29.10.2017

Çağrı Merkezi Kanalında Chatbot Kullanımı

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.


26.10.2017

Mobil Kanallarda Chatbot Kullanımı

Mobil kanal diğer kanallara göre bankacılık sektörü için biraz daha basit bir kanaldır. Çünkü müşteri kendine ait olan şifreyi girdiği için güvenlik katmanına takılmaz. Güvenli alanda olduğundan dolayı her sorduğu soruda genel cevaplar yerine kendine ait olan cevapları alabilir.

Bu durumu örneklendirmek gerekirse;

Chatbot: Size nasıl yardımcı olabilirim?
Müşteri: Kredi kartı kalan borcum ne kadar?
Chatbot: x kartınızda kalan borcunuz 200TL’dir.
Müşteri: Tüm borcu ödemek isterim.
Chatbot: Borcunuz vadesiz hesabınızdan ödenecektir. Onaylıyor musunuz? (Chatbot kalan borcun tamamını ödemesi gerektiğini anlamıştır, Ödenebilecek hesap olarak vadesiz TL hesabını bulduğu için bir tek bunu sunmuştur. Liste getirmesine gerek kalmamıştır.)
Müşteri: Evet onaylıyorum.
Chatbot: Ödeme işleminiz tamamlanmıştır. Başka işlem yapmak istiyor musunuz?
Müşteri: Evet
Chatbot: Yapmak istediğiniz işlemi açıklar mısınız?
Müşteri: Kredi kullanmak istiyorum.
Chatbot: Adınıza tanımlı olan 5000TL kredi var. Onaylarsanız direkt hesabınıza yatırabilirim. Başka bir miktar istiyorsanız kredi bölümüne yönlendirebilirim. İster misin?
Müşteri: Kredimi onaylıyorum. Hesabıma aktarılmasını istiyorum.
Chatbot: Krediniz hesabınıza aktarılması için onay almam gereklidir .(Yeni bir sayfa içerisinde onaylaması gereken sayfalar müşterinin karşısına açılır. Onaylaması halinde parası hesabına aktarılır. Onaylamaması halinde başka işlem yapmak istiyor musunuz adımına müşteri geri yönlenir.)
Chatbot: Onayladığınızdan dolayı istemiş olduğunuz miktar hesabınıza aktarılmıştır. Başka işlem yapmak istiyor musunuz?
Müşteri: Hayır teşekkürler.
Chatbot: Her türlü bankacılık işleminiz için ben buradayım. İyi geceler. (Konuşma saatinden gece olduğunu çıkardığı için iyi geceler demiştir. Onayladığı için kredi miktarını hesabına yatırmıştır.)

Bu gibi güvenli alanda olan müşteriler olunduğu zaman istemiş olduğu her işlem için menüler arasında gezinmeden bot sayesinde müşteriye hizmet olarak sunulabilir. Müşteri yapmak istediği her işlemi buradan sadece düşüncelerini yazarak yapabilmektedir. Bu örnekler mobil uygulaması içerisinde görünen tüm özellikleri yapması demektir. Ona yardım etmek isteyen özel asistanının orada bekliyor olması müşterinin bankasına karşı sadakatini arttırıcı bir unsurdur. Burada dikkat edilmesi gereken en önemli husus, örneğin müşteri eft işlemini mobil uygulamayı kullanarak 30 sn içerisinde yapıyorsa bunu bot ile 10 saniyede yapabilmelidir. Bot için kullanılan teknolojiden ziyade hazırlayacağınız kurgu çok daha önemli bir faktördür.

22.10.2017

Akıllı Arama ve Chatbot Kavramı

Akıllı arama yapay zeka teknolojisinin gelmesi ile anlam kazanan bir kavramdır. Günümüzde akıllı arama denildiği zaman kastedilen Google arama motoru gibi arama yapabilen yapılardı. Fakat bu artık yeterli değil. İstemiş olduğumuz dokümanın içerisinde geçen kelimeleri gösterip dokümanın tümünü açmamız, sonrasında içerisinden bizim için önemli olan kısmı bulmamız artık bir zaman kaybı. Bunun yerine benim ne aradığımı anlayan bir yapı olsun ve aramak istediğim paragrafı veya cümleyi direk karşıma getirsin, tüm dokümanı taramamı benden istemesin gibi yeni bir ihtiyaç ortaya çıktı.

Bankacılık sektörünü ele alırsak, içeride var olan doküman sayısını bilmemizin ihtimali yok. Genel bir kavram üzerinden arama yapmak isterseniz, istemiş olduğunuz dosyası bulma zamanınız tahmini on dakikadır. Yazmış olduğunuz yazılımın hukuk birimine, uyum birimine ve bankanın kurumsal yapısına uygunluğunu tespit edebiliyor olmanız lazım. Tüm bunları araştırmak için neredeyse yarım gününüzü harcamanız gerekir. Yarım gün karşısında yaptığınız onca araştırma sonucunda tüm uygunlukları geçebiliyorsanız yazılımınızı o zaman canlıya alabiliyorsunuz.

