Chatbot’lar neden önemlidir?

Bir Cevap Yazın

Günümüz hizmetlerine dönüp baktığımız zaman hantal işleyen yapılar olduğunu net bir şekilde görebiliriz. Hantal yapıyı daha iyi bir hale getirmek için tek çare yeni bir insan gücü, yeni bir tane daha ve yeniden bir tane daha… İstek ve ihtiyaçların bu denli arttığı günümüz koşullarında aynı paralellikte artan insan gücü ile de çözüm sağlıklı bir şekilde yapılamamaktadır. Sektör bağımsız olarak değerlendirirsek, verilen hizmet ve ödenen para eğrisinin artık ters orantıya doğru kaydığı görülmektedir. Durum işin içinden çıkılamaz bir hal almaya giderken, yepyeni bir teknoloji ve akabinde teknolojinin farklı bir dalı ile karşılaştık. Yapay zeka ve chatbot’lar…

Araştırmalar bize gösteriyor ki; aldığımız telefonlar teknoloji alanında müthiş bir ilerleme kaydederken, telefonun asıl varoluş nedeni olan arama özelliği git gide azalmaktadır. Bu kırılıma bakmak gerekirse; insanların ihtiyaçlarını karşılayan bir takım özellikleri artık arayarak giderme yerine, browser üzerinde araştırma, twitter içerisinde ilgili konu ile alakalı tweetlere bakmak veya kendi konuşma gruplarında arkadaşlarına sorarak danışma olarak bulabiliriz. En son çare olarak ilgili firmayı arayarak danışma hizmeti alınmaktadır ki bu dünümüz Z kuşağının kesinlikle tercih etmek istediği bir yöntem değildir. Bu durum kullanıcıların gözünden ticari firmalar…

Peki firmaların gözünden müşterileri değerlendirmek gerekirse; firmalar verilen hizmeti daha iyiye götürmek için bir dizi yenilik getirmek için hem kendi aralarında hemde global alanda ciddi bir rekabet içindeler. Artan müşteri istekleri ve ihtiyaçlarına karşılık verebilmek için ilk aşama teknolojinin gücüne, yetmediği yerde insan gücüne sahip olmaya çalışmaktalar. Firmaların ortak kanısı, müşteriler hizmet ve destek beklediği yerde ciddi bir memnuniyetsizlik duyuyor ve bunu gidermek için personel alımı ve aynı zamanda teknolojiye anlık çözümler için devasa yatırımlar devam etmek zorunda olduklarıydı.

Hem müşteri hem de firmalar gözünden durumu değerlendirdikten sonra chatbot’lar bu alanın neresinde sorusu aklımıza geliyor. Bu konu bu kadar kısa sürede neden bu denli önemli bir noktaya geldi? Genel olarak yukarıda bahsetmiş olduğum açıkların hepsini kapatabilen bir teknoloji olduğu için iş dünyasında bu kadar sahiplenilen bir teknoloji oldu.

Sadece yaz! Chatbot’lar sayesinde artık insanların yazmış olduğu yazılardan yazmak istedikleri niyeti anlayabiliyor, aynı zamanda niyetine en uygun çözümü insanlara sunabiliyor. Sürekli manuel olarak bir müdahale gerektirmiyor. Kendi kendine öğrenen sistemlerle yapılar kendini sürekli eğitmekte, geliştirmektedir. Gelişim sayesinde insanlarda değişen ihtiyaçlara daha doğru cevaplar üretebilmekte.

Kişilleştirilebilmekte! Chatbot’lar aynı zamanda insanların konuşma tarz ve üslüplerine göre yanıt dönebiliyor. Onlara onlar gibi davranabiliyor. Danışmanlı eğitim yaparak istemiş olduğumuz şekilde bot’larımızı yönlendirebiliyoruz.

Zamanla seni tanıyor! Chatbot’lar ile konuşmaya başladığınız andan itibaren chatbot’lar sizin davranışlarınızı izliyor. Konuşma tarzınızı ve yapmak istediğiniz tüm işlemleri takip ediyor. Bir sonraki sohbette sizi daha çok tanıyan bir chatbot ile karşılaşmanız muhtemel olacak. Her bir konuşmada size karşı tecrübelerinde artış olduğu için sürekli aynı işlemi yapan kişiye, bir sonraki gelişinde “yeniden bu işlemi yapmak ister misiniz?” gibi bir soru ile kendi kendine karar vererek müşteriyi karşılayabiliyor.

