Sorun
Destek ekibiniz her gün aynı 15-20 soruyu yanıtlıyor: “Faturamı nereden indiririm”, “Entegrasyon anahtarım nerede”, “Şifremi nasıl sıfırlarım”. Cevap dökümantasyonda yazılı ama müşteri onu bulamıyor ya da okumuyor; temsilci e-postayı açıyor, hesabı kontrol ediyor, aynı cevabı bir kez daha yazıyor. Gerçekten insan gerektiren talepler (hata bildirimleri, fatura itirazları, canı sıkılmış bir kurumsal müşteri) bu rutin yığının arkasında sıra bekliyor.
Pazar artık bu rutin kısmın fiyatını açıkça koyuyor:
Yani rutin bir sorunun yapay zekâyla çözülmesi, bir temsilcinin dakikalarından çok daha ucuz. Ama bu rakamların arkasında, çoğu satış sayfasının söylemediği iki gerçek var.
”Çözüldü” tanımı sandığınızdan esnek
Sektörde yaygın kullanılan tanımda müşteri, botun son cevabından sonra ek yardım istemeden konuşmayı kapatırsa bu da “çözüm” sayılır. Intercom bunu açıkça “varsayılan çözüm” (assumed resolution) olarak adlandırıyor. Cevabı beğenmeyip sekmeyi kapatan, sonra telefona sarılan müşteri de bu istatistikte başarı olarak görünebilir. Panelde yüksek bir çözüm oranı görüp gerçekte müşteri memnuniyetini kaybetmek mümkün.
Sadece maliyete bakılarak kurulan sistemler geri dönüyor
Klarna, 2024’te AI asistanının 700 tam zamanlı temsilcinin işini yaptığını duyurmuştu. Mayıs 2025’te CEO Sebastian Siemiatkowski, maliyetin “fazla baskın bir değerlendirme kriteri” olduğunu ve bunun hizmet kalitesini düşürdüğünü kabul ederek yeniden insan temsilci almaya başladı. Gartner da Haziran 2025’te, destek kadrosunu AI ile ciddi ölçüde küçültmeyi planlayan kuruluşların %50’sinin 2027’ye kadar bu plandan vazgeçeceğini öngördü.
Türkiye’de buna bir katman daha ekleniyor: müşteri mesajları neredeyse her zaman kişisel veri içerir (ad, telefon, sipariş, adres). KVKK’nın Kasım 2025’te yayımladığı “Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi”, bu verilerin bir dil modeline gönderilmesini, özellikle de yurt dışındaki bir sağlayıcıya aktarılmasını, açıkça bir kişisel veri işleme faaliyeti olarak ele alıyor. Hazır bir chatbot’u sitenize eklemek bu soruyu sizin yerinize cevaplamaz.
Dolayısıyla asıl soru “AI destek asistanı kuralım mı?” değil. Asıl soru şu: Hangi soruları AI’ya bırakacağız, hangilerini asla bırakmayacağız ve “çözüldü” dediğimiz şeyin gerçekten çözüldüğünü nasıl ölçeceğiz?
Yaklaşım
Asistanı üç kuralla kuruyoruz: kaynaksız cevap yok, bağlamsız devir yok, doğrulanmamış “çözüm” yok.
-
Önce geçmiş taleplerinizi okuyoruz, dökümantasyonu değil
Son 3-6 ayın destek taleplerini konu bazında kümeliyoruz: hangi soru tipi ne sıklıkta geliyor, temsilci ne kadar sürede çözüyor, hangileri gerçekten rutin. Çıktı, “AI’ya bırakılabilir” ve “insanla kalmalı” diye ayrılmış bir konu haritası. Yalnızca dökümantasyonla beslenen botlar teknik olarak doğru ama işe yaramayan cevaplar verir; müşterinin memnun kaldığı geçmiş çözümler ise sizin ürününüzde “iyi cevabın” neye benzediğini gösterir.
-
Kaynak gösteren bilgi tabanı
Dökümantasyon, SSS ve başarılı geçmiş çözümler başlık ve bölüm yapısı korunarak parçalanıp indekslenir. Anlamsal arama ile anahtar kelime araması birlikte çalışır, çünkü hata kodu ve ürün adı gibi birebir terimler yalnızca anlamsal aramada kaybolur. Asistan sadece bulduğu pasajlara dayanarak cevap verir ve kaynağını gösterir; cevap kaynaklarda yoksa tahmin etmez, bunu söyler.
-
Üç sinyalli devretme mantığı
Asistan şu üç durumdan herhangi birinde insana devreder: (1) bulduğu kaynaklara güveni eşiğin altındaysa, (2) konu “her zaman insan” listesindeyse (fatura itirazı, hesap güvenliği, hukuki talepler, KVKK kapsamındaki veri silme ve erişim başvuruları), (3) müşteri hayal kırıklığı sinyali veriyorsa (aynı soruyu tekrar soruyor, “temsilciyle görüşmek istiyorum” diyor). Teknik olarak doğru bir cevap, bozulmuş bir konuşmayı kurtarmaz.
-
Sıcak devir: müşteri derdini baştan anlatmaz
Devredilen talepte temsilci konuşmanın tamamını, asistanın denediği cevabı, kullandığı kaynakları ve devir nedenini tek ekranda görür. Talep otomatik açılır, talep numarası müşteriye e-posta veya SMS ile iletilir, ekibinize anında bildirim gider. Hiçbir talep havada kalmaz.
