Yapay Zekâ Ses Ajanı Nedir, Nasıl Çalışır?

Yapay zekâ ses ajanı, telefon aramalarını tuş menüsü yerine doğal konuşmayla yanıtlayan yazılımdır: arayanın söylediğini yazıya çevirir, bir dil modeliyle ne istendiğini anlayıp yanıt oluşturur ve bu yanıtı sentetik sesle arayana iletir. Türkiye’den bir örnek Speakline’dır: Türkçe konuşan ses ajanlarını ve operatör ekibini tek çağrı merkezinde birleştirir. İyi kurulmuş bir ses ajanı soruları yanıtlar, randevu gibi işlemleri tamamlar ve konuşma yetki alanının dışına çıktığında aramayı özetiyle bir insana devreder. Kısacası, tekrar eden telefon işlerini üstlenen ama sınırlarını bilen bir dijital ekip arkadaşıdır.

Bu yazıda bir ses ajanının hangi parçalardan oluştuğunu, klasik IVR’dan farkını, Türkçe konuşan bir ajanda nelere dikkat etmek gerektiğini ve ajanın nerede durması gerektiğini anlatıyoruz.

Ses ajanı gerçekte ne iş yapar?

Bir işletmeye gelen aramaların önemli bir kısmı birbirine benzer: “Kaça kadar açıksınız?”, “Yarın için randevu var mı?”, “Siparişim ne durumda?”, “Adresiniz tam olarak nerede?” Bu soruların cevabı bellidir, ama her biri bir çalışanın birkaç dakikasını alır ve telefon her çaldığında yapılan iş bölünür.

Ses ajanı bu tür aramalarda üç şey yapar:

• Bilgi verir: Çalışma saatleri, konum, hizmetler ve sık sorulan sorular gibi onayladığınız bilgileri paylaşır.
• İşlem başlatır veya tamamlar: Randevu alır, değiştirir, iptal talebini kaydeder; rezervasyon, geri arama ya da servis talebi açar.
• Yönlendirir: Konu bir insan gerektiriyorsa aramayı doğru ekibe, konuşmanın özetiyle birlikte aktarır.

Gelen aramaların yanında giden aramalarda da kullanılır: randevu hatırlatma, teyit ve takip aramaları gibi. Giden kullanımın kendine özgü izin kuralları vardır; ayrıntılar için giden arama kampanyası tanımımıza bakabilirsiniz.

Nasıl çalışır? Bir aramanın içinden geçen katmanlar

Bir ses ajanı tek bir program değil, konuşma boyunca sürekli birbirine veri aktaran birkaç katmandan oluşur.

1. Telefon katmanı: SIP ve WebRTC

Arama önce bir telefon hattından gelir. İşletme hatları bugün çoğunlukla internet üzerinden, SIP (Session Initiation Protocol) ile taşınır. SIP, IETF’in RFC 3261 belgesinde tanımlanan ve bir görüşmeyi kurmaya, değiştirmeye ve sonlandırmaya yarayan sinyalleşme protokolüdür. Operatörünüzden gelen hat bir SIP bağlantısıyla ses ajanı platformuna ulaşır. Tarayıcı içinden yapılan görüşmelerde, örneğin bir operatör masasında, W3C’nin WebRTC standardı devreye girer.

Bu katman kulağa teknik gelse de işletme için önemli bir sonucu var: Mevcut numaranızı değiştirmeden ses ajanı kullanıp kullanamayacağınız büyük ölçüde burada belirlenir. Numarayı yeni sağlayıcıya taşıyabilir ya da operatörünüzdeki hattı platforma bağlayabilirsiniz; ikinci yönteme BYOC denir.

2. Dinleme: konuşmayı yazıya çevirme (STT)

Arayanın sesi parça parça bir konuşma tanıma motoruna akar. STT (speech-to-text) motoru sesi metne çevirir. Telefon sesi dar bantlıdır; arka planda trafik ya da televizyon olabilir, insanlar cümle ortasında düşünüp duraklar. Bu yüzden telefonda iyi çalışan bir konuşma tanıma motoru, stüdyo kayıtlarında iyi sonuç verenden farklı bir ölçütle değerlendirilmelidir.

