• “Bir şeyler yanlış ama ne?” diyenler için

Net bir reality check.

Bize Böyle Anlatmadılar serisinin bu bölümünde konuğum Berkay Kırmızıoğlu.

Son yıllarda teknoloji dünyasında neredeyse tek bir konu konuşuluyor: AI.
Peki yapay zeka gerçekten test dünyasını dönüştürüyor mu, yoksa biz mi biraz fazla hype içindeyiz?

Bu bölümde sahadaki gerçek deneyimleri konuşuyoruz.

Berkay ile birlikte;

• OpenAPI ve Swagger üzerinden generative API testleri
• AI ile otomatik test üretimi gerçekten ne kadar işe yarıyor
• UI test otomasyonunun bitmeyen problemleri
• LLM’lerin test yazarken yaptığı hatalar
• AI ile büyüyen kod üretimi ve bunun yazılım sektörüne etkisi
• Cursor, Copilot ve yeni nesil geliştirme araçları
• AI çağında öğrenme ve mühendislik pratiği nasıl değişiyor

AI test yazabiliyor.
Ama gerçekten testi anlayabiliyor mu?

PodTest dinleyicileri için yine sahadan gerçek deneyimlerle dolu bir bölüm.

Scrum yapıyoruz.
Daily var.
Sprint var.
Board dolu.
Metrikler yeşil.

Peki gerçekten çalışıyor mu?

Bu bölümde klasik “Agile mi Waterfall mı?” tartışmasına girmiyoruz.
Daha rahatsız edici bir soru soruyoruz:

Metodolojiyi mi uyguluyoruz, yoksa sadece rol mü yapıyoruz?

Konuştuğumuz başlıklar:

• Agile’ın gerçekten ne zaman işe yaradığı

• Fake Agile nedir?

• Scrum yapıp kararları hâlâ yukarıdan almak

• Metrikleri iyileştirmek ile değer üretmek arasındaki fark

• Tool overload: Jira güncellemek mi, ürün geliştirmek mi?

• Kültürel direnç ve “denetim aracı”na dönüşen metodolojiler

• %70 metodoloji adaptasyonu, %30 gerçek verim paradoksu

Bölümün ana fikri şu:

Metodolojiye sahip olmak başka, onu içselleştirmek başka.

Ve belki de asıl mesele Agile ya da Waterfall değil.

Asıl mesele:
Belirsizliği yönetebiliyor muyuz?
Gerçek değeri erken üretebiliyor muyuz?
Yoksa sadece metrikleri mi yeşil yapıyoruz?

Test 101’in ikinci bölümünde sahneyi değil, kulisi konuşuyoruz.

Dinleyin.
Rahatsız olun.
Sonra sprint planlamaya tekrar bakın.

Test 101 serisinin ilk bölümünde gereksinim kavramını ele alıyoruz.

Bu bölümde:

• Gereksinim nedir?

• Neden projelerin büyük bir kısmı daha geliştirme başlamadan kaybedilir?

• Fonksiyonel ve fonksiyonel olmayan gereksinimler neden kritik?

• “Sistem hızlı olmalı” gibi ifadeler neden problem yaratır?

• SMART kriterleri gereksinimi değerlendirmede nasıl kullanılır?

Ayrıca şu konuları tartışıyoruz:

• Test uzmanı gereksinimi sadece okumalı mı, yoksa sorgulamalı mı?

• Gereksinimlerin ölçülebilir ve test edilebilir olması neden önemlidir?

• Backlog refinement sürecinde testçinin rolü nedir?

Bu bölüm, üniversite müfredatıyla paralel ilerleyen Test 101 serisinin başlangıcı.
Temel kavramları konuşuyor, aynı zamanda sahadaki gerçek deneyimlerle çerçeveyi genişletiyoruz.

Test 101 başlıyor.

Bu bölümde Onur Tikin ile early-stage startup dünyasını konuşuyoruz.
Satıştan kaçan teknik founder’lar, yatırım aldıktan sonra ne yapacağını şaşıran ekipler, “yapmış olmak için QA” yapan enterprise kültürü…

Ama konuşma bir noktada tek bir yere bağlanıyor:

Geri bildirim.

Bir startup’ı gerçekten kim yönetir?
Founder mı?
Mühendislik takımı mı?
Yoksa ürüne gelen geri bildirim mi?

Çünkü satıştan gelen sinyal yoksa, roadmap sapıyor.
Müşteri feedback’i product’ın merkezinde değilse ürün romantizme dönüşüyor.
QA kültür değilse kalite sadece “release öncesi kontrol” oluyor.

Bu bölümde startup ile kalite arasındaki görünmez bağı konuşuyoruz.

Startup yönetimi, mühendislik kültürü, yatırım gerçeği ve testin aslında nereye konması gerektiği üzerine net bir reality check.