Seni anlıyor! Kurmuş olduğun cümlenin niyetini ayrı, içeriğini ayrı anlıyor ve bunları sonrasında tümceyi geri birleştirip bir anlam üretiyor. En sonunda senin için en doğru olan yanıtı sana geri dönüyor. Hizmet aldığın firmadan daha özel bir bilgi almak istediğin zaman gerekli güvenlik adımlarını geçtikten sonra sana istediğin her türlü bilgiyi anlık olarak sana sağlayabiliyor. Evet, bu teknoloji tam olarak bunu sağlıyor. Telefonun başında hiç bir zaman “Sizi kısa süre bekletiyorum.” mesajını almayacağına garanti verebilirim.

Zaman değerli! Yapmak istediğin işlem her ne ise bunu tek bir cümle halinde chatbot’lara sorduğun zaman alacağın yanıt, oran olarak eski sisteme göre yarı yarıya fark ediyor.

Günümüz ihtiyaçlarına baktığınız zaman, hangi sektör olduğu önemsiz olarak diyebilirim ki bu teknolojiyi kendi bünyesine entegre etmeyen firmalar için hazin son sandığımızdan daha yakın olabilir…

Yapay Sinir Ağlarında Öğrenme

Bir Cevap Yazın

Yapay sinir sistemlerinde öğrenme en basit hali ile dışarıdan bilgi girişi giriş katmanına aktarılır, girişi yapılan datalar işlenir ve aktivasyon fonksiyonundan geçirilerek bir veya daha fazla çıkış üretilir. Sistemden çıkan sonuç ile beklenen sonuç karşılaştırılır. Aradaki fark oransal olarak daha önceden belirlenen orandan büyük ise, bu işlem değişen algoritma ile tekrar sağlanır. Bu süreç belirlenen hata oranını yakalayana kadar devam eder. Algoritma üzerindeki değişikler çoğunlukla var olan ağın ağırlıkları üzerinden yapılır. Ağırlıklar üzerinde oynanarak aktivasyon fonksiyonu daha efektif bir şekilde kullanılması sağlanmak istenir. Yaşanılan duruma göre oynanan ağırlıklar sonucunda gelinmesi istediğimiz sonuca ulaşma evresine yapay sinir ağlarında öğrenme adını veririz.

Beklediğimiz sonuca ağırlıkların oynanması ile ulaştıktan sonra, bir sonraki aşamada dış dünyadan edindiğimiz dataların değişimi izlemektedir. Giriş katmanına verilen data değiştirilir ve önceki datadan farklı bir data deseni ile tekrar ağırlıkların doğruluğu hesaplanır. Belirlenen hata oranı bir başka data deseni verildiği zamanda tutuyorsa makinanın istemiş olduğumuz kuralı öğrendiği anlamına gelir.

Bir ağın öğrenme sürecini maddeler halinde ele alırsak;

  1. Sisteme girilmesini istediğimiz verilerin toplanması gerekmektedir. Veriler sisteme tek tek girilerek ağın problemi öğrenmesi sağlanır. Ağ dışarıdan almış olduğumuz verilerle öğrenmesini tamamladıktan sonra birde test datası oluştururuz. Bu test datası ile ağın ne kadar öğrenip öğrenemediğini test etmemize yarar.
  2. Ağın topolojik yapısı belirlenir. İstenilen sonuca göre uyarlanır. Giriş, gizli katmanlar, çıkış katmanları belirlenir, bu katmanlar arasında hücrelerin ne kadar olacağı bu aşamada belirlenir.
  3. Ağın öğrenme katsayısını toplama ve aktivasyon fonksiyonları, momentum katsayısı, ağırlıkların doğru belirlenmesi gibi parametrelere bağlıdır.
  4. Ağırlıklar başlangıç aşamasında tahmin edilen şekilde verilir. Ağın öğrenmeye başlaması ile ağırlıkların sonuca göre güncellenmesi evresi de başlar.
  5. Ağın ağırlık katsayılarını belirlemek adına test verileri ağın giriş katmanına verilir. Bu sayede ağırlık katsayıları oluşan sonuçlara göre sürekli güncellenir.
  6. Geri hesaplama metodu ile hatanın azaltılması için ağırlıklar güncellenir.
  7. Beklenen sonuç ile çıkan sonuç arasındaki oran istenilen orana yakın olduğu zaman ağın öğrenmesi tamamlanmış olarak kabul edilir.
  8. Öğrenme sürecini tamamlayan ağ yapısına bu sefer dış dünyadan daha farklı veri setleri verilir. Yeni verilen veri setlerinde de ağırlık güncellemesi gerekmez ise ağ yapısı öğrenme sürecini tam anlamı ile tamamlamış kabul edilir.

