Müşteri hizmetlerinde yapay zeka bugün gerçekçi olarak ne yapabilir?
Özenle kurulduğunda yapay zeka müşteri hizmetlerinde dört işi iyi yapar: onaylı bilgiden soru yanıtlamak, sistemleriniz üzerinden basit işlemleri yürütmek, görüşme sırasında müşteri temsilcisine yardım etmek ve sınıflandırma, yönlendirme, özetleme gibi arka ofis işleri. Arkasında bir insan olmadan takdir gerektiren kararlar vermesi, anlaşmazlık çözmesi ya da öfkeli bir müşteriyi sakinleştirmesi beklendiğinde ise kötü sonuç verir.
Bu dört rolün risk düzeyi birbirinden çok farklıdır:
- Self servis yanıtlar. Müşteri sorar, sistem onaylı bir bilgi bankasından yanıtlar: çalışma saatleri, iade koşulları, şifre sıfırlama adımları.
- Self servis işlemler. Kimlik doğrulamadan sonra sistem, arka uç sistemleriniz üzerinden siparişi sorgular, randevuyu yeniden planlar ya da adresi günceller.
- Temsilci desteği. Müşteriyle bir temsilci konuşur; yapay zeka yanıt önerir, ilgili politikayı bulur ve görüşme sonrası özeti hazırlar.
- Arka ofis. Gelen e-posta ve talepleri sınıflandırmak, doğru ekibe yönlendirmek, iletişim nedenlerini etiketlemek ve kalite incelemesi için görüşme seçmek.
Temsilci desteği için kamuya açık, sağlam bir kanıt var. Erik Brynjolfsson, Danielle Li ve Lindsey Raymond'ın NBER 31161 numaralı çalışma raporu, 5.179 müşteri destek temsilcisini izlemiş ve yapay zeka destekli bir sohbet asistanına erişimin saat başına çözülen talep sayısını ortalama yüzde 14 artırdığını bulmuş. Artış yeni ve deneyimi az temsilcilerde yüzde 34'e çıkarken deneyimli ve yetkin temsilcilerde çok sınırlı kalmış. Bu sonuç insanların yerini almakla değil, işi yapmalarına yardım etmekle ilgili. Nereden başlanacağına dair de bir ipucu veriyor: en çok kazanan en az deneyimli temsilciler olduğu için, temsilci desteği ekibe yeni katılanlara destek olarak da düşünülebilir.
Hangi müşteri talepleri otomatikleştirilmeli, hangileri insanda kalmalı?
Sık gelen, yazılı bir kurala uyan ve sistem yanılırsa düzeltmesi ucuz olan talepleri otomatikleştirin. Takdir gerektiren, geri alınması zor parasal ya da hukuki sonuçları olan, yoğun duygu taşıyan ya da kırılgan durumdaki müşterilerle ilgili talepleri insanlarda tutun. Bu iki ucun arasında yapay zeka hazırlasın, bir temsilci ya da müşterinin kendisi onaylasın.
Evet-hayır kararının işe yaramamasının nedeni bu orta alandır. Bunun yerine dört mod kullanın:
- Otomatik: sistem kendi başına yanıtlar ya da işlem yapar.
- Onaylı otomatik: sistem işlemi hazırlar, müşteri onaylar ve limitler uygulanır.
- Yapay zeka destekli temsilci: vakayı bir insan yürütür; yapay zeka taslak yazar, özetler ve bilgi bulur.
- Yalnızca insan: yapay zeka en fazla vakayı yönlendirir ve bağlamı aktarır.
