Aynı cümle, farklı ağızlar
Bir belediyenin çağrı merkezine aynı saatte üç kişi arar. Biri "su faturam yüksek geldi, neden?" der. Diğeri "gardaş, suyun parası niye bu gadar gelmiş?" diye sorar. Üçüncüsü cümleyi yarıda keser, "şeyy, fatura, geçen ay..." diye düşünerek konuşur. Üçü de aynı şeyi istiyor. Bir insan temsilci üçünü de ilk seferde anlar.
Sesli yapay zekâ için bu üç cümle aynı zorlukta değildir. Konuşma tanıma sistemi çoğunlukla düzgün okunmuş, temiz kayıtlarla eğitildiyse ikinci ve üçüncü arayanda zorlanır. Asıl tehlike de zorlanmasıyla değil, zorlandığını fark etmeden yanlış anladığı şeyle işlem yapmasıyla başlar.
Yapay zekâ farklı ağızlarla konuşan arayanı nasıl anlar? (Kısa cevap)
İyi kurulmuş bir sesli asistan, arayanın söylediğini tek tek kelimelere değil cümlenin anlamına bakarak çözer. Türkçenin ekli yapısını, ağızlardaki ses değişimlerini ve telefon hattının dar ses aralığını hesaba katan bir konuşma tanıma ile çalışır. Kurumun kendi çağrılarıyla test edilir; başarısı yalnızca kelime hatasıyla değil, numara, ad ve talep gibi kritik bilgilerin doğru anlaşılmasıyla ölçülür. Emin olamadığı yerde arayanı düzeltmez, yalnızca belirsiz kısmı sorar; yine çözemezse çağrıyı temsilciye devreder.
Telefonda Türkçe neden zor?
Ağızlar sesi değiştirir
Türkolojide en yaygın kullanılan sınıflandırmada (Leyla Karahan, Anadolu Ağızlarının Sınıflandırılması, TDK, 1996) Anadolu ağızları Doğu, Batı ve Kuzeydoğu olmak üzere üç ana gruba ayrılır; her grubun içinde de pek çok alt ağız vardır. Ağızlar arasındaki farkların bir kısmı kelime seçimindedir, ama konuşma tanımayı asıl zorlayan ses değişimleridir:
- Kelime başındaki "k" sesinin birçok Anadolu ağzında "g"ye dönmesi: "kardeş" yerine "gardaş", "kapı" yerine "gapı".
- Şimdiki zaman ekinin kısalması: "geliyorum" yerine "geliyom", "ne yapıyorsun" yerine "napıyon".
- Ünlülerin ve "ğ" sesinin düşmesi: "değil mi" yerine "di mi".
- Vurgu ve tonlamanın yöreden yöreye değişmesi.
Bunların hiçbiri "yanlış Türkçe" değildir. Ama düzgün okunmuş metinlerle eğitilmiş bir sistem için "gapı" ile "kapı" farklı kelimelerdir.
Türkçe sondan eklemelidir
Türkçede tek bir kök, eklerle onlarca farklı biçime girer: "fatura", "faturam", "faturamız", "faturamızdaki", "faturalandırılmadığını". İngilizcede ayrı ayrı kelimelerle kurulan bir cümle Türkçede tek kelimeye sığabilir. Kelime listesiyle çalışan bir konuşma tanıma sistemi için bu, sayısız "hiç görmediği kelime" demektir. Ağız farkı eklere de yansıdığında, yani "geliyorum" "geliyom" olduğunda, sorun büyür.
Telefon hattı sesi daraltır
Klasik telefon hattı sesi kabaca 300 ile 3.400 Hz arasında taşır. İnsan konuşmasının önemli bir kısmı bu aralıkta kalır, ama "s", "ş", "f" gibi sürtünmeli seslerin ayırt edici enerjisinin önemli bölümü bunun üstündedir. Stüdyo kalitesinde açıkça duyulan fark, telefonda silikleşir. Buna hoparlörden konuşma, araç içi gürültü, rüzgâr ve zayıf şebeke eklenir.
En önemli kelimeler en nadir olanlardır
Mahalle, köy ve sokak adları, soyadları, kurumun birim ve ürün adları genel konuşma verisinde çok az geçer. Oysa çağrının sonucunu belirleyen bilgiler tam olarak bunlardır. Bir sistem "fatura" kelimesini her ağızda tanıyıp mahalle adını yanlış yazıyorsa, işlem yine yanlış kayda gider.
Herkes aynı hızda ve düzende konuşmaz
Yaşlı arayanlar daha yavaş ya da daha kesik konuşabilir. Türkçeyi sonradan öğrenmiş biri cümleyi farklı kurabilir. Sinirli ya da telaşlı bir arayan cümlesini yarıda bırakır. Gerçek çağrılar düzgün cümlelerden değil, bu tür konuşmalardan oluşur.
Yanlış anlamanın bedeli nedir?
