Yapay Zeka ile Web Uygulaması Projesi Nasıl Kapsamlandırılır: Kullandığımız 6-Prompt Zinciri (Fikirden SOW'a)

Yapay Zeka ile Web Uygulaması Projesi Nasıl Kapsamlandırılır: Kullandığımız 6-Prompt Zinciri (Fikirden SOW'a)

Son beş müşteri kapsamlandırmamızda, eskiden 12–16 saatlik keşif görüşmesi gerektiren aşama yaklaşık 3 saatlik YZ çalışmasına ve 1 saatlik insan incelemesine indi. Tüm süreci tek bir Claude Project içinde yürütüyoruz; bu sayede bağlam ileriye taşınıyor. Bir sorun var tabii: YZ her seferinde aynı üç hatayı yaptı. Bu yüzden müşteriye herhangi bir şey gitmeden önce bir onay kapısı ekledik.

İşte gerçekte kullandığımız 6-prompt zinciri, her promptun ürettiği artefakt, baştan sona işlenmiş bir örnek ve kendiniz yakalamanız gereken hata modları.

YZ bir web uygulaması projesini kapsamlandırabilir mi? Evet. YZ, bir problem tanımı, kullanıcı hikayeleri, özellikler, MoSCoW önceliklendirmesi ve bir kapsam belgesi dahil tam kapsamı günler yerine birkaç saatte hazırlayabilir. Yapamadığı tek şey o taslağı doğrulamaktır. Gereksinimleri icat ediyor ve iş yükünü eksik tahmin ediyor; bu yüzden onay öncesinde insan kontrolü zorunlu.

Temel Çıkarımlar

• YZ, web uygulaması kapsamının tamamını saatler içinde hazırlar; ancak kendi çıktısını doğrulayamaz.
• Zincir altı prompttan oluşur: problem, kullanıcı hikayeleri, özellikler, MoSCoW, tahmin, SOW.
• YZ entegrasyonlar icat eder ve uç durumları eksik tahmin eder; insan kontrolü şarttır.
• Zincir için Claude Projects veya ChatGPT Projects kullanın; ajanlar kapsam imzalandıktan sonra devreye girer.

YZ öğleden sonra ilk kapsam taslağınızı yazabilir. Sadece ne zaman yanılttığını söyleyemez.

YZ Destekli Kapsam Belirleme Nedir (ve Ne Değildir)?

YZ destekli kapsam belirleme, bir dizi LLM promptu kullanarak kaba bir fikri yapılandırılmış kapsam artefaktlarına dönüştürmek anlamına gelir: gereksinimler, kullanıcı hikayeleri, özellik listesi, öncelikler ve bir kapsam belgesi. YZ taslağı hazırlar ve yapılandırır. Karar verme, paydaş görüşmeleri ve doğrulama yine insana kalır.

Peki YZ sizin yerinize düşünüyor mu? Tam değil. Yapay zeka gereksinim toplama aşamasında hızlıdır; "bir randevu uygulaması istiyorum" cümlesini bir geliştiricinin fiyatlandırabileceği bir şeye dönüştürmeye çalışırken boş sayfaya baktığınız o kısmı yapar. Müşterinin gerçekte neye ihtiyaç duyduğunu değil, neyin mantıklı göründüğünü bilmekte zayıftır.

YZ destekli kapsam belirlemenin olmadığı birkaç şey var: otonom değildir, gerçek paydaşlarla konuşmanın yerini tutmaz ve doğruluk garantisi vermez. Model, kimsenin istemediği bir özellik için güvenle biçimlendirilmiş bir spec yazabilir.

Bu yazı kapsam belirleme sürecini zaten bildiğinizi varsayıyor. Temellere ihtiyacınız varsa adım adım kapsam belirleme rehberimiz temel YZ'siz süreci, 7 adımı ve kapsam belgesi yapısının tamamını anlatıyor. Burada yalnızca YZ katmanına odaklanıyoruz: hangi prompt, hangi sırada ve nerede çöküyor.

Bir Bakışta YZ Kapsam Belirleme Prompt Zinciri

Zincir sırayla çalıştırılan altı prompttan oluşur; her biri çıktısını bir sonrakine besler. Sırasıyla: (1) problem ve hedefler, (2) kullanıcı hikayeleri, (3) özellik listesi, (4) MoSCoW önceliklendirmesi, (5) iş yükü, maliyet ve zaman çizelgesi tahmini, (6) SOW taslağı. Bağlamın ileriye taşınması için hepsini tek bir project içinde çalıştırın.

