Yapay zekâ satış/destek asistanını eğitmek: persona, ton ve bilgi tabanı

Aynı hafta iki işletme WhatsApp hattına bir yapay zekâ asistanı ekliyor. Birincisinde müşteri "siparişim nerede" diye sorunca asistan kendinden emin bir tavırla olmayan bir kargo tarihi uyduruyor, iade koşulunu yanlış anlatıyor ve sonunda herkesi yine telefona sarılmak zorunda bırakıyor. İkincisinde aynı model, aynı soruya şirketin gerçek kargo ve iade politikasından cevap veriyor; bilmediği bir yere geldiğinde "bunu bir yetkiliye aktarıyorum" deyip durumu bir insana devrediyor. Aradaki fark modelin zekâsı değil, asistanın nasıl kurulduğu. Yapay zekâ asistanını eğitmek dediğimiz şey de tam olarak budur: hazır ve güçlü bir modeli alıp sizin işinize, sesinize ve bilginize göre biçimlendirmek.

Bu yazıda genel bir sohbet botunu gerçekten işe yarar bir asistana dönüştüren beş temeli ele alıyoruz: persona, bilgi tabanı, sınırlar, kanallar ve sürekli iyileştirme. Ayrıca yayına almadan önce nasıl test edeceğinizi ve başarının hangi metriklerle ölçüleceğini anlatıyoruz. Ortada bir sihir yok; tekrarlanabilir bir kurulum disiplini var.

Persona & tonBilgi tabanı · RAGGuardrail & devirSürekli iyileştirAI asistan

Yapay zekâ asistanını eğitmek ne demek — ne demek değil

Buradaki "eğitmek" kelimesi çoğu kişinin sandığı şeyi ifade etmez. Bir modeli sıfırdan, milyonlarca örnekle yeniden eğitmekten söz etmiyoruz; çoğu KOBİ için bunun ne gereği ne de anlamı var. Kastettiğimiz, hazır ve yetenekli bir modeli yapılandırmak: ona kim olduğunu, neye dayanarak konuştuğunu, neyi yapamayacağını ve nerede duracağını anlatmak.

Bugün herkesin eriştiği dil modelleri büyük ölçüde aynı; asıl rekabet farkı modelin kendisinde değil, onu ne kadar iyi kurduğunuzda ortaya çıkıyor. Kutudan çıkan bir model dünyayı genel olarak bilir ama sizin ürün katalogunuzu, kampanya koşullarınızı ya da iade sürenizi bilmez. Daha önce bir yapay zekâ satış asistanının ne olduğunu ve otonom AI satış agentlarının nereye evrildiğini konuşmuştuk; bu yazı bir adım öteye geçip elinizdeki asistanı nasıl güvenilir hâle getireceğinizi anlatıyor.

Kurulumun beş kaldıracı var ve hepsi birbirine bağlı: asistan kim (persona), neye dayanarak konuşuyor (bilgi tabanı), neyi yapmıyor (sınırlar), nerede çalışıyor (kanallar) ve zamanla nasıl daha iyi oluyor (iyileştirme). Bir tanesini atlarsanız diğerlerinin değeri de düşer.

Persona: asistanınız kim ve hangi tonda konuşuyor

Persona, asistanın kimliğidir: rolü, tonu, kişiliği, sınırları ve marka sesi. İki kişilik el yapımı mum atölyesinin sıcak, samimi asistanıyla kurumsal bir yazılım firmasının ölçülü, teknik asistanı aynı cümleleri kurmamalı. Persona tanımlı değilse asistan her müşteride farklı bir "kişilik" takınır ve markanız tutarsız görünür.

İyi bir persona birkaç net karara indirgenir: asistan hangi görevi üstleniyor, hangi tonda konuşuyor ve neyi asla vaat etmiyor. Personayı yazmak aslında bir tür yönerge yazımıdır; satışçılar için prompt yazımı ilkeleri burada da işe yarar: net rol, net ton, net sınır.

