İşletmeler için Yapay Zeka Chatbot ve Müşteri Asistanı Geliştirme Rehberi

Kural-tabanlı bot yalnızca önceden tanımlı menü ve anahtar kelimelere tepki verir; soru kalıbın dışına çıkınca tıkanır ve müşteriyi menüde dolaştırır. Yapay zeka chatbotu ise cümlenin anlamını çözer, aynı sorunun farklı sorulmuş halini de tanır ve bilgi tabanınızdan cevap üretir. Uygulamada en dengeli çözüm hibrittir: iade ve ödeme gibi kritik akışlar sabit adımlarla, geri kalan sohbet dil modeliyle yürütülür.

Hayır. Chatbot soruyu yanıtlar; AI agent ise sisteminizde işlem yapar — kargo durumunu sorgular, randevuyu erteler, iade kaydı açar, siparişi günceller. Agent kurmak için ilgili sistemlerin API'lerine yazma yetkisi, kimlik doğrulama ve geri alma (rollback) kurgusu gerekir. Çoğu işletme için doğru yol, önce bilgi veren bir chatbotla başlamak, çözüm oranı oturduktan sonra tek tek işlem yeteneği eklemektir.

Evet, doğru yaklaşım tam olarak budur. Katalog, fiyat listesi, iade ve kargo prosedürleri ile SSS metinleri parçalara ayrılıp bilgi tabanına işlenir; bot yalnızca bu kaynaklardan cevap üretir. Sık değişen veriler (stok, güncel fiyat, kampanya) dokümana gömülmez, canlı API'den okunur. Bu ayrım yapılmadığında bot birkaç ay içinde eski bilgiyi doğru sanarak aktarmaya başlar.

RAG (Retrieval-Augmented Generation), modelin cevap yazmadan önce sizin onaylı belgelerinizden ilgili bölümü çekip yalnızca ona dayanarak yanıt ürettiği yöntemdir. Faydası iki yönlüdür: bot uydurmaz ve hangi belgeden yararlandığı izlenebilir. Kalitesini de model değil beslediğiniz içeriğin temizliği belirler; çelişen iki prosedür dokümanı bilgi tabanındaysa bot da çelişkili cevap verir.

Risk, botu serbest bırakmaktan doğar. Üç katman kullanılır: cevabı bilgi tabanıyla sınırlamak, indirim taahhüdü veya hukuki yorum gibi kırmızı hat konularını yönergeyle kapatmak, eşleşme skoru düşükse konuşmayı temsilciye aktarmak. Edge Bilişim olarak yayın öncesi 80-150 soruluk bir test seti hazırlıyor, cevapları doğru-eksik-yanlış diye puanlıyor ve düzeltme turunu genelde iki-üç kez tekrarlayarak canlıya alıyoruz.

Devir üç tetikleyiciyle çalışır: müşterinin açık talebi, olumsuz duygu tespiti ve botun düşük güven skoru. Konuşma tüm geçmişiyle temsilciye aktarılır, temsilci müşteriye aynı soruları tekrar sordurmadan kaldığı yerden devam eder. Mesai dışında konuşma talep havuzuna düşer, müşteriye net bir geri dönüş sözü verilir. Devir kurallarının yazılı olması, botun "müşteriyi kilitleme" riskini ortadan kaldırır.

Evet. WhatsApp Business API'de müşteri size yazdıktan sonra açılan hizmet penceresi içinde serbest yazışabilirsiniz; bu pencerenin dışında yalnızca önceden onaylanmış şablon mesajlar gönderilebilir. Bu kural kampanya, sepet hatırlatma ve randevu bildirimi senaryolarını doğrudan etkiler. Şablonların önceden hazırlanıp onaya gönderilmesi ve numaranın doğrulanması, kurulum planında ayrı bir kalem olarak düşünülmelidir.

İki model var. Hazır platformlar mesaj paketine göre fiyatlanır: giriş paketleri aylık birkaç bin TL bandında başlar, çok kanallı profesyonel paketler on binli rakamlara, yüksek hacimli kurumsal paketler aylık 30.000 TL üzerine çıkabilir. Özel geliştirmede tek seferlik proje bedeli artı kullanım bazlı API gideri vardır; kanal sayısı, bilgi tabanı büyüklüğü, entegrasyon derinliği ve dil sayısı fiyatı belirleyen dört ana faktördür.

Kırılma noktası hacim ve entegrasyonda. Tek kanallı, yalnızca SSS yanıtlayan bir bot arıyorsanız hazır abonelik hızlı ve ekonomiktir. Sipariş veya randevu yazan, ERP/CRM'e bağlanan, verisinin kurum içinde kalması gereken ve mesaj hacmi yüksek senaryolarda ise özel geliştirme genelde 12-24 ay içinde toplam maliyette öne geçer. Ayrıca özel çözümde kaynak kod ve bilgi tabanı sizde kalır, platform değiştirme maliyeti doğmaz.