Aşağıdaki tablo talep türüne göre bir başlangıç dağılımı veriyor. Bu bir standart değil, kendi listenizin başlangıç noktası; bir banka, bir hastane ve bir e-ticaret şirketi aynı talep türünü farklı satırlara koyacaktır.
| Talep türü | Örnek | Önerilen mod | Neden? |
|---|---|---|---|
| Genel bilgi | Çalışma saatleri, teslimat bölgeleri, iade koşulları | Otomatik, yalnızca onaylı içerikten | Sık, kurala bağlı, düzeltmesi kolay |
| Durum sorgulama | Siparişim nerede, başvurum ne durumda | Kimlik doğrulamadan sonra otomatik | Yalnızca okuma; veri kayıt sisteminden geliyor |
| Basit değişiklik | Teslimat adresini değiştirmek, randevuyu kaydırmak | Onaylı otomatik | Geri alınabilir ama doğru kayda dokunması gerekir |
| Politika dahilinde iptal ya da iade | Henüz kargoya verilmemiş siparişi iptal etmek | Limitli ve onaylı otomatik ya da yapay zeka destekli temsilci | İşin içinde para var; tutara ve türe göre limit koyun |
| Teknik sorun giderme | Cihaz bağlanmıyor | İlk adımlar otomatik, çözülmezse temsilci | Yönlendirmeli adımlar bir noktaya kadar işe yarar |
| Şikâyet | Geciken teslimat, kötü hizmet | Yapay zeka destekli temsilci | Duygu ve takdir gerekir; müşteri dinlenmek ister |
| İtiraz ya da fatura hatası | İki kez çekilen ödeme | Yapay zeka destekli temsilci | İtirazı tanımak ve incelemek takdir ister |
| Güvenlik olayı | Kayıp kart, şüpheli işlem, hesabın ele geçirilmesi | Öncelikli yönlendirmeyle insan | Acil ve zarar potansiyeli yüksek; düzenlemeye tabi olabilir |
| Kırılgan durum | Yakın kaybı, hastalık, maddi sıkıntı | Yalnızca insan | Anlayış ve esneklik gerekir |
| Hukuki ya da mevzuat kaynaklı talep | KVKK kapsamında ilgili kişi başvurusu, ihtarname | Yalnızca insan; yapay zeka yönlendirebilir | Yasal süreler ve sorumluluk |
| Satış ve teklifler | Paket yükseltme, yeni ürün | Yapay zeka destekli temsilci ya da baskı içermeyen otomatik bilgi | Yanıltıcı ifade riski |
Kendi talep türlerimizi nasıl puanlarız?
Son birkaç ayın iletişim kayıtlarını alın, nedenlerine göre gruplayın ve her grubu aşağıdaki ölçütlerle puanlayın. Puanlar kararı sizin yerinize vermez; ama tartışmayı somutlaştırır ve kararın en son gelen şikâyete göre verilmesini önler.
| Ölçüt | 1 | 2 | 3 |
|---|---|---|---|
| Hacim | Seyrek | Düzenli | Çok sık |
| Standartlık | Her vaka farklı | Birkaç çeşit | Tek bir yazılı kural yetiyor |
| Yanlış yanıtın maliyeti | Ciddi parasal ya da hukuki zarar | Can sıkıcı ama düzeltilebilir | İhmal edilebilir |
| Geri alınabilirlik | Geri alınamaz | Emekle geri alınır | Anında geri alınır |
| Duygusal yük | Müşteri çoğu zaman öfkeli ya da kırılgan | Bazen | Nadiren |
| Veri hassasiyeti | Özel nitelikli ya da finansal veri | Kimliği belirleyen kişisel veri | Yok |
Puanlamayı dürüst tutan basit bir kural var: yanlış yanıtın maliyeti, geri alınabilirlik ya da duygusal yük ölçütlerinden birinde 1 alan talep türü, diğer puanları ne olursa olsun insanda kalır. Geri kalanlar arasında toplamı en yüksek olanlar otomasyonun ilk adaylarıdır; orta banttakiler ise temsilci desteğinin en çok işe yaradığı yerdir.
Müşteri temsilcisine devretme nasıl işlemeli?
