Problem → Çözüm
Problem
Destek taleplerinin %70’i eksik ürün, hasarlı ürün ve geç teslimat gibi tekrarlayan konular; ama her biri canlı temsilciye düşüyor ve akşam pikinde bekleme süresi 8 dakikayı geçiyor. Temsilciler de iade politikasını farklı yorumlayabiliyor.
Çözüm
Destek Agent’ı sipariş, kurye ve ödeme servislerini tool calling ile sorgular, iade politikasını RAG ile okur ve yetki limiti içindeki çözümleri (kısmi iade, kupon, yeniden gönderim) anında uygular. Limit dışı, öfkeli ya da belirsiz durumları tüm bağlamıyla insan temsilciye devreder.
Temel özellikler
Yapay zeka nerede devreye giriyor?
Tool calling yapan LangGraph state machine; her aksiyon politika RAG’i ve deterministik kural kontrolünden geçer, risk yüksekse human handoff tetiklenir.
- Claude Sonnet ile tool calling: get_order, check_courier_log, refund(amount, reason), issue_coupon; tüm argümanlar JSON schema ile doğrulanır
- Politika RAG: 140 sayfalık iade/tazmin dokümanı, Qdrant hibrit arama + reranker; Ragas faithfulness 0,94
- Guardrails: tutar limiti ve müşteri iade geçmişi kural motorunda, duygu/öfke sınıflandırıcısı ve 2 başarısız turda otomatik insan devri
Nasıl çalışır?
Stack
Arayüz
Backend
AI / ML
Veri
Altyapı & DevOps
Pazarlama & lansman
Başarı metrikleri (hedef)
MVP yol haritası
Öncelik #1: Satış sonrası: destek, iade, teslimat kodu
Şikayetvar’da son bir ayda Getir hakkında yayınlanan 354 şikayetin 157 tanesi bu fikrin hedeflediği konularla ilgili: destek yetersiz / talep reddi (%23), iade ve ödeme gecikmesi (%21), teslimat kodu ile ret (%5).
Bir fikri production’a taşırken ilk sorum şu: ölçülebilir mi ve mevcut sistemi bozmadan nasıl açılır? Yaklaşık 4 yıl, ayda yüz milyonlarca CDN isteği alan bir embed script üzerinde çalıştım. Kademeli geçiş ve gerçek test kapsamı benim için vazgeçilmez. Remote çalışmaya hazırım.