Yapay zekâ otomasyonu e-ticarette en iyi, en gösterişli aracı seçerek değil; sık tekrarlanan, kuralları tanımlanabilen ve hatası ölçülebilen bir işi seçerek başlatılır. Ürün verisi kontrolü, müşteri taleplerinin sınıflandırılması veya sipariş istisnelerinin önceliklendirilmesi gibi süreçler, ilk pilot için yaratıcı içerik üretiminden daha sağlam adaylar olabilir.
Yapay zekâ otomasyonu için doğru işi nasıl seçersiniz?
Bir süreci otomasyona almadan önce yalnızca “Bu işi yapay zekâ yapabilir mi?” sorusunu sormak yetersizdir. Asıl soru, otomasyonun operasyonel maliyeti ve hata riskini birlikte düşürüp düşürmeyeceğidir. Aşağıdaki dört ölçüt, aday süreçleri karşılaştırmak için kullanılabilir:
- İş hacmi: Görev günlük veya haftalık olarak ne kadar tekrarlanıyor?
- Harcanan süre: Ekip bu işe toplam kaç saat ayırıyor?
- Hata maliyeti: Yanlış karar müşteri kaybı, reklam israfı, stok problemi veya iade doğuruyor mu?
- Karar açıklığı: Başarı ölçütleri ve istisna kuralları yazılı olarak tanımlanabiliyor mu?
Bu ölçütler, yapay zekâ otomasyonu için aday süreçleri yalnızca teknik uygulanabilirliğe göre değil, operasyonel faydaya göre de karşılaştırmayı sağlar.
Yüksek hacimli ama düşük riskli işler hızlı pilot adayıdır. Düşük hacimli ve yoruma çok açık işler ise yapay zekâ aracı kullanılabilse bile önceliklendirmede geriye alınmalıdır. Örneğin yüzlerce ürün açıklamasındaki eksik alanları bulmak, müşteri iadesini otomatik olarak reddetmekten daha kontrollü bir başlangıçtır.
İlk otomasyon adaylarını puanlama yöntemi
Her süreci 1 ile 5 arasında puanlayarak basit bir öncelik listesi oluşturabilirsiniz. Hacim, zaman tasarrufu ve ölçülebilirlik puanı yükseldikçe fırsat büyür; hata maliyeti ve insan müdahalesi ihtiyacı yükseldikçe uygulama zorluğu artar.
| İş türü | Otomasyon fırsatı | İlk karar |
|---|---|---|
| Ürün veri alanlarını kontrol etme | Yüksek hacim, kural tabanlı kontrol | Pilot için uygun |
| Müşteri taleplerini konuya göre sınıflandırma | Yüksek tekrar, insan onayı eklenebilir | Kontrollü pilot |
| Stok istisnelerini önceliklendirme | Operasyonel fayda yüksek, veri kalitesi kritik | Veri kontrolünden sonra |
| İade talebini tek başına onaylama | Hata maliyeti ve müşteri etkisi yüksek | Otomatik karar verme |
Bu puanlama, teknoloji satın alma kararından önce yapılmalıdır. Bir aracın çok sayıda özelliğe sahip olması, işletmedeki en değerli süreci otomatikleştirdiği anlamına gelmez. İş akışının mevcut ERP, e-ticaret sitesi, CRM veya pazaryeri verileriyle nasıl besleneceği de aynı değerlendirmeye dahil edilmelidir.
E-ticarette başlangıç için uygun otomasyon örnekleri
İlk yapay zekâ otomasyonu projesinde amaç, tüm operasyonu insansız bırakmak değil, ekip zamanını düşük değerli tekrarlardan kurtarmaktır. Başlangıç için şu senaryolar daha yönetilebilirdir:
- Katalog kalite kontrolü: Eksik ürün özelliklerini, tutarsız ölçü birimlerini ve açıklama-kategori uyumsuzluklarını işaretlemek.
- Destek talebi yönlendirme: Kargo, iade, ödeme ve ürün bilgisi taleplerini ilgili kuyruğa ayırmak.
- Operasyon özeti hazırlama: Günlük sipariş istisnalarını, geciken gönderileri veya kritik stok sinyallerini tek bir raporda toplamak.
- Arama ve reklam verisi sınıflandırması: Sorguları ürün, marka, bilgi arama ve alakasız trafik gibi gruplara ayırmak; son kararı ekipte bırakmak.
Bu işlerde çıktı doğrudan müşteriye veya kampanya bütçesine uygulanmadan önce bir kontrol adımı eklenebilir. Böylece sistem, karar verici olmaktan çok önceliklendirme ve öneri katmanı olarak çalışır.
İnsan onayı hangi noktada zorunlu olmalı?