Müşteri her zaman bir insana ulaşabilmeli, sistem net tetikleyicilerle devretmeli ve temsilci bağlamı eksiksiz almalı ki müşteri her şeyi baştan anlatmak zorunda kalmasın.
ABD Tüketici Finansal Koruma Bürosu'nun (CFPB) 2023 tarihli tüketici finansmanında sohbet botları raporu, aksi halde neler olduğunu belgeliyor: çıkışı olmayan döngülere sıkışan müşteriler, beklenen kelimelerle ifade edilmediği için fark edilmeyen itirazlar ve tehlikenin büyük olduğu durumlarda yanlış yanıtlar. Türkiye'de bazı sektörler insana ulaşma yolunu zaten düzenliyor. BDDK'nın Banka Çağrı Merkezlerinin Hizmet Seviyesinin ve Kalitesinin Belirlenmesine İlişkin Yönetmeliği başka hükümlerin yanında şunları istiyor: 60 yaş ve üstü kullanıcılara ana menüde herhangi bir tanıma adımı olmadan doğrudan çağrı merkezi temsilcisine bağlanma seçeneği sunulmalı; kayıp, çalıntı ve şüpheli işlemler ana menüde ilk seçenek olmalı ve kullanıcı öncelikli olarak temsilciye bağlanmalı; kart iptal talepleri müşteri başka bir kanala yönlendirilmeden alınmalı. Akışı tasarlamadan önce kendi sektörünüzde benzer kurallar olup olmadığını kontrol edin.
Şu durumlarda görüşmeyi bir insana devredin:
- müşteri, hangi kelimelerle olursa olsun, bir insanla görüşmek istediğinde;
- iki deneme talebi çözmediğinde ya da müşteri aynı soruyu tekrarladığında;
- sistem yanıtı için bir kaynak bulamadığında;
- konuşmada risk işaret eden ifadeler geçtiğinde: dolandırıcılık, hırsızlık, dava, bir kuruma şikâyet, sağlık ya da yakın kaybı;
- kimlik doğrulama başarısız olduğunda ya da talep başka birinin verisiyle ilgili olduğunda;
- istenen işlem bir limiti aştığında; örneğin belirlenen tutarın üzerindeki bir iade.
Devrederken kısa bir özeti, konuşmanın kendisini, doğrulanmış kimliği, sistemin o ana kadar denediklerini ve neden devrettiğini aktarın. Mesai dışında bir insanın ne zaman dönüş yapacağını dürüstçe söyleyin; müşteriyi yeni bir döngüye sokmak yerine geri arama ya da kayıt açma seçeneği sunun.
Müşteri görüşmelerini yapay zeka yürütüyorsa KVKK ne gerektirir?
Müşteri görüşmeleri kişisel veriyle doludur; bu yüzden bilinen yükümlülüklerin hepsi geçerlidir: müşteriyi aydınlatın, modele giden veriyi en aza indirin, saklama sürelerini belirleyin, yurt dışına aktarımı güvenceye alın ve ilgili kişi başvurularını insanların yürüttüğü bir süreçte tutun.
KVKK'nın Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi 6698 sayılı Kanun'u bu sistemlere uyguluyor. Bir müşteri kanalı için en çok önem taşıyan noktalar:
- Aydınlatma. Kanun'un 10. maddesi kapsamındaki aydınlatma metnini yapay zeka sisteminin yaptığı işlemeyi de kapsayacak şekilde güncelleyin. Rehber, sistemi kullanmak için yapılan işleme ile modelleri geliştirmek ya da iyileştirmek için yapılan işleme hakkında ayrı ve açık aydınlatma öneriyor; konuşma kayıtları asistanı iyileştirmek için kullanılacaksa bunu ayrıca belirtin.
- Yurt dışına aktarım. Model sağlayıcısı konuşmaları yurt dışında işliyorsa, rehbere göre aktarımın Kanun'un 9. maddesine ve 2024 tarihli yurt dışına aktarım yönetmeliğine uygun olması gerekir.