Çağrı merkezlerini ele alalım. Örneğin bir müşteri aradı ve 30000 lirası olduğunu söyledi ve karşılığında ne kadar faiz alabileceğini sordu. Günümüzde var olan arama kavramında “30000 liraya ne kadar faiz?” gibi bir soru sorup karşılığını alabilmeniz mümkün değildir. Müşteriyi beklemeye alıp, güncel faiz oranları gibi bir arama ile ilgili dokümana erişip dokümanı taradıktan sonra hangi aralık olduğunu bulup sonrasında tekrar müşteriye bağlanıp cevap verebiliyorsunuz. Geçen süre tahmini olarak 4 dakikadır. Bu süre bir müşteriyi bilgilendirmek için çok yüksek bir süredir.

Sadece iki örnek üzerinden değerlendirmiş olduğum konuyu tüm banka kanallarına yayarak örnekleri çoğaltabilmek mümkündür.

Akıllı arama kavramı ile temel odak istemiş olduğu dokümana basit ve hızlı bir şekilde ulaşabilmektir. İlk olarak şundan bahsetmek gerekir ki siz ek olarak bir data yüklemenizi yapmanıza gerek yoktur. Sisteme gösterilen yerlerde olası değişiklikler öncesinden sisteme tanımlanır. Sisteme daha önceden tanıtılan pathlere(yollara) herhangi bir yükleme olduysa sistem bunu algılar ve sadece değişikliğin olduğu yerleri tekrar taramaya başlar. Bu şekilde sizin tüm sistem üzerinde bulunan dokümanlarınızı sisteme işlemek mümkündür. İkinci kısımda sistemden arama için beklenenler alışageldik arama mantığı gibi değildir. Size doküman göstermez. Bir örnek üzerinden gitmek gerekirse; siz “mevduat faiz oranlarını öğrenmek istiyorsunuz” bu cümleyi aratıp ağırlığı en yüksek olan dokümanın ilgili paragrafı size getirilir. Tüm doküman ve doküman içerisinde geçen yerler çizili bir şekilde karşınıza gelmez. Bu bir zaman kaybıdır. Arama mantığı ile sağlanan doğru bilgiye en hızlı şekilde ulaşma şeklidir.

Bu şekilde hem internal(dahili) arama için büyük bir zaman kaybı kazanmakta, hem de chat temsilcilerin bilmedikleri bir soru karşısında cevap verme zamanlarını neredeyse yarı yarıya indirme imkanı sunmaktadır.

Arama mantığının değişim zamanı 15 yıllık bir kullanım tecrübesi ardından gerekli hale gelmiş ve zamanın gerisinde kalmıştır. Bu sayede zamandan tasarruf ve gereksiz meşguliyet sürelerini en aza indirgemek hedef alınmıştır.

Akıllı Arama Kavramı ve Chatbot Entegrasyonu
Akıllı Arama ile beklenti anlık olarak dokümana değil, doküman içerisinde gerekli olan paragrafa ihtiyacımızın olduğudur. Peki bunu chatbot kavramı ile nasıl entegre hale getirebiliriz. Örnek üzerinden gitmek gerekirse, canlı temsilcinin tek görevi müşterilere cevap vermek. Artık müşterileri chat kanalında chatbot’un karşılayacağını biliyoruz. Chatbot bu karşılamayı yaptığını varsayalım. Müşterinin sormuş olduğu oldukça özel bir soruya cevap veremediğini anlıyoruz. 3 kere üst üste “Üzgünüm, sizi anlayamadım, nasıl yardımcı olabilirim?” gibi bir soru ile döndüyse bu müşteriyi elde var olan konuşma metni ile beraber canlı temsilciye aktarmak gereklidir. Sormuş olduğu özel soruyu temsilcinin de bilme olasılığı çok düşüktür. Bundan dolayı canlı temsilciye aktarılma durumunda da kendisi dokümanlar içerisinden bir arama yapması gerekecektir. Bu durumda akıllı arama kavramı müşteriye hızlı yanıt dönebilmemiz için tekrar devreye girmektedir.

Bankacılık sektörü için bu örnekler çoğaltılabilir ve her bir kanal üzerinden entegrasyonların çok varyasyonlu şekilde yapılması alınacak olan verimi arttıran bir unsur olabilir.

13.10.2017

Chatbot Nedir ve Çeşitleri Nelerdir?

1.     Chatbot Kavramı
Chatbot daha önceki yazımda da belirttiğim üzere yapay bir bottur. Yapay zeka teknoloji kullanılarak insanların kullanım esnasında bir bilgisayar olduğunu anlamaması ve ihtiyaçlarını sanki bir bireymiş gibi yapan sistemlerdir. Buradaki kritik nokta chatbotlar daha önceden teknoloji geliştiricisi sayesinde belirlenen iş akışına sadık kalması ve iş akışına göre görevleri yerine getirmesidir. İş akışından kastedilmek istenen aslında senaryodur. Daha önceden senaryolar belirlenir ve bilgisayara bu senaryolar mühendisler tarafından girilir. Chatbot, bu senaryolara sadık kalarak kullanıcı ile yazışmaya başlar. Chatbot genel anlatımda sadece senaryo bazlı ilerleyen bir bilgisayar gibi düşünmek yapmış olduğu işler için çok yeterli bir tanım olmayacaktır. Arka planda yapay zeka teknolojisi barındırması, diğer teknolojilerden ayıran özelliğidir. Sahip olduğu en önemli özellik kendisine ait bir zekanın olmasıdır.

