“Yapay zeka sesli asistan” denince çoğu kişinin aklına ya akıllı hoparlörler ya da “lütfen sorunuzu kısaca söyleyin” diyen, sonra da hiçbir şey anlamayan eski sesli menüler geliyor. Bugünkü sesli asistanlar ikisinden de farklı çalışıyor: müşteriyle doğal bir konuşma yürütürken arka planda mağazanızın sistemlerine bağlanıp gerçek bir iş yapıyorlar.

Bu yazıda soyut bir mimari şeması çizmek yerine tek bir aramayı izleyeceğiz: bir müşteri siparişinin nerede olduğunu soruyor. Otuz saniyelik bu görüşmenin her anında perde arkasında neler olduğunu adım adım anlatacağız. Aradaki süreler anlatımı kolaylaştırmak için yaklaşık verilmiştir; gerçek süreler hatta, ağa ve kullanılan modellere göre değişir.

Kısa cevap: dört katman

Bir sesli asistan dört temel katmandan oluşur:

  1. Konuşmayı tanıma (ASR/STT): Müşterinin sesini anlık olarak yazıya çevirir.
  2. Dil modeli ve akış: Yazıya dönmüş cümleden müşterinin ne istediğini anlar, ne yapılacağına karar verir ve yanıtın metnini oluşturur.
  3. Araçlar: Dil modelinin çağırabildiği, mağazanıza bağlı işlemlerdir: sipariş sorgulama, talep açma, geri arama planlama, insana aktarma.
  4. Ses sentezi (TTS): Yanıt metnini doğal bir sese çevirir.

Bu katmanların üstünde bir de konuşma yönetimi vardır: müşterinin sözünü bitirip bitirmediğini anlamak, araya girdiğinde susmak, sessizlikte ne yapacağını bilmek. Sesli asistanı “bot gibi” ya da “insan gibi” hissettiren şey çoğu zaman modelin zekâsından çok bu katmandır.

0. saniye: telefon çalıyor

Müşteri mağazanın numarasını arar. Arama, mağazanın operatöründen (SIP hattı üzerinden) asistanın çalıştığı sisteme gelir. Sistem önce hangi numaranın arandığına bakar: aynı altyapıda birden çok mağaza ya da marka varsa, hangi asistanın açacağını buna göre seçer.

Asistan açılış cümlesini söyler. Bu cümlede genellikle mağazanın adı, müşterinin bir sesli asistanla konuştuğu ve görüşme kaydediliyorsa bunun bilgisi yer alır. Açılış kısa tutulur; müşteri telefonu kendi sorusunu sormak için açtı, uzun bir karşılama metnini dinlemek için değil.

Bu arada arka planda ilk iş yapılmıştır bile: arayanın numarası siparişlerdeki telefon numaralarıyla eşleştirilir. İyi tasarlanmış bir sistemde bu eşleştirme numaranın düz hâliyle yapılmaz; numaralar şifreli saklanır, eşleştirme için anahtarlı bir özet kullanılır. Böylece asistan, müşteri daha ağzını açmadan “bu numaraya kayıtlı iki sipariş var” bilgisine sahip olur.

3. saniye: müşteri konuşuyor

“Merhaba, geçen hafta bir sipariş verdim, hâlâ gelmedi.”

Müşteri konuşurken ses parça parça konuşma tanıma servisine akar ve yazıya dönüşür. Burada iki kritik soru vardır:

  • Doğru mu anlıyor? Türkçe’de ekler, şive, arka plan gürültüsü ve telefon hattının dar bant sesi tanımayı zorlaştırır. Özellikle sipariş numarası, ürün adı ve adres gibi bilgiler için tanıma kalitesi belirleyicidir.
  • Cümle bitti mi? İnsanlar konuşurken duraklar: “Siparişim… bir saniye… şey, geçen hafta vermiştim.” Sadece sessizliğe bakan bir sistem, müşteri nefes alırken araya girer. Daha iyi sistemler sessizliğin yanında cümlenin anlamına da bakan bir tur sonu tespiti kullanır: “bir saniye” diyen müşteriyi bekler, “hâlâ gelmedi.” diyerek cümlesini bitireni beklemez.