- Veri en aza indirme. Kart numarası, T.C. kimlik numarası ve benzeri tanımlayıcıları metin modele ulaşmadan maskeleyin; sipariş numarası yetiyorsa müşterinin tüm kaydını modele göndermeyin.
- Saklama. Konuşma dökümleri, ses kayıtları, özetler ve model kayıtları için amaca uygun saklama süreleri belirleyin ve zamanı gelince silin.
- Bilgi vermeden önce kimlik doğrulama. Asistan hesap ayrıntılarını ancak bir temsilcinin isteyeceği doğrulamanın aynısından sonra paylaşmalı.
- Hassas veri. Sağlık bilgisi ve kimlik doğrulamada kullanılan ses izi gibi biyometrik veriler, daha sıkı şartlara bağlı özel nitelikli kişisel verilerdir. Yapay zeka kanalının bu verileri hiç işleyip işlemeyeceğine bilinçli karar verin.
- İlgili kişi başvuruları. Kişisel verilere erişim, düzeltme ya da silme taleplerini bu işten sorumlu ekibe yönlendirin; konuşma dökümlerinin ve kayıtların aranabilir olduğundan emin olun.
AB'deki müşterilere de hizmet veriyorsanız, AB Yapay Zeka Yasası'nın 50. maddesi sağlayıcıların, bir yapay zeka sistemiyle doğrudan etkileşime giren kişilerin bundan haberdar edilmesini sağlamasını istiyor; durum bağlamdan zaten açıksa bu yükümlülük aranmıyor. Avrupa Komisyonu'nun uygulama takvimine göre 50. maddedeki şeffaflık kuralları 2 Ağustos 2026'dan itibaren uygulanıyor. Müşteriye bir asistanla konuştuğunu söylemek her durumda iyi bir uygulamadır. Bu bölüm hukuki görüş değildir; tasarımı hukuk ekibinizle birlikte gözden geçirin.
Müşteriyle konuşan bir asistanda neler ters gidebilir?
Başlıca riskler şunlardır: şirketin sorumlu tutulduğu yanlış yanıtlar, asistanı yönlendirmeye çalışan kullanıcılar, limitsiz yapılan işlemler ve konuşma kayıtları üzerinden sızan kişisel veriler.
- Yanıtın sahibi şirkettir. Kanada'da görülen Moffatt - Air Canada (2024) davasında yargı mercii, havayolunun web sitesindeki sohbet botunun kendi ifadelerinden kendisinin sorumlu olduğu savunmasını reddetti ve yakın kaybı durumunda uygulanan indirimli tarife hakkında verilen yanlış bilgi nedeniyle havayolunu sorumlu tuttu. McCarthy Tétrault'nun karar özetinin aktardığı gibi, bilginin sabit bir sayfadan mı yoksa bir sohbet botundan mı geldiği fark etmiyordu. Asistanı onaylı içerikle sınırlayın; kaynak yoksa bunu söylesin ve devretsin. Bunun nasıl iyi yapılacağını RAG'de yararlı bir "yanıt yok" tasarlamak yazımızda anlattık.
- Kullanıcılar asistanı yönlendirmeye çalışabilir. OWASP, prompt injection'ı büyük dil modeli uygulamaları için ilk sıradaki risk olarak sayıyor; modelin yetkilerini gereken en alt düzeyde tutmayı ve yetki gerektiren işlemlerde insan onayı aramayı öneriyor. İndirim, iade ya da hesap değişikliği gibi her işlem modelin takdirine bırakılmamalı, sistemleriniz tarafından denetlenmelidir.
- İşlemlerin limiti olmalı. Azami tutarları, izin verilen işlem türlerini ve günlük üst sınırları belirleyin; her işlemi onu tetikleyen konuşmayla birlikte kaydedin. Limitin üstünde onayı bir insan verir; onay ekranında nelerin görünmesi gerektiğini ajan eylemlerinden önce insan onayı yazımızda anlattık.