Eğer ürün geliştiriyor ama neden ilerlemediğini anlayamıyorsan,
Eğer “biz çalışıyoruz ama bir şey eksik” diyorsan,
Belki eksik olan şey teknoloji değil — geri bildirimdir.

Dinle. Katıl. Karşı çık.
Ama bir kere dürüstçe düşün.

“Dashboard yeşil ama ürün çöküyor olabilir mi?”

Bu bölümde Dora Metrikleri ve Golden Signals’i masaya yatırıyoruz.
Deployment Frequency, Lead Time, Change Failure Rate, MTTR…
Latency, Traffic, Errors, Saturation…

Peki bu metrikler gerçekten kalite mi ölçüyor, yoksa sadece iyi görünen tablolar mı üretiyor?

Konuştuğumuz başlıklar:

• Dora metriklerinin çıkış noktası (Google, DevOps Research & Assessment)

• Golden Signals neyi ölçer, neyi ölçmez?

• Observability sadece teknik midir, yoksa takım davranışı da işin içinde mi?

• Change Failure Rate korkusu organizasyonları felç eder mi?

• MTTR düşük ama aynı incident 6 kere yaşanıyorsa gerçekten başarılı mıyız?

• Metrikleri ekipleri cezalandırmak için kullanırsak ne olur?

• “Yeşil dashboard” sendromu

• Cargo Cultists, Metric Gamers ve Elite Performer ekipler

Ve bölümün sorusu:

Her gün 50 deploy yapan, 99.99 uptime’ı olan ama müşterinin gerçek problemini çözmeyen bir ekip…
Gerçekten başarılı mıdır?

Option Shift Hype’da bu hafta:
Metrik mi ölçüyoruz, yoksa kendimizi mi kandırıyoruz?

Yorumlarınızı LinkedIn’de bekliyoruz.

Esen kalın. Hypesız kalın.

Bölümde adı geçen tablo:

🚀 %15-20 | Elite Performers: Metrikleri sadece izlemiyor, her hafta süreci iyileştirmek için kullanıyorlar.🎭 %40-50 | Cargo Cultists: Dashboard’ları var ama sadece "izliyorlar". Aksiyon yok, sadece veri var.🎮 %20 | Metric Gamers: Sayılar iyi görünsün diye sistemi manipüle eden, "dashboard tiyatrosu" oynayanlar.🐢 %15 | Traditionalists: Hala geleneksel yöntemlerle devam edip DORA dünyasına mesafeli kalanlar.

Bu bölümde “tasarım konuşacağız” diye yola çıktık,
ama konu bizi yine hayatın gerçeklerine götürdü.

Berlin’de ürün tasarımcısı Mert Kütükoğlu ile;
AI’nin tasarımı nasıl hızlandırdığını,
neden her üretilen şeyin aynı göründüğünü,
15 dakikada ürün çıkardım söylemlerinin ne kadar gerçekçi olduğunu
ve tasarımın neden bugün her zamankinden daha kritik olduğunu konuştuk.

Bir yandan da şunlara değindik:

• AI ile ürün çıkarmak neden kumara benzemeye başladı?

• “AI-native” etiketinin arkasında gerçekten ne var?

• Neden piyasada bu kadar çok aynı görünen ürün var?

• Tasarımcılar artık neden sadece “çizen kişi” olarak görülmek istemiyor?

• Hız mı önemli, doğru altyapı mı?

Bu bölüm teknik bir rehber değil.
Daha çok sahadan, gözlemden ve gerçek deneyimlerden beslenen bir sohbet.

Devamı gelir mi?
Gelirse daha teknik, daha derin ve daha pratik olacak

Bu bölümde “yapay zeka” denilen şeyin gerçekte ne olduğunu, ne olmadığını ve neden her yerde aynı kelimeyi duyup bambaşka şeyler anladığımızı konuşuyoruz.

Konuğum, yapay zeka üzerine doktora yapmış, akademi ve endüstri tarafını aynı anda görmüş biri: Can Kavaklıoğlu.

Bu bölümde:

• Yapay zeka neden “AI” değil de “yapay zeka” diye konuşuluyor?

• Akademide yapılan AI çalışmaları ile şirketlerin pazarladığı AI arasında ne fark var?

• LLM’ler gerçekten “akıllı” mı, yoksa çok iyi tahmin makineleri mi?

• AGI neden bu kadar abartılıyor ve neden tanımı bile net değil?

• Yapay zeka sistemleri nasıl test edilir, hatta test edilebilir mi?

• Belirsizliği yüksek sistemlerde kaliteyi ve güveni nasıl ölçeriz?

• Üniversite öğrencileri ve genç mühendisler bu alana girerken nereye odaklanmalı?

Hype’ın bir adım gerisine geçip,
akademi – endüstri – gerçek hayat üçgeninde daha ayakları yere basan bir yapay zeka sohbeti.

“Bize böyle anlatmadılar” ama biz yine de anlatalım dedik.