Bu metin, profesyonellerin yaratıcı düşünme becerilerini geliştirmek için yapay zeka destekli TRIZ ile diğer yaratıcı düşünme tekniklerinin birlikte kullanımını ele alıyor.

Özgün makale İngilizce yazılmıştır. Bu sayfadaki metin onun Türkçe çevirisidir.

Yönetici özeti, kurumsal profesyonellerin yaratıcı düşünme becerilerini geliştirmeye yönelik bu yaklaşımı açıklıyor.

Yazarlar: Yağız Bora Kaykayoğlu ve Celaleddin Ruhi Kaykayoğlu

Kurum: Kaykayoglu Innovation Group

1. Kurumlarda yaratıcı düşünme ihtiyacı

Değişen pazarlar, yıkıcı teknolojiler ve karmaşık müşteri talepleri, kurumların yerleşik problem çözme yöntemlerini zorluyor. Yaratıcı düşünmeye kurumun farklı alanlarında ihtiyaç duyulmasının nedeni de bu [1,2]. Yapılandırılmış yaratıcılık yöntemleri, kurumların bu sorunlarla daha düzenli biçimde çalışmasına yardımcı olabilir.

1.1 Geleneksel yöntemlerin sınırları

Klasik beyin fırtınası gibi fikir üretme yöntemleri büyük ölçüde serbest çağrışıma, şansa ve katılımcıların birbirleriyle uyumuna dayanır [3]. Kurumlarda bunun üç sınırlaması öne çıkar:

• Düşük Tekrarlanabilirlik: Sonuçlar, katılımcının o anki ruh haline, enerji düzeyine ve kolaylaştırıcının kalitesine büyük ölçüde bağlıdır.

• Bilişsel Yanlılık: Yüksek riskli kurumsal ortamlarda sık sık grup düşüncesi görülür. Baskın sesler, fikirleri tekrarlayan, düşük riskli ya da güvenli kalıplara yönlendirir.

• Uygulamayla Zayıf Bağ: Beyin fırtınasında üretilen fikirler çoğu zaman gerçek teknik kısıtlardan ve ekonomik uygulanabilirlikten kopar. Fikirler erken aşamada askıda kalır.

Buradaki güçlük, yaratıcılığı bastırmadan düşünme sürecini yapılandırmak. Fikirlerin teknik kısıtlarla ve uygulama koşullarıyla birlikte ele alınabileceği bir çalışma düzenine ihtiyaç var.

1.2 TRIZ ile sistematik problem çözme

TRIZ (Yaratıcı Problem Çözme Teorisi), dünya genelinde yüz binlerce başarılı patentin ampirik analizinden türetilmiştir [4]. Yaratıcı problem çözmeyi öğretilebilir, sistematik bir süreç olarak ele alır. Önce sistemdeki temel çelişki belirlenir. Örneğin bir ürünün mukavemetini artırırken toplam ağırlığını azaltmak istenebilir. TRIZ, bu karşıt beklentiler üzerinde çalışmak için şu araçları sunar:

• Çelişki Analizi: Karşıt sistem gereksinimlerinin eşleştirilmesi ve uzlaşmanın ortadan kaldırılması.

• 40 Buluş Prensibi: Sektörler arası çözüm stratejilerinin evrensel kataloğu (örneğin Bölme, Dinamiklik).

• Çelişki Matrisi: 39 farklı mühendislik parametresini ilgili Buluş Prensiplerine eşleyen matris.

• Su-Alan Analizi: İç kaynak etkileşimlerinin görselleştirilmesi ve inovasyon yollarının ortaya çıkarılması.

2. Yapay zeka ile TRIZ araçlarını kullanmak

TRIZ'in karmaşık mühendislik araçlarını yapay zeka yardımıyla kullanmak, farklı ekiplerin bu yöntemlerle çalışmasını kolaylaştırabilir. Kaykayoglu Innovation Group olarak geliştirdiğimiz TRIZGPT çerçevesinde doğal dil işleme, örüntü tanıma ve anlamsal akıl yürütme kullanılıyor. Çerçevenin işlevleri şöyle:

• Otomatik Çelişki Çıkarımı: Doğal dil işleme araçları tasarım briflerini, müşteri verilerini ve teknik olay raporlarını analiz ederek metinde açıkça belirtilmeyen mühendislik çelişkilerini belirler.

