Bir yapay zeka otomasyonunu kurup çalıştırmak işin kolay kısmı. Asıl iş, sistem müşterilerle her gün konuşmaya başladıktan sonra çıkıyor. Bu yazıda işletmeler için kurduğum mesaj asistanlarını ve otomasyonları canlıda tutarken öğrendiğim dört dersi paylaşıyorum.
Bahsettiğim sistemler WhatsApp ve Instagram mesajlarını karşılayan asistanlar, sipariş bildirimleri ve raporlama otomasyonları. Hepsinde ortak olan şey, gerçek müşterilerle ve gerçek parayla çalışmaları; bu yüzden küçük bir hata da doğrudan müşteriye yansıyor.
Kısaca
- Model değişikliği bir yazılım güncellemesi gibi test edilir.
- Maliyet otomasyonun kayıtlarından değil, sağlayıcının faturasından ölçülür.
- Müşteriyi tek bir kimlikle arayan otomasyon, aynı kişiyi ikiye böler.
- Asistanın en önemli becerisi, emin olmadığı konuşmayı insana devretmektir.
Model değiştirmek tek satırlık bir iş değildir
Yapay zeka sağlayıcıları sık sık yeni model sürümü yayımlıyor ve yeni sürüme geçmek, yapılandırmada tek bir adı değiştirmek gibi görünüyor. Öyle değil; yeni model yanıtını farklı bir yapıda döndürebilir.
Kurduğum bir müşteri asistanında modeli yeni sürüme geçirirken yeni modelin varsayılan olarak önce bir düşünme bölümü ürettiğini gördüm. Yanıtın ilk bölümü artık metin değil düşünme bloğuydu. Kod yanıtın ilk bölümünü okuduğu için bu fark yakalanmasaydı müşteriye boş yanıt gidecekti.
Artık her model değişikliğinden önce yeni modele gerçek bir istek gönderiyor, yanıtın hangi bölümlerden oluştuğunu okuyor ve cevabı her zaman metin bölümünden alıyorum. Model değişikliğini bir yazılım güncellemesi gibi test ediyorum.
Bir de modeli genel bir takma adla değil, sabit bir sürüm adıyla çağırmak daha güvenlidir. Takma ad kullanıldığında sağlayıcı arka planda modeli güncellediğinde asistanın davranışı sizin haberiniz olmadan değişebilir. Sabit sürümle bu geçişin ne zaman olacağına siz karar verirsiniz.
Maliyeti otomasyonun kayıtlarından değil faturadan ölçün
Otomasyon platformları her çağrının ayrıntısını sonsuza kadar saklamaz. Kayıtlar budanır, bazı çağrılar hiç kaydedilmez ve bu kayıtlardan hesaplanan maliyet gerçeğinden düşük çıkar.
Bir işletmenin mesaj botlarının aylık maliyetini önce otomasyon kayıtlarından hesapladım. Aynı ayın sağlayıcı faturasına baktığımda gerçek tutarın bu hesabın yaklaşık iki buçuk katı olduğunu gördüm. Fiyatlandırmayı ve bütçeyi o günden beri yalnızca sağlayıcının kendi maliyet dökümüne göre yapıyorum.
Maliyeti büyüten en sık neden, her istekte bütün konuşma geçmişinin yeniden gönderilmesidir. Konuşma uzadıkça her yeni mesajın maliyeti de artar. Geçmişi son mesajlarla sınırlamak ya da özetleyerek göndermek, yanıt kalitesini düşürmeden maliyeti kontrol altında tutmanın en basit yoludur.
Müşteriyi tek bir kimlikle arayan otomasyon onu ikiye böler
WhatsApp, Instagram ve sipariş sistemi aynı müşteriyi farklı kimliklerle tanır: biri telefon numarasıyla, biri kullanıcı adıyla, biri e-posta ile. Otomasyon müşteriyi yalnız telefonla arayıp bulamayınca yeni bir kayıt açarsa aynı kişi iki ayrı kişiye dönüşür.
Kurduğumuz bir sistemde sipariş bildirimi, mesaj panelinde telefon numarası olmadan kayıtlı bir müşteriyi telefonla arayıp bulamadı ve ikinci bir kişi açtı. Müşterinin yazışmaları iki ayrı pencereye bölündü ve ekip konuşmanın yarısını göremedi.
Şimdi “kayıt bulunamadı” sonucunu yeni kayıt açma sebebi olarak değil, “bu kişi başka bir kimlikle zaten var mı” sorusunun başlangıcı olarak ele alıyorum. Bir kişiyi birden çok anahtarla tutan her sistemde bu soru otomasyonun içine yazılır.
Asistanın en önemli becerisi konuşmayı insana devretmektir
Bir mesaj asistanı her soruyu cevaplamaya çalışmamalı. Fiyat teklifi, şikayet ve özel sipariş gibi konularda doğru davranış, konuşmayı bildirimle birlikte işletme sahibine devretmektir.
Asistanı kurarken önce hangi soruları kendisinin cevaplayacağını, hangilerini devredeceğini yazıyorum. Sistemin emin olmadığı her durumda varsayılan davranış devirdir. Bu sınır baştan net çizildiğinde asistan markayı korur; çizilmediğinde en kötü anda yanlış bir söz verir.
Asistanın bilgisini de baştan sınırlıyorum. Ürünler, teslimat kuralları, çalışma saatleri ve iade koşulları gibi bilgileri işletmenin kendi kaynağından veriyorum; asistanın bu bilgilerin dışına çıkıp tahmin yürütmesini istemiyorum. Konuşma üslubunu da gerçek müşteri yazışmalarından örneklerle tarif ediyorum ki asistan kurumsal bir robot gibi değil, o markanın çalışanı gibi yazsın.
Bu mantığın küçük bir örneğini ana sayfadaki canlı demolarda deneyebilirsiniz: asistan tanımadığı soruyu cevaplamaya çalışmıyor, insana yönlendiriyor.
Canlı bir sistemi nasıl izliyorum?
Bu dört dersin ortak noktası şu: canlıdaki bir yapay zeka sistemi kurulduğu gün değil, izlendiği her gün başarılı olur. İlk haftalarda konuşmaları okumak, yanlış yanıtları not edip talimatları güncellemek gerekir. Maliyeti faturadan, sonuçları işletmenin kendi kayıtlarından takip ediyorum.
Ölçümün doğru kaynaktan yapılması reklamda da aynı derecede önemli; bunu Google Ads hesaplarında baktığım beş şey yazısında anlattım. Benzer bir sistemi işletmeniz için düşünüyorsanız bana yazın. Yaptığım işlerden örnekleri Markalar ve işler sayfasında bulabilirsiniz.
