Vivollo
insights/5 dk okuma

Yapay zeka botunuz neden cevap veremiyor?

Konuşmaların %66–72'ini çözen yapay zeka sizinkinden akıllı değil, daha bilgili. "Aptal bot" şikayetlerinin çoğu bilgi açığıdır — ve kapatılabilir.

Davut Kember
Davut KemberCo-Founder & Full-Stack Developer ·
Paylaş

Botunuz aptal değil — bilgisiz. Sahadaki kurulumlarımızda konuşmaların %66–72'ini insana hiç dokunmadan çözen ajanlar, sürekli özür dileyen botla aynı sınıf dil modellerinin üzerinde çalışıyor. Aradaki fark neredeyse hiçbir zaman zekâ değil. Gördüğümüz kurulumlarda çözüm oranını esas iki şey belirliyor: cevabın, yapay zekanın okuyabileceği bir yerde var olup olmadığı ve yapay zekanın hangi sistemlerde işlem yapabildiği. Geri kalan her şey — model, komutlar, botun kişiliği — rakamı çok daha az oynatıyor.

Bu, kulağa geldiğinden daha iyi bir haber. Modeli bu hafta daha akıllı yapamazsınız; ama ne bildiğini bu hafta düzeltebilirsiniz.

Bot neden cevap veremiyor?

"Bilmiyorum" cevaplarının neredeyse tamamı üç açıktan birine çıkar — ve üçü de modelde değildir.

1. Cevap hiç yazılmamış. İndirimli üründe iade süresinin farklı işlediği, lacivert modelin dar kalıp olduğu, kargo teslim edilemeyince ne yapıldığı — cevap var, ama yalnızca sizin aklınızda ya da kıdemli bir temsilcinin hafızasında. Hiçbir arama sistemi, hiç yazılmamış bir cümleyi bulup getiremez. Açıkların en yaygını bu; üstelik işletmenin içinden en görünmez olanı da — çünkü siz cevabı bildiğiniz için her şey belgelenmiş gibi gelir.

2. Cevap yazılı, ama yapay zeka okuyamıyor. Tedarikçi PDF'inin içindeki beden tablosu, botun haberdar edilmediği bir sayfadaki kargo politikası, üç yıllık kapanmış talepler — ki aralarında hemen her sorunun cevabı var. Bilgi yazılı olarak mevcut; sadece kimsenin bağlamadığı biçimlerde ve yerlerde kilitli.

3. Cevap aslında bir doküman değil. "Siparişim nerede?" sorusunun doğru bir yazılı cevabı yok — cevap, saat başı değişen canlı bir veritabanı kaydı. Stok, teslimat tarihi ve iade durumu da öyle. Bunları hiçbir bilgi tabanı çözmez; yapay zekanın cevabı tutan sisteme sorgu atması gerekir. Yalnızca sohbet edebilen bir bot burada tasarımı gereği çuvallar — dokümanları ne kadar iyi olursa olsun.

Diyagram: botun cevap verememesinin üç nedeni ve her birinin çözümü
Neredeyse her “bilmiyorum”un arkasındaki üç açık — ve hiçbiri model değil.

Listede olmayana dikkat: model kalitesi. Cevap yazılmadığı sürece "daha akıllı" bir yapay zekaya geçmek, size yalnızca daha akıcı özürler kazandırır.

Botunuzun kör noktalarını nasıl bulursunuz?

Tahmin etmenize gerek yok — botunuz kendi hatalarının eksiksiz listesini zaten üretiyor. Cevaplayamadığı her soru bir yere kaydediliyor; sorun, ham kayıtları kimsenin okumaması. Biz de o kaydı bir rapora çevirdik.

Conversation Intelligence'ın bir parçası olan Knowledge Gaps (bilgi açıkları) raporu, tekrar eden cevapsız konuları gruplar ve etkiye göre sıralar: her konu ne sıklıkta geliyor, kaç konuşmayı rayından çıkarıyor. "Daha çok SSS yazın" yerine elinize şu geçer: "Bu ay insana devirlerin çoğuna şu dokuz konu yol açtı — sırasıyla."

Tekrar eden cevapsız konuları sıralayan ve tek tıkla makale taslağı çıkaran Knowledge Gaps raporu
Etkiye göre sıralanmış cevapsız konular; her biri taslak cevaba bir tık uzakta — Vivollo paneli.

Sonra döngü kapanır. Tek tıkla, açığı kapatacak bir bilgi tabanı makalesi taslağı çıkar — açığı ortaya çıkaran gerçek müşteri konuşmalarına dayanır, kamuya açık bilgiler işe yarayacaksa web aramasıyla zenginleştirilir ve bir biçimlendirme aşamasından geçirilir; transkript gibi değil, dokümantasyon gibi okunur. Siz inceler, düzenler, yayınlarsınız — ya da konu cevaplamaya değmiyorsa kapatırsınız. Yayınladığınız anda, geçen hafta cevapsız kalan soru gelecek hafta kendi kendine çözülür.

Diyagram: cevapsız sorudan yayınlanmış cevaba uzanan bilgi açığı döngüsü
Kendi kendini kapatan döngü: her hata önce sıralı bir açığa, sonra taslak makaleye, sonunda artık cevaplanan bir soruya dönüşür.

Döngü iki kez kazandırır. Hatalar en hızlı, kimsenin bakmadığı saatlerde birikir — gece ve hafta sonu — yani rapor, mesai dışı kapsamınızın bedava denetimi gibi de çalışır. Üstelik ürettiği her makale açık yardım içeriğinizi de besler; bu da talepleri daha kaynağında azaltır, yalnızca sohbette değil.

