İşletmeler için yapay zeka chatbot, artık yalnızca büyük şirketlerin kullandığı bir teknoloji değil. Web sitenize, WhatsApp hattınıza veya mobil uygulamanıza bağlanan bir yapay zekâ asistanı; sık sorulan soruları yanıtlayabilir, randevu ve teklif taleplerini toplayabilir, gerektiğinde konuşmayı ekibinize devredebilir. Bu rehberde modern bir asistanın eski chatbotlardan farkını, sektörlere göre kullanım alanlarını, nasıl kurulduğunu, yanlış cevapların nasıl önlendiğini, KVKK boyutunu ve maliyeti belirleyen kalemleri anlatıyoruz.
Kısaca:
- Modern yapay zekâ chatbotları, sabit senaryolar yerine işletmenizin kendi bilgi tabanından (ürünler, fiyat politikaları, SSS, prosedürler) yararlanarak doğal dilde yanıt verir.
- En iyi sonuç; iyi hazırlanmış bir bilgi tabanı, net sınırlar, insan temsilciye devir ve düzenli test ile alınır.
- Maliyeti kurulum, entegrasyonlar, model kullanım ücreti ve bakım belirler.
- Tüm süreci kurmadan önce 30 günlük, ölçülebilir bir pilotla başlamak en güvenli yoldur.
Eski chatbot ile yapay zekâ asistanı arasındaki fark
Birkaç yıl önceki chatbotların çoğu kural tabanlıydı: "1'e basın, 2'ye basın" mantığıyla çalışan, önceden yazılmış karar ağaçları. Kullanıcı senaryonun dışına çıktığında "Anlayamadım" cevabı gelirdi.
Bugünkü asistanlar ise büyük dil modelleri (LLM) üzerine kuruludur. Aradaki temel farklar şunlardır:
| Özellik | Kural tabanlı chatbot | Yapay zekâ (LLM) asistanı |
|---|---|---|
| Soruyu anlama | Anahtar kelime veya buton | Doğal dil, yazım hatalarına toleranslı |
| Bilgi kaynağı | Elle yazılmış cevaplar | İşletmenin bilgi tabanı ve bağlı sistemler |
| Yeni soru türleri | Her biri için yeni senaryo gerekir | Bilgi tabanında varsa yanıtlayabilir |
| Çoklu dil | Her dil ayrı kurgulanır | Aynı bilgi tabanından birçok dilde yanıt |
| Riskler | Sınırlı ama katı | Yanlış veya uydurma cevap riski, bu yüzden kontrol katmanı şart |
| Bakım | Senaryo güncelleme | Bilgi tabanı güncelleme, test seti ve izleme |
Kısacası yapay zekâ asistanı çok daha esnektir; ancak bu esnekliğin doğru sınırlarla yönetilmesi gerekir.
Pratikte birçok işletme iki yaklaşımı birlikte kullanır. Sipariş iptali veya ödeme gibi kesin adımlar gerektiren işlemler kurallı akışlarla yürütülür; ürün, hizmet ve politika sorularında ise yapay zekâ devreye girer. Böylece hem esneklik hem de kontrol sağlanır.
Sektörlere göre kullanım alanları
E-ticaret
- Sipariş ve kargo durumu sorgulama (sipariş sistemiyle entegre),
- Ürün karşılaştırma, beden ve uyumluluk soruları,
- İade ve değişim koşullarını açıklama,
- Stokta olmayan ürün için alternatif önerme.
Klinik ve sağlık işletmeleri
- Randevu talebi alma ve uygun saatleri gösterme,
- Hizmetler, çalışma saatleri, adres ve hazırlık talimatları,
- Sigorta ve anlaşmalı kurum soruları.
Burada kritik bir sınır vardır: asistan teşhis veya tıbbi tavsiye vermemeli, bu tür sorularda hekime veya kliniğe yönlendirmelidir. Sağlık verisi özel nitelikli kişisel veri olduğu için KVKK tarafı ayrıca planlanmalıdır.
