“Yapay zeka insanın yerini almayacak. Ancak yapay zeka kullanan bir insan, kullanmayan birinin yerini alacaktır.”
Anastasia, Client Relationship Lead, Oki-Toki.
AI hakkındaki çağrı merkezi sohbetlerinde beni en çok şaşırtan şey nedir biliyor musunuz?
Herkes teknolojilerden bahsediyor ama kimse insanlardan bahsetmiyor.
Bu sektörde 8 yıl çalıştıktan sonra, Cuma gününü hayal eden scriptleri mekanik bir şekilde okuyan yüzlerce ajanı gördüm. Bir sonraki “optimizasyon”dan sonra işten çıkarılan ajanlar. Onlar tükendiler ve personel çıkışı yıllık %30-45 (employee turnover) oluşturdu ve yeni insanları işe alma süreci sonsuza dek devam etti.
Ve sürekli bu korku dolu soruyu duyuyorum: “AI beni ne zaman değiştirecek?”
İşte yanıtım, bu bir avuntu değil, bir gerçek: çoğu uzman yanılıyor, AI ajanların yerini tamamen alacak diyor.
AI ajanları değiştirmeyecek. AI, ajanları motive eden monotonluk, script okuma, “şifreyi nasıl sıfırlarım?” gibi günde 100 kez sorulan sorulardan kurtaracak.
Ajanın yeni rolü – yürütücüden ilişki mimarına
İşte aslında olan şey: ajan mesleği bir rönesans yaşıyor. Ajan, giderek az “konuşan FAQ” ve daha fazla müşteri deneyimi moderatörü oluyor – AI yardımcıları ağını yöneten ve karmaşık, duygusal veya teknik açıdan yoğun durumlarda devreye giren uzman.
AI monotonluğu ortadan kaldırıyor ve Human-Centric Skills (insan-merkezli yetenekler) üzerine odaklanıyor: EQ (Emotional Quotient — duygusal zeka), Critical Thinking (kritik düşünme) ve yaratıcılık.
2025 yılına gelindiğinde, ajanlar her zaman olmaları gereken şey oldular: sorunları çözen profesyoneller, ezberlenmiş ifadeleri tekrarlayanlar değil, bu daha çok bir eğilimden ziyade gerçekleşmiş bir faktör.
Meslekte olan gerçek
Metrigy araştırması gösteriyor ki: şirketlerin %55.7’si AI uyguladıktan sonra işe almayı planladıkları yeni ajan sayısını azalttı, %36.8’i ortalama %24.1 personel kısatmasına gitti.
Ama bence bu mesleğin sonu değil, onun dönüşümü.
Ajanlara sorduğumda: “Günde yüz tane aynı tip soruyu mu tercih edersiniz yoksa düşünmenizi gerektiren yirmi zor soruyu mu?” Yüzde yüz ikincisini seçiyor. Ve ikincisi için daha fazla ödeme yapıyorlar.
AI rutini otomatize ediyor, insanlara gerçekten önemli olan şey kalıyor — etkileşim, duygular, kararlar, bu yüzden bu mesleğe bir tehdit değil, evrimi.
Peki, bu pratikte nasıl çalışıyor? Geleceğin üç anahtar rolünü inceleyelim: Experience orchestrator, AI supervisor ve Specialized problem solver.
Experience orchestrator — müşteri deneyimini yönetme
Latin Amerika’daki bir projede “Agent as Coworker” (ajan AI ile birlikte çalışan bir meslektaş olarak) modelini ilk gördüğümde düşündüm ki: “Her zaman böyle olmalı”.
İşte değişen şey: eskiden ajan bir müşteriyle yüzleşiyor ve bilgi aramak için bir sürü sistemle uğraşıyordu. AI bu kirli işi üstleniyor. Verileri buluyor, geçmişi gösteriyor, çözümler öneriyor. Ajan bunların hepsini ekranda saniyeler içinde görüyor ve ana konuya odaklanabiliyor. Sadece kelimeleri değil, aynı zamanda duyguları da duyuyor. Müşterinin standart bir yanıttan daha fazlasına ihtiyacı olduğunu anlıyor. Ve AI’nin asla yapmayacağı kararları alıyor – çünkü bunlar mantık değil, empati gerektiriyor.