2.     Chatbot Çeşitleri
Chatbot arka tarafından bir zeka barındırmaktadır. Zekayı kullanım şekilleri farklılık gösterebilir. Günümüzde kullanılan chatbotlar kendi içlerinde ayrılmaktadır. Günümüzde teknoloji anlamında aşağıdan yukarı saymak gerekirse üç farklı chatbot teknolojisi bulunmaktadır. Bunlar; kelime bazlı, kural bazlı ve DDİ teknolojisi kullanan chatbottur. Bankacılık sektörü üzerinde değerlendirmemiz gerekirse şu an için kelime bazlı chatbot kullanılmaktadır. Yeni gelişmekte olan kural bazlı chatbotlar kelime bazlı teknolojinin yerine geçmeye başlamıştır. 

2.1.           Kelime Bazlı Chatbot
Chatbot kavramı ilk başladığı dönemlerde bir zekayı kullanmadan önce en temel anlamda ihtiyaç karşılama üzerine odaklanılmış ve kelime bazlı chatbot ortaya çıkmıştır. Kelime bazlı chatbot kavramında doğal dil işleme teknolojisinden söz edilemez.

Kelime üzerinden hazır cevapların verilmesi ile tekrarlı olan işlerde bir nebze yardımı olmuştur. Bu teknolojide veri tabanına girilen bir takım kelimeler üzerinden sistem eğer kullanıcının o kelimeyi girmesi halinde direkt olarak o kelime için önceden hazır olan cevabı kullanıcıya sunar.

Bu teknoloji bankacılık sektöründe çok yer bulamamıştır. Bunun en büyük sebebi bakımının çok zor olmasından kaynaklıdır. Her bir kelime ve türevleri için tek tek bir kişinin veri tabanına giriş yapması ve karşılığında verilecek olan cevabı girmesi gerekmektedir. Örneğin “kredi” sözcüğünü ele alalım. Veri tabanına tek tek “kredi”, “krdi”, “krei”, “kred”, “kredi istiyorum”, “kredi istyorum”, “krdi istiyorum” gibi kelimeleri girmemiz gerekir. Bunun daha çok kombinasyonu olduğu düşünülürse bu yapıyı efektif bir şekilde kullanmak mümkün değildir.

2.2.           Kural Bazlı Chatbot
Kelime bazlı chatbot özelliğinin bir üst versiyonu olan kural bazlı chatbotlar günümüzde halen bankacılık sektöründe kullanılır. Şu an için Yapay Zeka teknolojisi denildiği zaman en tutarlı ve doğru sonucu kural bazlı chatbotlar dönmektedir.

Kural bazlı chatbot belirli bir karar ağacına oturtulmuş, yine bir insan faktörü üzerinden girilen bilgiler ile cevaplar belirlenmiştir. Kendi kendine öğrenme gibi bir durum söz konusu değildir. Her beklenen sonuç daha önceden sisteme girilmiştir. Diğer teknolojilerin aksine kural bazlı teknolojide çok az girdi ile birçok sonuç elde edebilmek mümkündür. Doğal Dil İşleme teknolojisini Kural Bazlı Chatbotlar için kullanan firmalar mevcuttur. Fakat bu her kuralı yinede belirleyeceğiz anlamından bizi uzaklaştırmaz.

2.3.          DDİ (Doğal Dil İşleme) Teknolojisi ve AI Altyapısı Bulunduran Chatbot
Yapay Zeka teknolojisinin Chat alanında geldiği son teknoloji NLP(Natural Language Processing) yani Türkçe adıyla Doğal Dil İşleme(DDİ) teknolojisidir. Bu teknolojide herhangi bir kelime girişi veya kural belirleme gibi bir durum yoktur. Elde var olan verinin sisteme doğru konfigürasyonlar ile girilmesi beklenmektedir. Bu veriler ile öğretilmeye çalışılan konunun makinenin kendisinin anlaması beklenmektedir. DDİ teknolojisi ile beraber alt yapısında AI(Artificial Intelligence) tabanı bulunur.

Bankacılık tarafından düşünürsek bankanın çağrı merkezi bölümünde milyonlarca çağrı merkezi ile müşteri arasında konuşulan datalar mevcuttur. Bu datalar DDİ teknolojisini kullanarak sisteme girdiğimiz zaman sistemin artık bir çağrı merkezi gibi davranmasını bekleriz. Aynı şekilde bu yöntemi bankacılıkta birçok kanal üzerinde kullanmamız mümkündür. Sistem öğrenmesini tamamlaması ne yazık ki bizim için yeterli değildir. Ne sorduğumuzu anlaması için Türkçe dilinin köklerine inebilmeli teknoloji adı ile “intent recognation” olarak geçen cümlenin ne demek istediğini anlayabilmelidir. Günümüzde bu da maalesef yeterli değildir. Cümledeki intenti anlamasının yanında içeriğide anlamasını beklemeliyiz. Buna da "content recognation" denmektedir. O zaman anlamlı sonuçlar elde etmemiz mümkün olacaktır. Bir örnek vermemiz gerekirse "x kredi kartını almak istiyorum." ile gelen müşteride AI tabanlı botumuz ilk olarak content'i anlayacaktır. Bu cümlede content; kredi kartı başvurusudur. Ama bu yönlendireceği sayfa için yeterli bir bilgi değildir. O zaman contentide doğru şekilde anlamasını bekleriz. Bu cümlenin contenti; x kredi kartı'dır. Bu iki ayrımı doğru şekilde yapan AI algoritması ile hareket etmek daha doğru olacaktır.
Bu konu ile ilgili çok daha ayrıntılı bir yazı daha yazacağım. 