• Hesaplamalı Öneri: Makine öğrenmesi modelleri geniş veri havuzlarını işleyerek hedefe yönelik Buluş Prensiplerini otomatik olarak önerir.

• İdealite Puanlama Sistemleri: Yapay zeka, fikirlerin öngörülen faydalarını sistem maliyetleri ve zararlarıyla karşılaştırarak etkinliklerini hesaplar.

Bu birleşim, ekiplerin mevcut sorunlar kadar henüz ortaya çıkmamış sorunlar üzerinde de çalışmasına imkan veriyor. Karmaşık buluş yöntemleri, kariyerinin başındaki profesyoneller ve farklı işlevlerden gelen ekipler için daha erişilebilir hale geliyor.

3. Klasik yaratıcılık teknikleriyle birlikte kullanım

Yapay zeka destekli TRIZ, farklı yönlerde fikir üretmeye dayanan yaratıcılık egzersizlerine analitik bir yapı ekler [5,6,7]. Bu birliktelik farklı tekniklerde şöyle kullanılabilir:

• Yapılandırılmış Beyin Fırtınası: Açık uçlu beyin fırtınası yerine yapay zeka destekli TRIZ, doğal dil betimlemelerini izler, temel teknik zorluğu ayıklayıp ilgili prensiplerle düşünme yönleri önerir (örneğin Prensip 1 Bölme, Prensip 15 Dinamiklik) [8,9,10].

• SCAMPER ile Birlikte Kullanım: SCAMPER'ın her soru kategorisi ilgili TRIZ prensipleriyle eşleştirilir. TRIZGPT, farklı sektörlerden benzetmeler bulmak ve olası sonuçları simülasyonlarla incelemek için kullanılır.

• Akıl Haritalama: TRIZGPT, sistemin işlevsel kısıtlarını otomatik olarak çıkarır. Görsel olarak kümelenen ve kendiliğinden gelişen fikirler TRIZ çelişki matrisine bağlanır. Böylece fikirlerle sistem kısıtlarının birlikte görülebildiği yarı yapılandırılmış bir harita oluşur.

• Fikir Üretme Atölyeleri: TRIZGPT, atölye sırasında dijital bir yardımcı olarak kullanılabilir. İlk fikirler bilimsel ve ampirik verilerle karşılaştırılır. Uygulanabilir görünmeyen yolların elenmesi, ekibin diğer seçeneklere daha hızlı geçmesine yardımcı olur.

4. Gerçek Uygulamalar ve Sonuçlar

Makale, bu birleşimin kullanımını dört kurumsal uygulama örneğiyle anlatıyor:

• Örnek 1: Yeni Nesil Giyilebilir Teknoloji (Ürün Geliştirme): Bir teknoloji girişimi, en uygun tasarımla sıfır enerji tüketen bir akıllı saat fikri geliştirmek için Akıl Haritalama ile TRIZ İdealite parametrelerini birleştirdi. Patent verisiyle eğitilmiş yapay zeka verisinden yararlanan ekip, tarihsel tasarım hatalarını aşarak termoelektrik enerji hasadı yollarını belirledi ve pil tüketimini %30 azaltan bir prototip geliştirdi.

• Örnek 2: Ekosistem Esinli Perakende Stratejisi (Biyomimikri): Müşteri etkileşimi düşüşte olan bir perakende şirketi, Sürü Zekası modellerini TRIZ Su-Alan Analiziyle eşleştirdi. Yapay zeka, karınca ve bal arısı optimizasyon davranışlarına dayalı tüketici profilleri kurdu, kamuflaj analojileriyle (örneğin mürekkep balığı) kişiselleştirmeyi veri gizliliğiyle dengeledi ve müşteri bağlılığını %25 artıran ekosistem tarzı bir sadakat programı tasarladı.