İki gerçek senaryoyu inceleyelim, bu nasıl çalıştığını gösteriyor.
Durum 1: Empati ve crisis resolution — öfke sadakate dönüşüyor
2024 yılında Delta Airlines, kayıt sistemini felç eden ve tüm ülkede uçuş gecikmelerine neden olan büyük bir IT arızasıyla karşı karşıya kaldı. Müşteriler öfkeli bir şekilde aradı: kaçırılan toplantılar, bozulan planlar, öfke seviyesi – 10 üzerinden 9. Bu durumun analizi, sentiment analysis‘in krizi nasıl yönettiğini gösteriyor.
Mekanik: Gerçek zamanlı duygu analizi, günde 30,000’den fazla marka bahsini işledi. Olumsuzluklardaki ani artışlarda sistem, kriz müdahale ekibine otomatik olarak uyarılar gönderdi, bu yaklaşım 24 saat içinde negatif duyguları %37 azalttı.
Bir müşterinin havayolu şirketine AI ile nasıl bir çağrı yapacağını görelim:
- Müşteri çağrı merkezini arar, önce AI bot müşteriyi karşılar ve standart tazminatı önerir;
- Ancak “Sentiment Analysis” eşzamanlı olarak tespit eder: “Anger Level: 9/10”, “Churn Risk: High”;
- Sistem anlar ki burada bir insan gerekli. Arama otomatik olarak canlı bir ajana yönlendirilir;
- Ajan, müşteriyi insanca dinlemek ve beklenmeyen ama değer verilen bir çözüm sunmak için aramayı alır. Standart protokolü takip etmek yerine, ajan şunları teklif eder:
- Bir sonraki uçuş için business class bilet;
- Otel kuponu;
- Yönetimden özür mektubu.
Sonuç: sadece tazminat değil, aynı zamanda Müşteri Tutma (müşteri tutma).
İşte insan faktörünün sihri. AI öfkeyi tespit etti ve riski değerlendirdi. İnsan ne yapılması gerektiğini anladı ve felaketi zafer dönüştürdü.
Durum 2: Yaratıcılık ve value-based selling — satış, satış gibi değil
Başka bir durumu ele alalım. Müşteri internet mağazasını basit bir soruyla arıyor: “Kayak takımım nerede?”
Çoğu ajan cevaplayacak: “Yolda, yarın gelecek”. Konuşma bitti.
Peki ya AI ile çalışan ajan ne yapıyor:
Mekanik: AI, ajanı müşteri hakkında gerçek zamanlı Contextual Data (bağlamsal veriler) ile sağlar: satın alma geçmişi, ilgiler, davranışsal modeller, lifetime value. Ajan bu bilgileri “satmak” için değil, müşteri için gerçekten faydalı kişiselleştirilmiş bir teklif yapmak için kullanıyor.
Adım adım durum:
- Müşteri, kayak takımının teslimat durumu hakkında internet mağazasını arar;
- AI sistemi ajanın ekranında gösterir:
- “Son satın alımlar: dağ kayağı, bağlantılar, termal iç çamaşırı”;
- “Upcoming trip (yaklaşan seyahat): Alpler, 2 hafta içinde (CRM sistemi verilerine göre)”.
- Ajan, teslimat hakkındaki soruya yanıt verir, ardından ekler:
“Ciddi bir kaymaya hazırlanıyorsunuz görünüşe göre! Bizim Seyahat Sigortası (seyahat sigortası), ekstrem sporlar için kapsama ve yeni ekipmanınız için 5000€ değerine kadar koruma sunar, standart sigortalarda bulunmayan bir özellik. Ekipmanınızı göz önünde bulundurarak, bu önemli olabilir.”
Bu agresif bir satış değil, değer katma üzerinden satış. Müşteri baskı hissetmiyor, ilgi hissediyor.
Ajanlara düşünme izni verildiğinde, sonuçlar kendiliğinden konuşur: daha yüksek dönüşüm oranı, daha yüksek ortalama çek, daha yüksek müşteri tutma. Ve önemlisi, ajanlar daha büyük bir ilgi ile çalışıyor.