Bu teknolojinin dezavantajları üzerine konuşmak gerekirse, sistemin bir durumu öğrenmesi için binlerce dataya ihtiyaç duyulmaktadır. Sistem tek bir veriden bir şey öğrenemez. Bundan dolayı sistemin bir çağrı merkezinde çalışan bir kişi gibi olabilmesi yaklaşık altı ay ile bir yılı almaktadır ve her zaman data ile beslenmeye devam edilmelidir. Bir diğer dezavantaj ise sistemin nasıl bir çıktı vereceğini daha önceden girmediğimiz için, çıktı her zaman beklenen gibi olmayabilir. Böyle bir durumda manuel olarak bir müdahale gerekebilir. İlk zamanlar çıkan çıktılar diğer teknolojilere oranla daha sıkı testlerden geçirilmelidir. Her yönü test edilmeden canlı ortama alınması şu anki koşullarda doğru olmayabilir.

Bu teknoloji günümüzde çok yeni olduğundan dolayı şu an için test ortamda testleri devam etmektedir. Kullanıma açılması için daha olgunlaşma seviyesini tamamlamadı diyebiliriz. Bunların yanında bilmemiz gereken bir durum var ki bu teknoloji bundan üç yıl sonra çok daha farklı şekilde anlatılacak olduğudur. Hangi sektör olursa olsun çoğu şirketin asıl yatırımı yaptığı alan bu teknolojidir. Teknolojiye dokunan şirketleri ele alırsak, bu teknolojiye yatırım yapmayan firmalardan önümüzdeki dönemlerde bahsetmemiz mümkün görünmüyor olduğudur.

11.10.2017

Genel Anlamda Chatbot ve Bankacılık

Bankacılık sektöründe müşteri deneyiminin artması, hızla gelişen teknolojiler, bankacılık ürünlerinin artması ve her geçen zamanda yeni kanalların çıkmasından kaynaklı olarak iş yükünde gözle görülür düzeyde bir artış meydana gelmiştir. Bu neden ile bankacılık sektöründe artan bu iş yükünü minimum seviyelere indirmek için çeşitli araştırma geliştirme çalışmaları yapılmıştır ve halen yapılmaya devam etmektedir.

Bankacılık uygulamalarının artmasından kaynaklı olarak her artan uygulama katmanında hizmet verebilmek adına insan gücüne ihtiyaç duyulmuştur. Örneğin, bir müşteri kredi çekmek istediği zaman en az dört farklı kanaldan bunu gerçekleştirebilmektedir. Her bir kanalda müşterinin isteğine karşılık verebilmek için bir banka çalışanı bulunmaktadır. Bunun bankaya maliyeti vermiş olduğu krediden kazanacağı miktarı bir hayli düşürmektedir.

Bu sorunlara çözüm bulabilmek için bankacılık sektöründe araştırma geliştirme çalışmaları ilk aşamada tekrarlı olan işlerin banka çalışanı değil sistemler tarafından nasıl yapılabileceği yönünde gerçekleşmiştir. Bununla beraber müşterinin kullanmış olduğu dil nasıl anlaşılır ve buna bankacılık dili ile nasıl yanıt verilir konuları üzerinde durulmuştur. Planlanan çalışmanın en son aşamasında tekrarlı işler dışında bu sisteme nasıl akıl koyabiliriz, bizler gibi sistemler düşünüp bankayı zarara sokmayacak şekilde müşterilere nasıl cevap verir soruları olmuştur.

Tüm bu konular dahilinde günümüz trend teknolojisi olan yapay zeka teknolojisini kullanarak yapay botlar geliştirilmeye başlanmış oldu. Gelişen bu yapay botların mesajlaşma yolu ile kullanılan botlara chatbot adı verilmiştir.

8.10.2017

Doğal Dil İşleme Çalışmalarında Karşılaşılan Zorluklar

DDİ(Doğal Dil İşleme) çalışmalarının genel hatlarıyla alanlarını ve nasıl bir çerçeveden konuya yaklaşıldığını anlatmaya çalıştım. Tabi ki DDİ alanında her şey bu kadar açık ve kolay değil. Bu bölümde DDİ alanında yaşanılan zorlukları ele alacağım.

1.     Kuralsız ve Anlaşılmaz Konuşmalar
Her dil kuralları ile konuşulduğu zaman karşılaşılan sorunlar çok daha az miktarda oluyor. Fakat gerçek dünyada günlük kullanılan dil, var olan dilin kurallarının dışında kalmaktadır. Dil kuralları geneldir. Fakat kullanım tarzı yöreden yöreye değişmektedir. Eğitilen bilgisayarların bu değişimleri yakalayabilmek veya günlük konuşma dile hakim olabilmek en az dil kurallarını bilmesi kadar önemlidir.

