Yapay zekâ ve sesli asistan

Cevap veren asistan, iş yapan asistan

Piyasadaki asistanların çoğu soru cevaplar: bir metin üretir, bir belgeyi özetler, bir e-postayı yazar. Bunlar işe yarar ama kullanıcının işini bitirmez — üretilen metni yine birinin doğru yere yazması gerekir. İş yapan asistan farklıdır: konuşulan cümleyi sistemde bir kayda dönüştürür, kaydı oluşturur ve ne yaptığını geri okur.

ASNPRO’da 50’den fazla işlem Türkçe konuşarak yapılıyor. “Bakımı tamamla, iki yüz lira tahsilat gir” dendiğinde asistan iki ayrı işlem çalıştırır, ikisini de ilgili kayda bağlar ve sonucu söyler. Aradaki fark şudur: birincisinde kullanıcı bir metin alır, ikincisinde işi biter.

Bir sesli komut katmanı nelerden oluşur

Zincirin ilk halkası konuşmanın metne çevrilmesidir. İkinci halka niyet çözümlemesidir: hangi işlem isteniyor, hangi kayıt üzerinde, hangi parametrelerle. Üçüncü halka yetki kontrolüdür — kullanıcının o işlemi yapmaya hakkı var mı. Dördüncüsü işlemin çalıştırılması, beşincisi sonucun kullanıcıya geri okunmasıdır.

Bu halkalardan en çok gözden kaçanı üçüncüsüdür. Sesli komut, yetki yapısının etrafından dolaşan bir arka kapı olmamalıdır; asistan üzerinden yapılan işlem, kullanıcının ekrandan yapabileceği işlemle aynı kurallara tabidir ve aynı şekilde kayda geçer.

Türkçe konuşmanın getirdiği zorluklar

Türkçe’de bir kelimenin sonuna eklenen ekler anlamı değiştirir ve konuşma tanıma bunları sıklıkla yanlış böler. “Binanın”, “binaya”, “binada” aynı varlığa işaret eder ama metin olarak farklıdır; niyet çözümlemesinin bu ekleri normalleştirmesi gerekir.

İkinci zorluk özel isimlerdir. Bina adları, mahalle adları, personel isimleri sözlükte yoktur ve tanıma motoru bunları en yakın bildiği kelimeye çevirir. Çözüm, sizin kendi verinizdeki isimleri bir sözlük olarak tanıma katmanına vermek ve sonucu bu listeye karşı en yakın eşleşmeyle düzeltmektir.

Üçüncüsü sayılar ve tarihlerdir: “iki yüz elli” ile “iki, yüz elli” arasındaki farkı bağlamdan çözmek gerekir. Tutar ve tarih içeren işlemlerde asistan çalıştırmadan önce anladığını tekrar eder; yanlış anlaşılan bir tahsilatı geri almak, bir kez fazladan onay istemekten pahalıdır.

Belge, fiş ve fatura okuma

OCR tarafında yapılan iş metni okumakla bitmez; okunan metinden doğru alanları çıkarmak asıl kısımdır. Bir fişte tarih, tutar, KDV ve firma unvanı; bir faturada ayrıca kalem satırları. Sahadan telefonla çekilen belgeler eğri, buruşuk ve kötü ışıkta olur; ön işleme adımında görüntü düzeltilir, ardından alan çıkarımı yapılır.

Çıkarılan her alanı bir güven değeriyle birlikte döndürürüz. Güven değeri eşiğin altındaki alanlar kullanıcıya onaya düşer, üstündekiler doğrudan kaydedilir. Eşiği baştan sizinle birlikte belirleriz: muhasebeye giden bir tutarın eşiği, bir açıklama alanının eşiğiyle aynı olmamalıdır.

Model seçimi ve verinin nereye gittiği

Model seçimini üç soruya göre yapıyoruz: veri dışarı çıkabilir mi, gecikme ne kadar olmalı, işlem başına maliyet ne kadar taşınabilir. Veri dışarı çıkamıyorsa kendi sunucunuzda çalışan açık ağırlıklı modellere bakarız — donanım gereksinimi ve kalite farkı yazılı olarak konulur. Çıkabiliyorsa bulut sağlayıcılarını kullanırız ve hangi verinin hangi sağlayıcıya gittiğini kalem kalem belgeleriz.

Her işlemi modele sormuyoruz. Kalıbı belli, sık tekrarlanan komutlar kural tabanlı katmanda çözülür; model yalnızca belirsiz cümlelerde devreye girer. Bu hem hızlıdır hem ucuzdur, hem de aynı cümlenin her seferinde aynı sonucu vermesini sağlar.

Bir asistanı devreye alma sırası

İlk adımda komut listesini çıkarırız: hangi işlemler sesle yapılacak. Bu liste kısa başlar — günde defalarca tekrarlanan, elle yapılması zaman alan beş on işlem. Her işlem için hangi parametrelerin zorunlu olduğu, eksik parametrede ne sorulacağı ve hangi durumda onay isteneceği yazılır.

İkinci adımda değerlendirme kümesi hazırlanır: gerçek kullanıcıların söyleyebileceği cümlelerin listesi ve her birinin beklenen sonucu. Bu küme olmadan asistanın iyileşip iyileşmediği ölçülemez; her değişiklikten sonra aynı kümeyi çalıştırırız.

Üçüncü adımda asistan sınırlı bir kullanıcı grubuna açılır ve yanlış anlaşılan cümleler kaydedilir. Bu kayıtlar hem sözlüğü hem niyet kurallarını besler. Devreye alma bir seferlik bir iş değildir; ilk aylarda düzenli olarak yanlış anlamaları gözden geçirip listeyi genişletiriz.

Asistanın sınırını yazmak

Bir asistanı kullanılabilir kılan şey ne yaptığı kadar, ne yapmadığını bilmesidir. Anlamadığı bir cümleye yakıştırma yapan asistan, anlamadığını söyleyenden daha zararlıdır: kullanıcı bir süre sonra her sonucu kontrol etmek zorunda kalır ve asistan ortadan kalkar.

Bu yüzden niyet çözümlemesine bir eşik koyarız. Eşiğin altındaki cümlelerde asistan tahminde bulunmaz; ya en yakın iki seçeneği sunar ya da kullanıcıyı ilgili ekrana götürür. Kapsam dışındaki sorulara da açıkça kapsam dışı cevabı verir. Bu davranışı bir eksiklik değil, tasarım kararı olarak yazıyoruz.

Aynı disiplin metin üreten kısımlar için de geçerli. Bir rapor özeti isteniyorsa özetin dayandığı kayıtlar bağlantı olarak gösterilir; kullanıcı sayıyı kaynağında doğrulayabilir. Kaynağı gösterilemeyen bir çıktıyı ekranda bırakmıyoruz.