Sesli AI Asistan Telefonda Türkçe Randevuda Nerede Takılıyor?

Telefonda randevu alan sesli AI asistan Türkçe'de nerede takılıyor?

En çok isim yazımında, saat ve tarih ifadelerinde, söz sırasını almada ve kapanışta takılıyor. Hataların çoğu sesin metne çevrildiği katmanda başlıyor ve randevu kaydına taşınıyor.

Sesli asistan tek bir yapay zeka gibi görünse de arkasında zincir halinde çalışan birkaç parça var. Konuşma tanıma arayanın sesini metne çeviriyor, dil modeli cevabı yazıyor, ses üretimi cevabı okuyor. Telefon hattı ve takvim de bu zincirin iki ucunda duruyor. Dil modeli ne kadar iyi olursa olsun, ona yanlış yazılmış bir ad ya da yanlış duyulmuş bir saat geliyorsa takvime de yanlış randevu düşüyor.

Satış demolarında bu katman pek görünmüyor. Demo çoğu zaman sessiz bir odada, önceden denenmiş bir senaryoyla yapılıyor. Gerçek arayan ise arabadan arıyor, adını hızlı söylüyor, saati "dörde çeyrek var" diye veriyor ve cümlesinin ortasında düşünmek için duruyor.

Eylül sonunda kendi kurduğum sesli asistanı bir kliniğin kaçan arama senaryosuyla prova ettim. Bu yazıdaki ölçümlerin hepsi o provadan. Görüşmeleri tarayıcı üzerinden yaptım, yani telefon hattının getirdiği ek kalite kaybı bu rakamların içinde yok. Gerçek hatta tablo daha da zorlaşabilir.

Sesli asistan Türkçe isimleri neden yanlış yazıyor?

Konuşma tanıma modelleri eğitim verisinde sık geçen kelimelerde isabetli. Türkçe ad ve soyadlar seyrek geçtiği için model kulağa benzeyen gündelik bir ifadeyi seçebiliyor.

Provada bunu kendi adımla gördüm. Türkçe ayarlı konuşma tanıma servisi "Alaattin" adını bir denemede "Bu kadar erken yaşta", başka bir denemede "Naber abi?" diye yazdı. Arayanın derdini anlatan cümle de bozuldu ve anlamsız bir cilt bakımı talimatına dönüştü. Aynı ses kaydını başka bir transkripsiyon modeline verdiğimde konu doğru çıktı, ad yine yanlıştı. Google'ın Gemini Flash modeli ise kayıttan hem adı hem konuyu doğru çıkardı.

Bu sonuçtan genel bir sıralama çıkarmıyorum. Tek bir provada, sınırlı sayıda kayıtla ölçtüm. Çıkardığım ders daha pratik: canlı konuşmada hızlı cevap vermesi gereken model ile görüşme bittikten sonra kaydı dinleyen model aynı olmak zorunda değil. Resepsiyona giden özeti artık görüşme kaydından üretiyorum. Kayıt ikinci bir modele gönderiliyor, ad, konu ve aciliyet bilgisi oradan çıkıyor. Bu adım provada yaklaşık 8 saniye sürdü ve görüşme başına 1.600 civarında token harcadı.

Canlı konuşmada da yapılabilecek şeyler var. Bazı konuşma tanıma servisleri önceden tanımlanmış terimleri öncelikli tanıyor. Deepgram'ın anahtar terim (keyterm) özelliği 100 terime kadar destekliyor. Provada bir hasta adını bu listeye eklediğimde aynı adın güven puanı 0,999'a çıktı. Sınırı şu: gelen aramada arayanın adını önceden bilmiyorsunuz. Anahtar terim listesi bu yüzden en çok iki yerde işe yarıyor. Birincisi hekim adları, tedavi adları ve semt isimleri gibi kurumun kendi sözlüğü. İkincisi, hastanın adının zaten bilindiği randevu hatırlatma aramaları.

Geri kalan güvence görüşmenin akışında kuruluyor. Asistan adı yazdıktan sonra arayana tekrar okuyor, emin değilse heceletmesini istiyor. Türkiye'de insanlar heceletirken şehir adlarını kullanıyor ("Adana'nın A'sı"), asistanın bu alışkanlığı tanıması gerekiyor. Ad iki denemede de anlaşılamadıysa ısrar etmek yerine geri arama kaydı açılıyor.

