Destek temsilcileri kendi işlerinde yapay zekayı nasıl kullanır?
Destek temsilcileri yapay zekayı destek kaydıyla ilgili okuma ve yazma işleri için kullanır; kayıt hakkında karar vermek için değil. Yararlı görevler, temsilcinin çıktıyı zaten elinde bulunan bir kaynakla hızla karşılaştırıp kontrol edebildiği görevlerdir: destek kaydındaki yazışmalar, yardım merkezi makalesi, iade politikası veya sipariş kaydı.
Aşağıdaki liste, kabaca en düşük riskten en yüksek riske doğru sıralanmıştır. Biraz hatalı bir destek talebi özeti, müşteri temsilcisinin bir dakikasına mal olur. Yanlış bir geri ödeme vadeden yanıt ise şirkete para kaybettirir ve müşterinin güvenini zedeler. Listenin başından başlayın ve ancak ekipte işe yarayan bir kontrol alışkanlığı oluştuğunda aşağı doğru ilerleyin.
Uzun bir yazışma dizisini özetleyin
14 mesajlık bir destek kaydını, müşterinin asıl talebini, daha önce nelerin denendiğini ve nelerin hâlâ çözülmediğini gösteren bir özete dönüştürün. Böylece bir sonraki destek temsilcisi aynı soruları tekrar sormaz.
Kurum içi bir iş devir veya üst makama iletme notu yazın
Bir ekip lideri veya ikinci seviye destek ekibi için not taslağı hazırla: sorun, kanıtlar, geçerli politika ve verilmesi istenen karar.
Üslubu ayarla
Doğru ama kısa ve soğuk bir yanıtı daha sıcak, dağınık bir yanıtı ise daha kısa hale getirin; tüm bilgileri ve taahhütleri aynen koruyun.
Verilen politikaya dayanarak bir yanıt taslağı hazırlayın
İlgili politika metnini ve müşterinin mesajını yapıştırın, yalnızca bu politikayı kullanan bir taslak isteyin, ardından her cümleyi politikayla karşılaştırarak kontrol edin.
Doğru yardım makalesini bulun
Yapıştırılan birkaç makaleden hangisinin soruyu yanıtladığını sorun. Ajan, bağlantı vermeden önce yine de makaleyi okur.
Bir bilgi bankası güncellemesi taslağı hazırlayın
Aynı sorunla ilgili çözülmüş destek kayıtlarını, içerikten sorumlu kişinin inceleyeceği bir yardım makalesinin ilk taslağına dönüştürün.
Bu, müşteri hizmetleri için bir sohbet botu satın almakla aynı şey mi?
Hayır. Her yanıtın bir kişi tarafından okunup gönderildiği, müşteri temsilcisine destek amaçlı kullanım bir beceri konusudur. Müşterilere doğrudan yanıt veren bir sohbet robotu veya yapay zeka ajanı ise genellikle bir destek yazılımı sağlayıcısından yapılan bir yazılım alımıdır; doğruluk, gerektiğinde konuyu üst birime aktarma yolları, kullanıma ilişkin bilgilendirme ve söylediklerinden kimin sorumlu olduğu konusunda sorular doğurur. Bu sorular tek bir temsilcinin değil, destek platformundan ve politikalardan sorumlu olanların alanına girer.
Yapay zeka kullanımını açıklama yükümlülüğü, bilinmesi gereken farklardan biridir. EU AI Act, 50. maddesinde, insanlarla doğrudan etkileşime giren yapay zeka sistemlerinin sağlayıcılarının, bağlamdan açıkça anlaşılmadığı sürece bu kişilere bir yapay zeka sistemiyle etkileşimde olduklarının bildirilmesini sağlayacak şekilde sistemlerini tasarlamalarını zorunlu kılar. Yayımlanan metin, bu yükümlülüğün uygulanmaya başlayacağı tarihi 2 Ağustos 2026 olarak belirler. Diğer yerlerdeki kurallar farklıdır. Bu, genel bilgidir; hukuki danışmanlık değildir. Müşteriye dönük herhangi bir uygulamayı kullanıma almadan önce güncel durumu yetkin bir danışmanla kontrol edin.