Arayan "düzgün konuşmaya" zorlanır
Sistem anlamadıkça arayan kelimeleri tek tek, yüksek sesle ve yapay bir dille tekrar etmeye başlar. Bir süre sonra kendini anlaşılmayan değil, yanlış konuşan biri gibi hisseder. Bu, kurumun vatandaşla ya da müşteriyle kurduğu ilişkiyi doğrudan zedeler.
Hizmete erişim herkese eşit olmaz
Kamu hizmetinde bu ayrıca önemlidir. Sistem büyükşehirde konuşulan Türkçeyi iyi, kırsalda konuşulanı kötü anlıyorsa, aynı hizmete erişim arayanın nerede büyüdüğüne göre değişir. Asıl ihtiyacı olan kişi en çok zorlanan kişi olur.
Yanlış anlaşılan bilgiyle işlem yapılır
En pahalı hata, sistemin yanlış anladığını fark etmediği hatadır. Yanlış duyulan bir numara ya da adres, yanlış kayda işlem demektir. Asistanın emin olamadığında tahmin yürütmemesinin neden önemli olduğunu "bilmiyorum" yazımızda anlattık.
Ağızlara dayanıklı bir sesli asistan nasıl kurulur?
1. Kendi çağrılarınızla test edin
Satıcının demo kaydı ya da düzgün okunmuş örnek cümleler, sistemin sizin arayanlarınızı ne kadar anlayacağını göstermez. Test, kurumun gerçek çağrılarına benzeyen, farklı yörelerden, farklı yaşlardan ve farklı hat koşullarından seslerle yapılmalıdır. Bu ses kayıtları kişisel veri içerdiği için testin de kurumun kendi altyapısında yapılması gerekir. Demo ile gerçek çağrı arasındaki farkı demo kolay, sistem zor yazımızda ayrıca ele aldık.
2. Kelime hatasının ötesine bakın
Konuşma tanıma başarısı genellikle kelime hata oranıyla (WER) ölçülür: sistemin yazdığı metinde kaç kelimenin yanlış, eksik ya da fazla olduğu. Bu ölçü faydalıdır ama tek başına yanıltır. "Gapı" yerine "kapı" yazmak kelime hatası sayılır ama anlamı bozmaz; mahalle adındaki tek harflik bir hata ise kelime hatası olarak küçük görünür ama işlemi bozar. Bu yüzden iki ölçüyü birlikte izleyin: anlamın, yani talebin doğru anlaşılıp anlaşılmadığı ve numara, ad, adres gibi kritik bilgilerin doğru alınıp alınmadığı.
3. Kurumun kelimelerini sisteme tanıtın
Kurumun mahalle ve ilçe adları, birim adları, ürün ve hizmet adları, sık geçen terimleri sisteme bağlam olarak verilmelidir. Arayanın ne söyleyebileceğini bilen bir sistem, telefondaki silik bir sesi doğru kelimeye çok daha kolay bağlar.
4. Anlamı tek kelimeden değil, cümleden çıkarın
"Suyun parası niye bu gadar gelmiş" cümlesinde "fatura" kelimesi hiç geçmez. Talebi anlamak için kelime eşleştirmesi değil, cümlenin bütününden niyet çıkaran bir dil anlayışı gerekir. Kurum bilgisinin yapay zekâya nasıl öğretildiğini RAG yazımızda anlattık.
5. Yalnızca belirsiz kısmı sorun
Sistem bir kelimeden emin değilse "anlayamadım, tekrar eder misiniz?" diye bütün cümleyi baştan istememelidir. Doğru soru dardır: "Hangi mahalleden arıyorsunuz?" ya da "Numaranın son üç hanesini bir kez daha alabilir miyim?" Kritik bilgiler ise her zaman kısaca teyit edilir. Numaranın telefonda nasıl doğru alındığını kimlik doğrulama yazımızda ayrıntılı anlattık.
6. Arayanı düzeltmeyin
"Lütfen daha net konuşun" ya da "standart Türkçe kullanın" gibi cümleler asistanın ağzına hiç girmemelidir. Anlaşılmayan bir şey varsa yük arayanda değil sistemdedir. Asistan arayanın kelimelerini kendi cevabında da zorla "düzeltmez"; doğal bir dille devam eder.
7. Çözemiyorsa devredin
İki denemede hâlâ anlaşılamayan bir talep, üçüncü denemede de büyük ihtimalle anlaşılmaz. Bu noktada doğru davranış, çağrıyı o ana kadar anlaşılanlarla birlikte temsilciye aktarmaktır. Arayan derdini baştan anlatmak zorunda kalmamalıdır.
8. Başarıyı farklı koşullarda ayrı izleyin
Ortalama bir başarı oranı, belirli bir arayan grubunda yaşanan sorunu saklayabilir. Hat kalitesi, gürültü durumu ve talep türü gibi koşullara göre anlaşılma ve devir oranlarını ayrı ayrı izleyin. Bir koşulda devir oranı belirgin şekilde yüksekse, iyileştirme oradan başlar.
