Yapay zeka konusunda son birkaç yılda gördüğüm en büyük sorun, beklentinin ya çok abartılı ya da gereksiz korkulu olması. Bir kesim "yapay zeka her işimizi yapar" diye düşünüyor, bir kesim de "bu bizim sektörümüze uymaz" diyip kapıyı tamamen kapatıyor. 20 yılı aşkın yazılım geçmişimde ve son dönemde yürüttüğüm yapay zeka projelerinde öğrendiğim şu: gerçek değer, bu iki uçun tam ortasında, sıkıcı ama somut işlerde gizli. Bu yazıda size pazarlama cümleleri değil, küçük ve orta ölçekli işletmelerde gerçekten karşılığını gördüğüm kullanım alanlarını anlatacağım.
Müşteri desteği: insanın yerine değil, yanına
KOBİ'lerde en çok zaman kaybedilen yer, gün içinde defalarca tekrar eden aynı sorulardır. "Kargom nerede?", "İade nasıl yapılır?", "Şu ürün stokta var mı?" gibi sorular ekibin enerjisini tüketir. Burada yapay zeka, işletmenin kendi belgelerine, sıkça sorulan sorularına ve geçmiş yazışmalarına dayanan bir asistan olarak devreye giriyor.
Dikkat edilmesi gereken nokta şu: ben bu sistemleri kurarken yapay zekanın uydurma cevap vermesini en baştan engelleyecek şekilde tasarlıyorum. Yani model, yalnızca işletmenin kendi bilgi tabanından beslenir; emin olmadığı bir konuda kendiliğinden bir şey uydurmaz, doğrudan bir insana yönlendirir. Bu sayede destek ekibi basit soruların yükünden kurtulur, gerçekten insan dokunuşu gereken durumlara odaklanır.
Belge ve teklif otomasyonu: saatleri dakikalara indirmek
Teklif hazırlamak, sözleşme taslağı çıkarmak, gelen bir e-postayı özetlemek ya da uzun bir PDF'in içinden tek bir maddeyi bulmak... Bunlar tek tek küçük işler gibi görünür ama haftalık toplamı şaşırtıcı derecede büyüktür.
Müşterilerim için kurduğum sistemlerde, gelen müşteri talebinin yapay zeka tarafından okunup şirketin fiyat listesi ve şablonlarıyla birleştirilerek bir teklif taslağı üretildiğini sıkça görüyorum. Burada kritik olan şu: yapay zeka taslağı hazırlar, son onayı her zaman insan verir. Amaç insanı aradan çıkarmak değil; boş bir sayfayla başlamanın getirdiği zaman kaybını ortadan kaldırmak. Tipik kullanım alanları şöyle:
- Gelen e-postalardan otomatik özet ve aksiyon maddesi çıkarma
- Standart sözleşme ve teklif şablonlarının veriyle otomatik doldurulması
- Uzun teknik dokümanlar içinde anlam temelli arama
- Faturaların ve irsaliyelerin içeriğinin okunup sisteme aktarılması
Stok, talep tahmini ve fiyatlandırma
Endüstriyel otomasyon tarafında uzun yıllar çalışmış biri olarak, verinin doğru okunduğunda neyi mümkün kıldığını yakından gördüm. KOBİ'lerin elindeki satış geçmişi, mevsimsellik, kampanya dönemleri gibi veriler aslında çok değerli; sadece çoğu zaman kullanılmadan duruyor.
Burada yapay zeka, geçmiş verilere bakarak hangi ürünün ne zaman tükenme eğiliminde olduğunu öngörmeye yardımcı olur. Bu, gereksiz stok maliyetini de, "tam satış döneminde mal bitti" felaketini de azaltır. Aynı mantık fiyatlandırmaya da uzanır: rakip fiyatları, maliyet ve talep dalgalanması göz önüne alınarak fiyat önerileri üretilebilir. Yine altını çiziyorum: bu bir öneri sistemidir, nihai kararı işletme sahibi verir. Yapay zeka "şunu yap" demez, "veriler bunu gösteriyor, dikkatine sunuyorum" der.