Güzel olan şu: her prompt bir öncekinin üzerine inşa ettiği için uygulamanızı altı kez açıklamak zorunda kalmıyorsunuz. Model kullanıcı hikayelerini yazarken problemi zaten biliyor; özellikleri önceliklendirirken hikayeleri zaten biliyor.

1. Problem ve hedefler: kaba fikri bir problem tanımına ve SMART hedeflere dönüştürür.
2. Kullanıcı hikayeleri: hedefleri kabul kriterleriyle birlikte kullanıcı hikayelerine çevirir.
3. Özellik listesi: hikayelerden somut bir özellik envanteri türetir.
4. MoSCoW önceliklendirmesi: özellikleri Zorunlu, Olmalı, Olabilir, Olmayacak şeklinde sıralar.
5. Tahmin: iş yükü, maliyet aralığı ve zaman çizelgesi üretir.
6. SOW taslağı: her şeyi bir kapsam belgesine toplar.

Bu aynı zamanda genel proje yönetimi için temiz bir yapay zeka proje yönetimi promptları seti, ancak her promptu web uygulamalarına özel ayarladık (teknoloji yığını, entegrasyonlar, uç durumlar). Kullanılabilir bir kapsamı jenerik olandan ayıran tam da bu ayarlama.

Sır tek bir sihirli prompt değil. Çıktılarını birbirine ileten altı prompt.

Zinciri Adım Adım Nasıl Çalıştırırsınız?

Zinciri tek bir Claude Project veya ChatGPT Project içinde yukarıdan aşağıya çalıştırırsınız; her promptu sırayla yapıştırırsınız ve önceki yanıt bağlamda kalmaya devam eder. Aşağıda kullandığımız tam promptlarla birlikte altı adım yer alıyor. Her prompt kasıtlı olarak web uygulamasına özel çünkü jenerik iş analizi promptları jenerik kapsamlar üretiyor.

Başlamadan bir not: köşeli parantez içindeki yer tutucuları kendi bilgilerinizle değiştirin ve ilk çıktıyı asla nihai olarak kabul etmeyin. Profesyonelin hamlesi her sonucu okumak, düzeltmek, ardından bir sonraki promptu çalıştırmaktır.

Prompt 1: Problem tanımı ve hedefler

You are a senior product manager scoping a web application.
Here is the rough idea: [describe the app in 2-4 sentences].
The target users are [who]. The business wants [outcome].

Write:
1. A one-paragraph problem statement.
2. 3-5 SMART goals with success metrics.
3. 3 assumptions you are making that I should confirm.
Flag anything that is unclear instead of guessing.

Bu, genel bakış ve hedefler bölümünüzü üretir. Profesyonel ipucu: "3 varsayım" satırı ağır iş yapıyor. YZ'nin üzerini kapatacağı boşlukları gün yüzüne çıkarıyor.

Prompt 2: Kullanıcı hikayeleri

Acting as the same product manager, turn the goals above into
user stories for a web app. Use the format:
"As a [role], I want [action], so that [benefit]."
Cover every user role. For each story, add 2-3 acceptance
criteria. Group stories by feature area.

Artık işlevsel gereksinimleriniz var. Bu, temiz bir yapay zeka kullanıcı hikayesi üreteci adımı. Tuzak: admin ve uç durum rollerini atlamaya meyilli; "şimdi yöneticiler, başarısız ödemeler ve boş durumlar için hikayeler ekle" şeklinde tekrar sormayı unutmayın.

Prompt 3: Özellik listesi

Based on the user stories above, produce a flat feature
inventory for this web app. Group features into: core, account
and auth, admin, integrations, and notifications. Note any
feature that requires a third-party service or API.

Bu, kapsam içi özellik aday listenizdir. Bu adımı yakından izleyin; YZ'nin entegrasyon icat etmeye başladığı yer burası (bu konuya az sonra değineceğiz).

Prompt 4: MoSCoW önceliklendirmesi

Prioritize the feature list using MoSCoW (Must, Should, Could,
Won't) for a first release (MVP). For each feature give a
one-line reason. Assume a 3-month MVP budget and be ruthless:
most features should NOT be "Must."