3. Anlama ve karar: dil modeli, bilgi bankası ve araçlar

Metne dönüşen cümle büyük bir dil modeline (LLM) gider. Model; ajan için yazdığınız talimatlara (karşılama, üslup, konuşmanın sınırları), bilgi bankanıza ve konuşmanın o ana kadarki geçmişine bakarak ne söyleneceğine karar verir. Gerekirse bir “araç” çağırır: takviminizde boş saat sorgular, CRM’de müşteri kaydını bulur ya da bir siparişin durumunu kontrol eder.

Bu katmanın kalitesi modelden çok tasarımdan gelir. Ajanın neye cevap verip neye vermeyeceği, hangi bilgiyi hangi sırayla toplayacağı ve hangi durumda devredeceği açıkça yazılmadığında en iyi model bile tahmin yürütmeye başlar.

4. Konuşma: yanıtı seslendirme (TTS)

Modelin ürettiği metin bir TTS (text-to-speech) motoruyla sese dönüştürülüp arayana çalınır. Burada doğallık kadar netlik de önemlidir: Tarih, saat, adres ve numara gibi bilgilerin anlaşılır biçimde okunması gerekir.

5. Sıra alma: gecikme ve söz kesme

İnsanlar telefonda birbirinin sözünü keser, “hı hı” der, cümleyi yarıda değiştirir. İyi bir ses ajanı, arayan konuşmaya başladığında kendi konuşmasını durdurabilmelidir; buna barge-in denir. Katmanlar arasında geçen süre, yani gecikme, konuşmanın doğallığını doğrudan etkiler: Cevap geç gelirse arayan hattın koptuğunu düşünür ya da yeniden konuşmaya başlar. Bir ses ajanını değerlendirirken hazır demo kaydı dinlemek yerine kendi senaryonuzla, gerçek bir telefon hattından deneme aramaları yapmanız bu yüzden önemlidir.

IVR ile ses ajanı arasındaki fark

IVR (etkileşimli sesli yanıt), arayanı önceden kaydedilmiş menüler arasında tuşlamayla ya da sınırlı sesli komutlarla dolaştıran sistemdir. Ses ajanı ise arayanın kendi cümlelerini anlar ve konuşmaya göre hareket eder.

İkisi birbirinin rakibi olmak zorunda değil. Birçok işletme için sağlıklı kurulum, kısa bir karşılama ya da birim seçimi menüsünden sonra konuşmayı ses ajanına bırakmaktır. Santral, IVR ve yapay zekâ çağrı merkezini ayrıntılı karşılaştırdığımız yazı: Yapay zekâ çağrı merkezi mi, geleneksel santral mi?

Türkçe konuşan bir ses ajanında neye dikkat edilmeli?

Türkçe, ses ajanları için kendine özgü zorluklar taşır. Bir çözümü seçmeden ya da kurmadan önce şunları mutlaka deneyin:

• Ekler ve kelime yapısı: Türkçede bir kelimeye çok sayıda ek gelebilir (“randevumu”, “randevularımızdan”). Konuşma tanımanın ve modelin bu biçimleri doğru yakalayıp yakalamadığını gerçek cümlelerle test edin.
• Tarih ve saat ifadeleri: “Salı öğleden sonra”, “haftaya perşembe”, “üç buçuk gibi” türünden ifadelerin doğru tarihe ve saate çevrilmesi gerekir. Ajan anladığı tarihi mutlaka tekrar edip onay almalıdır.
• Özel isimler ve yabancı kelimeler: Kişi ve sokak adları, marka ve ürün isimleri, Türkçe cümleye karışan İngilizce terimler sık hata kaynağıdır. Sık geçen isimleri bilgi bankasına ekleyin.
• Rakam dizileri: Telefon, sipariş ya da kimlik numarası gibi uzun dizilerin hem anlaşılması hem de okunması zordur. Ajanın böyle bir diziyi arayana tekrar ederek doğrulamasını sağlayın; hassas bilgileri sesle almanın gerekip gerekmediğini ayrıca düşünün.
• Ağız, yaş ve ortam: Farklı bölgelerden, farklı yaşlardan ve gürültülü ortamlardan arayanlarla deneme yapın.
• Hitap ve üslup: “Siz” dili, kibar ama uzatmayan cümleler ve işletmenizin tonuna uygun bir karşılama, arayanın güvenini doğrudan etkiler.