Ağa sunulan girdiler için istenen çıktının üretilmesi için belirlenen ağırlık değerleri ilk seferde rastgele verilir. Ağın öğrenme sürecine başlaması ile bu ağırlık değerleri üzerinde sürekli bir güncelleme gerekir.

Ağın öğrenme sürecinde beklenen hata payı hiç yakalanmayabilir. Bu durum ile karşılaşıldığı zaman ağırlık katsayılarından çok ağın topolojisi, katman mimarisi veya ağa sunulan verilere bakılması gerekir. Altyapıda bir değişiklik yapmak bu durumlarda daha doğru olacaktır.

Dış dünyadan aldığımız verileri ağ yapısında giriş katmanına veririz ve çıkan çıktıda ağın öğrenmiş olduğunu bekleriz. Öğrenme süreci tamamlanana kadar güncellemeler yapar, ağ yapısından en verimli sonucu almayı amaçlarız. Bir yapay sinir ağ yapısının temelde üç tane öğrenme algoritması vardır. Bunlar; danışmanlı, danışmansız ve takviyeli öğrenmedir.

1. Danışmanlı Öğrenme

Bu tip öğrenme sürecinde herhangi bir şekilde öğretenin bulunması gerekmektedir. Var olan probleme ait girdiler ile beraber çıktı değerlerinin de ağ yapısına verilmesi gerekir. Girdi-çıktı karşılıkların tutarlı olabilmesi için modelde bulunan ağırlıklar katsayıları buna göre güncellenmelidir. En uygun değer bulunana kadar ağırlıklar girdi-çıktı verileri baz alınarak güncellenir.

2. Danışmansız Öğrenme

Bu öğrenme yönteminde çıktı değerleri sisteme verilmez, sadece dış dünyadan alınan girdi verileri ağ yapısına aktarılır. Ağ yapısından verilen girdileri birbirine yakınlığı baz alınarak sınıflandırması beklenir. Ağırlıklar bu sınıflandırmayı yapabilecek şekilde güncellenir. Ağ yapısı yapması gereken sınıflandırmayı verilen ağırlık katsayılarından anlar. Güncelleme tamamlandığında ağ yapısının öğrenmesi de tamamlanmış sayılır.

3. Takviyeli Öğrenme

Bu öğrenme yöntemi çok kullanılmamakla beraber bir öğretici takviyeli öğrenme yönteminde de yoktur. Danışmanlı öğrenme ile kıyaslanırsa bu öğrenme metodolojisinde sisteme çok detay verilmemektedir. Girilen bilgiler karşısında çıkan çıktıya bakılarak, ağ yapısına çıkardığı sonucun doğru veya yanlış ya da iyi veya kötü olduğu söylenir. Verilen bu bilgiyi ağın kullanıp tekrar öğrenmesi amaçlanmaktadır.

Anaconda’da psutil.AccessDenied (pid=607) hatası

Bir Cevap Yazın

Çok sıkı bir Anaconda ürünü kullanıcısı olarak geçenlerde aşağıdaki şekilde bir hata aldım ve nedeni hakkında hiç fikrim yoktu. Aslında çok basit olan bu hatanın çözümü de bir hayli basitmiş. Bunu sizlerle paylaşmak istedim.Anaconda üzerinde şu şekilde bir hata alıyorsanız;