Bir müşteri 'bir botla mı konuşuyorum?' diye sorduğunda, dürüst yanıt sistemin nasıl kurulduğuna bağlıdır. Bir müşteri temsilcisi yanıtı yapay zekayla hazırlayıp ardından inceleyerek gönderdiyse, yanıt veren bir insandır. Sistem otomatik yanıt veriyorsa bunu söyleyin. Yapay zeka destekli temsilci araçları kullanan ekipler, her temsilciyi kendi yanıtını o anda bulmak zorunda bırakmak yerine kullanılacak ifadeyi önceden kararlaştırmalıdır.
Kontrolden geçirilmiş bir yapay zeka yanıtı nasıl olur?
Kontrol edilmiş bir yanıt yalnızca temsilcinin dayanağını gösterebildiği bilgileri kullanır ve politika kapsamı dışındaki her konuyu karar verebilecek kişiye yönlendirir. İşte kurgusal bir örnek.
Fernhill Home, hayali bir çevrim içi ev eşyası mağazasıdır. Verilen politikasına göre: hasarlı ürünler teslimattan sonraki 7 gün içinde fotoğrafla bildirilmelidir; para iadeleri onaydan sonraki 5 iş günü içinde ilk ödeme yöntemine yapılır; 7 günlük sürenin dışındaki istisnalar için ekip liderinin onayı gerekir. Bir müşteri, teslimattan 9 gün sonra yazarak bir kupa setindeki iki kupanın kırık geldiğini belirtir. Müşteri öfkelidir, tam para iadesi ister ve yaşadığı zahmet için tazminat talep eder.
Müşteri temsilcisinin istemi: 'Bir destek temsilcisinin incelemesi için yanıt taslağı hazırlıyorsun. Yalnızca aşağıdaki politikayı ve müşterinin mesajını kullan. Politikanın izin vermediği hiçbir şeyi teklif etme. Talep politika kapsamının dışındaysa karar vermek yerine sonraki adımı belirt. 120 kelimenin altında tut; sıcak ve sade bir dil kullan.' Ardından politika metni ve mesaj gelir.
Talimatın yeterince net olmadığı durumlarda bir asistanın üretebileceği türden zayıf bir ilk taslak: 'Çok üzgünüz! Tam para iadenizi gerçekleştirdik, tutar hemen hesabınıza geçecek. Yaşadığınız sorun için hesabınıza bir de 20% indirim kodu ekledik. Bu bir daha asla olmayacak.' Buradaki her taahhüt uydurma. Hiçbir iade yapılmadı, hiçbir tutar hemen hesaba geçmiyor, politikada indirim kodu yok ve son cümledeki sözü kimse veremez.
Gözden geçirilmiş yanıt: 'Kupalardan ikisinin kırık gelmesine üzüldüm. Yanıtınıza hasarlı kupaların ve kutunun fotoğrafını ekleyebilir misiniz? Mesajınız teslimattan 9 gün sonra bize ulaştı. Bu, normalde uyguladığımız 7 günlük sürenin dışında olduğu için ekip liderimden durumu istisna olarak değerlendirmesini istedim. Karar verildiğinde sizi bilgilendireceğim. İade onaylanırsa tutar 5 iş günü içinde ilk ödeme yönteminize geri yatırılır.' Temsilci daha sonra yine yapay zekayla taslağı hazırlanmış ve kontrol edilmiş bir üst sorumluya iletme notu yazar; böylece ekip lideri tarihleri ve fotoğraf talebini tek yerde görür.
| Zayıf taslaktaki cümle | Politikaya uygunluğunu kontrol edin | Yapay zeka ajanının yaptıkları |
|---|---|---|
| Ücretin tamamı iade edildi | Hiçbir ücret iadesi onaylanmadı; talep 7 günlük sürenin dışında | Ekip liderine iletilmesiyle değiştirildi |
| Hemen ulaşır | Politikada onaydan sonra 5 iş günü belirtiliyor | Gerçek zamanlamayı koşula bağlı olarak belirtti |
| 20% indirim kodu | Politikada tazminat öngörülmüyor | Kaldırıldı; tazminata ekip lideri karar verir |
| Bir daha asla olmayacak | Kimsenin tutabileceği bir söz değil | Kaldırıldı |
Yapay zekanın taslağını hazırladığı bir yanıtın içeriğinden kim sorumludur?
