AI Agent ve Kişisel Yapay Zekâ Asistanı
Yapay zekâ asistanı denince akla çoğunlukla siteye eklenen bir sohbet balonu geliyor. Oysa asıl fark, asistanın işletmenin kendi verisini bilmesi ve gerektiğinde bir işlem yapabilmesiyle ortaya çıkıyor. Bu yazıda sohbet botu ile agent arasındaki farkı, böyle bir sistemin nasıl kurulduğunu ve hangi durumlarda gerçekten iş gördüğünü anlatıyorum.
Özet
- Sohbet botu cevap verir; agent araç kullanarak iş yapar
- Değerli olan model değil, modele bağlanan doğru ve güncel kurum verisidir
- RAG yaklaşımı, modelin uydurmasını engelleyip cevabı kaynağa bağlar
- Yetki sınırı ve insan onayı, agent tasarımının en kritik parçasıdır
Sohbet botu, asistan ve agent
Üç kavram çoğu zaman birbirinin yerine kullanılıyor ama yaptıkları iş farklı. Ayrımı netleştirmek, bir projede neyin beklenebileceğini de netleştiriyor.
| Ne yapar? | Sınırı | |
|---|---|---|
| Klasik sohbet botu | Önceden tanımlı sorulara hazır cevap verir | Tanımlanmayan soruda tıkanır |
| Yapay zekâ asistanı | Kurum verisini okuyup doğal dille cevaplar | Cevap verir ama işlem yapmaz |
| AI agent | Araç kullanır: kayıt açar, randevu oluşturur, e-posta gönderir | Yetkilendirme ve denetim gerektirir |
Pratikte çoğu işletmenin ihtiyacı ikinci basamakta başlıyor: müşterinin sorduğu soruya, kurumun kendi bilgisiyle doğru cevap veren bir asistan. Üçüncü basamak, süreçler netleştikten sonra anlamlı hale geliyor.
Kurum verisiyle çalışan asistan nasıl kurulur?
Dil modeli tek başına sizin fiyat listenizi, çalışma saatlerinizi veya hizmet kapsamınızı bilmez. Bu bilgiyi modele bağlamanın yolu RAG (retrieval-augmented generation) yaklaşımıdır: soru geldiğinde önce kurum kaynaklarından ilgili parça bulunur, sonra model cevabı yalnızca o parçaya dayanarak üretir.
Kaynakların toplanması
Hizmet açıklamaları, sık sorulanlar, fiyat politikası, teknik dokümanlar ve geçmiş yazışmalar tek bir bilgi havuzunda toplanır.
Parçalama ve indeksleme
Metinler anlamlı parçalara bölünüp aranabilir hale getirilir. Kalitesiz kaynak, kalitesiz cevap üretir; bu adım sonucun yarısını belirler.
Cevap üretimi
Model yalnızca bulunan kaynak parçalarını kullanarak cevap verir; kaynak bulunamadığında uydurmak yerine bilmediğini söyler.
Sınır ve ton tanımı
Asistanın neyi cevaplayacağı, neyi insana devredeceği ve hangi üslupla konuşacağı yazılı olarak tanımlanır.
Bir asistanın kalitesini belirleyen şey kullanılan model değil, beslendiği verinin doğruluğu ve güncelliğidir. Eski fiyat listesiyle beslenen en iyi model bile yanlış cevap verir.
Hangi işlerde gerçekten karşılığı var?
Müşteriye dönük kullanım
- Tekrar eden soruların anında cevaplanması: çalışma saatleri, hizmet kapsamı, süreç ve teslim soruları
- Ön eleme: gelen talebin hangi hizmete ait olduğunun anlaşılıp doğru kişiye yönlendirilmesi
- Mesai dışı karşılama: gece gelen talebin kaybolmadan kaydedilmesi ve sabah takibe düşmesi
- Çok dilli destek: aynı bilgi havuzundan farklı dillerde cevap verilmesi
Şirket içi kullanım
- Kurum hafızasına erişim: prosedürlerin ve geçmiş kararların tek yerden sorulabilmesi
- Yeni personelin hızlanması: "bu işi nasıl yapıyoruz" sorusunun kimseyi meşgul etmeden cevaplanması
- Rapor ve özet çıkarma: uzun yazışma veya dokümanların karar için özetlenmesi
- Veri girişinin azaltılması: serbest metinden yapılandırılmış kayda dönüştürme
Ortak nokta şu: yapay zekâ, tekrar eden ve bilgiye dayalı işlerde zaman kazandırır. Yargı gerektiren, sorumluluk doğuran kararlarda ise rolü öneri sunmakla sınırlı kalmalıdır.
Agent'a geçerken dikkat edilmesi gerekenler
Asistanın işlem yapabilmesi (randevu oluşturma, kayıt açma, e-posta gönderme) ciddi bir eşiktir. Bu noktadan sonra sistem yalnızca yanlış cevap vermekle kalmaz, yanlış iş de yapabilir. Bu yüzden agent tasarımının merkezinde yetki sınırı bulunur.
- Dar yetki: agent yalnızca tanımlı işlemleri, tanımlı sınırlar içinde yapabilir
- İnsan onayı: geri alınması zor işlemler (para, silme, dışa mesaj) onaydan geçer
- İz kaydı: hangi işlemin hangi istek üzerine yapıldığı loglanır
- Geri dönüş yolu: agent'ın tıkandığı her durumda konuşma insana devredilir
- Veri sınırı: kişisel veriler asistanın erişimine gerekli olmadıkça açılmaz
İyi bir agent, yapabildiği şeylerle değil yapmayı reddettiği şeylerle güven kazanır. Emin olmadığında durup soran bir sistem, her soruya cevap üreten bir sistemden daha kullanışlıdır.
Beklenti yönetimi ve maliyet
Yapay zekâ asistanı personel yerine geçmez; personelin zamanını tekrar eden işlerden karar gerektiren işlere kaydırır. Ölçülebilir kazanç genellikle şurada görülür: cevap süresi kısalır, mesai dışı kaçan talep azalır ve aynı ekip daha fazla talebi karşılayabilir.
Maliyet iki kalemden oluşur: kurulum (kaynakların hazırlanması, entegrasyon, sınır tanımları) ve kullanım (model çağrısı başına ücret). Kullanım maliyeti soru hacmine bağlıdır ve doğru kurgulanmış bir sistemde tek bir müşteri temsilcisi saatinin çok altında kalır.
Doğru başlangıç, dar bir kapsamla açmaktır: önce en sık gelen on beş soru, sonra ölçüm, sonra genişletme. Her şeyi ilk günden cevaplamaya çalışan bir asistan, genellikle hiçbirini iyi cevaplayamaz.
Kendi projeniz için konuşalım
Mevcut durumunuzu kısaca değerlendirip nelerin öne alınması gerektiğini paylaşabilirim.
Diğer Makaleler
SEO ve GEO Nedir?
Klasik arama motorları ile yapay zekâ destekli üretken motorlar arasındaki fark ve bir markanın bugün neden ikisinde birden görünür olması gerektiği.
Makaleyi okuBüyümeMüşteri Trafiği Nasıl Elde Edilir?
Ziyaretçiyi müşteriye çeviren yapı: doğru arama niyetini yakalamak, sayfayı dönüşüme göre kurgulamak ve gelen talebi kaybetmeden yönetmek.
Makaleyi okuE-TicaretMarkaya Özel E-Ticaret Altyapısı
Hazır paket ile markaya özel altyapı arasındaki fark, bir e-ticaret sisteminin hangi modüllerden oluştuğu ve satışa dönüşen bir mağazanın nasıl kurulduğu.
Makaleyi oku