Specialized problem solver — karmaşık sorunların çözücüsü
Eğer Experience Orchestrator AI ile birlikte müşteri deneyimini yönetiyor ve basitlerden karmaşık sorulara kadar tüm spektrumu ele alıyorsa, Specialized Problem Solver en yüksek karmaşıklığa sahip noktalardadevreye giriyor. Bu, hata yapmanın şirkete pahalıya mal olabileceği durumları ele alan uzmandır.
Örneğin:
- Finans sektöründe: AI bakiye sorgularını işler, Experience Orchestrator şikayetler ve satışlarla ilgilenirken, Specialized Problem Solver dolandırıcılığı araştırır ya da karmaşık kredi vakalarını ele alır;
- Telekomünikasyonda: AI tarife sorunlarını çözer, Experience Orchestrator hizmet bağlantılarında yardımcı olurken, Specialized Problem Solver ağ problemleri veya VIP müşterilerle anlaşmalar gibi teknik meseleleri çözer.
Latin Amerika’daki AI-endüstrisi araştırmasına göre, Brezilyalı firma Blip, GM, Dell ve Itaú gibi kurumsal müşterilere günlük 50 milyon konuşmayı işleyen Portekizce ve İspanyolca için doğal dil işleme AI platformu geliştirdi. Böylece ajanlar sadece kanunlara, teknik detaylara ya da pazarlık becerilerine ihtiyaç duyulan karmaşık yoğunlaşmalar için serbest kaldı.
GoodCall araştırmasına göre, uzman pozisyonlarda maaşlar temel seviyelere kıyasla %20-40 daha yüksek. Buna karşı çıkmak zor.
Supervisor’un yeni rolü — denetimden data science ve strategic leadership’e
Eski modeli hatırlıyor musunuz? Supervisor, rastgele aramaların %5-7’sini dinler, kontrol listeleri doldurur ve ayda bir kez ajanla geri bildirimde bulunurdu. O zamana gelindiğinde, üç hafta önce ne olduğunu kimse hatırlamaz.
Supervisor artık aramaların rastgele bir örneğini kontrol etmek zorunda değil. Artık AI, onun yerine tüm aramaları, sohbetleri ve e-posta başvurularını analiz ediyor: standartlara uygunluk, compliance (GDPR, finansal düzenlemeler), konuşmanın tonu, çözüm kalitesi. AI anında, bir insanın bir ay boyunca elle yapacağı işlemde asla fark edemeyeceği kalıpları ve anomaları bulur.
Supervisor’un rolü kökten değişiyor. “Hata avcısı” olmaktan çıkıp, stratejist oluyor: kalıpları analiz eder, verilere dayanarak ekibi eğitir, süreçleri iyileştirir. AI, olan bitenin şeffaflığını sağlar – supervisor, bu şeffaflığı eyleme dönüştürür.
İşte bu çalışmanın nasıl işlediğini gösteren iki gerçek senaryo
Durum 1: Total quality management — rastgele seçim yerine %100 kontrol
AI’nin finans sektöründe uygulanması hakkında araştırma yaparken, büyük bir Amerikan bankasının örnek olayını buldum (NDA nedeniyle adını açıklayamam). Sorun, sektör için tipikti: geleneksel kalite kontrolü yalnızca %2-5 aramayı analiz ediyordu. Önemli compliance ihlalleri (örneğin, ajan finansal ürün satışında zorunlu risk bilgisinden bahsetmedi) gözden kaçırılmış olabilirdi.
Banka, toplam kalite kontrolü ve konuşma analitiği için AI platformunu devreye soktu – ve sonuçlar beni etkiledi. İşte bu, supervisorların işlerini nasıl değiştirdi.
Mekanika: QA Bot (kalite kontrol botu), çok sayıda kriteri analiz ederek tüm konuşmaları inceler: AHT, Compliance (GDPR), Script Adherence (scriptlere bağlılık), Sentiment Dynamics (duygu dinamikleri), Resolution Quality (çözüm kalitesi). Sistem, kritik ihlalleri derhal belirler ve supervisora uyarılar gönderir.