Sorumlu şirkettir; uygulamada ise mesajı gönderen müşteri temsilcisidir. Müşteri, hangi cümlenin bir modelden geldiğini ayırt edemez ve şirketin kendisine söylediklerine güvenme hakkına sahiptir.
Kanada'da küçük alacaklarla ilgili sıkça atıf yapılan bir karar, konuyu sohbet robotu açısından örnekliyor. Moffatt v Air Canada davasında (2024 BCCRT 149, karar tarihi 14 Şubat 2024), havayolunun internet sitesindeki sohbet robotu, bir müşteriye seyahat sonrasında yakını vefat edenlere sunulan indirimli tarifeden yararlanmak için başvurabileceğini söyledi. Bu bilgi, havayolunun kendi politika sayfasıyla çelişiyordu. Britanya Kolumbiyası Medeni Uyuşmazlık Çözüm Kurulu, havayolunun sohbet robotundan sorumlu olmadığı savını reddetti; internet sitesindeki tüm bilgilerden sorumlu olmaya devam ettiğine hükmetti ve özensizlik sonucu yanlış beyanda bulunduğunu tespit etti. Bu dava, bir müşteri temsilcisinin hazırladığı taslakla değil, otomatik bir sohbet robotuyla ilgiliydi ve tek bir yargı alanındaki tek bir kurul kararıydı. Temsilciler için pratik ders daha basit: Şirketin adıyla gönderiliyorsa, onu şirketin beyanı olarak ele alın.
Bu nedenle kontrol adımı isteğe bağlı değildir. Kendinden emin, akıcı metinler, hataların en kolay gözden kaçtığı metinlerdir. NIST Üretken Yapay Zeka Profili bu riski konfabulasyon olarak adlandırır: okuyucuyu yanıltabilecek, kendinden emin bir dille sunulan hatalı veya yanlış içerik.
Bunun bir iş rolüyle nasıl bağlantılı olduğunu görmek ister misiniz?
Planlanan ekip denemesini keşfedin ↗Hangi müşteri bilgileri bir yapay zeka aracına girilmemeli?
Şirketinizin söz konusu araç için onaylamadığı her türlü bilgi. Genel uygulama olarak ödeme kartı numaralarını, parolaları ve güvenlik sorularının yanıtlarını, sağlık bilgilerini veya diğer hassas bilgileri ve görev için gerekmeyen eksiksiz müşteri kayıtlarını girmeyin. Kişisel hesap yerine şirketin onaylı çalışma alanını kullanın.
Destek temsilcisine yardımcı olan görevlerin çoğunda müşterinin kimliğine hiç gerek yoktur. Bir taslak için 'Müşteri, teslimattan 9 gün sonra iki kupanın kırık olduğunu bildiriyor' demek yeterlidir; ad ve sipariş numarası, yapay zeka adımından sonra eklenebilir. Kişisel verilerin işlendiği durumlarda kuruluşun veri koruma yükümlülükleri devam eder. Birleşik Krallık ICO'nun yapay zeka ve veri koruma rehberi, tam da bu tür kullanımlar için şeffaflık, doğruluk ve adil işlemeyi ele alır.
Yapay zeka müşteri hizmetleri temsilcilerinin yerini alacak mı?