Anlatılan bu duruma örnek vermek gerekirse;
  • Nerdesin len?
  • Böğün okula gelmiycem.
  • Gelcen mi?
  • Napıyon orda?
  • Yarın sinemaya gideceğum.
Bu tür örneklerden daha çok verilebilir. Bu yukarıda yazılan tümceler günlük hayat içerisinde anlaşılır ve aynı şekilde cevap verilebilir. Fakat bilgisayarlar bu gibi sorulara “Kusura bakmayın, anlamadım” ile cevap verme durumunda kalabilir. Bu durum karşıdaki kişinin güven derecesini aşağı çeken durum olacaktır. Bundan dolayı gündelik dillerden örneklerde girdi olarak verilmeli ve çıktı üzerinden testler yukarıda yazılanlar üzerinden mutlaka yapılmalıdır.

2.     Kuralsız ve Bozuk Yazılar
Günlük yaşamımızda kendi yazdığımız veya karşılaştığımız yazıların tamamında dil bilgisi kurallarına ve noktalama işaretlerin doğru kullanıldığını söylemek zordur. Birçok hata yaptığımızı bilmemize rağmen hız açısından daha dikkatsiz ve özen göstermeden yazılar yazarız. Bu durum iki insan arasında anlaşılamamazlığa yol açmasa da, bir bilgisayar tarafında sorun yaratır. Bilgisayarın dil kurallarına uygun eğitildiğini ve esneklik payı bırakılmadığı varsayılırsa; basit imla hataları veya kuralsız yazılan her sözcükte arkada planda yanlış bir küme ile eşleştirebilir. Bu durum anlamama dışında konuşulan konuya yanlış cevap vermesi ile de sonuçlanabilir.

DDİ çalışmaları kapsamında bu durumu düzeltebilmek için, metin içerisinde doğru ve yanlış yazılan cümleleri veya kelimeleri bilgisayara girdi olarak sunmamız gerekir. İlk olarak gelen cümle hatalardan arındırılması ve sonrasında bilgisayarı bu hatalardan arındırılmış haldeki cümleler veya kelimelerle eğitmek doğru olacaktır.

Bir örnek ile bu durumu açıklamak gerekirse; “kredi” kelimesini ele alalım. Bu kelime ile ilgili gelebilecek yazılar şu şekilde olabilir: “Kreedi”, ”Kredilarım”, “Krdi”. Burada ilk kelimede fazladan “e” harfi yazdığı görülmektedir. Benzerlik yöntemi ile bilgisayarın bu kelimeyi “kredi” olarak algılaması beklenmektedir. İkinci örnekte ise çoğul ekini ”lar” olarak kullanmıştır ve buda kuralsız bir yazıma sebep olmuştur. Bu kısımda ses bilimi kurallarını doğru olarak bilgisayara girdi olarak verebildiysek, buradaki hatayı fark edip bu kelimeyi “kredilerim” olarak düzeltip, buna göre işlem yapacaktır. Son kelimemiz olan “krdi” kelimesinde “e” harfi unutulmuştur. Bilgisayarın veri tabanında bu kelimenin en yakın karşılığı olan “kredi” kelimesine erişmesi beklenmektedir. Çünkü ilk iki harfi ve son iki harfi aynıdır. Bir kelime eksikliği olan durumlarda hızlı veri tabanı taraması ile en yakın eşleşen sözcük yüksek yüzde ile doğru sonucu verecektir.

3.     Metin Dilimleme
Türkçe dilimizde çok karşılaşmasak da yabancı dillerde çok uzun metinler ile yazılan sözcükler vardır. Bu tip sözcükleri ayırt edebilmek zordur.

Bazı dillerde, tümceler çok uzun kullanılmaktadır. Bu gibi durumlarda uzun tümcelerin taşıdığı anlamı ortaya çıkarmak için önce tümceyi dilimlemek ve her dilimi ayrı anlamlandırmak daha doğru olacaktır. Tek seferde bir anlam ifade etmeyen tümcelerde dilimleme yöntemi ile tümce içerisinden bir anlam çıkarmak doğru sonuca ulaşmamız için tercih edilen bir yöntemdir. Tümce içerisinde dilimlenen sözcükler ile veri tabanında bulunan diğer sözcükler ile eşleştirilir. Eşleşen sözcük bir diğer sözcükteki eşleşme ile arasında bağ kurmaya çalışır. İki anlamı verilen eğitim kapsamında birleştirebiliyor ise; bu birleşim ile bilgisayar anlamlı bir çıktı sağlamaya çalışır.

4.     Sözcük Niteliklerindeki Belirsizlik
DDİ alanında en temel konuların başında sözcüklerin dil bilgisi açısından niteliklerinin belirlenmesi ve bu nitelikler ile sözcükleri etiketlemek gelir. Bir tümce içerisindeki bir sözcüğün niteliğini belirlemek dil bilgisi bilen bir kişi için kolay olabilir. Bilgisayar için nitelik belirlemek bu kadar kolay değildir. Kolay olmama nedeni ise her dilde bir sözcüğün birden fazla niteliğinin bulunmasından kaynaklanmaktadır.