• Rol ve amaç: "Sen X firmasının satış öncesi sorularını yanıtlayan asistanısın" gibi tek cümlelik, net bir görev tanımı.
• Ton ve marka sesi: resmi mi samimi mi, emoji kullanır mı, "siz" mi "sen" mi — bunları belirsizliğe bırakmayın.
• Kişilik sınırı: asistan espri yapar mı, ne kadar kısa konuşur, tartışmaya girer mi yoksa nazikçe geri mi çekilir.

Bilgi tabanı: asistanı kendi gerçeğinize bağlamak

Yanlış cevaba karşı en güçlü kaldıraç bilgi tabanıdır. Bir asistan ne kadar akıcı konuşursa konuşsun, dayandığı bilgi sizin gerçeğiniz değilse verdiği her cevap bir tahmindir. Ürünleriniz, politikalarınız, sık sorulan sorularınız ve dokümanlarınız asistanın konuşabileceği tek zemin olmalı.

Bunu sağlayan yaklaşım, modelin genel hafızasına güvenmek yerine sorulan soruya en uygun bilgiyi kendi belgelerinizden çekip cevabı ona dayandırmaktır — kendi verinizle konuşan AI (RAG) mantığı tam olarak budur. Asistan "iade süresi nedir" sorusunda hafızasından bir sayı uydurmaz; sizin iade politikanızı bulur, oradan yanıtlar.

Bir asistan ne kadar ikna edici konuşursa konuşsun, dayandığı bilgi sizinki değilse verdiği güven sahtedir.

Temellendirme olmadan modeller en tehlikeli hâllerine bürünür: kendinden emin ama yanlış. Bu olguya halüsinasyon deniyor ve yapay zekânın ne zaman ve neden yanıldığını bilmek, asistanı ona göre sınırlamayı gerektirir. Kritik bilgilerde asistanın kaynağını göstermesi ya da emin olmadığında devretmesi, uydurmasından her zaman iyidir.

Bilgi çoğu zaman durağan bir belgede değil, canlı sistemlerde durur: stok, sipariş durumu, cari hesap. Asistanı bu sistemlere güvenli biçimde bağlamak için standart protokoller kullanılır; Model Context Protocol (MCP) tam da bu bağlantıyı standartlaştırmak için var. Böylece asistan "stokta var mı" sorusunu tahminle değil, gerçek envanterle yanıtlar.

Sınırlar ve insana devir: asistan neyi yapmamalı

İyi bir asistan ne yaptığı kadar ne yapmadığıyla da tanımlanır. Sınırlar (guardrail), asistanın girmemesi gereken alanları belirler: kesin fiyat pazarlığı, hukuki veya sağlıkla ilgili tavsiye, sözleşme taahhüdü, hassas şikâyetler. Bu konularda doğru davranış cevap üretmek değil, durup devretmektir.

Devir yolu, kurulumun en çok ihmal edilen ama en kritik parçasıdır. Asistanın nerede duracağını ve konuşmayı kime, nasıl aktaracağını önceden tanımlamazsanız, sıkışan müşteri bir botla kısır döngüye girer. Sohbet botundan insana devir akışını net kurmak, asistanın en çok güven kazandığı anlardan biridir.

• Tekrarlayan başarısızlık: asistan aynı soruyu iki denemede çözemediyse insana aktarılmalı.
• Duygu sinyali: öfke, şikâyet veya hayal kırıklığı ifadeleri anında devir sebebidir.
• Hassas veya bağlayıcı konular: fiyat pazarlığı, sözleşme, hukuki ve mali konular insana gider.
• Açık talep: müşteri "bir yetkiliyle görüşmek istiyorum" dediğinde asistan ısrar etmez, hemen bağlar.

Kanallar ve kapsam: nerede, ne için çalışıyor

Bir asistanın kalitesi kadar nerede çalıştığı da önemlidir. WhatsApp, web sohbeti ve Instagram farklı ritimlere sahiptir: WhatsApp'ta konuşma asenkron ve kişiseldir, web sohbetinde ise anlık ve işlem odaklıdır. Aynı persona her kanalda birebir aynı davranmayabilir.