Traceback (most recent call last):
  File "/Users/deanimal77/anaconda/lib/python3.6/site-packages/psutil/_psosx.py", line 293, in wrapper
    return fun(self, *args, **kwargs)
  File "/Users/deanimal77/anaconda/lib/python3.6/site-packages/psutil/_psosx.py", line 356, in cmdline
    return cext.proc_cmdline(self.pid)
PermissionError: [Errno 13] Permission deniedDuring handling of the above exception, another exception occurred:Traceback (most recent call last):
  File "/Users/deanimal77/anaconda/lib/python3.6/site-packages/anaconda_navigator/exceptions.py", line 75, in exception_handler
    return_value = func(*args, **kwargs)
  File "/Users/deanimal77/anaconda/lib/python3.6/site-packages/anaconda_navigator/app/start.py", line 108, in start_app
    if misc.load_pid() is None:  # A stale lock might be around
  File "/Users/deanimal77/anaconda/lib/python3.6/site-packages/anaconda_navigator/utils/misc.py", line 384, in load_pid
    cmds = process.cmdline()
  File "/Users/deanimal77/anaconda/lib/python3.6/site-packages/psutil/__init__.py", line 701, in cmdline
    return self._proc.cmdline()
  File "/Users/deanimal77/anaconda/lib/python3.6/site-packages/psutil/_psosx.py", line 306, in wrapper
    raise AccessDenied(self.pid, self._name)
psutil.AccessDenied: psutil.AccessDenied (pid=607)

Bu hatanın nedeni uzun süredir Anaconda’yı restart etmediğinizden dolayı alınan bir hata.

Bunun için;

$ anaconda-navigator — reset

komutu çalıştırmanız sizler için yeterli olacaktır.

Ek olarak Anaconda’yı da arada update etmenizi öneririm.

$ conda update anaconda-navigator

Yeni Dönem Bankacılık Sektöründe Chatbot Kullanımı

Bir Cevap Yazın

Gelecek dönem ile beraber bizleri bambaşka bir bankacılık deneyimi beklediğini görmek siteye göz atan biri için zor olmayacaktır. Bankacılık sektöründe ilk olarak alışageldiğimiz banka personelini bekleme veya çağrı merkezini arayıp dakikalarca aynı melodiyi dinleme devri yeni dönem yapay zeka teknolojileri ile son bulmaktadır. Bunların dışında sizin sadece işlerinize yönelik bir yardımdan ziyade ek bir akıl koyma olanaklarını gelecek dönemde bizlere sunacağından şüpheniz olmasın.

Ağır olacak ama gerçek şu ki; Chatbot kavramının yapay zeka teknolojisi ile yapılması halinde, bu kanalda çalışan personellere ihtiyaç kalmayacaktır. Güncellenen bilgiler ile sürekli kanallar veri ile beslenecek, öğrenen insanlar değil makineler olacaktır.

Banka müşterileri ilk zamanlarda bunu yadırgasalar da bankalar yeni dönemle beraber artık müşterilerini chat veya sesli konuşma gibi kanallara yönlendirecek ve bir zamandan sonra zorunlu hale getireceklerdir. Neden zorunlu derseniz, gelinen noktada zaten müşteri kendi isteği ile çağrı merkezine bağlanmak istemeyecektir. Örneğin; insan gücü ile yapılan 10 dakikalık bir işi 1 dakika içerisinde yapılması müşteriye seçim hakkından çok daha fazlasını sunmak olacaktır.

Yeni dönem bankacılık ile beraber müşteri yapmak istediği herhangi bir işlemi beyninde düşündüğü tasarladığı gibi yazması veya söze dökmesi bizler için yeterli olacaktır. Kısa vadede gelecek olan yenilik, bankacılık uygulamalarını yapay zeka teknolojisi üzerine konumlandırmak olacaktır. Bankalar ilk aşamada chat ve sonraki süreç içerisinde ses ile destek vermeye başlayacaklardır.

Tüm bu değişen çevre ve teknoloji koşullarının bu kadar hızlı bir şekilde olmasını beklemek doğru olmaz. Teknoloji ile beraber biz bankacıların gelmesini istediğimiz dünyaya daha çok uzun bir zaman olduğunu söylemem gerekir. Bundan dolayı kısa vadede hiçbir banka kendini tamamen yeni gelişen yapay zeka teknolojisini varındıran altyapılara hemen teslim etmeyecektir. Sürekli bir kontrol mekanizması ile kontrollerden geçecek, yapmak istenen ile yapılan işler birbirleri ile kıyaslanacak ve canlı olarak insan görüşmeleri ilk fazdaki chatbot’un çözemediği işleri çözmeye devam edecektir. Bu süreç uzun vadede başarıyı getirecek ancak acele ile ilk olmak isteyen bankalar içinde bir hüsran olacaktır.