Temel dil bilgisi kaynakları bildiğimiz üzere; ad, sıfat, adıl, belirteç, ilgeç, bağlaç, ünlem ve eylemdir. Bu dil bilgisi kaynakları kendi içlerinde alt kümelere, alt kümelerde altında yeni niteliklere ayrılmaktadır. Sıfatlarda niteleme sıfatı, belirtme sıfatları olarak ikiye ayrılır. Niteleme sıfatları; karşılaştırma sıfatları, pekiştirme sıfatları, küçültme sıfatları, unvan sıfatlarıdır. Belirtme sıfatları; işaret sıfatları, sayı sıfatları, belgisiz sıfatlar ve soru sıfatlarıdır.

Türkçe gibi bitişken dillerde kök sözcüğe ulanan ekler son derece etkindir. Köke eklenen ekler sözcüğün anlamını değiştirebilir. Anlamını değiştirdiğinden kaynaklı olarak sözcüğün tümce içerisindeki niteliğini de değiştirebilir.

Bir örnek üzerinden anlatmak gerekirse; örnek olarak bileklik kelimesi verilebilir. Bilek kelimesi elimizin bittiği bölüm olarak kullanılır. Bileklik ise, bileğimize taktığımız bir nesnedir. İki kelime arasında cümle içerisinde büyük fark vardır. Kaşar kelimesinde de buna benzer bir durum vardır. Kaş gözümüzün üzerinde bulunur. “ar” eki ile kaşar olduğu zaman bu tükettiğimiz bir besindir. Son olarak “Gözde” kelimesini örnek verebiliriz. Göz bir organ ve isim iken, gözde bir sıfattır ve kelimenin göz ile hiçbir ilişkisi bulunmamaktadır.

Bu tarz durumlarda önceki ve sonraki iki veya daha fazla sözcüğe bakarak sözcüğün niteliğini bulmak daha doğru olacaktır. Burada istatiksel yaklaşım temelli olması kritik noktadır. N-gram yöntemi bunun için kullanılır. N diye belirtilen n komşu sözcük sayısıdır.

Sözcüğe bütünü ile bakarak niteliğini ortaya koymak için yapım ve çekim eklerine bakmak en doğru yöntem olacaktır. Bu yöntem ile sözcüklerin niteliklerine Türkçe için yüzde doksandan daha fazla iyi sonuç verdikleri görülmüştür.

5.     Anlam Belirsizliği
Türkçede yazılışları aynı fakat anlamları farklı olan kelimeler bulunmaktadır. Bu gibi sözcüklere sesteş adı verilir. Sesteş sözcükler yazının anlaşılmasında belirsizliklere yol açmaktadır. Bu gibi belirsizler için doğru olan yöntem cümlenin geneline bakmaktır. Diğer kelimelerden bir sonuca ulaşmasını sağlamaktır. Aksi takdirde sesteş olan sözcük anlamında yanlış yönlendirme veya cevap vermeye neden olabilir. Bir diğer yöntem ise; bu gibi durumlar Türkçe dilinde diğer dillere göre daha az olduğu için sesteş sözcüklerin her bir farklı anlamı ile ilgili örnekler bilgisayarlara girdi olarak verilebilir. Bu yöntem ile bilgisayar çevresindeki kelimeler ile sesteş olan sözcük arasında bağlantı kurabilir. Bu bağlantı ile sonraki durumlarda soruya doğru cevap verme oranı çok daha artacaktır.

6.     Söz Dizimsel Belirsizlik
Söz dizim kuralları dilden dile farklılık gösterebilir. Bazı diller söz dizimsel açıdan katı özelliklere sahiptir, bazı diller ise daha esnektir. Türkçe bu ayrımda esnek diller arasında yer alır. Bunun nedeni ise kelimelerin almış olduğu ekler ile alakalı bir durum olduğu söylenebilir.

Bir örnek üzerinden söz dizimsel belirsizliği açıklamak gerekirse;
Annem meyveleri timsahlara aç oldukları için verdi.
Annem meyveleri timsahlara tatlı oldukları için verdi.

Dil bilgisi açısından değerlendirmemiz gerekirse, bu iki tümcede aynı yapıya sahiptir. Ancak iki tümcenin de anlatmak istedikleri farklıdır. Bu iki tümcedeki belirsizlikler ancak sözcüklerin birbirleri ile ilişkilendirilmesi ile çözülebilir. Basit şekilde buna değinmek gerekirse; sözcükler arasındaki ilişkiler iki farklı yapıya oturtularak bakılabilir. İlki Sözcük ağı ikincisi de sözcük ağacı yapısıdır. Örnek üzerinden gidersek; ilk tümcede “açlık” ile “canlı” sözcükleri birbirleri ile ilişkilidir. Timsah bir canlı olduğu için “açlık” sözcüğü “timsah” ile ilişkilendirilmektedir. İkinci tümcede ise “meyve” ile “tatlı” sözcüğü ilişkilendirilmektedir. Meyve gibi bir nesnenin tatlılığından söz edilebilir. Timsahların tatlı olması gibi bir durum olamaz.

Türkçe’nin ne kadar esnek bir olduğunu bir operatör firmasının reklam filminde kullandığı cümle ile de anlayabiliriz.

Telefonla bağlan hayata.
Hayata bağlan telefonla.
Bağlan telefonla hayata.