Bu, kapsam içi ve kapsam dışı öğeleri etiketler. "Acımasız ol" yönergesi önemli; olmadan model hemen her şeyi Zorunlu olarak işaretliyor.

Prompt 5: İş yükü, maliyet ve zaman çizelgesi tahmini

Estimate effort, cost, and timeline for the Must-have features
only. Assume a stack of [e.g. Next.js, Supabase, Stripe] and a
team of [N] developers. Break the estimate down by feature in
days. State every assumption. Give a cost RANGE, not a single
number, and flag the 3 riskiest estimates.

Bu, bütçe ve zaman çizelgesi için yapay zeka kapsam belgesi oluşturucu girdisidir. Her zaman bir aralık ve varsayımlar talep edin; tek bir güvenli rakam YZ'nin size verebileceği en tehlikeli çıktıdır.

Prompt 6: SOW taslağı

Assemble everything above into a draft statement of work for a
client. Include: overview, goals and success metrics, in-scope
features, explicit out-of-scope items, timeline, budget range,
deliverables, assumptions, and a sign-off section. Mark any
section where you are uncertain with [REVIEW].

[REVIEW] etiketleri insan onay kapısı kontrol listeniz haline gelir. Bu adım, tüm zincirin vaat ettiği fikirden SOW'a olan mesafeyi kapatır.

Prompt → Kapsam Bölümü Eşlemesi

Her prompt yalnızca bir soruyu yanıtlamakla kalmıyor; müşteriye teslim edeceğiniz belgenin belirli bir bölümünü dolduruyor. Bu eşleme, olağan 11 bölümlük şablonun yerini alıyor: bir iskelet ezberlemek yerine zinciri çalıştırıyorsunuz ve belge kendiliğinden oluşuyor. İşte hangi promptun hangi çıktıyı ürettiği.

1. Prompt'u bitirdiğinizde, müşterinin gerçekten okuyup imzalayabileceği eksiksiz bir ilk taslağa sahipsiniz; birbirine bağlı olmayan notlar yığınına değil.

Her prompt yalnızca bir soruyu yanıtlamıyor. Müşteriye teslim edeceğiniz belgenin belirli bir bölümünü dolduruyor.

Eksiksiz İşlenmiş Örnek: Randevu Yönetim SaaS'ı Kapsamlandırma

İşte zincirin somut bir vakada baştan sona çalıştırılması: küçük bir diş kliniği zinciri için randevu yönetim SaaS'ı. Bu açıklayıcı bir örnek, gerçek bir müşteri teslimi değil; ve evet, insan onay kapısı bölümünde düzelttiğimiz YZ çıktısında iki hata yakaladık.

Prompt 1 çıktısı (problem ve hedefler). Problem: üç lokasyonlu bir diş kliniği zinciri, telefon takibi ve randevusuz gelişler nedeniyle hasta kaybediyor. Hedefler: hatırlatıcılarla gelmeme oranını %30 azaltmak, hastaların çevrimiçi randevu almasını sağlamak, ön büro personeline tek bir ortak takvim vermek. Doğrulama istenen varsayımlar: tek saat dilimi, yalnızca Türkçe ve İngilizce, sigorta faturalandırması yok.

Prompt 2 çıktısı (örnek kullanıcı hikayeleri).

• Hasta olarak, aramak zorunda kalmamak için çevrimiçi randevu almak istiyorum.
• Hasta olarak, randevumu unutmamak için SMS hatırlatması almak istiyorum.
• Ön büro personeli olarak, çakışmaları yönetebilmek için tüm lokasyonları tek takvimde görmek istiyorum.

Prompt 3 çıktısı (özellik listesi, özetlenmiş). Çevrimiçi randevu, takvim senkronizasyonu, SMS ve e-posta hatırlatmaları, hasta hesapları, çok lokasyonlu yönetim, temel raporlama ve bir ödeme adımı (bu sonuncusu icat edildi; kimse istemedi).

Prompt 4 çıktısı (MoSCoW tablosu).

Prompt 5 çıktısı (tahmin, özetlenmiş). İki geliştiriciyle Next.js, Supabase ve Twilio varsayımıyla: Zorunlu özellikler yaklaşık 45–60 geliştirici günü, yaklaşık 35.000–55.000 dolar maliyet aralığı ve 8–10 haftalık zaman çizelgesi. En riskli tahmin olarak işaretlenen: çok lokasyonlu takvim mantığı.

