FlowBit ve MCP ile otomatik görev yönetimi
AI destekli görev üretiminin işe yarayan kısmı, ekibin nereye yoğunlaşacağına karar vermeyi kolaylaştırır. FlowBit'in tasarımındaki seçimler ve sahadan gözlemler.
Yeni bir proje yönetimi aracını piyasaya sürerken cevaplamamız gereken iki soru vardı: AI'yi nereye koyalım, ve nereye koymayalım. FlowBit bu iki kararın ürünü.
Neden bir başka proje yönetim aracı
Pek çok ekip Jira, Linear veya Asana kullanırken bile aynı şeyden şikâyet ediyordu: araç çok şey yapabiliyor ama ekip çoğu şeyi yapmıyor. Karmaşıklık, küçük ekipleri yavaşlatıyor, büyük ekipleri ise kendi süreçlerini yeniden yazmaya zorluyor.
FlowBit'i tasarlarken öncelik şuydu: az ama doğru özellik, ve kullanıcının her gün dokunduğu yerlerde AI yardımı.
MCP neden önemli
MCP (Model Context Protocol), AI modelleri ile uygulamalar arasında standart bir köprü kuruyor. Bu sayede:
- Claude, GPT-4 veya yerel bir model (Ollama) tek bir entegrasyonla bağlanabiliyor.
- Modelin uygulamadaki bağlamı (ekip, sprint, ticket) görmesi için ayrı sistem promptları yazmaya gerek kalmıyor.
- Veri sınırlaması açıkça tanımlanabiliyor — sadece izin verilen kapsamda model okuyabiliyor.
Sahada gözlemlediklerimiz
İlk pilot ekiplerle üç ay çalıştıktan sonra net olarak görünen şu oldu: AI'nin en çok değer kattığı an, karar verme anı değil hatırlama anı.
Tipik akış:
- Toplantıda alınan notlar metne dönüşüyor.
- FlowBit metinden olası görevleri ve sahiplerini öneriyor.
- Sprint sonunda otomatik rapor — kim ne yaptı, neresi takıldı — Slack'e düşüyor.
Bu üç adımın hiçbiri "akıllı" değil. Ama hepsi birlikte, ekibin "bunu unuttuk" anlarını ortadan kaldırıyor.
Ne öğrendik
- Otomatik görev önerisi her zaman insanın onayından geçmeli. AI tek başına ticket oluşturmamalı.
- Raporlar kısa olmalı. 8 satırı geçen otomatik rapor okunmuyor.
- Yerel mod (Ollama) talep ediyor — özellikle kamu ve sağlık sektörü için kritik.
FlowBit hâlâ erken aşamada. Ama AI'yi bir hızlandırıcı olarak değil, bir hatırlatıcı olarak konumlandırmak işliyor.