Turizm ve otel
- Oda tipleri, fiyat politikaları, transfer ve aktivite bilgisi,
- Rezervasyon talebini kayıt altına alma,
- Farklı dillerde misafir sorularını yanıtlama.
Üretim ve B2B
- Ürün katalogu ve teknik şartname soruları,
- Teklif talebi için gerekli bilgileri (miktar, ölçü, teslim yeri) adım adım toplama,
- Bayi ve distribütör sorularını doğru satış temsilcisine yönlendirme.
Hizmet işletmeleri
Tadilat, hukuk ve muhasebe büroları, eğitim kurumları ve benzeri işletmelerde asistan ön görüşmeyi yapar: ihtiyacı anlar, temel bilgileri toplar ve ekibinize hazır bir talep olarak iletir.
Yapay zekâ chatbot nasıl kurulur?
Chatbot kurulumu, bir modele "sen bizim asistanımızsın" demekten ibaret değildir. Sağlam bir yapı genellikle şu katmanlardan oluşur.
1. Bilgi tabanı ve RAG
Asistanın işletmenize dair doğru bilgi vermesi için RAG (Retrieval-Augmented Generation) yaklaşımı kullanılır. Ürün sayfaları, SSS, politika dokümanları ve fiyat tabloları parçalara ayrılır ve aranabilir hale getirilir. Kullanıcı soru sorduğunda sistem önce ilgili bilgileri bulur, model bu bilgilere dayanarak yanıt üretir.
Bilgi tabanının kalitesi, asistanın kalitesini belirler. Çelişkili, eski veya dağınık dokümanlar yanlış cevapların en yaygın nedenidir.
2. Entegrasyonlar
- Web sitesi: Sitenize eklenen sohbet penceresi.
- WhatsApp Business API: WhatsApp yapay zeka asistanı için resmi API kullanılır; mesaj şablonları ve Meta'nın politikalarına uyum gerekir.
- CRM ve iş sistemleri: Sipariş sorgulama, randevu oluşturma veya teklif talebini CRM'e kaydetme gibi işlemler için API bağlantıları.
- Mobil uygulama: Kendi uygulamanızın içine gömülü asistan. Bu konuda mobil uygulama sayfamıza da bakabilirsiniz.
3. İnsan temsilciye devir
İyi bir müşteri hizmetleri chatbotu her şeyi kendisi çözmeye çalışmaz. Şu durumlarda konuşmayı ekibinize devretmelidir:
- Kullanıcı açıkça temsilci istediğinde,
- Şikâyet, iade anlaşmazlığı veya hassas bir konu olduğunda,
- Asistan bilgi tabanında yeterli bilgi bulamadığında,
- Ödeme veya sözleşme gibi onay gerektiren işlemlerde.
Devir sırasında konuşma geçmişinin temsilciye aktarılması, müşterinin aynı şeyi tekrar anlatmasını önler.
Yanlış cevaplar nasıl önlenir?
Yapay zekâ modelleri, bilmedikleri bir konuda ikna edici ama yanlış cevap üretebilir. Bu riski azaltmak için birkaç katman birlikte kullanılır:
- Guardrail (sınır) kuralları: Asistanın hangi konularda konuşup hangilerinde konuşmayacağı net yazılır. Örneğin fiyat taahhüdü, tıbbi veya hukuki tavsiye yasaklanır.
- Yalnızca kaynağa dayalı yanıt: Bilgi tabanında karşılığı olmayan sorularda "Bu konuda net bilgim yok, sizi ekibimize yönlendireyim" demesi sağlanır.
- Kaynak gösterme: Yanıtın dayandığı sayfa veya doküman bağlantısı kullanıcıya gösterilebilir.
- Test seti: Gerçek müşteri sorularından oluşan bir soru listesi hazırlanır; her güncellemeden sonra asistan bu listeyle test edilir.
- Konuşma kayıtlarının incelenmesi: Özellikle ilk haftalarda yanıtlar düzenli olarak okunur, bilgi tabanındaki eksikler kapatılır.
