Chatbot mu, temsilci asistanı mı?

Müşteri hizmetlerinde yapay zekanın üç kullanım modeli nedir?

Müşteri hizmetlerinde yapay zeka kullanım modeli, bir talebe kimin cevap verdiğini ve yapay zekanın bu cevapta hangi rolü üstlendiğini tanımlayan çalışma düzenidir. Pratikte üç model öne çıkar; aşağıdaki tabloda karşılaştırma için klasik kural tabanlı bot da yer alıyor:

• Chatbot (self-servis): Müşteri doğrudan yapay zekayla konuşur. Modern örnekler, cevabı şirketin kendi içeriğinden bulan RAG ile çalışır. Terimin tanımı için chatbot nedir sayfamıza bakabilirsiniz.
• Temsilci asistanı (agent assist): Müşteri insanla konuşur. Yapay zeka arka planda cevap taslağı, ilgili prosedür ve müşteri geçmişinin özetini temsilciye sunar.
• İşlem yapan ajan: Yapay zeka yalnız cevap vermez; sipariş durumunu sorgular, randevu değiştirir, iade kaydı açar. Bir yapay zeka ajanı, araçlar ve izinler üzerinden sistemlerinize erişir.

Anthropic’in ajan yazısı, müşteri desteğini ajanlar için uygun bir alan olarak anar: sohbet ile sipariş geçmişine bakmak veya iade yapmak gibi eylemler bir aradadır ve başarı, kullanıcının sorununun çözülmesiyle ölçülebilir. Ama aynı yazı, özerkliğin maliyeti ve hata birikmesi riskini artırdığını da hatırlatır.

Konu	Kural tabanlı bot	Yapay zeka chatbotu (RAG)	Temsilci asistanı	İşlem yapan ajan
Müşteriye kim cevap verir	Bot, sabit senaryoyla	Yapay zeka	Temsilci	Yapay zeka, işlemi de yapar
Başlıca risk	Kapsam dışı soruda çıkmaz	Kaynakta olmayan cevap uydurma	Temsilcinin taslağı kontrol etmeden göndermesi	Yanlış veya yetkisiz işlem
Gerekli veri	Senaryo ağacı	Güncel SSS, politika, ürün içeriği	İçerik artı müşteri geçmişi	İçerik artı sistem erişimi (CRM, sipariş)
İnsanın rolü	Senaryoyu günceller	Devralır, içerikteki boşlukları kapatır	Her cevabı onaylar	Riskli işlemi onaylar, kayıtları denetler
Uygun talep türü	Menüyle çözülen basit akış	Bilgi soruları (kargo, iade şartı, çalışma saati)	Hesaba, sözleşmeye dokunan sorular	Kuralı net, geri alınabilir işlemler

Hangi talepler self-servise uygundur, hangileri değildir?

Kendi destek kayıtlarınızı iki eksende sınıflayın: tekrar sıklığı ve yanlış cevabın bedeli.

Self-servise uygun: Sık tekrar eden, cevabı yazılı bir politikada olan ve kişiye göre değişmeyen sorular. Kargo süresi, iade şartları, çalışma saatleri, ödeme seçenekleri, giriş-çıkış saatleri. E-ticaret ve perakende ile turizm ve konaklama işletmelerinde bu sorular sık tekrar eder ve çoğu zaman WhatsApp Business gibi mesajlaşma kanallarından gelir.

Temsilci asistanına uygun: Cevabı müşteriye özel olan veya yanlış olduğunda maddi sonuç doğuran sorular. Poliçe kapsamı, kredi başvurusu durumu, fatura itirazı. Finans ve sigorta kurumlarında bu taleplerde yapay zeka taslak hazırlar, insan gönderir.

İnsanda kalmalı: Şikâyet, hukuki ihtar, sağlık veya güvenlikle ilgili durumlar, öfkeli ya da kırılgan müşteri. Burada yapay zekanın işi en fazla doğru kişiye hızlı yönlendirmektir.

İnsana devir kuralları nasıl yazılır?