Prompt 6 çıktısı (SOW özeti). "Kapsam içi: çevrimiçi randevu, çok lokasyonlu ortak takvim, SMS hatırlatmaları (Twilio), hasta hesapları. Kapsam dışı: ödemeler, sigorta, yerel mobil. Zaman çizelgesi: 8–10 hafta. Bütçe aralığı: 35.000–55.000 dolar. [REVIEW] Twilio ile alternatif SMS sağlayıcısını müşteriyle teyit edin."

Bu çıktıya bir göz attığınızda gerçek, imzalanabilir bir kapsamın tek oturumda şekillendiğini görüyorsunuz. Daha sonra akıllı özellikler eklemeyi planlıyorsanız uygulamanıza YZ özellikleri ekleme rehberimiz tam bu noktadan devam ediyor.

YZ ile Maliyet ve Zaman Çizelgesini Nasıl Tahmin Edersiniz?

Modele tahmini özellik bazında günlere bölmesini, belirli bir teknoloji yığını varsaymasını, tüm varsayımlarını belirtmesini ve tek bir rakam yerine aralık döndürmesini söylüyorsunuz. Sonra bu aralığı bilinen piyasa katmanlarıyla karşılaştırıp makul olup olmadığını kontrol ediyorsunuz; çünkü YZ neredeyse her zaman iş yükü konusunda fazla iyimser bir noktaya demir atıyor.

YZ tahminlerini bir başlangıç noktası olarak kabul edin, kesinlikle bir teklif olarak değil. En kullanışlı yönerge "en riskli üç tahmini işaretle"; bu size tam olarak kendi yargınızı nerede harcamanız gerektiğini söylüyor. İşte her YZ tahminini karşılaştırdığımız katmanlar:

Bu aralıklar yayımlanmış ajans ve platform karşılaştırmalarıyla örtüşüyor; Clutch'ın uygulama geliştirme maliyet araştırması makul bir kamuya açık referans noktasıdır. YZ tahmininiz ilgili katmanın oldukça altında çıkıyorsa muhtemelen uç durumları kaçırmış demektir. Bu aynı zamanda daha büyük soruyu sormak için doğru an: geliştirmek mi yoksa satın almak mı. Karmaşık katmanın üzerine fırlayan bir kapsam, bazen geliştirmek yerine satın almak için argüman üretiyor.

Her İş İçin Hangi YZ Aracını Kullanmalısınız?

Zincirin tamamı için Claude Projects veya ChatGPT Projects kullanın; her ikisi de promptlar arasında bağlamı koruduğundan çıktı yeniden yapıştırmadan ileriye taşınıyor. Bağımsız ajan kullanımını yalnızca kapsam imzalandıktan ve tekrar eden artefaktlar üretmeye başladıktan sonra düşünün. Tek seferlik kapsam belirleme için Projects her zaman ajanı geride bırakıyor.

Zinciri uzun bağlam adımları (kullanıcı hikayeleri, SOW montajı) için Claude Projects içinde çalıştırıyoruz; tahmin üzerinde ikinci bir görüş almak istediğimizde ise ChatGPT'ye başvuruyoruz. Anthropic'in Projects belgelerine göre bir Project, konuşma genelinde ortak bağlamı ve talimatları korur; bu da altı promptlu claude projects gereksinimler iş akışının tam olarak ihtiyaç duyduğu şey. OpenAI'ın Projects özelliği de chatgpt yazılım geliştirme promptları için aynı şekilde çalışıyor.

Çalmaya değer bir teknik: YZ rolünü adım bazında bölün. Kullanıcı hikayeleri için "kıdemli bir ürün yöneticisi gibi davran", tahmin için "kıdemli bir mühendis gibi davran" deyin. Rol geçişi akıl yürütme biçimini değiştiriyor; mühendis personası iş yükü konusunda belirgin biçimde daha temkinli kalıyor.

Kapsam gönderildikten ve geliştirme başladıktan sonra araç seçimi sorusu YZ kodlama ajanlarına kayıyor; bu tamamen farklı bir karar.