Gelin, AI ile bir supervisor’un nasıl çalışabileceğine bakalım:
- QA Bot haftada 5,000 çağrı tarar;
- Sistem bir kalıp belirler: akşam vardiyasındaki %20 ajanın düşük CSAT’ı ve yüksek stres seviyesi var;
- Supervisor, çağrı örnekleri ile detaylı analitik alır;
- Daha derine kazıyor — akşamları daha fazla yorgun, sinirli müşteri arıyor ve standart talepler ajanın zamanını alıyor;
- Çözüm: akşam saatlerinde basit işlem talepleri için bir AI-bot uygulaması (hesap bakiyesi, sipariş durumu, şifre sıfırlama);
- Sonuç: ajanlar rutinden kurtuluyor, karmaşık duygusal vakalara odaklanabiliyorlar. CSAT iki hafta içinde %12 artıyor, ajan stresi azalıyor.
İşte bu verilere dayalı yönetim. AI, supervisor’un rastgele bir örneği dinleyerek göremeyeceği bir kalıbı gösterdi. İnsan sebebini anladı ve stratejik bir karar aldı.
Durum 2: AI-powered workforce management — veriye dayalı planlama
Başka bir durumu hayal edin. Supervisor, gelecek hafta için vardiyaları planlıyor, geçen yılın istatistiklerine ve içgüdülerine dayanarak: “Pazartesileri genellikle çok çağrı olur, cumaları daha az”.
Sorun şu ki, gerçeklik geçen yılki verilerle uyuşmuyor. Bir pazarlama kampanyası başlatıldı — çağrı akışı iki katına çıktı, ajanlar yetersiz. Ya da tam tersi — müşteriler aramıyor, dolayısıyla ajanlar boşta.
AI ile çalışan bir supervisor’un ne yaptığına bakın:
Mekanik: Makine Öğrenmesi, sadece çağrıların tarihini değil, aynı zamanda dış faktörleri de analiz eder: pazarlama kampanyalarının başlatılması, hava koşulları (yağmurlu günlerde online alışveriş aktivitesi artar), sosyal medyadaki marka bahsederi, tatiller ve mevsimsel etkinlikler. Supervisor, bu verileri tahmin yürütmek için değil, iş yükü tahmini yapmak için kullanır.
Adım adım durum:
- Büyük bir Avrupa perakendecisi H&M yaz indirimi için hazırlanıyor;
- AI sistemi faktörleri analiz eder:
- Geçmiş indirimlerdeki çağrı tarihi;
- 500,000 aboneye planlanan e-posta gönderimi;
- Hava durumu tahmini (sıcak hafta sonları — daha fazla çevrimiçi alışveriş);
- Sosyal medya aktivitesi (marka bahsederinde %30 artış).
- Sistem, Cumartesi 14:00 ile 18:00 arası %40’a varan artışla başvuru patlaması öngörüyor;
- Supervisor, 5 gün boyunca optimal vardiya programı teklifi otomatik olarak alır.
Sonuç: tüm başvurular gecikme olmadan işleniyor, ajan yükleri optimal (%75-85), SLA %95+ üzerinde yerine getiriliyor.
Bu, fal bakmak değil. Bu, veriye dayalı planlamadır. AI, bir insanın fark etmeyeceği kalıpları görür, ancak kararları AI’nın tek başına veremeyeceği şekilde süpervizör verir.
AI operations supervisor — AI’ı öğreten ve kontrol eden kişi
Yakın zamanda ortaya çıkan bir rol daha var — ve bu rol her şeyi tamamen değiştirdi.
Eskiden süpervizörler yalnızca insanları kontrol ediyordu. Şimdi ise AI’yı kontrol eden uzmanlar var.
AI Operations Supervisor — botların nasıl çalıştığını izleyen kişidir. Garip mi geliyor? Aslında bu kritik bir roldür. Çünkü AI “aç-kapa ve unut” türü sihirli bir buton değildir. Botlar hata yapar. Yanlış yanıt verebilir, argo ifadeleri anlamayabilir ve sıra dışı taleplerde takılabilir.