Bir diğer nokta ise; tekrarlı yapılan her iş gelecek dönemde yapay zeka teknolojisine kayacağı unutulmamalıdır. Tekrarlı yapılan işten kastım banka nezdinde gişe, müşteri hizmetleri, şube operasyonları gibi işleri söyleyebilirim. Herhangi bir katma değeri olmayan, sürekli tekrarlanan aynı işlerin her biri yapay zeka teknolojisi ile yapılacağı için insanlarında artık teknoloji gibi evrilmesinin zamanı gelmiştir. Artık katma değer yaratan, yapılan işe bir zeka koyan işlere insanoğlunun yönelmesi gerekmektedir. Teknolojide çöp olarak görülen tekrarlı işler ile uğraşmaktansa kendine birtakım değerler katmak zorundadır.

Bankacılık sektörünün gelecek döneminde insanın konuştuğunu anlayan ve ona cevap veren sistemlerin yanında, artık piyasayı tahmin eden, ekonomi alanında faaliyet gösteren, iflas tahmini yapabilen ve gidişatı kurumsal müşterilerine bildirebilen, bireysel veya kurumsal olan müşteri için hisse seçimi yapabilen, seçimleri ile alakalı kar tahmini yapabilen ve yine hem bireysel hem kurumsal müşteriler için finansal planlama yapabilen sistemlere geçilecektir. (Bu konu ile ilgili daha detaylı yazılara önümüzdeki zamanlarda yer vereceğim)

Tüm bu özellikler ile chatbotların gelecek dönem bankacılık sektöründe beklenildiğini söylemek gerekir. Bu gelişmeler ile beraber daha az personel ile katma değeri daha yüksek işlere odaklanacak olan bankacılık sektörünün gidişatı rekabetin getirdikleri ile beraber daha yüksek seviyelere ulaşacaktır.

Çağrı Merkezi Kanalında Chatbot Kullanımı

Bir Cevap Yazın

Müşteri ile en çok temas çağrı merkezi kanalı üzerinden sağlanır. Kampanyaların çıkışı, müşterinin herhangi bir işi için direkt olarak aradığı kanal çağrı merkezi kanalıdır. Bundan dolayı bankacılık sektöründe yatırımın üst düzeyde yapıldığı bir alandır.

Yapay zeka teknolojisinin ilk uygulama alanı bankacılık sektöründe bu denli önem taşıyan bir kanal üzerinden olması daha doğru olacaktır.

Call center kanalında katma değer katmayan işler için gelen aramaların azalması ilk hedef olmalıdır. Katma değer katmayan işlerin analizini yapmak bu aşamada en doğrusu olacaktır. Eğer ki arama kayıtların nedenlerine bakacak olursak ilk sırada şikayet/talep isteklerinden kaynaklı aramaları görebiliriz. Bu durum banka personelini gereksiz yere meşgul etmektedir. Bunun haricinde yukarıda da bahsetmiş olduğum, kullanmış olduğu kart ile ilgili bilgi alma talebi ile gelen aramalar veya yazışmaları söyleyebiliriz. Para transferleri, şifre bloke gibi bankacılık sektörünün salt özellikleri ile ilgili arama ve yazı ile gelen talepleri sayabiliriz.

Bunları madde madde ele alarak ilerlersek;

· Şikayet/Talep isteklerinden kaynaklı aramalar
Bu tür aramalar şikayet/talep sonuçlanıncaya kadar müşteriden gelen aramalardır. Bir şikayet/talep isteğinin banka tarafında sonuçlanması ortalama iki gündür. İki gün boyunca her bir saatte müşterinin arayıp şikayet/talep durumunu öğrenmek istemesinden kaynaklı müşteri temsilcisini meşgul etmesi bankanın istemeyeceği bir durumdur.

Bu durum chat tarafı için konuşmamız gerekirse, müşteri bu durumunu temsilciye bağlanmadan önce direkt olarak şikayet/talep numarasını yazarak otomatik olarak ilgili web service üzerinden durumunu alıp müşteriye sunmak olacaktır. Yapay zekanın varlığı burada müşterinin niyetini anlamasıdır. Niyet anlaşıldıktan sonra o niyete karşılık gelecek olan sonucu müşteriye arada bir personel olmadan iletilmesi sağlanmalıdır.

Chat harici müşteri hizmetleri araması durumunda müşteri hizmetlerinin direkt yönlendirmesi ve şikayet/talep ile ilgili bilgiyi kendisi vermemesi beklenmektedir. Bu şekilde müşteri şikayet/talep konusu ile ilgili call center kanalında belki kendisi farkında olmadan yapay zeka teknolojisini kullanması zorunda bırakılacaktır.