- Kayıtlar da kişisel veridir. CFPB raporu, sohbet kayıtlarının gizlilik saldırıları için yeni bir hedef oluşturduğunu vurguluyor. Bu kayıtlara CRM'inize uyguladığınız erişim ve saklama kurallarının aynısını uygulayın.
İşe yarayıp yaramadığını nasıl ölçersiniz?
Botun kaç görüşmeyi kapattığını değil, müşterilerin sorununun gerçekten çözülüp çözülmediğini ölçün. Bir görüşme, yalnızca müşteri vazgeçtiği için de "bot içinde çözülmüş" sayılabilir.
| Ölçüt | Neyi gösterir? | Kaçınılacak tuzak |
|---|---|---|
| Self servis çözüm oranı | İnsana gitmeden çözülen iletişimlerin payı | Yalnızca belirli bir süre içinde aynı konuda tekrar iletişime geçilmeyen vakaları sayın |
| Tekrar iletişim oranı | "Çözüldü" denen vakaların geri dönüp dönmediği | Müşteri ve konu eşleştirmesinin güvenilir olması gerekir |
| Devretme oranı ve nedenleri | Asistanın sınırlarına nerede ulaştığı | Düşük oran, çıkış yolunun zor bulunduğunu da gösterebilir |
| Yanıt doğruluğu | Örneklenen görüşmelerin politikaya göre incelenmesi | İncelemeyi politikayı bilen kişiler yapmalı |
| Hataların ağırlığı | Yanlış yanıtların ne kadar zarar verdiği | Tek bir ciddi hata, çok sayıda küçük hatadan ağır basar |
| Müşteri memnuniyeti | Bot, temsilci ve devredilen vakalar için ayrı ayrı | Anket yanıtları uç deneyimlere kayar |
| Temsilci görüşme süresi ve görüşme sonrası iş | Temsilci desteğinin etkisi | Daha hızlı ama daha az doğru bir iyileşme değildir |
| Çözülen iletişim başına maliyet | Toplam maliyetin gerçekten çözülen iletişimlere bölünmesi | Lisansları, kullanımı, incelemeyi ve bakımı dahil edin |
| Kanal hakkındaki şikâyetler | Müşterilerin kendini engellenmiş hissedip hissetmediği | Yalnızca sayıya değil, ifadelere de bakın |
Başlangıç değerini canlıya geçmeden, aynı tanımlarla ölçün. Mümkünse asistanı önce trafiğin bir bölümünde çalıştırın; böylece bu ayı geçen ayla değil, benzer olanı benzeriyle karşılaştırırsınız.
Varsayımsal örnek: bir e-ticaret şirketinin destek ekibi
Bu bir müşteri vakası değil, rakamları örnek olsun diye seçilmiş varsayımsal bir örnektir. Bir e-ticaret şirketinin destek ekibi canlı sohbet, e-posta ve telefon kanallarına bakıyor. Ekip son dönemdeki 1.000 iletişimden bir örnek alıyor, nedenlerine göre grupluyor ve her grubu sırasıyla hacim, standartlık, yanlış yanıtın maliyeti, geri alınabilirlik, duygusal yük ve veri hassasiyeti ölçütlerine göre puanlıyor:
| İletişim nedeni | Örnekteki payı | Puanlar | Mod |
|---|---|---|---|
| Siparişim nerede? | %34 | 3, 3, 3, 3, 3, 2 | Kimlik doğrulamadan sonra otomatik |
| İade ve değişim kuralları | %18 | 3, 3, 3, 3, 3, 3 | Onaylı içerikten otomatik |
| İade başlatma | %12 | 3, 3, 2, 2, 3, 2 | Onaylı otomatik |
| Kargoya vermeden önce adres değişikliği | %6 | 2, 3, 2, 2, 3, 2 | Onaylı otomatik |
| Hasarlı ya da yanlış ürün | %10 | 2, 2, 2, 2, 2, 2 | Yapay zeka destekli temsilci |
| Ulaşmayan iade ödemesi | %8 | 2, 2, 2, 2, 1, 1 | Yapay zeka destekli temsilci |
| Kargo firması şikâyeti | %7 | 2, 1, 2, 2, 1, 2 | Yapay zeka destekli temsilci |
| Ödeme güvenliği ya da dolandırıcılık şüphesi | %2 | 1, 2, 1, 1, 1, 1 | Yalnızca insan, öncelikli yönlendirme |
| Diğer | %3 | Değişken | İnsan |
Bu örnekte iletişimlerin yüzde 70'i ilk dört satıra düşüyor ve ekip bunları aşama aşama otomatikleştirmeye karar veriyor. Kalan yüzde 30 insanlarda kalıyor; ama temsilciler artık yapay zekanın hazırladığı yanıt taslaklarını ve özetleri kullanıyor. İade ödemesi ve kargo şikâyeti satırları oldukça sık gelse de duygusal yükte 1 aldıkları için insanda kalıyor.
