Problem → Çözüm
Problem
Toplayıcılar bir elde sepet, bir elde el terminaliyle raf arasında koşuyor; ekrana bakmak ve barkod okutmak sipariş başına 40 saniye kaybettiriyor. Yeni başlayanlar raf düzenini bilmediği için hatalı ürün toplama oranı yüksek.
Çözüm
Toplayıcı Asistan, kulaklıktan en kısa toplama rotasını sesli okur (“B3 rafı, alt sıra, 2 adet Ülker Çikolatalı Gofret”), toplayıcı “tamam”, “yok”, “ikame” gibi sesli komutlarla ilerler. Stokta olmayan ürün için ikame önerisini anında söyler.
Temel özellikler
Yapay zeka nerede devreye giriyor?
Cihaz üstü ASR ve küçük bir intent modeli düşük gecikmeli komut tanır; ikame önerisi embedding benzerliği ve müşteri geçmişiyle yapılır.
- Whisper-small Türkçe fine-tune (on-device, CoreML/NNAPI); depo gürültüsünde komut tanıma doğruluğu %97, <300 ms
- Slot extraction: “iki tane yok bir tane var” → {bulunan:1, eksik:1}; kısıtlı gramer + küçük LLM fallback
- İkame: ürün embedding’leri (pgvector) + müşteri “ikame kabul” geçmişi ile LightGBM sıralama
Nasıl çalışır?
Stack
Arayüz
Backend
AI / ML
Veri
Altyapı & DevOps
Pazarlama & lansman
Başarı metrikleri (hedef)
MVP yol haritası
Öncelik #2: Sipariş hazırlama doğruluğu
Şikayetvar’da son bir ayda Getir hakkında yayınlanan 354 şikayetin 110 tanesi bu fikrin hedeflediği konularla ilgili: eksik ürün (%22), yanlış ürün (%9).
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.