Kısa cevap
Sesli yapay zekada kullanıcının "iyi" ya da "kötü" kararını verdiği yer sesin doğallığı değil, gecikme. İnsan konuşmasında sessizlik yaklaşık yarım saniyeden sonra rahatsız edici olur; asistan bunun üzerine çıktığında karşıdaki kişi ya cümlesini tekrarlar ya telefonu kapatır. Loyage projesinde ölçülen değerler: aylık 1.000+ otomatik karşılanan çağrı, %92 doğal konuşma ve anlaşılırlık, 2 saniyenin altında ortalama yanıt gecikmesi. İkinci belirleyici konu ise devir: sistemin ne zaman insana bağlayacağı net tanımlanmazsa teknik başarı müşteri kaybına dönüşüyor.
Sesli AI'da asıl sınav: gecikme
Sesli asistan projelerinde en çok konuşulan konu ses kalitesi. Oysa gerçek çağrılarda kullanıcı deneyimini belirleyen değişken neredeyse her zaman gecikme oluyor.
Nedeni insan konuşmasının doğasında. Karşılıklı bir sohbette sıra geçişleri çok hızlıdır; yarım saniyeyi aşan sessizlik doğal olmayan bir duraklama olarak algılanır. Asistan yanıtı bir saniyeden uzun sürede vermeye başladığında kullanıcı iki şeyden birini yapar: cümlesini tekrarlar (bu da sistemi karıştırır) ya da "alo?" der. İkisi de sohbeti bozar.
Gecikme tek bir yerden gelmez; üç adımın toplamıdır: konuşmanın metne çevrilmesi, yanıtın üretilmesi ve metnin sese dönüştürülmesi. Optimizasyon da bu yüzden tek bir yerde yapılmaz — üç adımın hepsinde birden çalışılır ve yanıt üretilirken sesin akmaya başlaması gerekir.
Loyage projesinde ölçülen değerler:
- 1.000+Otomatik karşılanan çağrı — aylık
- %92Doğal konuşma ve anlaşılırlık
- < 2 snOrtalama yanıt gecikmesi
Türkçe'nin kendine özgü zorlukları
Türkçe sesli asistan kurarken karşılaştığımız sorunların bir kısmı dile özgü ve İngilizce örneklerde hiç görünmüyor.
- Eklemeli yapı. Anlamın büyük kısmı kelime sonundaki eklerde taşınır. Cümlenin sonu kesilirse ya da yanlış duyulursa anlam tamamen değişir — "gelmiyorum" ile "gelmiyor musunuz" arasındaki fark bir ekte saklıdır.
- Serbest kelime dizilişi. Vurgu değiştikçe sıralama değişir. Sistem sabit kalıplara göre kurulursa günlük konuşmanın esnekliğini kaçırır.
- Özel isim ve kurum adları. Program adları, semt isimleri ve yabancı kökenli kelimeler tanınmadığında sohbet tıkanır. Bu yüzden kurumun kendi sözlüğü sisteme ayrıca tanıtılır.
- Bölgesel telaffuz farkları. Test kayıtlarının tek bir konuşma biçiminden oluşması, sahada hatalı tanımaya yol açıyor.
Bunların hiçbiri aşılmaz değil ama hepsi kalibrasyon süresi ister. Sesli AI projelerinde kurulum süresinin çoğu yazılıma değil, gerçek çağrı kayıtlarıyla ayar yapmaya gidiyor.
Devir noktaları: en kritik tasarım kararı
Bir sesli asistanın en zarar verici hali, yapamadığı işi yapmaya çalışmasıdır.
Kullanıcı ikinci kez aynı şeyi anlatmak zorunda kaldığında sabrı biter. Üçüncü kez anlatmak zorunda kalırsa yalnızca çağrıyı değil, kuruma olan güvenini de kaybeder. Bu yüzden kurulumda en çok zaman ayırdığımız konu asistanın ne yapabildiği değil, ne zaman çekileceği.
Yazılı olarak tanımladığımız devir kuralları genellikle şunlar:
| Durum | Davranış |
|---|---|
| Aynı soru iki kez anlaşılmadı | Israr etmeden insana bağlanır |
| Şikâyet veya olumsuz duygu | Doğrudan insana bağlanır — otomasyon denenmez |
| Kapsam dışı konu | Yanıt uydurulmaz, aktarılır |
| Kullanıcı insan istiyor | İlk talepte bağlanır, ikna edilmeye çalışılmaz |
| Mesai dışı | Bilgi verilir, geri arama randevusu oluşturulur |
Dördüncü satır özellikle önemli. Kullanıcıyı sistemde tutmaya çalışan kurgular kısa vadede otomasyon oranını yükseltiyor, uzun vadede müşteri kaybettiriyor.
Sesli asistan nerede işe yarıyor, nerede yaramıyor?
Saha gözlemimiz oldukça net. İşe yaradığı yerler tekrar eden, yapısı belli çağrılar:
- Bilgi çağrıları. Çalışma saatleri, program içeriği, fiyat aralığı, konum. Çağrı hacminin genellikle en büyük kısmı budur.
- Randevu oluşturma ve hatırlatma. Takvim entegrasyonuyla birlikte uçtan uca yürüyebiliyor.
- Mesai dışı karşılama. Kaçan çağrının doğrudan kaçan iş anlamına geldiği kurumlarda en hızlı geri dönen alan.
- Yoğunluk taşması. Tüm hatların meşgul olduğu anlarda çağrının düşmesini engeller.
İşe yaramadığı yerler ise şunlar: pazarlık gerektiren satış görüşmeleri, duygusal yükü olan konuşmalar ve kurumun ilk kez yaşadığı özel durumlar. Buralarda sesli asistanı devreye sokmak, kazanç değil hasar üretiyor.
Kurumların çoğu için doğru başlangıç, tüm çağrıları devretmek değil tek bir çağrı tipini devretmek oluyor. Sesli AI'ın yazılı kanallarla nasıl birlikte çalıştığını sesli yapay zeka asistanı sayfasında ayrıca anlattık.
Kurulum: gerçek çağrılarla kalibrasyon
Sesli AI projelerinde en sık yapılan hata sistemi laboratuvar koşullarında test edip sahaya sürmek. Gerçek çağrılar gürültülüdür, kesiktir ve senaryodan sapar.
- 01
Gerçek çağrı kayıtlarını dinleyin
Kurulum, senaryo yazmakla değil, kurumun son dönemdeki çağrılarını dinlemekle başlar. İnsanların gerçekte ne sorduğu, tahmin edilenden hep farklı çıkıyor.
- 02
Tek çağrı tipiyle başlayın
En sık gelen ve en yapısal olan çağrı tipi seçilir. Kapsam dar tutuldukça kalibrasyon hızlanır.
- 03
Kurum sözlüğünü tanıtın
Program adları, şube isimleri, sık geçen özel isimler sisteme ayrıca öğretilir. Tanıma hatalarının büyük kısmı buradan çözülür.
- 04
İlk hafta her çağrıyı gözden geçirin
Nerede tıkandığı, nerede gereksiz devrettiği kayıtlardan çıkarılır ve ayarlar buna göre çekilir.
- 05
Kapsamı sonra genişletin
Birinci tip stabil çalıştıktan sonra ikinci çağrı tipi eklenir. Aynı anda çok şey açan projeler kalibre edilemiyor.