Devir, chatbot projelerinde en çok ihmal edilen kısımdır. Kuralları önceden yazın ve test edin:

1. Konu kuralı: Şikâyet, iade tutarı, hukuki ifade veya belirlenen anahtar konular geçtiğinde doğrudan devir.
2. Güven kuralı: Asistan cevabı içerikte bulamıyorsa “bilmiyorum” der ve devreder. Bulamadığı cevabı tahmin etmez.
3. Müşteri kuralı: Müşteri insan istediğinde, ikinci kez aynı soruyu sorduğunda veya memnuniyetsizlik belirttiğinde devir.
4. Bağlam aktarımı: Devirde konuşmanın özeti ve müşterinin kimlik bilgisi temsilciye geçer; müşteri aynı şeyi yeniden anlatmak zorunda kalmaz.
5. Mesai dışı: Temsilci yoksa müşteriye ne zaman dönüleceği açıkça söylenir ve talep kayda alınır.

Bu kuralları canlıya almadan önce gerçek konuşma örnekleriyle deneyin. Özellikle şikâyet içeren ama nazik yazılmış mesajlar ve tek mesajda birden fazla konu açan müşteriler, devir kurallarının en sık kaçırdığı durumlardır. Devredilen her konuşmayı da kayda alın; hangi kuralın tetiklendiği, sonraki iyileştirmenin nereden başlayacağını gösterir.

Müşteriye yapay zekayla konuştuğu nasıl söylenir?

AB Yapay Zeka Yasası’nın (AI Act) 50. maddesi, kişilerle doğrudan etkileşime giren yapay zeka sistemlerinin, kişilerin bir yapay zeka sistemiyle etkileşimde olduklarını bilecekleri biçimde tasarlanmasını ister. Makul ölçüde bilgili ve dikkatli bir kişi için bu durum zaten açıkça belliyse istisna tanınır. Madde metni, yükümlülüğün 2 Ağustos 2026’dan itibaren uygulandığını belirtir.

AB’deki müşterilere hizmet veren Türk şirketleri için bu doğrudan gündemdedir. Pratik uygulama basittir: sohbetin başında “Yapay zeka asistanıyla konuşuyorsunuz, istediğiniz zaman temsilciye bağlanabilirsiniz” gibi açık bir cümle ve asistanın insan gibi davranmaması. Uygulamanın kapsamını hukuk danışmanınızla birlikte netleştirin; KVKK açısından da sohbet kayıtlarının nasıl saklandığı aydınlatma metninde yer almalıdır.

Kalite nasıl ölçülür?

Hazır bir başarı yüzdesine güvenmek yerine şu metrikleri kendi verinizle izleyin:

• Çözüm oranı: Devir gerekmeden kapanan konuşmalar. Müşterinin aynı konuda kısa sürede geri gelip gelmediğiyle birlikte okunmalıdır.
• Devir oranı ve nedeni: Hangi konuların devredildiği, içerikteki boşlukları gösterir.
• Yanlış cevap kaydı: Temsilcinin veya müşterinin işaretlediği her yanlış cevap, nedeniyle birlikte kaydedilir.
• Temsilci asistanında kabul oranı: Taslakların ne kadarının düzeltmeden, düzeltilerek veya hiç kullanılmadan gönderildiği.

Riskler için iki çerçeve yol gösterir. NIST’in üretken yapay zeka profili, kendinden emin biçimde sunulan yanlış içeriği “konfabulasyon” adıyla ayrı bir risk olarak tanımlar; bu, yapay zeka halüsinasyonu olarak bilinen sorundur. OWASP’ın 2025 listesi ise istem enjeksiyonu ve aşırı yetki gibi riskleri sayar; işlem yapan ajanlarda bunlar doğrudan devreye girer.

Nereden başlamalı?

Son birkaç ayın destek kayıtlarını yukarıdaki üç gruba ayırın. Self-servise uygun sorular için içeriğin güncel ve tek yerde olduğundan emin olun; chatbotu bu içerikle sınırlayın. Temsilci asistanını, yanlış cevabın pahalı olduğu bir kuyrukta deneyin. İşlem yapan ajanı en son ve yalnız geri alınabilir işlemlerle açın; müşteri onboarding adımlarındaki belge kontrolü veya doküman analizi ile desteklenen başvuru incelemesi iyi başlangıç noktalarıdır.

Aynı yaklaşımı kendi ürünümüzde de kullanıyoruz. Promptor, WordPress için geliştirdiğimiz ve sitenin içeriğini tanıyan bir yapay zeka sohbet ve satış asistanıdır. Müşteri projelerinde devir kurallarını, şeffaflık metnini ve ölçüm planını tasarım aşamasında yazılı hale getiriyoruz. Ayrıntılar için yapay zeka müşteri hizmetleri, chatbot geliştirme, RAG kurumsal bilgi asistanı ve canlıdaki izleme için yönetilen hizmetler sayfalarımıza bakabilirsiniz.