Müşteri istemiş olduğu herhangi bir kanal üzerinden şikayetini söyler. Şikayeti Chatbot uygulamamız alır ve banka içerisinde var olan şikayet yönetimi sistemi ile web servisleri aracılığı ile konuşur. Yeni bir kayıt ise bu kayıt açılır ve müşteriye bir numara verilir. Öncesinden var olan bir kayıt ise, kayıt ile ilgili bilgi müşteriye aktarılır. Bu sayede şikayet ve banka müşterisi arasında herhangi bir personelin olmasına gerek yoktur.

Yapay zeka teknolojisi ile şikayetini istediği her zaman ve her yerden takip edebileceğini öğrendiği için müşteri temsilcisi ile konuşmak müşteriye de cazip gelmeyecektir.

· Kampanyalar ile ilgili bilgi almak için gelen aramalar
Her bir kartın veya müşterinin üzerinde belirli kampanyalar mevcuttur. Kampanyalar müşteriye güzel fırsatlar sunmakla beraber, günlük veya aylık harcamalarında yardımcı bir faktör olarak değerlendirilebilir.

Müşterilerin çoğu kendi üzerinde olan kampanyaları öğrenmek ve istemiş olduğu kampanyalara katılmak ister. Bunu sağlamanın iki yolu vardır.

İlk olarak banka müşterisi müşteri hizmetlerini arar (Inbound) ve kampanyalar hakkında bilgi almak istediğini söyler. Bu durum bankacılık tarafı için günümüz şartlarında müşteri temsilcilerini gereksiz yere meşgul etmek olarak düşünülebilir. Bu durum yapay zeka teknolojisi ile çözülebilmektedir. Yapay zeka teknolojisini kullanarak müşteri call center kanalının chat ortamını kullanarak kendine ait kampanyalar ile ilgili bilgi alabilir, istemiş olduğu kampanyalara evet veya hayır butonlarını kullanarak tercihini yapabilir. Bunlar haricinde yine aynı kanal üzerinden müşteriye kampanya da çıkılabilir. Müşteri ile daha samimi ve daha hızlı iletişimin kurulması bu sayede mümkün olacaktır.

Müşteri herhangi bir kanal üzerinden gelir ve kampanya hakkında bilgi almak istediğini yazar. Bu hangi kanal ise o kanaldan chatbot uygulamasına gider. Burada yine bankanın içyapısına inip inbound için öncesinde yapılan işlemler yapılır ve chatbota gelen niyetin cevabı iletilir. Chatbot uygulaması müşterinin geldiği kanala cevabı iletir.

İkinci bir yolda müşterinin daha önceden kullanmış olduğu kanal üzerinden müşterinin segmentine özel kampanyayı sunabiliriz (Outbound).

Bu yöntemde yapay zeka teknolojisini kullanarak müşteri özelinde belirlemiş olduğumuz kampanyanın müşteri listesi çıkartılır. Bu liste banka içerisinde kullanılan kampanya ürününe gönderilir. Chatbot uygulamamız bankanın kampanya ürünü ile entegre olur ve listeyi ürün üzerinden alır, ilgili müşteriye kampanyayı sunar. Müşteri görmüş olduğu kampanyaya cevap verir, verdiği kanal üzerinden tekrardan chatbot uygulamamıza gelir. Chatbot uygulaması sunulan kampanya ile ilgili müşterinin geri dönüşünü ilgili tablolarda güncel olmasını kampanya ürününden ister. Kampanya ürünü tabloları günceller ve geçmiş kaydında güncelleme yapar.

Oluşan bu iki durumda da sistem müşteri hizmetlerinin yaptığı işi yapmış olacak ve müşteri temsilcileri katma değeri olmayan işler ile meşgul olmayacak ve müşteride öğrenmek için ortalama beş dakikasını müşteri hizmetleri kanalında harcamamış olacaktır. Bu karşılıklı bir kazanca dönüşen bir durum olduğundan müşteriye benimsetilmesi daha kolay olacaktır.

· Bankacılığın salt özellikleri ile ilgili aramalar
Bankacılık sektöründe birçok işlemi gerçekleştirebilmemiz mümkündür. Salt özellikleri para transferleri, şifre bloke, eft, havale, fatura ödeme, otomatik ödeme talimatı gibi basit özellikler sayılabilir.