• Örnek 3: Çevre Dostu Ürün Ambalajı (Metaforik Düşünme): Bir gıda üreticisi, ürünü koruyan ve kolay açılan çevre dostu bir ambalaj çözümü arıyordu. “Muz kabuğu” yapısal metaforuyla yapay zeka, problemi TRIZ Prensip 1 (Bölme) ve Prensip 30 (Esnek Kabuklar) ile eşledi. Gerekli yapısal bütünlüğü koruyan ve açma çabasını %60 azaltan, biyolojik olarak bozunan bir ambalaj geliştirildi.

• Örnek 4: Çok Duyulu Otel Müşteri Deneyimi (“8 Dakika, 8 Fikir”): Müşteri memnuniyeti puanı artmayan bir otel zinciri, “8 Dakika, 8 Fikir” hızlı fikir üretme tekniğini uyguladı. Duygusal orman metaforlarıyla yönlendirilen ve TRIZ Prensip 32 (Renk Değişimi) ile Prensip 24 (Aracı) ile geliştirilen müşteri deneyimi ekibi, kişiselleştirilebilir oda ortamlarını devreye aldı ve pilot lokasyonun memnuniyet puanını %22 yükseltti.

5. Sonuç

Bu yaklaşımda insan sezgisi, TRIZ'in çelişki analizi ve yapay zekanın önerileri aynı problem üzerinde çalışıyor. Çelişkiyi açıkça tanımlamak, çözüm arayışına bir yön veriyor. Klasik yaratıcılık teknikleri de bu yön içinde farklı seçenekler geliştirmek için kullanılabiliyor.

İlk deneme için aylık tekrar eden işler ve bu işlerdeki karşıt beklentiler listelenebilir. Her satıra bir çelişki yazılır, ardından çelişkiler TRIZ çelişki matrisiyle eşleştirilir. Üç buluş prensibi seçip yapay zekayla seçenekleri çoğalttıktan sonra, bir yön küçük bir denemede test edilebilir. Sonuç, eklenen fayda ve azalan maliyet üzerinden değerlendirilir.

Kaynakça

1. Osborn, A. F. (1953). Applied Imagination: Principles and Procedures of Creative Problem-Solving. New York: Charles Scribner’s Sons.

2. De Bono, E. (1992). Serious Creativity: Using the Power of Lateral Thinking to Create New Ideas. New York: Harper Business.

3. Runco, M. A., & Pritzker, S. R. (Eds.). (2020). Encyclopedia of creativity (3rd ed.). Academic Press.

4. Karen Gadd, TRIZ for Engineers: Enabling Inventive Problem Solving, John Wiley & Sons, ISBN: 978-0470741887, 2011.

5. Pheunghua, T., et al. (2023). Enhancing Idea Generation and Problem Solving: Leveraging Generative AI and TRIZ Tools. In ICSI/GCSI 2023 Proceedings.

6. Zhang, J. (2021). Exploring the Application of Traditional Elements in Cultural and Creative Product Design. Art and Design Review, 9, 332–340.

7. Tanasak, P. (2024). The evolving landscape of TRIZ: A generative AI-powered perspective. In IFIP Advances in Information and Communication Technology. Springer.

8. Orloff, M. A. (2020). ABC-TRIZ: Introduction to Creative Design Thinking with Modern TRIZ Modeling. Springer.

9. Cavallucci, D., Brad, S., & Livotov, P. (Eds.). (2020). Systematic Complex Problem Solving in the Age of Digitalization and Open Innovation. Springer.

10. AutoTRIZ Team. (2024). AutoTRIZ: Automating Engineering Innovation with TRIZ and Large Language Models. arXiv preprint. https://arxiv.org/abs/2403.13002

Bu yazıdaki uygulama örnekleri ve oranlar kaynak metnin ifadeleridir. Kaykayoğlu’nun doğrulanmış müşteri sonuçları olarak sunulmaz.