Bir müşteri, e-ticaret sitenizin destek botuna ‘siparişim nerede?’ diye yazıyor. Bot ‘sipariş takibi için sipariş numaranızı girin’ yanıtını veriyor. Müşteri numarayı giriyor, bot ‘siparişiniz kargoya verilmiştir’ diyor. Müşteri ‘ama üç gündür aynı mesajı görüyorum’ yazıyor; bot yine aynı yanıtı tekrar ediyor. Konuşma burada kopuyor ve müşteri telefona uzanıyor. Bu senaryo, Türkiye’deki pek çok KOBİ’nin chatbot yatırımından beklediği verimi neden alamadığını özetliyor. Sorun teknolojinin yokluğu değil; niyet, duygu ve bağlamın birlikte ele alınmaması.
Chatbot mimarisinde niyet tanıma (intent recognition), kullanıcının bir mesajla ne yapmak istediğini sınıflandırma işlemidir. ‘Faturamı görmek istiyorum’, ‘son ödemeyi göster’ ve ‘hesap hareketlerim neler’ cümleleri farklı kelimelerden oluşsa da aynı niyeti taşır. Doğal dil işleme (NLP) tabanlı bir sistemde bu cümleler ortak bir niyet etiketine — örneğin ‘fatura_sorgulama’ — bağlanır. Ancak yalnızca niyet tanıma, diyalogu tamamlamaz. Kullanıcının aynı soruyu üçüncü kez sorması, beklenti ile karşılanan hizmet arasında bir kopukluğa işaret eder. Botu bu kopukluğa kör tasarlamak, teknik altyapıyı boşa harcamaktır.
Duygu analizi (sentiment analysis) bu noktada devreye girer. Kullanıcının yazdığı metnin duygusal yükünü — olumlu, olumsuz veya nötr — sınıflandıran bu katman, bota ‘ne söyleniyor’ bilgisinin yanı sıra ‘nasıl söyleniyor’ bilgisini de kazandırır. ‘Siparişim hâlâ gelmedi’ ile ‘siparişim bir haftadır gelmedi, bu kabul edilemez’ cümleleri aynı niyeti taşır; ancak ikincisinin duygusal yükü açıkça olumsuz ve yoğundur. İyi tasarlanmış bir diyalog akışında bu yoğunluk eşiği aşıldığında bot, standart yanıt vermek yerine konuşmayı insan temsilciye yönlendirmeli ya da tazmin seçenekleri sunmalıdır. Bu geçiş mekanizması olmayan botlar, müşteri memnuniyetini artırmak bir yana, marka algısına zarar verir.
Bağlam takibi ise konuşmanın hafızasıdır. Kullanıcı ‘İstanbul şubesinin telefonu nedir?’ diye sorduğunda ve ardından ‘çalışma saatleri?’ diye yazdığında, ikinci mesajda ‘İstanbul şubesi’ bilgisi açıkça geçmez. Bağlam takibi olmayan bir sistem bu soruyu sıfırdan yorumlar ve anlamsız bir yanıt üretir. Bağlamı tutan bir sistem ise önceki mesajdaki varlığı (entity) — burada ‘İstanbul şubesi’ — aktif tutar ve ikinci soruyu bu bağlamda yanıtlar. Kurumsal müşteri hizmetleri senaryolarında, özellikle çok adımlı işlemlerde (iade talebi, teklif alma, randevu) bağlam takibi olmadan tutarlı bir diyalog kurmak mümkün değildir.
Bu üç katmanın — niyet, duygu, bağlam — birlikte çalışması diyalog tasarımının teknik yetkinlikle kesiştiği noktadır. Türkiye’deki KOBİ projelerinde sıkça gözlemlenen sorun şudur: Geliştirme ekibi NLP altyapısını kurar, niyet sınıflandırıcısını eğitir; ancak diyalog akışını tasarlayan taraf bu üç katmanın nasıl etkileştiğini kavramadan konuşma senaryolarını yazar. Sonuçta teknik olarak çalışan ama kullanıcı açısından kırık hissettiren bir bot ortaya çıkar. Bu boşluğu kapatmak için diyalog tasarımcısının, ürün yöneticisinin ve NLP mühendisinin aynı çerçeveyi paylaşması gerekir.
Uygulamada en sık karşılaşılan zorluk, Türkçenin morfolojik yapısından kaynaklanır. Türkçe, eklemeli bir dil olduğundan aynı kelime kökü onlarca farklı biçimde yazılabilir. ‘Fatura’, ‘faturamı’, ‘faturanızı’, ‘faturalarımız’ — bunların hepsini aynı varlık olarak tanıyacak şekilde modeli eğitmek, İngilizce NLP kütüphanelerini doğrudan uyarlamaktan çok daha fazla veri ve emek gerektirir. Hazır çözümler bu konuda farklı olgunluk seviyelerinde gelir; bir KOBİ bu seçimi yaparken Türkçe desteğinin gerçekte ne anlama geldiğini — kaç bin eğitim örneğiyle, hangi aksan ve yazım varyasyonlarıyla desteklendiğini — sormadan geçmemeli.
Bir KOBİ yöneticisi chatbot yatırımını değerlendirirken şu üç soruyu sorgulamalıdır: Sistem, aynı niyeti farklı ifade eden cümleleri tutarlı biçimde doğru sınıflandırıyor mu? Olumsuz duygu yoğunluğu arttığında konuşmayı insan temsilciye devredecek bir mekanizma var mı? Çok adımlı diyaloglarda bağlam bir mesajdan diğerine taşınıyor mu? Bu üç soruya ‘evet’ yanıtı veremeyen bir sistem, müşteri deneyimini iyileştirmez; yalnızca operasyonel maliyeti farklı bir kalemde yeniden üretir. Niyet, duygu ve bağlamı birlikte ele alan bir mimari ise hem müşteri memnuniyetini artırır hem de insan temsilci yükünü gerçek anlamda azaltır — ki bu, ROI hesabının temel değişkenidir.