Yapay zeka destekli çağrı merkezi nasıl çalışır?

Bir çağrı merkezinde belirleyici anlar görüşme sırasında yaşanır: müşteri tereddüt eder, sinirlenir ya da ilgisini belli eder. Geleneksel sistemler görüşmeyi kaydeder ve sonradan analiz eder. O noktada harekete geçmek için artık çok geçtir.

Yapay zeka destekli çağrı merkezi bu boşluğu kapatmayı hedefler: görüşmeyi devam ederken anlamak ve temsilciye tam o anda yardımcı olmak. Bu yazıda, geliştirdiğim gerçek zamanlı akıllı çağrı merkezi platformundan yola çıkarak böyle bir sistemin nasıl çalıştığını, nerede değer ürettiğini ve Türkçe ile KVKK açısından nelere dikkat edilmesi gerektiğini anlatıyorum.

Çağrı merkezinde yapay zekanın üç kuşağı

Çağrı merkezlerinde yapay zeka kullanımını üç aşamada düşünmek işe yarıyor:

1. Kayıt ve örneklem. Görüşmeler kaydedilir, kalite ekibi bunların küçük bir kısmını dinler. Görüşmelerin büyük çoğunluğu hiç incelenmez.
2. Sonradan analiz. Tüm kayıtlar yazıya dökülür ve toplu olarak analiz edilir: hangi konular sık geçiyor, hangi görüşmelerde müşteri memnuniyetsiz. Değerlidir, ama bilgiye ancak görüşme bittikten sonra ulaşılır.
3. Gerçek zamanlı destek. Görüşme sürerken konuşma yazıya dökülür, analiz edilir ve temsilciye anında öneri olarak döner. Değer, müşteri hâlâ hattayken üretilir.

Bu yazının konusu üçüncü kuşak.

Sistem nasıl çalışır?

Gerçek zamanlı bir yapay zeka çağrı merkezinin arkasında beş katman bulunur.

1. Ses katmanı

Her şey sesin sisteme kesintisiz ulaşmasıyla başlar. Bizim platformumuzda görüşmeler WebRTC tabanlı bir iletişim katmanı üzerinden yürüyor; temsilci tarayıcıdan konuşuyor ve ses akışı doğrudan analiz hattına girebiliyor. Mevcut bir santral (IP PBX) kullanılıyorsa, sesin oradan analiz sistemine aktarılması için bir köprü gerekir. Kurulumun en çok planlama isteyen kısmı genellikle burasıdır.

2. Konuşmadan metne (ASR)

Ses, sürekli ve akış hâlinde yazıya dökülür. Burada hız, doğruluk kadar önemlidir: cümlenin bitmesini beklemek yerine konuşma kısa parçalar hâlinde işlenir. Sonraki tüm analizler bu metne dayandığı için, ASR'nin kalitesi sistemin tamamının kalitesini belirler.

3. Paralel analiz

Metin ve sesin kendisi aynı anda farklı açılardan analiz edilir:

• Duygu analizi: Görüşmenin havasının nasıl değiştiğini adım adım izler. Yalnızca söylenen kelimeler değil, ses tonu da hesaba katılır.
• Davranış ve niyet: Müşterinin itiraz mı ettiği, bilgi mi istediği, ayrılmayı mı düşündüğü.
• Satın alma olasılığı: Ne söylendiğinden ve nasıl söylendiğinden müşterinin satın alma potansiyeli tahmin edilir.

4. Öneri motoru

Analiz sonuçları, temsilcinin ekranında somut önerilere dönüşür: hangi soruyu sorması, hangi itiraza nasıl yaklaşması, hangi ürünü önermesi gerektiği. Önemli olan, temsilcinin dikkatini dağıtmadan, görüşmenin akışını bölmeden yardımcı olmaktır.

5. Görüşme sonrası özet ve rapor

Görüşme bittiğinde sistem özeti ve raporu kendisi yazar. Temsilcinin görüşme sonrasında not tutmaya ayırdığı süre büyük ölçüde ortadan kalkar ve her görüşme aynı formatta belgelenir.

Neden yapay zeka müşteriyle konuşmuyor?

Bugün birçok ürün, müşteriyle doğrudan konuşan sesli botlar sunuyor. Randevu almak, kargo durumu sorgulamak gibi kısa ve kuralları net işlerde bunlar gerçekten işe yarıyor. Ama satış ve müşteri ilişkisi söz konusu olduğunda tablo değişiyor.

Bizim platformumuzda yapay zekanın müşteriyle doğrudan konuşmasına bilerek izin vermedik. Sistem, müşterinin ruh halini ve satın alma olasılığını tahmin ediyor; bu tahmin temsilci için değerli bir ipucu. Ama doğrudan müşteriye yansısaydı, yanlış bir tahmin yanlış bir tonla karşılık vermek anlamına gelirdi. Bu yüzden yapay zekanın sesi temsilcinin ekranında kalıyor; müşteriyle konuşan her zaman bir insan. Bu ayrımı yapay zeka ajanları yazısında daha ayrıntılı anlattım.

En çok değer nerede üretiliyor?

Gerçek zamanlı destek ilk bakışta en dikkat çekici özellik gibi görünse de, değer birkaç farklı noktada birikiyor:

• Görüşme sonrası dokümantasyon. Otomatik özet ve rapor, temsilcinin her görüşmeden sonra yaptığı tekrarlayan işi üstleniyor.
• Yeni temsilcilerin hızlanması. Deneyimsiz bir temsilci, hangi durumda ne söylemesi gerektiğini görüşme sırasında görebiliyor.
• Tüm görüşmelerin görünür olması. Kalite ekibi örneklemle yetinmek yerine tüm görüşmelerdeki eğilimleri izleyebiliyor.
• Satış fırsatlarının kaçmaması. İlgisini belli eden bir müşteri, görüşme bitmeden fark ediliyor.