Kanal kurulumunun kendine has adımları vardır; örneğin bir WhatsApp chatbotunu kurmak, onay süreçleri ve mesaj şablonlarıyla web sohbetinden farklı işler. Asistanı bir kanala açmadan önce o kanalın kurallarını bilmek gerekir.

En sık yapılan hata kapsamı en baştan çok geniş tutmaktır. "Her şeyi yanıtlasın" diye kurulan bir asistan, çoğu şeyi ortalama yanıtlar. Bunun yerine en sık gelen birkaç niyetle başlayın — kargo durumu, çalışma saatleri, iade koşulu gibi — bunları kusursuz yapın, sonra kapsamı genişletin.

Yayına almadan önce test etmek

Bir asistanı doğrudan canlı müşterilerle test etmek pahalı bir öğrenme yöntemidir. Bunun yerine geçmiş görüşme kayıtlarınızdan gerçek soruları alıp bir test seti oluşturun ve asistanı yayına almadan önce bu sorularla sınayın. Cevaplar doğru mu, ton uygun mu, sınırlara uyuyor mu?

Test ederken asistanı bilinçli olarak kırmayı deneyin: onu yanlış bir şey söyletmeye, olmayan bir indirim vaat ettirmeye, hassas bir konuda fikir beyan ettirmeye çalışın. Bu "kötü niyetli" deneme, gerçek müşteriler yapmadan önce açıkları bulmanın en hızlı yoludur. Bulduğunuz her açık, personaya veya bilgi tabanına eklenecek bir kurala dönüşür.

Ölçmek: asistan gerçekten işe yarıyor mu

Yayına aldıktan sonra "iyi gidiyor gibi" hissi yeterli değildir; asistanın işe yarayıp yaramadığını birkaç somut metrikle izlemek gerekir. Bu metrikler aynı zamanda nerede iyileştirme yapılacağını da gösterir.

• Çözüm / deflection oranı: kaç görüşme insana gitmeden kapandı.
• Doğruluk: verilen cevapların ne kadarı gerçekten doğruydu — bunu düzenli bir örneklem denetimiyle ölçün.
• Devir oranı ve nedeni: asistan hangi konularda sürekli insana bırakıyor; bu, kapatılması gereken bir boşluğun sinyalidir.
• Memnuniyet (CSAT): müşteri görüşmenin sonunda ne hissetti.

Bu metrikler tek başına değil birlikte okunur. Yüksek deflection oranı iyi görünür ama doğruluk düşükse, asistan aslında yanlış cevaplarla müşterileri uzaklaştırıyor olabilir. Amaç insanı devreden çıkarmak değil, insanın zamanını gerçekten gereken yere ayırmaktır.

Sürekli iyileştirme: bir asistanı eğitmek hiç bitmez

En büyük hata "kur ve unut"tur. Bir asistan kurulduğu gün en kötü hâlindedir; gerçek müşterilerle karşılaştıkça açıkları görünür hâle gelir. Bu yüzden her hafta gerçek transkriptleri gözden geçirmek, yanlış cevapları ve boşlukları bulmak, personayı ve bilgi tabanını güncelleyip yeniden test etmek gerekir.

Bu döngünün merkezinde insan-döngüde (human-in-the-loop) ilkesi vardır: asistan işi hızlandırır, insan denetler ve zor durumları devralır. Asistanınızın dürüst sınırlarını kabul etmek — her şeyi bilemez, bilmediğinde devreder — onu daha az değil, daha güvenilir kılar.

Sıkça sorulan sorular

Sonuçta bir yapay zekâ asistanını eğitmek tek seferlik bir kurulum değil, süregelen bir disiplindir: persona, bilgi tabanı, sınırlar, kanallar ve sürekli iyileştirme birlikte çalıştığında genel bir bot, işe yarar bir asistana dönüşür. Bu döngüyü kurarken Rocketly gibi bir sistem, AI satış agentlarını, birleşik gelen kutusunu ve insana devri tek yerde toplayarak asistanın gerçekten güvenilir kalmasına yardımcı olabilir.