Saat ve tarih ifadeleri neden yanlış randevuya dönüşüyor?

Günlük konuşmada saat 24 saat düzeniyle söylenmiyor. "Dörde çeyrek var", "iki buçukta" ya da "haftaya salı" gibi ifadeler takvime çevrilirken öğleden önce-sonra ve hafta karışabiliyor.

Arayan "ikide gelirim" dediğinde kimse gece ikiyi kastetmiyor, bunu mesai saati çözüyor. Akşam dokuza kadar açık bir klinikte "dokuzda" ise sabah da olabilir, akşam da. Pazartesi günü söylenen "haftaya salı" ertesi gün de olabilir, sekiz gün sonrası da. Bu belirsizlikler yazılı mesajda da var, ama sesli görüşmede üstüne bir de duyma hatası ekleniyor.

Bence buradaki en önemli kural, tarih hesabını dil modeline bırakmamak. Model ifadeyi ayıklasın: "gelecek haftanın salısı, öğleden sonra, dörde çeyrek var". Bugünün tarihini bilen, takvimdeki boş saati kontrol eden ve kaydı açan adım ise kurallı yazılımda kalsın. Böylece model bir ifadeyi yanlış yorumlasa bile takvime var olmayan bir gün ya da dolu bir saat yazılamıyor.

Son halka geri okuma. Asistan kaydı açmadan önce randevuyu tek cümlede tekrarlıyor ve açık bir onay bekliyor: "Salı, 27 Ekim, saat 15.45, diş taşı temizliği. Doğru mu?" Gün adı ile tarihin birlikte söylenmesi, arayanın yanlışlığı fark etmesini kolaylaştırıyor. Aynı kural telefon numarası için de geçerli. Türkçe konuşanlar numarayı "beş yüz otuz iki" gibi gruplar halinde söylüyor, asistan ise rakamları tek tek geri okuyor.

Asistan neden arayanın sözünü kesiyor ya da aynı soruya iki cevap veriyor?

Asistan, arayanın konuşmayı bitirip bitirmediğini kısa bir sessizlikten tahmin ediyor. Bekleme çok kısa ayarlıysa cümle ikiye bölünüyor ve asistan iki parçaya ayrı ayrı cevap veriyor.

Bu tahminin teknik adı endpointing. Provadaki varsayılan ayarda asistan, noktalama işaretinden yalnızca 0,1 saniye sonra söz alıyordu. Arayan "Randevu almak istiyorum" deyip nefes aldığında asistan cevaba başlıyor, arayan "ama cumartesi olursa" diye devam ettiğinde ikinci bir cevap üretiyordu. Karşı tarafta iki cevap üst üste duyuluyor ve görüşme ilk on saniyede dağılıyor.

Türkçe bu konuda ayrıca zor. Fiil cümlenin sonunda geliyor ve olumsuzluk çoğu zaman tek bir ekte duruyor. "Salı bana uyar" ile "Salı bana uymaz" arasındaki fark son hecede. Cümlenin ortasında "şey... perşembe... yok, cuma olsun" diye düşünen biri, erken söz alan bir asistana yanlış bir randevu verdirebiliyor.

Ayarı genel beklemeyi 0,8 saniyeye, noktalama sonrası beklemeyi 0,5 saniyeye çekerek düzelttim. Çift cevaplar kesildi. Bedeli, her sırada yaklaşık 0,4 saniye ek gecikme oldu. Telefonda bu kadarı bile hissediliyor. Stivers ve arkadaşlarının on dili karşılaştıran PNAS çalışması, bütün dillerde konuşmacıların sıra geçişlerindeki sessizliği en aza indirdiğini gösteriyor. Dillerin ortalama bekleme süreleri bile ortak ortalamadan en fazla 250 milisaniye sapıyor. Bu ölçekte bir fark, konuşma tarzı farkı olarak algılanacak kadar belirgin.