Devreye alma sırası riske göre belirleniyor: önce temsilci desteği, çünkü en az riski taşıyor ve bilgi bankasının temizlenmesini sağlıyor; sonra bilgi soruları; ardından kimlik doğrulamadan sonra sipariş durumu; en son da onaylı işlemler. Başarı pilottan önce tanımlanıyor: otomatikleştirilen nedenlerde tekrar iletişimin artmaması, insana ulaşmayla ilgili şikâyetlerin yükselmemesi ve her hafta örneklenen görüşmelerde doğruluk incelemesi. Sipariş durumu akışında müşteriler iki gün içinde aynı soruyla geri dönüyorsa, akış başarılı ilan edilmiyor; durdurulup inceleniyor.
Devreye alma hangi sırayla yapılmalı?
- Bilgi bankasını temizleyin. Asistan, yanıt verdiği içerik kadar doğru olabilir. Çelişkileri ve eskimiş sayfaları kaldırın, her konuya bir sahip atayın.
- İçeriden, temsilci desteği ve triyajla başlayın. Yanıt önerileri, özetler ve yönlendirme, müşteriyi hatalarla karşı karşıya bırakmadan temsilcilere yardım eder. Ortak bir gelen kutusu için bu adımı insan incelemeli e-posta triyaj ajanı yazımızda anlattık.
- Onaylı içerikten bilgi soruları, insana ulaşma yolu görünür biçimde.
- Kimlik doğrulamadan sonra yalnızca okuma yapan sorgular; örneğin sipariş durumu.
- Onaylı ve limitli işlemler, her seferinde tek bir işlem türü.
- Sürekli inceleme. Haftalık örnekler, hataların ağırlığı, devretme nedenleri ve tekrar iletişimler içeriği ve kuralları beslemeye devam eder.
Şikâyetlerle, itirazlarla ya da basit ve limitli durumların ötesinde para içeren herhangi bir işle başlamayın. Yanlış bir yanıtın en çok güven kaybettirdiği yer orasıdır.
Hatson Tech nasıl yardımcı olabilir?
Yapay zeka ajanı geliştirme çalışmalarımız kapsamında, onaylı içerikten yanıt veren, sipariş sorgulama ya da iade başlatma gibi işlemleri yetkisi dahilinde yapan ve emin olmadığında bir temsilciye devreden müşteri destek asistanları kuruyoruz. Para ya da müşteri iletişimi içeren işlemler insan onayı olmadan çalışmaz, her adım kayıt altına alınır. İlk görüşme ve yazılım projelerindeki keşif çalışması ücretsizdir. İyi bir başlangıç noktası, nedenlerine göre gruplanmış son dönem iletişimlerinizden bir örnektir; bununla otomasyon ile insan arasındaki ayrımı kendi verileriniz üzerinde konuşabiliriz.