Önce elinizdeki bilgiyi okunur hale getirin

Yeni bir şey yazmadan önce zaten sahip olduklarınızı bağlayın — çoğu işletme, botunun görebildiğinden çok daha fazla yazılı bilginin üzerinde oturur. Bağlamaya değer kaynaklar, kabaca emek/getiri sırasıyla:

  • Web siteniz — site haritasından ya da sayfa sayfa taranır; JavaScript ile çizilen sayfalar da işlenir, tek sayfalık vitrinler boş dönmez.
  • Yardım masası ve CMS — Zendesk yardım merkezi makaleleri, WordPress içerikleri.
  • Dosyalar — PDF, düz metin, markdown. Tedarikçinin beden tablosu nihayet okunur hale gelir.
  • Elle giriş ve API — aklınızda yaşayan cevaplar için; yukarıdaki döngünün çıktısı doğrudan buraya akar.
  • E-ticaret kataloğunuz — Shopify, WooCommerce, Ticimax ve Trendyol ürünleri, soru-cevaplarıyla birlikte. "Kalıbı dar mı?" sorusu böylece gerçek ürün verisiyle buluşur.

Knowledge Engine kutudan çıktığı haliyle tam bu listeyi bağlar; planlı yeniden taramalar ve değişiklik tespitiyle kendini güncel tutar — sitenizdeki bir fiyat güncellemesi, botu geçen ayın fiyatını söylerken bırakmaz.

Yapay zekanın bu yığını nasıl aradığı da içeriği kadar önemli. Tek cümleyle: hibrit arama, anlamsal (vektör) eşleştirmeyi birebir kelime (BM25) eşleştirmesiyle birlikte çalıştırır; böylece "SKU TX-410" da "orta beden kırmızı gömlek" de aynı ürüne çıkar. Bunun adı retrieval-augmented generation (RAG) ve RAG'in ilk araştırması, kendi kaynaklarına dayanan modellerin, yalnızca eğitim hafızasına güvenen modellerden ölçülebilir biçimde daha isabetli ve olgusal cevap verdiğini gösterdi — kibarcası şu: dayanaksız bot uydurur.

Dürüst sınır: bilgi, yalnızca bilgi sorularını çözer

Kusursuz bir bilgi tabanı bile sizi %100'e çıkarmaz — çıkaracağını vadeden, gevşek sayıyordur. Bilgi kapsamı, cevabı bir olgu olan soruları çözer: politikalar, beden ve uyumluluk, "nasıl yapılır"lar. Geriye iki kategori kalır ve ikisi de başka mekanizma ister:

  • İşlem gerektiren sorular doküman değil, eylem ister. "Teslimat adresimi değiştirin" talebini adres hakkında bir makale değil, sistemlerinizde işlem yapabilen bir ajan çözer.
  • Yargı gerektiren durumlar insan ister. Üçüncü kez gelen şikayet, iade istisnası, öfkeli sadık müşteri — bunlar ekibinize hızla ve tam bağlamla ulaşmalı; bilinçli tasarlanmış bir devirle, botun müşteriyi tüketmesinden sonra değil.

Üçünü birden doğru kurduğunuzda — bilgi soruları için kapsam, işlemler için araçlar, yargı için devir — üretimde gördüğümüz %66–72 bandına oturursunuz; ilk yanıt da ortalama 8 saniyede düşer. Bu üçlü, küçük bir işletme için yapay zeka müşteri hizmetlerinin oyun planının ta kendisi; bilgi kapsamı, ekiplerin en çok hafife aldığı parça.


Botunuz "bilmiyorum" demeye devam ediyorsa, daha akıllı bir bot aramaya henüz çıkmayın. Zaten elinizde olanı bağlayın — siteniz, yardım içerikleriniz, kataloğunuz — ve bir haftalık gerçek konuşma, yapılacaklar listenizi kendisi yazsın. Açık raporu, sipariş edeceğiniz her denetimden daha somut konuşur.

Sık sorulanlar

Yapay zeka botum neden yanlış cevap veriyor?

Çoğunlukla tahmin yürüttüğü için. Gerçek politikalarınıza, kataloğunuza ve dokümanlarınıza erişemeyen bir model, genel eğitiminden cevap üretir — akıcı ama yanlış. Botu kendi içeriğinize dayandırın ve eşleşme yoksa insana devretmesini sağlayın; yanlış cevaplar dürüst cevaplara dönüşür.

Yapay zekayı kendi verilerimle nasıl eğitirim?

Modeli yeniden eğitmezsiniz — okuyabileceği kaynakları bağlarsınız: web siteniz, yardım merkeziniz, PDF'leriniz ve ürün kataloğunuz. Bir bilgi motoru bunları doğrudan içeri alır ve planlı taramalarla güncel tutar; makine öğrenmesi bilgisi gerekmez.

Daha fazla SSS eklemek botu iyileştirir mi?

Yalnızca doğru olanları eklerseniz. Kimsenin sormadığı bir makale boşa emektir. Botun gerçekten cevaplayamadığı, sıklığına göre sıralanmış sorulardan başlayın — yazı kuyruğunuz beyin fırtınası değil, o listedir.

Yazar hakkında

Davut Kember

Davut KemberCo-Founder & Full-Stack Developer

Co-founder of Vivollo, building the agentic support platform end to end. He writes about the engineering reality of AI agents that take real actions — and what actually moves resolution rates and reply times.

Davut Kember

Okumaya devam et