-
Canlıya geçmeden önce ölçüm
Geçmiş taleplerinizden 100-200 gerçek soruluk bir test seti oluşturuyoruz; doğruluk ve doğru devretme oranı için kabul eşiğini birlikte belirliyoruz. Eşiğin altında kalan hiçbir konu yayına girmez. Yayın tek kanal ve sınırlı bir konu setiyle başlar, ölçüldükçe genişler.
-
KVKK'ya uygun veri akışı
Kişisel veriler modele gönderilmeden önce maskelenir. Model sağlayıcı seçimi, yurt dışı aktarım değerlendirmesiyle birlikte yapılır; gerekirse Türkiye’de ya da kendi sunucunuzda çalışan bir model kullanılır. Kullanıcıya bir AI asistanıyla konuştuğu açıkça belirtilir, loglar tanımlı bir saklama süresiyle tutulur.
Panelde “varsayılan çözüm” oranını ayrı, doğrulanmış çözüm oranını ayrı raporluyoruz. Müşteri cevabı açıkça onayladıysa ya da aynı konuda 7 gün içinde yeniden talep açmadıysa çözüm sayılır. Karar verirken güzel görünen rakama değil, gerçek olana bakarsınız.
Kanal farkı mimariyi değiştirir
Canlı sohbette cevabın birkaç saniye içinde gelmesi gerekir, bu da arama derinliğini sınırlar. E-postayla gelen taleplerde ise birkaç dakikalık bir bütçe vardır: daha derin arama, ikinci bir kontrol adımı ve daha temkinli bir güven değerlendirmesi mümkündür. Go ile yazılmış backend bu iki yolu ayrı ayrı ama aynı bilgi tabanı üzerinde işletir.
Clean Architecture sayesinde sorgu, cevap üretimi ve talep oluşturma katmanları birbirinden bağımsızdır. Model sağlayıcısını ya da destek sisteminizi (Zendesk, Freshdesk, kendi sisteminiz) değiştirmek bir yeniden yazım değil, bir adaptör değişikliğidir.
Teslim Edilenler
Teknik teslimatlar
- RAG tabanlı chat API’si (Go backend; anlamsal ve anahtar kelime aramasını birleştiren hibrit arama, kaynak gösterimi)
- Web sitenize veya panelinize gömülebilen sohbet widget’ı; e-posta kanalı için asenkron işleme hattı
- Üç sinyalli devretme kuralları (güven eşiği, “her zaman insan” konu listesi, hayal kırıklığı sinyali); kod değişikliği gerektirmeden yapılandırılabilir
- Otomatik talep oluşturma ve mevcut destek sisteminize entegrasyon; talep numarasının e-posta/SMS ile iletilmesi
- Sıcak devir ekranı: konuşma geçmişi, denenen cevap, kullanılan kaynaklar ve devir nedeni tek yerde
Ölçüm ve kalite
- 100-200 gerçek sorudan oluşan test seti ve yayın öncesi değerlendirme raporu (konu bazında doğruluk)
- Panel: doğrulanmış çözüm oranı, varsayılan çözüm oranı, devretme oranı ve nedenleri, konu bazında maliyet
- Haftalık “asistan cevaplayamadı” raporu: dökümantasyonunuzdaki boşlukları ve en çok sorulan soruları gösterir
- Her model, prompt veya bilgi tabanı değişikliğinden önce test setinin yeniden çalıştırılması
Güvenlik ve uyum
- Kişisel veri maskeleme, erişim loglama ve tanımlı log saklama süresi
- Model sağlayıcı ve barındırma seçeneklerinin KVKK ve yurt dışı aktarım açısından yazılı değerlendirmesi
- Kullanıcıya AI ile konuştuğunu bildiren aydınlatma metni önerisi
Tipik takvim
- 1. hafta: Talep analizi ve konu haritası; hangi konular AI’ya, hangileri insana
- 2-3. hafta: Bilgi tabanı, devretme kuralları ve test seti; ilk ölçüm
- 4. hafta: Tek kanalda, sınırlı konu setiyle pilot yayın
- 5-6. hafta: Kalibrasyon, eşik ayarı ve yeni konuların eklenmesi
Takvim; talep hacminize, entegre edilecek sistem sayısına ve dökümantasyonunuzun durumuna göre değişir.
Sık sorulanlar
Asistan yanlış bir şey söylerse ne olur? Asistan yalnızca bulduğu kaynaklardan cevap verir ve kaynağı gösterir; güveni düşükse cevap uydurmak yerine talep açar. Yanlış cevaplar müşteri geri bildirimi ve panel üzerinden işaretlenir, test setine eklenir ve bir sonraki değişiklikten önce tekrar kontrol edilir.
Destek ekibimizin yerini mi alacak? Hayır. Amaç, ekibinizin zamanını rutin sorulardan alıp gerçekten insan gerektiren taleplere vermek. Fatura itirazı ve hesap güvenliği gibi konular tasarım gereği hiçbir zaman AI’ya bırakılmaz.
Hangi model kullanılıyor, verimiz nereye gidiyor? Tek bir model sağlayıcısına bağlı değiliz. Verinin nerede işleneceği (yurt dışı API, Türkiye’de barındırılan bir model ya da kendi sunucunuzdaki açık model) proje başında KVKK açısından değerlendirilir ve yazılı olarak belirlenir.
Aylık işletme maliyeti ne olur? Model kullanım maliyeti ayrı ve şeffaf şekilde raporlanır; panel, konu başına maliyeti gösterir. Böylece hangi soruyu AI’ya bırakmanın gerçekten kârlı olduğunu kendi verinizle görürsünüz.