5. saniye: niyet ve karar

Cümle tamamlandığında dil modeli devreye girer. Model şunları bilir:

  • Asistanın görev tanımı ve mağazanın kuralları (iade politikası, mesai saatleri, hangi konunun kime aktarılacağı).
  • Konuşmanın o ana kadarki dökümü.
  • Kullanabileceği araçların listesi.

Müşterinin niyeti açık: sipariş durumu. Model yanıt vermeden önce bir araç çağrısı yapmaya karar verir: “arayanın numarasına ait siparişleri getir.” Burada önemli bir ilke var: model sipariş durumunu tahmin etmez, sisteme sorar. Asistanın güvenilirliği, dil modelinin cümle kurma becerisinden çok, doğru yerde doğru aracı çağırmasına ve araçtan gelen veriyi değiştirmeden aktarmasına bağlıdır.

Bir başka ilke de kişisel verinin korunmasıdır. Telefon numarası, adres ve e-posta gibi bilgiler dil modeline gönderilmeden önce maskelenebilir; model “müşterinin numarası” kavramıyla çalışır, numaranın kendisini görmesi gerekmez.

6. saniye: bekleme boşluğunu doldurmak

Araç çağrısı ve yanıt üretimi zaman alır. Bu süre boyunca hatta tam bir sessizlik olursa müşteri “hat mı düştü?” diye düşünür. İyi bir asistan bu anı doğal bir ifadeyle doldurur: “Hemen bakıyorum.”

Bu kısa ifadeler her seferinde sentezlenmek zorunda değildir. Sık kullanılan onay ve dolgu ifadelerinden oluşan bir kütüphane, asistanın sesiyle önceden üretilip kalite kontrolünden geçirilebilir; böylece ifade anında çalınır ve her seferinde sentezin beklenmesi gerekmez.

8. saniye: sipariş bulundu, ama hangisi?

Araç iki sipariş döndürür: biri teslim edilmiş, biri kargoda. Model burada tahmin yürütmek yerine netleştirir:

“Numaranıza kayıtlı iki sipariş görüyorum. Geçen salı verdiğiniz, spor ayakkabı olan sipariş mi?”

Bu küçük soru, yanlış siparişi okuyup müşteriyi yanıltmaktan çok daha iyidir. Numara hiçbir siparişle eşleşmiyorsa asistan sipariş numarasını ister ve onunla sorgular.

12. saniye: durumu okumak

Müşteri onaylar. Asistan siparişin durumunu, kargo firmasını ve takip numarasını okur. Sesli okumada iki ayrıntı fark yaratır:

  • Uzun numaralar gruplanır. “412788190” tek nefeste okunmaz; “dört yüz on iki, yedi yüz seksen sekiz, yüz doksan” gibi, telefonda takip edilebilir parçalar hâlinde okunur ve müşteri isterse tekrarlanır.
  • Veri neyse o söylenir. Asistan, mağazanın sipariş kaydında yazan durumu ve takip bilgisini okur. Kayıt güncel değilse asistanın söylediği de güncel olmaz; bu yüzden sipariş verisinin nereden ve ne sıklıkla geldiği kurulumun en önemli sorularından biridir.

18. saniye: müşteri araya giriyor

Asistan tahmini teslim bilgisini söylerken müşteri araya girer: “Ama ben akşam evde olmayacağım.”

Burada araya girme (barge-in) devreye girer. Asistan müşterinin konuştuğunu fark eder, kendi cümlesini keser ve dinler. Bu davranış olmadan görüşme “sıranı bekle” oyununa döner ve müşteri, asistanın cümlesini bitirmesini beklemek zorunda kalır. Araya girmeyi doğru ayarlamak incelik ister: öksürük ya da “hı hı” gibi kısa onaylar asistanı susturmamalı, gerçek bir itiraz ise hemen susturmalıdır.

22. saniye: iş açılıyor

Müşterinin istediği şey artık bir bilgi değil, bir işlem: teslimatın ayarlanması. Asistanın bunu doğrudan kargo firmasıyla çözme yetkisi yoksa yapması gereken, işi doğru kişiye eksiksiz iletmektir. Model bir talep açma aracı çağırır: sipariş numarası, müşterinin isteği ve görüşmenin özeti ekibin gelen kutusuna düşer.