AI Operations Supervisor’ın yaptığı iş şudur:
Botların nerede iyi performans gösterdiğini, nerede gösteremediğini analiz eder. Örneğin, iade talebi yapan müşterilerin %30’unun botla konuşmayı çözüm almadan terk ettiğini görür ve sistemi yeniden eğitir. Botun anlamadığı talepleri bulur (“sipariş için para iadesi yapın” yerine “iade oluşturun” gibi) ve bu ifadeleri veri tabanına ekler. Metri̇kleri̇ izler: bot kaç başvuruyu kendi çözdü, kaçını insanlara yönlendirdi, müşteriler ne zaman sinirlenip operatör istedi.
Bu kişi ne programcıdır, ne de AI geliştiricisidir. Hem müşteriyi hem de teknolojiyi anlayan kişidir. İnsanların gerçekte nasıl konuştuğunu, neye ihtiyaç duyduğunu, sistemin nerede hata verdiğini bildiği için AI’yı her gün daha akıllı hale getirir.
AI yönetimiyle ilgili materyalleri incelerken fark ettim ki: şirketler botları izlemek ve eğitmek için ayrı bir uzman atadığında sonuçlar çok daha iyi oluyor. Daha az hata, daha memnun müşteriler ve daha fazla otomatik çözüm. Mantık basit: biri sistemi sürekli izliyor, öğretiyor ve geliştiriyor.
Maaş mı? Genellikle klasik süpervizörden %30–50 daha yüksek. Çünkü böyle bir uzman hem müşteri hizmetleri hem de AI sistemlerinin teknik özelliklerini anlamalı — bu da nadir bulunan bir kombinasyondur.
Geleceğiniz şimdi başlıyor
Soru, AI’nın operatörleri ve süpervizörleri değiştirip değiştirmeyeceği değil. Soru, kimin daha hızlı uyum sağlayacağıdır.
Duygusal zekâsını geliştiren, AI araçlarını öğrenen ve uzmanlık seçenler değerlerini ve maaşlarını artırır. Eski yöntemlere tutunanlar ise geride kalma riski taşır.
EQ’yu geliştirin ve AI ile çalışmayı öğrenin. Güzel haber şu: bunun için programcı olmanıza gerek yok. Teknolojilerin yeteneklerinizi nasıl güçlendirdiğini anlamanız yeterli. İşte başlayabileceğiniz bazı adımlar:
Online kurslar (ücretsiz veya uygun fiyatlı):
- Emotional Intelligence — Coursera (Arizona State University) — iş için EQ temelleri, ~4 hafta;
- Emotional Intelligence in Leadership — Coursera — ekipler için pratik stratejiler;
- Developing Your Emotional Intelligence — LinkedIn Learning — kısa kurs (2–3 saat);
- Customer Service in the Age of Generative AI — Coursera (University of Virginia) — AI chat botlar ve kişiselleştirme hakkında;
- Contact Center AI: Conversational Design Fundamentals — Google Cloud — sanal ajan oluşturma üzerine ücretsiz kurs;
- 10 Best Free AI Customer Service Courses — Sobot Academy — ücretsiz kurs derlemesi;
- Kitap-klasik: “Emotional Intelligence 2.0” by Daniel Goleman.
Chat GPT ile pratik yapın
Becerilerinizi geliştirmenin en kolay yollarından biri: Chat GPT ile pratik yapmak. Her zaman erişilebilir, hatalara kızmaz.
Ondan memnuniyetsiz bir müşteri rolünü oynamasını isteyin, diyaloğu yürütün, geri bildirim alın. Sonra senaryoları zorlaştırın: müşteri imkânsızı talep ediyor veya kişiselleşiyor.
İşverenden eğitim talep edin
Şirketiniz AI uyguluyor mu? Eğitim ve pratik zamanı talep edin. Bu bir rica değil — profesyonel olarak hakkınızdır.
Operatör mesleğinde neler olduğunu ve hangi rollerin ortaya çıktığını ele aldık. Peki teknolojik açıdan bu nasıl çalışıyor? Hangi AI araçları oyunun kurallarını değiştiriyor? Ve en önemlisi: yöneticiler tüm bunları kaosa dönüştürmeden kendi kontakt merkezlerinde nasıl uygulayabilir?
Bu konunun devamı ikinci bölümde. Orada dönüşümün teknolojik mekaniklerini göstereceğim: somut AI senaryolarından adım adım road map uygulamasına kadar. Gerçek vaka örnekleri, metrikler ve ROI rakamlarıyla.