Sık yapılan hatalar
- Sistemi yalnızca düzgün okunmuş örnek cümlelerle ya da satıcının demo kaydıyla değerlendirmek.
- Başarıyı yalnızca kelime hata oranıyla ölçmek; numara, ad ve adres doğruluğuna bakmamak.
- Kurumun mahalle, birim ve ürün adlarını sisteme hiç tanıtmamak.
- Anlaşılmayan her cümlede "tekrar eder misiniz?" diye bütün cümleyi baştan istemek.
- Arayana "daha net konuşmasını" söylemek.
- Anlaşılamayan talepte tahminle işlem yapmak.
- Test için gerçek çağrı kayıtlarını dış bir servise göndermek.
Belzeka'da bunu nasıl ele alıyoruz?
Türkçe için sonradan eklenmiş bir destek değil
Belzeka'nın ses iletişim motoru ve Türkçe dil mimarisi kendi mühendislik ekibimiz tarafından geliştirildi. Bu mimari sonradan eklenmiş bir "Türkçe desteği" değildir; Türkçenin dil bilgisi yapısı, vurguları ve yerel konuşma dinamikleri merkeze alınarak tasarlandı.
Model Türkçe konuşma dinamiklerine göre yapılandırıldı
Belzeka'nın dil modeli genel amaçlı bir sohbet botu değildir; çağrı merkezi görevlerine, Türkçe konuşma dinamiklerine ve kurumsal süreçlere göre yapılandırılmıştır. Modelin kendisini Belzeka-32B CC yazımızda anlattık.
Ekleri ve konuşma dilini kavrayan Türkçe embedding
Belzeka'nın kendi geliştirdiği Türkçe embedding modeli Türkçedeki ekleri, eş anlamlı kelimeleri, sektörel terimleri ve konuşma dilindeki nüansları kavrar. Arayanın kelimesi kurumun belgesindeki kelimeyle birebir aynı olmasa da talep doğru bilgiyle eşleşir.
Özel adlarda bulanık eşleştirme
Arayanın söylediği isim ve adres gibi bilgiler, BM25 algoritması ve bulanık eşleştirmeyle kurumun kayıtlarıyla eşleştirilir. Telaffuz farkları ve konuşma tanımanın yazım hataları, doğru kaydın bulunmasını engellemez.
Canlıya çıkmadan farklı ağızlarla test
Canlıya geçmeden önce asistanları gerçek hayatın zorluklarıyla test ediyoruz: farklı ağızlar, yarım cümleler, bilgi tabanında olmayan sorular ve devir gerektiren durumlar. Bu süreci devreye alma sayfamızda adım adım anlattık.
Ses kurumun sunucusunda kalır
Konuşma tanıma dahil Belzeka'nın tüm yapay zekâ bileşenleri kurumun kendi sunucularında çalışır. Arayanın sesi bir dış servise gönderilmez; kuruma ait çağrı verileri model eğitiminde kullanılmaz. Bu sayede test de, iyileştirme de kurumun kendi altyapısında yapılır.
Emin olamadığında tahmin yürütmez
Asistan anlayamadığı ya da bilgi tabanında karşılığı olmayan bir konuda tahmin yürütmez. Gerektiğinde çağrıyı o ana kadarki bağlamla canlı temsilciye aktarır.
Sıkça Sorulan Sorular
Sesli yapay zekâ Karadeniz ya da Doğu ağzıyla konuşan birini anlar mı? Türkçenin ağızlarını ve telefon koşullarını hesaba katarak geliştirilmiş ve kurumun gerçek çağrılarına benzer seslerle test edilmiş bir sistem anlar. Bunu bir satıcının sözüyle değil, kendi çağrılarınızla yaptığınız testle görmeniz gerekir.
Kelime hata oranı (WER) nedir? Konuşma tanıma sisteminin yazdığı metinde yanlış, eksik ya da fazla kelimelerin, söylenen toplam kelimeye oranıdır. Faydalı bir ölçüdür ama tek başına yeterli değildir; anlamın ve kritik bilgilerin doğru alınıp alınmadığına da bakmak gerekir.
Telefon sesi konuşma tanımayı neden zorlaştırır? Klasik telefon hattı sesi kabaca 300 ile 3.400 Hz arasında taşır. "S", "ş" ve "f" gibi seslerin ayırt edici kısmının önemli bölümü bu aralığın dışında kalır; gürültü ve hoparlörden konuşma da eklenince sesler birbirine yaklaşır.
Asistan anlamadığında ne yapmalı? Bütün cümleyi baştan istemek yerine yalnızca belirsiz kısmı sormalı, kritik bilgiyi kısaca teyit etmeli ve hâlâ anlayamıyorsa çağrıyı bağlamıyla temsilciye aktarmalıdır.
Arayanlarınızın Türkçesini birlikte dinleyelim
Asistanın sizin arayanlarınızı ne kadar anlayacağını kendi çağrı koşullarınızla birlikte test etmek isterseniz İletişim sayfamızdan bize ulaşabilirsiniz.