Bu özelliklerin her biri yapay zeka teknolojisi ile kolayca yapılabilir özelliklerdir. Örnekler üzerinden gitmemiz gerekirse; müşterinin call center kanalında chatbot ile konuşması şu şekilde olmalıdır.

Müşteri: 50 lira para transferi yapmak istiyorum
Chatbot: Liste ile kayıtlı olan hesaplardan hangisine para transferi gerçekleştirmek istiyorsunuz? (Chatbot para transferi olduğunu anlayıp müşterinin hesabında bulunan kayıtlı işlemlerini müşteriye getirir.)
Müşteri: Annem’e yollayacağım.
Chatbot: Annenize 50 TL para transferi gerçekleşecektir. Onaylıyor musunuz? (Bot kayıtlı işlemlerde var olan Annem ile yazdığını eşleştirerek ilgili hesaba 50 TL para transferi gerçekleştirmek için onay istemektedir.)
Müşteri: Evet onaylıyorum.
Chatbot: Para transfer işleminiz gerçekleşmiştir.

Mobil uygulamayı veya internet ortamını kullanmayan bir kişi için oldukça basite indirgenmiş bir bankacılık işlemi haline getirebilmemiz mümkündür. Bu kanalları kullanmasına rağmen o an o işlem sıralamasını yapmak istemeyen müşteriler içinde başvurulacak cazip bir kanal haline getirilebilir.

Bir başka örnek üzerinden gitmemiz gerekirse;

Müşteri: Fatura mı ödemek istiyorum.
Chatbot: Kayıtlı olan fatura ödeme işlemleri içinden mi yapmak istiyorsunuz? (Evet ve Hayır butonu ile beraber soruyu yöneltiyor.)
Müşteri: Hayır.
Chatbot: Hangi faturanızı ödemek istiyorsunuz?
Müşteri: Turkcell faturamı ödemek istiyorum.
Chatbot: Numaranızı alabilir miyim? (Bot müşterinin Turkcell yazması ile Telekom ödemesi yapacağını anlıyor ve soruyu ona göre yöneltiyor.)
Müşteri: 111111111
Chatbot: Ödenmemiş 1 adet faturanız bulunmaktadır. Ücreti 40 TL’dir. Hangi hesabınız ile ödeme yapmak istiyorsunuz? (Sorunun ardından müşterinin hesapları liste olarak müşterinin önüne çıkıyor ve müşteri listeden ödemeyi yapmak istediği hesabını seçiyor.)
Chatbot: Ödeme işleminizi onaylıyor musunuz?
Müşteri: Evet
Chatbot: İşleminiz gerçekleşmiştir. Başka işlem yapmak ister misiniz?

Müşteriye ne basit ve yalın hal ile ulaşabilmeyi mümkün kılarak, tüm bankacılık işlemleri yapay zeka teknolojisini kullanarak oldukça basit bir hale getirilebiliyor. Bu şekilde müşterinin kendisini daha özel hissetmesini sağlayabiliriz. Bunu isim ile hitap ekleyerek, daha önceki işlemlerinden sistemin öğrendikleri ile “Fatura ödemesi yaptınız, tekrar fatura ödemesi yapmak istemisiniz Sn. isim” gibi bir şekilde bunu sağlayabiliriz. Bu gibi yöntemler ile müşterinin banka ile olan sadakatini arttırmakta mümkün kılınabilir.

Teknik açıdan bunun yapılabilir olması için banka ile entegrasyonun doğru şekilde yapılabilmesi önem arz etmektedir. Bankacılık sektörü için güvenlik birinci önceliktir. Bilginin dışarı sızmaması, herhangi bir şekilde dışa açılım gibi konulara izin verilmemektedir. Bundan dolayı yapay zeka teknolojisinin geliştirilmesi veya alınması durumunda kendi kaynakları içerisinde bulunması gerekmektedir. BDDK bankaların bulut teknolojisini kullanmasına izin vermemektedir. Geliştirme içeride yapılmalı ve entegrasyon doğru şekilde tasarlanmalıdır. Yapay zeka teknolojisi ile yapılan geliştirmeler direkt olarak müşteriye dokunduğu için daha dikkatli şekilde dizaynı gerçekleşmelidir.