YZ Kapsam Belirlemede Nerede Yanılıyor? İnsan Onay Kapısı

YZ kapsam belirlemede öngörülebilir biçimlerde yanılıyor: kimsenin istemediği entegrasyonlar icat ediyor, uç durumları ve hata durumlarını eksik tahmin ediyor, uyumluluk gereksinimlerini ya icat ediyor ya da gerçek olanları sessizce atlıyor. Maliyet tahminlerini de fazla iyimser tutuyor. Bunların hiçbiri nadir değil; neredeyse her çalıştırmada yaşanıyor; bu yüzden insan onay kapısı vazgeçilmez.

Kötü gereksinimler pahalıya patlıyor, yazan insan mı yoksa model mi olduğundan bağımsız olarak. PMI'ın Profesyonun Nabzı araştırması, hatalı gereksinim toplamanın başarısız projelerin yaklaşık %37'sinde temel başarısızlık nedeni olduğunu ortaya koyuyor; dolayısıyla kapının amacı bu hataları bir teklife ulaşmadan önce yakalamak, sonradan değil.

Düzeltici yöntem, herhangi bir kapsam müşteriye gitmeden bir insanın çalıştırdığı kısa bir kontrol listesi:

• İcat edilen özellikleri silin: müşterinin hiç istemediği her şeyi (ödemeler, dışa aktarmalar, entegrasyonlar) çıkarın.
• Eksik uç durumları ekleyin: başarısız ödemeler, boş durumlar, izinler, hata yönetimi.
• Her entegrasyonu doğrulayın: adı geçen her üçüncü taraf hizmetinin gerçek, gerekli ve bütçelenmiş olduğunu teyit edin.
• Uyumluluk iddialarını kontrol edin: YZ'nin ileri sürdüğü kimlik doğrulama, gizlilik veya yasal gereksinimlerden her birini onaylayın ya da düzeltin.
• Tahmini doldurun: özellikle işaretlenmiş riskli olanlar olmak üzere iyimser rakamları kendi hızınıza göre ayarlayın.

YZ icat ettiği bir ödeme akışını güvenle kapsamlandırır. Sizin işiniz kimsenin istemediği parçaları silmektir.

Gerçek Müşteri Kapsamlandırmalarından Öğrendiklerimiz

Son birkaç müşteri kapsamlandırmamızda, eskiden yaklaşık 12–16 saatlik görüşme ve yazma gerektiren keşif süreci artık yaklaşık 2–3 saatlik YZ çalışması ve 1 saatlik insan incelemesiyle ilk taslak SOW'a ulaşıyor. Bunlar kendi çalışmalarımızdan dürüst aralıklar; kesin bir başlık istatistiği değil ve insan saatini hiçbir zaman kesmeyeceğiz.

Zinciri uzun bağlam adımları için Claude Projects, tahmin sanity-check'i için ise ChatGPT ile çalıştırıyoruz. Kazanılan zaman gerçek, ama asıl değer aynı üç hatayı her seferinde yakalamaktan geliyor:

1. Entegrasyon icat ediyor. Diş kliniği örneğinde kimsenin istemediği ödeme adımı. Neredeyse her kapsamda en az bir hayalet özellik çıktı.
2. Uç durumları eksik tahmin ediyor. Hata durumları, boş durumlar ve yönetici akışları tutarlı biçimde eksik ya da az sayılıyor; gerçek bütçelerin patladığı yer tam burası.
3. Uyumluluk ve kimlik doğrulamayı yanlış yönetiyor. Kimi zaman bir gereksinim icat ediyor, kimi zaman gerçek olanı atlıyor. Bu konuda asla güvenmiyoruz.

Bu yüzden yukarıdaki insan onay kapısını sabit bir adım olarak ekledik. Zincir taslağı hızlı yazıyor; göndermeye hazır hale getiren kapı. Kapıyı atlarsanız güvenle biçimlendirilmiş bir tahmini göndermiş olursunuz, başka bir şey değil.

Techsy'nin YZ Destekli Kapsam Belirlemeye Yaklaşımı

Bu zincir artı insan onay kapısı, web uygulamaları geliştiren müşteriler için çalıştırdığımız tam iş akışı. YZ ile hızla taslak hazırlıyoruz, ardından gerçek projeler göndermiş biri her satırı teklif haline gelmeden önce doğruluyor. Kapsamı bu işi her gün yapan bir ekibe bırakmayı tercih ederseniz, tam olarak bunu yapıyoruz. İki haftalık keşif görüşmesi ödemeden savunulabilir bir SOW alıyorsunuz.