Aynı anlamı taşıyan üç farklı cümle yazabilme nedenimiz Türkçe dilinin esnekliğinden kaynaklanmaktadır. Sözcüklerin almış olduğu eklerden dolayı bu esnekliğe sahiptir. Esnek yapı Türkçe’nin bitişken bir dil olmasından kaynaklıdır. Bitişken olmayan bir dil için esneklikten söz edemeyiz.

4.10.2017

Doğal Dil İşleme (Natural Language Processing) Hakkında Genel Bilgi

Yapay zekanın bir alt konusu olan doğal dil işleme, günümüzde var olan bir dilin otomatik olarak algılanması ve dile tam hakimiyet kurdurarak makinelere dili öğretme işlemidir. Bu öğreti sonrasında makine tarafından beklenen öğrenmiş olduğu dil ile makine üzerinden insanlar ile konuşabilmesi ve karşıdaki insanın onun makine olduğunu anlamaması üzerine amaçlanmıştır.

Bilişim teknolojilerindeki gelişmeler, bilgisayarlı dil bilimi çalışmalarına önemli bir hız katmıştır. Doğal Dil İşleme(DDİ) çok yeni bir teknoloji olmasına rağmen, yapılan araştırmalar ve geliştirmeler ile yeni bir bilim dalı haline gelmiştir. Bilgisayarın belleğinde bulunan veri ve sonuçları, bilgisayarın doğal dilde konuşarak insanlara aktarılması “konuşma”, insanlar tarafından konuşularak bilgisayara yapılan girişlere “konuşmayı anlama” adı verilmiştir.

Yukarıda değinmiş olduğun gibi bir bilgisayarın, insanın konuşmasını anlayabilmesi ve insanın anlayabileceği dilde konuşarak insanlarla etkileşimde bulunabilmesi için dilin tüm özelliklerini bilmesi gerekir. Bu kapsamda bilgisayardan doğru sonuçlar alabilmek için özellikle aşağıdaki konular üzerinde çalıştırılması gerekir.

  • Ses bilimi (Chatbot konusu için bu bilim dalına girmemiz gerekmemektedir.)
  • Biçim bilimi
  • Söz dizimi
  • Anlam bilimi

1.   DDİ İLGİ ALANLARI
Yukarıda değindiğimiz 3 ana başlık üzerinde çalışmalar yapılabilmesi için DDİ konusunun ilgi alanlarının ne olduğunu tam bilmek gerekir. Aksi halde bu yukarıdaki bilimleri makineye yanlış işleme söz konusu olabilir. DDİ’ın ilgi alanlarının tek tek üzerinden geçmeye başlayabiliriz.

1.1.     Yazım Yanlışlarının Düzeltilmesi
İlk olarak şunu kabul etmek gerekir ki; yazılan her yazıda yazım hatası olabilir. İnsanlar yazmış oldukları yazının yazım kurallarına uygun olmasını ister. Eski zamanlarda bu yazım yanlışlarının düzeltilmesi için insanlar çalışmaktaydı. Günümüzde ilerleyen DDİ teknolojisi ile bu hataları bilgisayarlar bulabilmektedir. Bulabilme oranları gelişen DDİ bilim dalı sayesinde gün ve gün yükselmektedir.

Genel anlamda Türkçe konusunu ele alarak gideceğimiz için burada Türkçe dili özelinde konuyu ele alacağım. Türkçe bitişken ve kurallı bir dildir. Türkçe gibi kurallı bir dilde yazılmış bir metin içindeki yazım hatalarını bulmak için; hece yapısı, eklerin uyumu ve ses uyum kuralları özellikleri kullanılmalıdır.

1.2.     Bul ve Değiştir
Bir metin içerisindeki bir sözcüğü bir başka sözcük ile değiştirilmesi sıkça karşılaşılan bir durumdur. Örneğin, metin içerisinde geçen elma kelimesini erik kelimesi ile değiştirmek istersek; bu iki kelime arasındaki ekler arasındaki ayrıma bakmak gerekir. İngilizce ile kıyaslayarak gidersek, elma kelimesinin İngilizce karşılığı “apple” ve çoğul hali de “apples” dır. Metin içerisindeki tüm apple sözcüklerini plum ile apples olan sözcükleri de plums ile değiştirmek mümkündür. Türkçe dili için bu durum kolay olmayacaktır. Elma kelimesinin çoğulu elmalar iken, erik kelimesinin çoğulu eriklerdir. Görüldüğü üzere çoğul için gelen ekler farklıdır. Aynı durum Elmam-Eriğim, Elmanız-Eriğimiz veya Elması-Eriği olarak verebiliriz. Bu ekler bölümünü istediğimiz kadar uzatabiliriz. İki kelime arasında eklerden dolayı bir fark olduğunu rahatlıkla görebiliriz.

Dolayısı ile Türkçe’de metnin içinde kelime değişikliği yapmak istediğimiz zaman ekleri göze almak zorundayız. Bir sözcüğün kök ve eklerini bulmak için biçim bilimi çözümlemesinin yapılması gerekmektedir.

1.3.     Basılı Bir Metni Okuma
Bilgisayar ortamında olmayan basılı bir metni bilgisayar ortamına aktarılması işlemine metni okuma demekteyiz. Metnin okunması ilgili metnin daha önceden belirlenen kurallara göre hazırlanmış olması önemlidir. Yazım hataları bilgisayara öğretme sürecinin ilk kısımlarında dikkat edilmesi gereken bir husustur. İlk aşamada bilgisayar verilen girdiyi doğru anlaması açısından belirli bir düzen ile girişler yapılmalıdır.

