Bu yarım günlük atölye, proje yöneticilerinin üretken yapay zekâyı (GenAI) kullanarak proje risklerini hızlı ve kapsamlı biçimde belirlemesini, kategorize etmesini ve yapılandırılmış bir risk kaydına (risk register) dönüştürmesini; daha da önemlisi bu çıktıyı risk yönetimi disiplinini kullanarak güvenle süzmesini öğretir. Risk, yapay zekânın özellikle güçlü olduğu bir alandır: AI, insanın gözden kaçırdığı risk kategorilerini bile yüzeye çıkarabilir. Ancak asıl tehlike de buradadır — AI, projeye özgü olmayan onlarca 'makul ama jenerik' risk üretir; bunların gerçekten geçerli olan azınlığını ayıklamak uzman yargısı gerektirir. Eğitim bu yüzden 'üret–süz–derinleştir' döngüsüne odaklanır: AI ile geniş bir aday risk havuzu üret, disiplinle projeye özgü olanları süz, olasılık/etki ve yanıt planlamasıyla derinleştir.
Kariyer gelişimi açısından: yapay zekâ risk beyin fırtınasını hızlandırdıkça proje yöneticisinin değeri 'risk listeleyen' olmaktan 'projeye özgü olanı süzen ve önceliklendiren' role kayıyor.
Önkoşullar: (1) 'Yazılım Proje Rolleri için Yapay Zekâ ile Etkili Çalışma (Temel)' zorunludur. (2) Bu eğitim ayrıca temel proje risk yönetimi bilgisini (risk kategorileri, olasılık/etki, yanıt stratejileri) varsayar; bu bilgi PMP/eşdeğer deneyim ya da risk yönetimi eğitimi yoluyla edinilmiş olmalıdır — çünkü AI'nın ürettiği risk havuzunu ancak bu temele sahip biri güvenle süzebilir.
•AI'nın gücü: geniş, kategorik, hızlı risk beyin fırtınası
•AI'nın tehlikesi: 'makul ama jenerik' ve uydurma risk gürültüsü
•Bu eğitimin yaklaşımı: üret–süz–derinleştir döngüsü
•Risk görevleri için Yeşil / Sarı / Kırmızı haritası; neden disiplin = süzgeç
•Risk kategorileri ve RBS (Risk Breakdown Structure)
•Risk ifadesi yapısı: neden › olay › etki
•Olasılık/etki ve nitel önceliklendirme; risk iştahı
•Risk kaydının (risk register) bileşenleri — denetim çerçevesi olarak
•Modele ne verilmeli: proje beratı, kapsam, paydaş listesi, varsayımlar, kısıtlar, kurum risk şablonu
•Risk kategorilerini (RBS) ve ifade yapısını prompt'ta belirtme
•Zayıf prompt vs. context'lenmiş prompt: risk üretiminde fark
•Uygulama: aynı projeyi zayıf ve context'lenmiş promptla çalıştırıp farkı görme
•Kategori kategori (teknik, dış, kurumsal, proje yönetimi) AI ile risk üretim
•Doğru biçimlendirilmiş risk ifadeleri (neden–olay–etki) isteme
• Pozitif riskleri (fırsatları) de kapsama
•Uygulama: projeye AI ile kapsamlı aday risk havuzu çıkarma
• Katılımcı önce kısaca elle birkaç kritik risk çıkarır (kıyas referansı)
•AI havuzunu süzme: jenerik, alakasız, uydurma ve çift kayıt risklerini eleme
•Projeye özgü gerçek riskleri tanıma; eksik kalan kritik riskleri tamamlama
•Risk yönetimi bilgisini AI çıktısını süzme aracı olarak kullanma
•Süzülmüş riskleri AI ile olasılık/etki açısından değerlendirme (insan onayıyla)
• Yanıt stratejileri (kaçınma, azaltma, transfer, kabul) için AI ile taslak üretme
•AI'nın önerdiği yanıtların gerçekçilik ve maliyet denetimi
•Uygulama: öncelikli riskler için AI destekli yanıt planı taslağı
•AI çıktısını eksiksiz bir risk kaydına dönüştürme
•Her riskin kaynağını (kapsam/varsayım/paydaş) izlenebilir kılma
•AI bu riski nereden çıkardı?' denetimi ve uydurma tespiti
•Risk sahipliği ve güncelleme döngüsü
•Modele hangi veri girer/girmez: gerçek proje, müşteri/finansal/sözleşme verisi
•Anonimleştirme ve sentetik örnekle çalışma; kurumsal AI politikaları
•Risk üretimi için tekrar kullanılabilir prompt/context şablonu
•Yeşil/Sarı/Kırmızı süzme kontrol listesi ve kalıp kütüphanesine ekleme
•Gerçekçi bir proje beratı + kapsamla uçtan uca uygulama
•AI ile üret › disiplinle süz › olasılık/etki ve yanıtla derinleştir › risk kaydını sonlandır
•Üretkenlik kazanımı ve değişen proje yöneticisi rolü üzerine kapanış değerlendirmesi