Ekibiniz için bu soruya kimse güvenilir bir yanıt veremez; biz de veriyormuş gibi yapmayacağız. Açık olan şu: Yapay zeka iyi kullanıldığında işin yapılış biçimi değişir. Rutin taslaklar daha hızlı hazırlanır; böylece bir destek temsilcisinin zamanının daha büyük bir bölümü istisnalar, şikâyetler, üzgün veya kızgın müşteriler ve politikanın kapsamadığı sorunlar gibi muhakeme gerektiren destek taleplerine ayrılır.
Önemi azalmayan, aksine artan beceriler şunlardır: bir taslağın politikayı ne zaman ihlal ettiğini fark edecek kadar politikayı bilmek, ekip liderinin tek okuyuşta karar verebileceği bir üst makama iletme metni yazmak ve müşterinin ne zaman daha hızlı bir şablon yerine bir insana ihtiyacı olduğunu anlamak. Bunlar, pratikle geliştirilebilen becerilerdir.
Bir destek ekibi yapay zeka kullanımını nasıl pratik etmeli?
Önce kurgusal destek talepleri üzerinde, tüm ekibin görebileceği bir puanlama kılavuzuyla alıştırma yapın. Kısa ve tekrarlanabilir bir çalışma düzeni, tek seferlik bir atölyeden daha etkilidir.
Üç destek talebi türü seçin
Teslimat gecikmeleri, hasarlı ürünler ve parola sıfırlama gibi yaygın, düşük riskli kategorileri seçin. Alıştırmalarda hukuki işlem tehdidi içeren veya hassas durumdaki müşterilerle ilgili şikâyetlerden kaçının.
Kurgusal sürümler yazın
Her durum için bir politika alıntısı ve müşteriye gönderilecek bir mesaj oluşturun. Politikanın kapsamının hemen dışında kalan bir duruma da yer verin; çünkü gerçekte olmayan vaatler en çok burada ortaya çıkar.
Değerlendirme ölçütlerinde anlaşın
Yanıtı dört ölçüte göre puanlayın: her bilginin politikaya dayandırılabilmesi, uydurma taahhüt içermemesi, konunun gerektiğinde doğru birime aktarılması ve üslubun müşterinin mesajına uygun olması.
Taslakları karşılaştırın
İki veya üç destek temsilcisinden aynı destek kaydı üzerinde çalışıp çıkardıkları bilgileri karşılaştırmalarını isteyin. Aralarındaki farklar, taslaklardan daha öğreticidir.
Gerçek destek taleplerine aşamalı olarak geçin
Gerçek destek taleplerinde yapay zekayı yalnızca ekibin alıştırma yaptığı kategoriler için, onaylı araç içinde ve aynı puanlama ölçütlerini gözeterek kullanın.
Yapay zeka veya bu rehber ne zaman çözüm olmaz?
Bazı destek talepleri hiçbir yapay zeka taslağı kullanılmadan ele alınmalıdır: yakınının vefatı, güvenlik sorunları, resmî şikâyetler, hukuki işlem tehditleri, ilgili kişi başvuruları ve hassas durumdaki bir müşteriyi ilgilendiren her şey. Kazanılan zaman azdır; yanlış bir üslubun veya yanlış bir taahhüdün bedeli ise yüksektir.
Bu rehber ayrıca sohbet robotu yazılımı seçmenize, yapılandırmanıza veya değerlendirmenize, robotun konuşma akışlarını yazmanıza ya da destek yazılımınızın yerleşik yapay zeka özelliklerini kurmanıza yardımcı olmaz. Bunun için doğru kaynak, destek yazılımı sağlayıcınızın belgeleri ve destek ekibidir. Tosheo.ai, insanları eğitmek için geliştiriliyor: destek rolüne yönelik, kısa dersler ve yukarıdaki gibi puanlanan uygulama görevleri içeren bir öğrenme yolu planlanıyor. Müşterilerle doğrudan etkileşen yapay zeka sistemlerini devreye almaz veya yönetmez.
Kaynaklar ve kapsam
NIST yapay zeka 600-1, Üretken yapay zeka profili, Temmuz 2024 ↗