Sıkça Sorulan Sorular

YZ bir proje kapsamı veya SOW yazabilir mi?

Evet, YZ problem tanımı, kullanıcı hikayeleri, özellikler, öncelikler, zaman çizelgesi ve bütçe aralığı dahil eksiksiz bir proje kapsamı veya kapsam belgesi taslağı hazırlayabilir. Claude veya ChatGPT Project içinde altı promptluk zinciri çalıştırın. Taslak başlangıç noktası olarak güvenilir, ancak imzalanmadan önce bir insanın doğrulaması şart.

Yazılım projesi kapsamlandırmak için en iyi YZ aracı hangisi?

Claude Projects ve ChatGPT Projects, bağlamı prompt zinciri boyunca koruduğundan her çıktı bir sonrakine beslenebiliyor; bu yüzden kapsam belirleme için en iyi araçlar bunlar. Uzun bağlam adımları olan kullanıcı hikayeleri ve SOW montajı için Claude Projects, tahmin üzerinde ikinci görüş için ChatGPT kullanıyoruz. Ajanlar kapsam sonrası geliştirme çalışmasına daha uygun.

ChatGPT veya Claude ile gereksinimler nasıl toplanır?

Prompt zincirini sırayla çalıştırın: problem tanımı ve hedefler, ardından kabul kriterleriyle kullanıcı hikayeleri, ardından özellik listesi, ardından MoSCoW öncelikleri. Her şeyi tek bir Project içinde tutun ki bağlam ileriye taşınsın. Her promptun çıktısı bir sonrakinin girdisi oluyor; YZ gereksinim toplamanın hızlı olmasının sırrı bu.

YZ yazılım projesinin maliyetini ve zaman çizelgesini tahmin edebilir mi?

Yalnızca başlangıç noktası olarak. Modele tahmini özellik bazında günlere bölmesini, belirli bir yığın varsaymasını, varsayımlarını belirtmesini ve aralık döndürmesini söyleyin. Ardından piyasa katmanlarıyla karşılaştırıp makul olup olmadığını kontrol edin: basit MVP için 10.000–50.000 dolar, karmaşık uygulamalar için 150.000+ dolar. YZ iyimser tahmina meyilli.

YZ tarafından oluşturulan kapsam gerçekten güvenilir mi?

İlk taslak için güvenilir, imza için değil. YZ iyi yapılandırılmış bir kapsamı hızla üretiyor ancak neredeyse her çalıştırmada entegrasyon icat ediyor, uç durumları eksik tahmin ediyor ve uyumluluğu yanlış yönetiyor. Çıktıyı hızlı bir taslak olarak ele alın, sonra kimse imzalamadan önce icat edilen özellikleri silmek ve eksik uç durumları eklemek için insan doğrulama kapısını çalıştırın.

Kaba bir fikri YZ ile nasıl spesifikasyona dönüştürürüm?

Prompt 1 ile başlayın: fikrinizi iki dört cümleyle yapıştırın ve YZ'den bir problem tanımı, SMART hedefler ve yaptığı varsayımları yazmasını isteyin. Ardından kalan beş promptu sırayla çalıştırın. 6. Prompt'a geldiğinizde bir SOW taslağınız var. Zincirin tamamı günler yerine birkaç saate iniyor.

YZ destekli kapsam belirleme bir keşif aşamasının yerini tutar mı?

Hayır, keşfi ortadan kaldırmak yerine sıkıştırıyor. Müşterinin gerçekte ne istediğini bilmek için gerçek paydaş görüşmelerine hâlâ ihtiyacınız var. YZ taslama ve yapılandırma işini üstleniyor; notlarınızı saatler içinde gereksinimlere ve SOW'a dönüştürüyor. Doğrulama, önceliklendirme ve kapsam üzerindeki nihai kararlar yine insanda kalıyor.

Web uygulamasını YZ ile kapsamlandırmak ne kadar sürer?

Deneyimimize göre ilk taslak SOW, manuel keşif ve yazıya döküm için gereken 12–16 saate karşılık yaklaşık 2–3 saatlik YZ çalışması ve 1 saatlik insan incelemesiyle hazır oluyor. YZ süresi hızlı; inceleme saati vazgeçilmez çünkü YZ'nin icat ettiği özellikleri ve atladığı uç durumları tam orada yakalıyorsunuz.