Pratik ipucu: Kurulumdan önce müşteri hizmetleri ekibinizden en sık gelen 50 soruyu ve ideal cevaplarını toplamasını isteyin. Bu liste hem bilgi tabanının hem de test setinin temelini oluşturur.
KVKK ve veri gizliliği
Chatbot, müşterilerinizden ad, telefon, sipariş numarası ve bazen sağlık gibi hassas bilgiler alabilir. Bu nedenle 6698 sayılı Kişisel Verilerin Korunması Kanunu (KVKK) kapsamında şunlar planlanmalıdır:
- Aydınlatma: Sohbet başlamadan önce kullanıcıya verilerin hangi amaçla işlendiği ve aydınlatma metninin bağlantısı gösterilmelidir.
- Veri minimizasyonu: Asistan yalnızca gerekli bilgiyi istemelidir.
- Yurt dışına aktarım: Kullanılan yapay zekâ modelinin sunucuları yurt dışındaysa, bu durum KVKK'nın yurt dışına aktarım hükümleri açısından değerlendirilmelidir. Hukuk danışmanınızla birlikte ele alınması önerilir.
- Saklama süresi: Konuşma kayıtlarının ne kadar süre tutulacağı belirlenmeli, süre sonunda silinmeli veya anonimleştirilmelidir.
- Model eğitimi: Tercih edilen API sağlayıcısının gönderilen verileri model eğitimi için kullanıp kullanmadığı sözleşme ve ayarlardan kontrol edilmelidir.
- Özel nitelikli veriler: Sağlık verisi gibi bilgiler için ek önlemler ve açık rıza değerlendirmesi gerekir.
Bu bölüm genel bilgilendirme amaçlıdır; işletmenize özel hukuki değerlendirme için bir KVKK uzmanına danışmanızı öneririz.
Maliyeti belirleyen kalemler
Bir yapay zekâ asistanının maliyeti tek kalemden oluşmaz. Teklif alırken şu başlıkları ayrı ayrı sorun:
| Kalem | Neye bağlı? |
|---|---|
| Kurulum ve geliştirme | Bilgi tabanı hazırlığı, arayüz, guardrail ve test süreci |
| Entegrasyonlar | Web, WhatsApp Business API, CRM, sipariş veya randevu sistemleri |
| Model kullanım ücreti | Konuşma sayısı ve uzunluğu (token), seçilen model |
| WhatsApp mesaj ücretleri | Meta'nın konuşma veya mesaj bazlı fiyatlandırması |
| Barındırma | Vektör veritabanı, sunucu ve kayıt saklama |
| Bakım ve iyileştirme | Bilgi tabanı güncellemeleri, test, yeni senaryolar |
Model kullanım ücretleri trafik arttıkça artar; bu yüzden kısa ve öz yanıtlar, gereksiz bağlam gönderilmemesi ve basit sorular için daha ekonomik modellerin kullanılması maliyeti kontrol altında tutar.
Kurulumda en sık yapılan hatalar
Pek çok chatbot projesi teknoloji yüzünden değil, planlama eksikliği yüzünden beklentiyi karşılamaz. En sık gördüğümüz hatalar şunlardır:
- Her şeyi ilk günden otomatikleştirmeye çalışmak. Asistana tüm süreçleri birden yüklemek, test edilemeyen ve kontrol edilemeyen bir yapı ortaya çıkarır. Sık sorulan, düşük riskli sorularla başlamak daha sağlıklıdır.
- Bilgi tabanını bir kez hazırlayıp unutmak. Fiyatlar, kampanyalar, çalışma saatleri ve politikalar değiştikçe bilgi tabanı da güncellenmelidir. Bunun için işletme içinde bir sorumlu belirlenmelidir.
- İnsan temsilciye ulaşmayı zorlaştırmak. Müşteriyi asistanla konuşmaya mecbur bırakmak memnuniyeti düşürür. Temsilciye geçiş seçeneği her zaman görünür olmalıdır.
