İngilizcede "vantage point" diye harika bir ifade var; olayları en net, en geniş açıdan görebildiğiniz o üstün gözlem noktasını tarif eder. Bu projeye Vantage adını verirken çıkış noktam tam olarak buydu. Çünkü ister küçük bir ekip olun ister büyük bir yapıyı yönetin, bir proje yöneticisinin en çok ihtiyaç duyduğu şey tam da bu: Ekibin gerçekte ne durumda olduğunu şeffafça görebilmek, yaklaşan riskleri erkenden sezmek ve doğru kararları vakit kaybetmeden alabilmek.
Vantage, bu ihtiyaca çözüm olmak için geliştirdiğim modern bir proje yönetim platformu.
Temel İşleyiş ve Klasik Katman
Temele baktığımızda Vantage; organizasyon, proje ve görev hiyerarşisi üzerine kurulu bir yönetim aracı.
- Kanban Mimarisi: Ekipler görevlerini sürükle-bırak mantığıyla kolayca yönetebiliyor; durumları, son teslim tarihlerini ve öncelikleri anlık olarak takip edebiliyor.
- Rol Tabanlı Yönetim: Sahip, yönetici ve üye gibi farklı yetki seviyeleriyle ekip dinamiklerine uyum sağlayan esnek bir yapı sunuyor.
Buraya kadar her şey standart, işlevsel bir proje yönetim aracı gibi görünebilir. Ancak Vantage’ı asıl heyecan verici kılan kısım, perde arkasında çalışan yapay zeka entegrasyonu.
Yapay Zeka Yaklaşımım: "Karar Kodda, Anlatım Modelde"
Yapay zeka katmanını tasarlarken kırmızı çizgim güvenilirlik oldu. Birçok projede yapay zekaya doğrudan kritik kararlar ya da rastgele sayılar ürettirildiğini görüyoruz; ben bu yaklaşımdan özellikle kaçındım.
Vantage’da mantık oldukça net:
- Matematik ve Kurallar: Bir görevin gecikme riskini hesaplarken son teslim tarihine kalan süre, beklenen ilerlemeye göre yaşanan sapma ve ekibin geçmiş tamamlama hızları gibi somut metrikleri kendi yazdığım algoritmalarla 0–100 arasında bir risk puanına dönüştürüyorum.
- Yapay Zekanın Rolü: Dil modeli burada devreye giriyor. Çıkan teknik veriyi alıp kullanıcıya "Bu görev neden risk altında?" sorusunun cevabını sade ve anlaşılır bir Türkçe ile özetliyor.
- İnsan Onayı: Metin tabanlı bir açıklamadan görev listesi türetirken de bu öneriler doğrudan sisteme yazılmıyor; önce kullanıcının onayına sunuluyor.
Aynı ilkeyi ekip üyelerinin çalışma alışkanlıklarını analiz ederken veya haftalık ilerleme özetleri çıkarırken de korudum. Karar ve veri her zaman deterministik koddan geliyor; yapay zeka ise yalnızca bu veriyi anlamlı bir anlatıya dönüştürüyor.
Teknik Mimari ve Yerel Model Tercihi
Mimaride modern, performans odaklı ve sürdürülebilir teknolojileri bir araya getirdim:
- Frontend & Arayüz: Hızlı ve akıcı bir kullanıcı deneyimi için React.
- Backend: İş mantığını ve API akışlarını yönetmek için Node.js & Express.
- Veritabanı & Gerçek Zamanlı Senkronizasyon: Kimlik doğrulama, veri saklama ve anlık güncellemeler için Supabase. Bir kullanıcı panoda bir kartı taşıdığı anda, projedeki herkes bunu eş zamanlı olarak görüyor.
Yapay Zeka (Lokal LLM): Model tarafında harici API’ler yerine kendi donanımımda yerel çalışan modelleri tercih ettim. Bu bana iki büyük avantaj sağladı: Sıfır API maliyeti ve verilerin dışarı çıkmadığı tam bir veri mahremiyeti. Kaynakları verimli kullanmak adına da ikili bir yapı kurdum; hızlı yanıt gerektiren işlerde hafif bir model, daha derinlikli metin analizlerinde ise daha büyük bir model devreye giriyor.
Proje şu anda tamamen çalışır durumda ve canlıda test edilebilir:
Canlı Demo : https://vantage-proje.vercel.app/
- Dağıtım: Arayüz Vercel, sunucu tarafı ise Render üzerinde barınıyor.
Yapay Zeka Bağlantısı: Bilgisayarımda yerel olarak koşan modeli, güvenli bir tünelleme aracı üzerinden canlı ortama bağladım.
Yapay zeka destekli analiz özellikleri, şimdilik kendi geliştirme ortamım ve bilgisayarım açık olduğu sürece aktif kalıyor. Projenin MVP aşamasında sınırsız bulut bütçelerine sahip olmadan da akılcı çözümlerle çalışan bir ürün ortaya koyabileceğimi görmek benim için harika bir deneyim oldu. Elbette bu sadece ilk adım; ilerleyen süreçte modeli optimize edilmiş bulut sunucularına taşıyarak 7/24 kesintisiz hizmet veren ve yeni yapay zeka yetenekleriyle zenginleşen çok daha güçlü bir mimariye geçmeyi planlıyorum.