“Ekibimize bir not ilettim; kargo firmasıyla teslimat için sizinle iletişime geçecekler.”

Bazı durumlarda doğru adım talep değil, aktarımdır: müşteri sinirliyse, konu asistanın yetkisi dışındaysa ya da müşteri açıkça bir insanla konuşmak istiyorsa. Aktarım hedefi konuya ve mesai saatine göre seçilir. Aktarılan kişi açmazsa görüşme boşa düşmemeli; asistan durumu müşteriye söyleyip bir geri arama planlamalıdır.

30. saniye: kapanış ve kayıt

Asistan başka bir sorusu olup olmadığını sorar ve görüşmeyi kapatır. Görüşme bittiğinde perde arkasında son bir iş daha yapılır:

  • Görüşmenin dökümü, ses kaydı ve her tur için yanıt süreleri saklanır.
  • Görüşme konulara göre etiketlenir (ör. “kargo durumu”, “teslimat değişikliği”).
  • Açılan talep, ilgili siparişle birlikte ekibin önüne düşer.

Bu kayıtlar sadece arşiv değildir. Ay sonunda “aramaların ne kadarı kargo sorusuydu, asistan bunların ne kadarını kendisi çözdü?” sorusunun cevabı buradan çıkar.

İnsana ne zaman aktarılmalı?

Sesli asistanı değerlendirirken en çok dikkat edilmesi gereken yer, “bilmediği yerde ne yaptığı”dır. İyi bir asistan:

  • Yetkisi olmayan bir işi (ör. politika dışı bir iade istisnası) yapmaya çalışmaz, talebe ya da aktarıma çevirir.
  • Veri yoksa uydurmaz; “bu bilgiyi göremiyorum” der ve bir sonraki adımı söyler.
  • Müşteri insan istediğinde direnmez.
  • Uzun görüşmelerde süre sınırına yaklaşırken önceden haber verir, görüşmeyi aniden kesmez.

Asistanı değerlendirirken sorulacak sorular

  • Konuşma tanıma Türkçe’de sipariş numarası ve adres gibi bilgileri ne kadar doğru yakalıyor? Kendi örneklerinizle deneyin.
  • Müşteri yarım cümle kurduğunda ya da araya girdiğinde ne oluyor?
  • Asistan hangi araçlara sahip ve hangi işlemler sizin onayınıza bağlı?
  • Kişisel veriler dil modeline gönderilmeden önce maskeleniyor mu? Veriler nerede işleniyor?
  • Görüşme dökümünü, yanıt sürelerini ve kullanılan araçları çağrı bazında görebiliyor musunuz?
  • Aktarım ve geri arama kuralları sizin mesai saatlerinize göre ayarlanabiliyor mu?

Zitena’da bu akış nasıl işliyor?

Yukarıdaki kargo aramasının her adımı Zitena’ın gelen arama akışında karşılığı olan bir davranıştır. Aramalar kendi SIP hattınıza ve numaranıza gelir; arayan, siparişlerdeki telefonla anahtarlı bir özet üzerinden eşleştirilir ve numara konsolda maskeli görünür. Asistan birden fazla sipariş varsa hangisinin sorulduğunu sorar, takip numarasını gruplayarak okur, müşteri araya girdiğinde susar ve yarım cümleyi bekler. Onay ve dolgu ifadeleri asistanın sesiyle önceden üretilir ve kalite kontrolünden geçer. Canlı görüşmede asistan, işi yapabilmek için müşterinin söylediklerini işler; görüşme sonrası analizde (konu, kalite, içgörü) ise döküm dil modeline gitmeden önce telefon, e-posta, adres ve uzun numaralar maskelenir.

Çözemediği işi ekibinizin gelen kutusuna talep olarak düşürür ya da konuya ve mesai saatine göre aktarır; aktarılan kişi açmazsa geri arama planlar. Her görüşmenin dökümü, tur başına yanıt süreleri ve açılan talepler konsolda çağrının sayfasında durur. Aynı akışın sipariş ve kargo tarafını kargo takip sesli asistan sayfasında ayrıntılı anlattık.

Bu akışı kendi siparişlerinizle dinlemek isterseniz demo isteyin.