- Asistanın kimliğini gizlemek. Kullanıcıya bir yapay zekâ asistanıyla konuştuğunu açıkça belirtmek hem güven hem de şeffaflık açısından doğru yaklaşımdır.
- Ölçüm yapmadan genişlemek. Pilot metrikleri netleşmeden yeni kanallara açılmak, sorunların da çoğalmasına yol açar.
- Ton ve üslubu belirlememek. Asistanın markanızın diliyle, örneğin "siz" hitabıyla ve kısa cümlelerle konuşması önceden tanımlanmalıdır.
Başarı nasıl ölçülür?
"Chatbot çalışıyor mu?" sorusunun cevabı hislere değil, verilere dayanmalıdır. Takip edilmesi gereken temel metrikler:
- Çözüm oranı: İnsan müdahalesi olmadan sonuçlanan konuşmaların oranı.
- Devredilen konuşma oranı: Temsilciye aktarılan konuşmaların oranı ve nedenleri.
- İlk yanıt süresi: Müşterinin ilk cevabı ne kadar sürede aldığı.
- Doğruluk: Test setinde ve örneklenen gerçek konuşmalarda doğru yanıt oranı.
- Dönüşüm: Toplanan randevu, teklif talebi veya satışa etkisi.
- Kullanıcı memnuniyeti: Konuşma sonunda basit bir "Yardımcı oldu mu?" sorusu.
30 günlük pilot planı
Tüm kanallara birden açılmak yerine kontrollü bir pilotla başlamak riskleri azaltır.
1. hafta – Hazırlık
- En sık 50 soru ve cevaplarını toplayın.
- Asistanın kapsamını ve sınırlarını yazılı hale getirin.
- Başarı metriklerini ve hedefleri belirleyin.
2. hafta – Kurulum ve iç test
- Bilgi tabanını oluşturun, web sitesi entegrasyonunu yapın.
- Ekibinizle iç test yapın, test setini çalıştırın.
- İnsan temsilciye devir akışını deneyin.
3. hafta – Sınırlı yayın
- Asistanı tek bir kanalda (örneğin web sitesi) ve belirli sayfalarda açın.
- Konuşma kayıtlarını her gün inceleyin, bilgi tabanındaki eksikleri kapatın.
4. hafta – Değerlendirme
- Metrikleri hedeflerle karşılaştırın.
- WhatsApp veya mobil uygulama gibi yeni kanallara genişleme kararını verin.
- Bakım ve iyileştirme rutinini belirleyin.
DevOfis'in yapay zekâ deneyimi
DevOfis olarak yapay zekâyı yalnızca müşteri asistanlarında değil, uçtan uca ürünlerde de kullanıyoruz. Kidupstory, kişiye özel resimli ve seslendirilmiş çocuk hikâye kitapları oluşturan, 12 dilde çalışan web ve mobil platformdur. Bahtiva ise yapay zekâ ile görsel yorumlama yapan Türkçe bir online fal platformudur; Arapça (sağdan sola) kardeş platformu Bakhtifa ile birlikte web ve mobil uygulamaları bulunur.
Bu projelerde edindiğimiz model seçimi, maliyet kontrolü, çoklu dil ve içerik güvenliği deneyimini, işletmelerin kendi müşterilerine hizmet veren asistanlarına ve iş süreçlerini otomatikleştiren özel yazılım çözümlerine taşıyoruz. Detaylar için yapay zekâ çözümleri sayfamızı inceleyebilirsiniz.
Sonuç
İyi kurulmuş bir yapay zekâ asistanı, müşterilerinize günün her saatinde hızlı yanıt verirken ekibinizin zamanını daha değerli işlere ayırmasını sağlar. Başarının anahtarı teknolojiden çok hazırlıktadır: temiz bir bilgi tabanı, net sınırlar, insan temsilciye devir, KVKK uyumu ve düzenli ölçüm. İşletmeniz için ölçülebilir bir pilotla başlamak isterseniz bizimle iletişime geçin veya 0850 308 03 48 numarasından bize ulaşın.