Yani seçim şu: biraz yavaş ama tek ve tam cevap veren bir asistan ya da hızlı ama söz kesen bir asistan. Randevu görüşmesinde ilkini seçtim, çünkü yanlış duyulmuş bir saatin maliyeti yarım saniyelik beklemeden çok daha yüksek. Ters yönde de bir kural gerekiyor: arayan asistan konuşurken araya girerse asistan hemen susup dinlemeli.

Asistan neden sessiz kalıp telefonu kapatıyor?

Ses platformu güven puanı düşük çıkan cevabı sessizce atabiliyor. Asistan arayanın konuşmadığını sanıp bekliyor, sessizlik süresi dolunca görüşmeyi kendisi kapatıyor.

Provadaki en sinsi hata buydu. Kullandığım ses platformunda güven eşiği 0,4'tü, yani konuşma tanımanın 0,4'ün altında güven verdiği her cevap hiç söylenmemiş sayılıyordu. Türkçe isimlerde güven puanı 0,23'e kadar düştüğü için atılan cevaplar tam da en kritik olanlardı. Arayan adını söylüyor, asistan susuyor, arayan "alo?" diyor, o da düşük güvenle atılabiliyor. Sessizlik süresi dolunca hat kapanıyor.

Bu hata kayıtları dinlemeyen biri için görünmez. Raporda görüşme sessizlik nedeniyle bitmiş görünüyor, oysa telefonun öbür ucunda randevu almak isteyen biri vardı. Eşiği 0,15'e indirdim ve 6 saniyelik sessizlikten sonra asistanın "Sizi duyamadım, tekrar eder misiniz?" demesini sağladım. Düşük eşiğin bir bedeli var: arka plan gürültüsü zaman zaman konuşma sanılabiliyor. Yine de yanlış duyulan bir ad geri okumada düzeltiliyor. Hiç duyulmayan bir ad ise kapanan bir görüşmeye dönüşüyor.

Görüşme sonunda hat neden erken kapanıyor?

Asistan vedalaşma cümlesini söylerken kapatma komutu da tetikleniyor. Cümlenin ilk parçası çalındıktan sonraki kısa boşlukta hat kapanırsa arayan onayı hiç duymuyor.

Ses üretimi cümleyi parça parça çalıyor. Provada, kapanış mesajının ilk parçasından sonraki boşlukta hattın kapanabildiğini gördüm. Arayan "Randevunuz salı..." kısmını duyuyor ve gerisi kesiliyor. Ses parçalarını yalnızca nokta, ünlem ve soru işaretinde bölen bir ayar deniyorum. Yeterince test etmediğim için bu sorunun çözüldüğünü söyleyemem.

Bu yüzden asıl önlemi akışın tasarımında aldım. Randevu bilgisi vedalaşmanın içinde söylenmiyor. Tarih ve saat ayrı bir cümleyle geri okunuyor, arayanın "evet" demesi bekleniyor, ancak ondan sonra kısa bir vedalaşma geliyor. Hat erken kapansa bile kritik bilgi çoktan iletilmiş oluyor. Randevunun ardından SMS ya da WhatsApp ile yazılı bir onay gitmesi de ikinci bir güvence sağlıyor.

Telefon hattının ses kalitesi tanımayı ne kadar etkiliyor?

Klasik telefon hattı sesi saniyede 8.000 örnekle taşıyor. Bu dar bant, tarayıcıda temiz çalışan bir asistanın gerçek aramada daha çok hata yapmasına yol açabiliyor.

Klasik telefon şebekesinde ve operatörler arası bağlantılarda yaygın kullanılan ses kodlaması ITU'nun G.711 standardı ve sesi saniyede 8.000 örnekle taşıyor. Bazı mobil hatlar HD ses ile daha geniş bant kullanıyor, ama asistana bağlanan telefon hatlarında dar bant hâlâ yaygın. Karşılaştırma için, sitemizdeki sesli asistan demosu mikrofon sesini saniyede 16.000 örnekle gönderiyor. Tarayıcıda yapılan bir denemede asistanın duyduğu ses, gerçek bir telefon aramasındakinden daha zengin.

Benim prova rakamlarım da tarayıcı görüşmelerinden geliyor. Gerçek hatta isim ve ek hatalarının artması beklenir, özellikle arayan arabadaysa, hoparlörden konuşuyorsa ya da kalabalık bir yerdeyse. Asistanı canlıya almadan önceki son test turu bu yüzden gerçek telefon hattından ve gerçek koşullarda yapılmalı.