İnsan onayı; müşterinin parasını, kişisel verisini, sözleşmesel hakkını veya marka deneyimini doğrudan etkileyen kararlar için korunmalıdır. İade reddi, hesap kapatma, yüksek tutarlı indirim, kredi değerlendirmesi, kişiselleştirilmiş fiyat veya hassas müşteri sınıflandırması otomatik akışın son adımına bırakılmamalıdır.
Risk yönetimi için öneri, onay bekleyen işlem ve otomatik uygulanabilir işlem olmak üzere üç seviye tanımlanabilir. Bu yaklaşım, NIST AI Risk Management Framework içinde öne çıkan riskleri belirleme, ölçme ve yönetme mantığıyla uyumludur. Avrupa Birliği pazarına satış yapan işletmeler için AB Yapay Zekâ Tüzüğü de sistemin kullanım alanına göre doğabilecek yükümlülüklerin ayrıca incelenmesini gerektirir.
İnsan onayı yalnızca ekranda bulunan bir buton olmamalıdır. Onaylayacak kişinin hangi veriyi gördüğü, hangi durumda işlemi reddedeceği ve kararın nasıl kaydedileceği tanımlanmalıdır. Aksi halde otomasyon, sorumluluğu ortadan kaldırmaz; yalnızca belirsizliği başka bir ekrana taşır.
Veri kalitesi ve entegrasyon kontrolü
Bir yapay zekâ otomasyonu projesinin başarısı, modelden önce veri akışına bağlıdır. Ürün kodları farklı sistemlerde farklı tutuluyorsa, stok bilgisi gecikmeli geliyorsa veya müşteri taleplerinde kategori bilgisi bulunmuyorsa otomatik çıktıların güvenilirliği düşer.
Pilot öncesinde en az şu kontroller yapılmalıdır:
- Kaynak sistem ve kullanılacak veri alanları listelenmeli.
- Verinin güncellenme sıklığı ve gecikme toleransı belirlenmeli.
- Eksik, çelişkili veya eski kayıtlar ayrı bir durum olarak işaretlenmeli.
- Otomasyonun ürettiği sonuçlar örneklem yöntemiyle düzenli kontrol edilmeli.
- Yanlış sonuçta akışı durduracak bir geri alma veya manuel işlem yolu hazırlanmalı.
Veri ve yapay zekâ yönetimine ilişkin ilkeleri karşılaştırmak isteyen ekipler, OECD Yapay Zekâ İlkeleri ile şeffaflık, güvenlik ve hesap verebilirlik başlıklarını inceleyebilir. Google’ın sorumlu yapay zekâ ilkeleri de güvenlik, insan yararı ve adalet gibi tasarım kriterlerini özetler.
Başarıyı hangi KPI’larla ölçmelisiniz?
Pilotun yalnızca “çıktı üretti” seviyesinde değerlendirilmesi yanıltıcıdır. Operasyonel sonuç, kalite ve risk aynı anda izlenmelidir. Kullanılabilecek temel göstergeler şunlardır:
- Görev başına harcanan süredeki değişim
- İnsan tarafından düzeltilen çıktı oranı
- Yanlış yönlendirme veya hatalı sınıflandırma oranı
- İşlem tamamlama süresi
- Müşteri, sipariş veya reklam bütçesi üzerinde oluşan hata sayısı
- Otomasyonun çalışmadığı durumlarda manuel sürece dönüş süresi
Yapay zekâ otomasyonu değerlendirilirken bu göstergeler başlangıçtaki mevcut durumla karşılaştırılmalıdır. İlk ölçüm, otomasyon devreye alınmadan önceki mevcut durumla karşılaştırılmalıdır. Zaman tasarrufu sağlanırken düzeltme oranı artıyorsa proje başarılı sayılmaz. Daha hızlı işlem, daha fazla müşteri şikâyeti veya hatalı stok kararı üretiyorsa kazanım yalnızca görünüştedir.
Küçük bir pilotla başlayın, kapsamı kanıtla büyütün
Sağlam bir yapay zekâ otomasyonu pilotu tek bir süreç, sınırlı bir veri kümesi ve açık bir başarı eşiğiyle başlar. Örneğin yalnızca belirli bir ürün kategorisindeki eksik özellikleri işaretleyen bir akış kurulabilir. İki veya dört haftalık gözlem sonunda doğruluk, düzeltme süresi ve ekip kabulü ölçülür.
Pilot hedefleri karşılanıyorsa yeni kategori veya kanal eklenir. Karşılanmıyorsa araç değiştirmeden önce veri kaynağı, kural seti ve insan onayı incelenir. E-ticarette otomasyonun değeri, kaç işlemi insanlardan aldığıyla değil; daha az hata ve daha iyi karar kalitesiyle ölçülür.