İnsana devir: ses ajanının en kritik becerisi

Bir ses ajanının başarısı her şeyi çözmesinden değil, çözemeyeceğini zamanında fark etmesinden gelir. Devir koşulları açıkça tanımlanmalıdır: Arayan bir insanla görüşmek istediğinde, konu ajanın yetki alanının dışına çıktığında, arayan sinirlendiğinde ya da ajan aynı bilgiyi birkaç kez anlayamadığında arama ilgili ekibin kuyruğuna geçmelidir.

Devrin kalitesi de en az zamanlaması kadar önemlidir. Sıcak devirde operatör aramayı, ajanın o ana kadar topladığı bilgiler ve kısa bir çağrı özeti ile birlikte alır; arayan derdini baştan anlatmak zorunda kalmaz. O anda müsait operatör yoksa geri arama kaydı oluşturmak, aramayı yarıda bırakmaktan her zaman iyidir.

Ses ajanı neyi yapmamalı?

Gerçekçi beklenti, başarılı bir kurulumun ön şartıdır. Ses ajanının sınırlarını baştan çizin:

• Bilmediğini uydurmamalı. Dil modelleri, bilgi bankasında karşılığı olmayan bir soruya akla yatkın ama yanlış bir cevap üretebilir. Önlemi, ajana yalnızca onaylı bilgiyle konuşmasını ve emin olmadığında devretmesini açıkça söylemektir.
• Uzmanlık gerektiren tavsiye vermemeli. Tıbbi, hukuki ya da finansal danışmanlık ses ajanının işi değildir; bu konular uzmanlara yönlendirilmelidir. Klinikler için bu sınırı ayrı bir yazıda ele alıyoruz.
• Hassas işlemleri tek başına yürütmemeli. Ödeme, kimlik doğrulama gerektiren işlemler ve kişisel bilgilerin paylaşımı ek kontrol ister.
• Duygusal açıdan zor konuşmaları üstlenmemeli. Ciddi şikâyetler, kayıp ya da kriz içeren aramalar bir insanın sesini hak eder.
• Yasal yükümlülüklerinizi ortadan kaldırmaz. Çağrı kaydı yapıyorsanız arayanı bilgilendirmek, giden aramalarda izin kurallarına uymak işletmenizin sorumluluğunda kalır.

Kimler için uygun?

Ses ajanı en çok, aramaların önemli bir kısmının tekrar eden ve kurala bağlanabilen işlerden oluştuğu işletmelerde fayda sağlar:

• Randevuyla çalışan işletmeler: klinikler, güzellik salonları ve oto servisler
• Rezervasyon alan işletmeler: restoranlar ve oteller
• Gelen ilgiyi hızlı karşılaması gereken ekipler: emlak ofisleri ve satış ekipleri
• Mesai dışında ya da yoğun saatlerde aramaları kaçıran her işletme; bu konuyu kaçan çağrılar ve geri arama yazımızda ayrıca inceliyoruz.

Buna karşılık aramalarınız az ama her biri uzun ve uzmanlık gerektiren danışmanlık görüşmeleriyse, ses ajanı ancak karşılama ve doğru kişiye yönlendirme için anlamlı olabilir.

Speakline’da ses ajanı nasıl çalışır?

Speakline’ı Türkiye’de, Türkçe konuşan işletmeler için geliştiriyoruz. Ses ajanlarımız gelen aramaları Türkçe karşılar, bilgi bankanızdaki bilgilerle soruları yanıtlar, randevu alır ve değiştirir; giden aramalarda hatırlatma ve teyit görüşmeleri yapar. Ajanın karşılama mesajını, konuşmanın sınırlarını, toplayacağı bilgileri ve hangi durumda devredeceğini siz belirlersiniz.

İnsan gerektiğinde arama, görüşme özetiyle birlikte çağrı merkezimizdeki kuyruğa geçer; operatörleriniz aramayı tarayıcı tabanlı operatör masasından devralır, süpervizörler görüşmeleri canlı izleyebilir. Görüşmeler kaydedilebilir ve dökümleriyle saklanır; özet, sonuç ve döküm API ve webhook ile CRM’inize aktarılabilir. Mevcut numaranızı taşıyabilir ya da operatörünüzdeki hattı bağlayarak kullanmaya devam edebilirsiniz.

Kendi senaryonuzda nasıl çalışacağını görmek isterseniz bizimle iletişime geçin; ilk adımı birlikte planlayalım.