Süre bilgi tabanının hazırlık durumuna ve entegrasyon kapsamına bağlıdır; tek kanallı SSS botu birkaç hafta, sipariş-randevu entegrasyonlu çok kanallı kurgu belirgin biçimde daha uzun sürer. Edge Bilişim olarak süreci dört adımda yürütüyoruz: içerik envanteri ve bilgi tabanı derleme, senaryo ile devir kurallarının yazımı, test seti üzerinde doğruluk ölçümü, dar kapsamlı yayın ve ölçüme bakarak genişletme. Teslimde kaynak kodu Git deposuyla devrediyoruz.

Dört metrik yeterlidir: temsilciye düşmeden kapanan konuşma yüzdesi (çözüm/containment oranı), ilk yanıt süresi, devir kalitesi (aktarılan konuşmaların gerçekten insan gerektirip gerektirmediği) ve bot kaynaklı randevu, sipariş, nitelikli talep sayısı. Bunlara ek olarak cevapsız kalan sorular listesi haftalık okunmalıdır; tekrar eden bir soru, bilgi tabanındaki somut bir boşluğun adresidir.

Doğru kurulduğunda evet. Sohbetin başına aydınlatma ve gereken hallerde açık rıza adımı eklenir, yalnızca akış için zorunlu veri istenir, konuşma kayıtları için saklama süresi ve erişim yetkisi tanımlanır. Kayıtlar sizinle belirlenen, gerektiğinde Türkiye'de barındırılan bir altyapıda tutulur. Telefon ve kimlik numarası gibi alanların log kayıtlarında maskelenmesi de uyumun sık atlanan ama denetimde ilk sorulan parçasıdır.

Kurumsal API kullanımında bunu engellemek mümkündür; OpenAI ve Anthropic gibi sağlayıcılar API üzerinden gelen verilerin model eğitiminde kullanılmaması yönünde yapılandırma ve taahhüt sunar. Bu ayarın hem teknik tarafta uygulanması hem de sözleşmede yazılı olması gerekir. Hassas sektörlerde ek olarak veri saklama süresinin sıfırlanması gibi seçenekler de değerlendirilebilir.

Hayır. Bilgi tabanı ana dilde hazırlanır; bot gelen mesajın dilini algılayıp aynı bilgiyi o dilde aktarır, böylece her dil için ayrı metin yazma yükü doğmaz. Yine de fiyat, yasal uyarı ve kampanya koşulu gibi kritik metinlerin hedef dillerde elle kontrol edilmesi önerilir; çeviri hatası bu başlıklarda ticari sonuç doğurabilir.

Teknik olarak mümkündür: konuşmayı metne çeviren ve cevabı sese döndüren katmanlar aynı bilgi tabanına bağlanır. Ancak sesli senaryolar gecikme toleransı, aksan ve gürültü nedeniyle metin botundan belirgin şekilde zordur ve maliyeti yükseltir. Çoğu işletme için doğru sıra, önce web ve WhatsApp metin botunu oturtmak, sesli kanalı ölçülebilir bir ihtiyaç çıktığında eklemektir.

Çoğu durumda evet; bot, mevcut sisteminize dışarıdan bağlanan bir katman olarak eklenir ve altyapıyı baştan yazmayı gerektirmez. Stok ve fiyat e-ticaretten, müşteri kaydı CRM'den API ile okunur. Yalnızca çok eski, API'si olmayan sistemlerde ara katman gerekir. Sitenizin altyapısını da yenilemeyi düşünüyorsanız kurumsal web sitesi kurulum rehberimiz ve özel yazılım geliştirme hizmetimiz yol gösterir.

Artırdığı yer bellidir: anında cevap alan ziyaretçi siteyi terk etmez, mesai dışı sorular yanıtsız kalmaz ve bot ürün sorusunu satın alma adımına bağlar. Ancak chatbot, siteye hiç gelmeyen trafiği yaratmaz; önce doğru ziyaretçinin gelmesi gerekir. Trafik ve dönüşümü birlikte ele alan SEO uyumlu kurumsal site rehberimiz bu iki katmanın nasıl beslendiğini açıklar.

Modern chatbotlar OpenAI, Anthropic (Claude) veya Google'ın dil modeli API'leriyle çalışır; etrafına RAG bilgi tabanı, entegrasyon, yetkilendirme ve arayüz katmanı eklenir. Model seçimi maliyeti doğrudan etkiler: basit sınıflandırma ve selamlaşma ekonomik modellere, karmaşık akıl yürütme güçlü modellere yönlendirilerek gider yarıya inebilir. Mimari kararların ayrıntısı için ChatGPT ve Claude API ile özel yapay zeka yazılımı rehberimize, üretimde çalışan bir örnek için AI motorunu sıfırdan kurduğumuz Linguistack AI destekli EdTech ve SaaS platformuna bakabilirsiniz.

Günlük işleri ekibiniz yürütebilir: bilgi tabanına yeni SSS eklemek, yanlış cevabı düzeltmek, konuşmaları izlemek panel üzerinden teknik bilgi gerektirmeden yapılır. Yeni kanal, yeni entegrasyon veya işlem yeteneği eklemek geliştirme gerektirir. Özel geliştirilen projelerde kaynak kod ve bilgi tabanı sizde kaldığı için tedarikçi değiştirme maliyeti de düşük olur.