Türkçe'ye özgü zorluklar

Konuşma tanıma ve dil analizi araçlarının çoğu önce İngilizce için geliştiriliyor. Türkçe'de dikkat edilmesi gereken birkaç nokta var:

• Eklemeli yapı. Türkçe'de tek bir kelime kökü onlarca farklı biçimde görünebilir. Bu, hem konuşma tanımayı hem de metin analizini zorlaştırır.
• Ağızlar ve konuşma dili. Telefonda konuşulan Türkçe, yazılı metinlerden çok farklıdır: yarım cümleler, bölgesel söyleyişler, araya giren sesler.
• Karışık terimler. Ürün adları, İngilizce teknik terimler ve kısaltmalar Türkçe cümlelerin içinde geçer.
• Telefon ses kalitesi. Klasik telefon hattının dar bant ses kalitesi, tanıma doğruluğunu düşürür.

Bu yüzden bir çağrı merkezi çözümünü değerlendirirken, Türkçe performansını kendi gerçek görüşme kayıtlarınızla test etmenizi öneririm. Türkçe'nin dil modelleri için ne kadar özel bir dil olduğunu, sıfırdan Türkçe bir dil modeli geliştirdiğimiz açık kaynak Toprak projesinde de yakından görüyoruz.

KVKK açısından dikkat edilecekler

Çağrı merkezi verisi, kişisel verinin yoğun olduğu bir alan: ses kaydı, görüşme metni, müşteri bilgileri.

• Aydınlatma. Görüşmenin kaydedildiği ve analiz edildiği, görüşme başında açıkça bildirilmelidir.
• Maskeleme. Görüşme metninde geçen kart numarası, T.C. kimlik numarası gibi bilgiler, analiz ve saklama öncesinde maskelenmelidir.
• Verinin yeri. Konuşma tanıma ya da dil modeli servisi yurt dışındaysa, ses ve metnin yurt dışına aktarımı söz konusudur. Bu kararı sağlayıcı seçimi aşamasında vermek gerekir.
• Saklama süresi. Ses kayıtlarının, metinlerin ve analiz sonuçlarının ne kadar süre tutulacağı baştan belirlenmelidir.

Konunun genel çerçevesini KVKK ve üretken yapay zeka yazısında bir kontrol listesi olarak ele aldım.

Kuruluma nasıl başlanır?

1. Ses altyapısını netleştirin. Görüşmeler hangi santral ya da platform üzerinden yürüyor, ses analiz sistemine nasıl aktarılacak?
2. Küçük bir pilot ekip seçin. Birkaç temsilciyle başlayın; onların geri bildirimi, ekran tasarımını ve önerilerin zamanlamasını şekillendirir.
3. Neyi ölçeceğinizi baştan belirleyin. Ortalama görüşme süresi, görüşme sonrası iş süresi, ilk temasta çözüm oranı, satış dönüşümü.
4. Türkçe doğruluğunu kendi verinizle test edin. Tanıtım kayıtları değil, kendi gerçek görüşmeleriniz.
5. Kademeli yaygınlaştırın. Önce özet ve rapor gibi düşük riskli özelliklerle, sonra canlı önerilerle.

Sık sorulan sorular

Yapay zeka destekli çağrı merkezi ile sesli bot arasındaki fark nedir?

Sesli bot müşteriyle doğrudan konuşur ve görüşmeyi kendisi yürütür. Yapay zeka destekli çağrı merkezinde ise müşteriyle bir insan temsilci konuşur; yapay zeka görüşmeyi dinler, analiz eder ve temsilciye yardımcı olur. İlki basit ve tekrarlayan işler için, ikincisi satış ve müşteri ilişkisi gibi insan dokunuşunun önemli olduğu görüşmeler için uygundur.

Mevcut santralimizle çalışır mı?

Bu, santralin sesi dışarıya nasıl aktarabildiğine bağlıdır. Tarayıcı tabanlı (WebRTC) bir yapıda ses doğrudan alınabilir; klasik bir santral kullanılıyorsa sesin analiz sistemine aktarılması için ek bir entegrasyon gerekir. Bu konu kurulumun başında netleştirilmelidir.

Temsilcilerin yerini alır mı?

Bu yaklaşımda hayır. Yapay zeka temsilcinin yanında çalışır: görüşme sırasında ipucu verir, görüşme sonrasında not tutma işini üstlenir. Karar ve müşteriyle iletişim temsilcide kalır.

Sonuç

Yapay zeka destekli çağrı merkezi, görüşmeyi kaydedip sonradan analiz etmek yerine, değeri görüşme sürerken üretir. Bunun için ses, konuşma tanıma, analiz ve öneri katmanlarının düşük gecikmeyle birlikte çalışması gerekir. Doğru kurulduğunda temsilcinin yerine geçmez; onu daha hızlı, daha hazırlıklı ve daha az evrak işiyle çalışan biri hâline getirir.

Platformun ayrıntılarını proje sayfasında inceleyebilirsiniz. Kendi çağrı merkezinizde yapay zekanın nereden başlayabileceğini konuşmak isterseniz yapay zeka ve otomasyon hizmetine göz atabilir ya da bana yazabilirsiniz.