Hangi aramalar sesli asistana bırakılmamalı?

Acil sağlık şikâyeti, tedavi sorusu, şikâyet ve iki kez anlaşılamayan isim asistana bırakılmamalı. Bu aramalar insana aktarılmalı ya da geri arama kaydına dönmeli.

Klinikte asistanın randevu akışını hemen bırakması gereken ifadeler önceden yazılıyor: "kanama durmuyor", "yüzüm şişti", "ağrıdan uyuyamadım" gibi. Bu cümleleri duyduğunda asistan randevu saati aramıyor, arayanı hekime ya da acil hatta yönlendiriyor. "Bu dolgu mu kanal tedavisi mi olur?" gibi sorulara da cevap vermiyor. Teşhis koymak asistanın işi değil. Yapabileceği şey talebi kayda geçirip hekimin dönüşünü planlamak.

Bu listeyi resepsiyon sorumlusu ve hekim birlikte yazmalı, çünkü hangi ifadenin acil sayılacağını ve hangi sorunun hekime gitmesi gerektiğini onlar biliyor. Mesai dışında insana aktarma mümkün değilse asistan geri arama kaydı açıyor ve sabah resepsiyona, kayıttan çıkarılmış ad, konu ve aciliyet bilgisiyle birlikte bir özet bırakıyor.

Sesli asistanı canlıya almadan önce nasıl test etmeli?

Gerçek arayanı taklit eden 20-30 senaryoluk bir test listesiyle. Zor isimler, saat ifadeleri, araya girme, gürültülü ortam ve erken kapanma ayrı satırlarda, gerçek telefon hattından denenmeli.

Her senaryoyu bir kez geçti diye işaretlemek yetmiyor. Dil modeli aynı soruya her seferinde aynı cevabı vermediği için kritik senaryoların en az üç kez çalıştırılması gerekiyor. Neden üç ve sonuçların nasıl okunacağını eval ve golden set yazısında ayrıntılı anlattım. Sesli asistanın farkı, test girdisinin metin yerine ses olması. Senaryoları farklı yaşlardan ve bölgelerden insanların seslendirmesi, listeye masa başında yazılamayacak çeşitliliği getiriyor.

Sesli asistan mı, WhatsApp asistanı mı önce kurulmalı?

Aramaların çoğu kaçıyorsa sesli asistan, talepler zaten mesajla geliyorsa WhatsApp. Yazılı kanalda isim ve saat yazılı geldiği için bu yazıdaki hataların çoğu ortadan kalkıyor.

Kararı vermeden önce bir rakama bakmak gerekiyor: son bir ayda kliniğe gelen aramaların kaçı cevapsız kaldı? Bu bilgi çoğu zaman santral ya da operatör panelinde duruyor. Cevapsız aramalar mesai dışında ve öğle arasında yoğunlaşıyorsa sesli asistanın karşılayacağı iş belli demektir. Hastalarınız zaten WhatsApp'tan yazıyorsa WhatsApp randevu otomasyonu daha az riskle başlamanın yolu. Randevuların hangi noktalarda kaçtığını kaçan randevu yazısında ayrıca ele aldım.

Bir sesli asistanın bu yazıdaki zorluklarla nasıl konuştuğunu kendiniz duymak isterseniz sesli demo sayfasında sektörünüzü seçip işletme adınızı girerek asistanla canlı konuşabilirsiniz. Adınızı ve bir saat ifadesini söyleyip asistanın ne anladığına bakmak, bu yazının en kısa testi.

Sık sorulan sorular

Bu yazıdaki hataların hiçbiri sesli asistanı vazgeçilecek bir fikir yapmıyor. Hepsi ölçülebiliyor, çoğu ayarla ve akış tasarımıyla yönetilebiliyor. Zor olan, kimsenin ölçmediği durum: raporda "sessizlik nedeniyle bitti" yazan görüşme aslında kaçan bir randevu olabilir. Diğer yazılara blog sayfasından, çalışma biçimimize hizmetler sayfasından ulaşabilirsiniz.