İlk girişler sonrasında istemiş olduğunuz terimler ile ilgili doğru bilgileri yazım hatası olmadan yaptıktan sonra bundan sonraki girişlerinizde bilgisayar yazım hatası olsa dahi bunu anlayacaktır. Bu duruma örnek vermek gerekirse, “Turuncu hesap açmak istiyorum” cümlesindeki “turuncu” kelimesinin bir renk dışında bankanın bir ürünü olduğunu “hesap” kelimesini ise bankanın ürünü ile ilgili bir işlem yapılmasını istediğinizi anlayacaktır. Bu anlatımı doğru yaptığınız takdirde “trncu hesap” veya “turncu hesap” gibi yazım hatası yaptığınızda bilgisayar bunun “turuncu hesap” olduğunu anlayacaktır.

1.4.     Metnin İçerdiği Bilgiyi Çıkarma ve Anlamlandırma
Doğal dilde yazılmış metinlerin belli kurallara uygun olarak yazıldığı bir gerçektir. Kurallar dile ilişkin dil bilgisinden kaynaklanmaktadır. Her dilde tümce içerisindeki sözcüklerin sıralanışı belli kurallara uyar. Bu kurallar dilden dile farklılık gösterebilir. Burada anlamı kavramak istiyorsak iki kısma ayrı ayrı bakmak gerekebilir. Birincisi kurulan cümlenin geneline bakarak buradan bir anlam çıkarmak, ikincisi ise; kurulan metin içindeki bir tümce ile de verilmek istenen bilgi anlaşılabilir. Bunu bir bilgisayarın anlaması için doğal dil işleme algoritmalarının buna göre yazılmış olması gerekir, kodlama içerisinde bilgisayara bunun kararını verebilecek esneklik payı verilmelidir. Girdiler sonrasında çıkan çıktılara göre verilen esneklik payı daraltılabilir.

Bir örnek üzerinden bilgisayardan beklenen metin içerisinden bilgiyi çıkarma daha iyi anlaşılabilir.

“1 Haziran 2016 tarihinde almış olduğum krediyi kapatmak istiyorum. Krediyi Beyoğlu şubesinden almıştım, kalan borcum 10000TL’dir. Nasıl kapatabilirim?”
Bu metin üzerinden bilgisayarın çıkarması gereken sonuçlar aşağıdaki gibi sıralanmalıdır?
  • Zaman: 1 Haziran 2016
  • Kredi kullanmış.
  • Kredi kapatmak istiyor. (Çıkarım: Elde parası var. Farklı kampanyalara yönlendirilebilir.)
  • Kalan borç: 10000TL
  • Beyoğlu şubesinden almış. (Bu bilgiyi kullanmam gerekmiyor.)
  • Kredi nasıl kapanır? (Daha önceden verilen girdilerden kredi nasıl kapanır sorusunu bulmam gerekiyor.)
Bir cümle için daha önceden eğitilmiş bilgisayardan beklenen bilgi çıkarımı bu şekilde olmalıdır. Bunun sonucunda ise çıktıyı aşağıdaki şekilde veya ona yakın bir biçimde cevap vermesidir.

“Kredinizi internet sitemizden şu şekilde kapatabilirsiniz. Beyoğlu şubesine gitmenize gerek yoktur. Eğer kabul ederseniz size şöyle bir teklifimiz var; bu kalan paranızı mevduat hesabınıza yatırırsanız size %12 faiz verebiliriz. Kalan taksitlerinizi ödemeye devam edebilirsiniz. Kabul eder misiniz?”

Buna benzer bir sonuç bizim hedefimiz olan çıktı olmaktadır. Bunu sağlayabilmek için metin içerisinden bilgileri doğru şekilde çıkarabilmesi oldukça önemlidir.

1.5.     Soru Yanıtlama
Soru yanıtlama doğal dil işlemede bir diğer alt başlıktır. İncelenmesi iki kısım üzerine yapılmaktadır. Bir tanesi metni anlama ve soruya karşılık verme. Bir diğeri ise, konuşmayı metne çevirme, anlama ve metni seslendirmedir. Biz ilk kısım üzerine konumlandığımız için detaylı olarak metni anlama ve chat üzerinden anlaşılan metni cevaplama üzerine yoğunlaşacağız.

Çağrı merkezlerinde çalışan bir grup internet kanalı ve sosyal medya hesapları üzerinden yazılı olarak işlemlerini halletmek isteyen müşterilere hizmet vermektedir. Bu kanallar üzerinden yazan müşteri sayısı yıllar geçtikçe artmakta ve çalışan istihdamı çok artmaktadır. Doğal dil işleme teknolojisinin bu alanı bu durum için oldukça elverişlidir. Bu çözüm ile çağrı merkezleri üzerinden oluşan yüksek maliyetin önüne geçilmektedir ve aynı zamanda duygusal olarak yazılan hiçbir durum ile karşılaşılmamaktadır. Müşterinin çağrı merkezi şikayeti en aza indirgenmektedir.