Görselden arama ve yeni müşteri deneyimleri
Özellikle perakende, yedek parça, mobilya ya da kuyumculuk gibi sektörlerde çok işe yarayan bir alan da görselden arama. Müşteri bir fotoğraf çekiyor ya da yüklüyor, sistem buna en yakın ürünleri kataloğunuzdan buluyor. "Tam adını bilmediğim ama gözümde canlanan ürünü" bulmak, klasik metin aramasıyla çoğu zaman mümkün olmaz; görsel arama bu engeli kaldırır.
Bu tür çözümler birkaç yıl öncesine kadar yalnızca büyük şirketlerin erişebildiği şeylerdi. Bugün doğru kurguyla bir KOBİ de bunu kendi e-ticaret sitesine ya da iç kataloğuna ekleyebiliyor. Önemli olan, çözümü işletmenin gerçek ihtiyacına göre ölçeklendirmek; herkese aynı paket dayatmamak.
Asıl fark: doğru "prompt" mühendisliği
Şimdi en çok yanlış anlaşılan konuya geliyorum. Birçok kişi yapay zekayı, "soruyu yaz, cevabı al" diye basit bir kutu sanıyor. Oysa aynı modele iki farklı şekilde talimat verdiğinizde, sonuç gece ile gündüz kadar farklı olabilir. İşte bu talimatları tasarlama işine prompt mühendisliği diyoruz ve bir projenin başarısını ya da başarısızlığını çoğu zaman bu belirler.
Bir örnekle anlatayım. "Bu müşteriye teklif yaz" demekle; modele şirketin ses tonunu, fiyat sınırlarını, hangi durumda indirim yapılabileceğini, hangi konularda kesinlikle söz vermemesi gerektiğini ve emin olmadığında ne yapacağını tek tek tarif etmek arasında dağlar kadar fark vardır. İlk yöntemde rastgele, bazen yanlış sonuçlar alırsınız; ikincisinde tutarlı, güvenilir ve markanıza uygun çıktılar elde edersiniz.
Yapay zeka projelerinde başarısızlığın ana nedeni teknoloji değil, modele ne istediğinizi yeterince net anlatmamaktır. İyi tasarlanmış bir talimat, ortalama bir modeli bile güvenilir bir çalışan haline getirir.
Benim işimin büyük kısmı tam da burada: işletmenin gerçek sürecini anlamak, riskleri önceden görmek ve modele bu çerçeveyi kusursuz biçimde tarif etmek. Hazır bir araç kurup "buyurun kullanın" demek kolaydır; zor olan, o aracın sizin sektörünüzde, sizin verinizle ve sizin kurallarınızla doğru çalışmasını sağlamaktır.
Nereden başlamalı?
Tavsiyem her zaman aynı: en büyük hayalle değil, en çok zaman kaybettiren tek bir işle başlayın. Ekibinizin her gün tekrar tekrar yaptığı, sıkıcı ama kritik bir süreci seçin. Onu doğru kurun, ölçün, faydasını görün; sonra yayın. Yapay zekayı bir devrim gibi değil, doğru noktalara yerleştirilen küçük ve sağlam adımlar olarak düşündüğünüzde gerçek kazancı görürsünüz.
Eğer kendi işletmenizde hangi sürecin buna uygun olduğundan emin değilseniz, oturup birlikte konuşalım. Sizin işinizi, gerçek verinizi ve önceliklerinizi anlamadan tek bir satır kod yazmam; çünkü doğru çözüm, ancak doğru soruları sorduktan sonra ortaya çıkar. Aklınızdaki fikri ya da çözmek istediğiniz sorunu bana iletmeniz yeterli; gerisini birlikte, abartısız ve gerçekçi biçimde planlarız.