Yapay zekâ, içine yazı yazdığınız bir araç olmaktan çıkıp konuştuğunuz bir şeye dönüşmeye başladığında ne olur? Bu bölümde Galen Low, PolyAI’de Ajan Tasarımı ve Mühendisliği Lideri olan Oliver Shoulson ile bir araya gelerek konuşmaya dayalı yapay zekânın merkezindeki şaşırtıcı derecede insani sorunu ele alıyor: Yapay zekâ konuşmalarının çoğu hâlâ tuhaf hissettiriyor.
Oliver, hantal sohbet robotu komut dosyalarından, sanki bir İK robotları komitesi tarafından eğitilmiş gibi konuşan aşırı kibar “LLM sesi” kişiliklerine kadar, iyi konuşma tasarımının insanları kusursuzca taklit etmekten çok sürtüşmeyi ortadan kaldırmakla ilgili olduğunu açıklıyor. Konuşmada güven psikolojisi, sosyal mevcudiyetin işleyişi ve yapay zekâ arayüzlerinin geleceğinin görsel tasarımdan çok insanların doğal olarak nasıl konuştuklarını, söz kestiklerini, tereddüt ettiklerini, açıklama istediklerini ve iş birliği yaptıklarını anlamaya nasıl bağlı olabileceği inceleniyor.
Öğrenecekleriniz
- Konuşmaya dayalı yapay zekânın sosyal mevcudiyet ve güven temelinde neden başarılı olduğu veya başarısız olduğu
- Yapay zekâ etkileşimlerinin tekinsiz veya sinir bozucu hissettirmesine neden olan gizli tasarım kusurları
- Zamanlamanın, söz kesmelerin ve konuşma temposunun kullanıcı deneyimini nasıl şekillendirdiği
- Sesli yapay zekânın metin tabanlı sohbet robotlarından neden farklı müşteri davranışları oluşturduğu
- Doğal konuşma tasarımında edimbilimin ve paylaşılan bağlamın rolü
- “Yardımcı” LLM davranışının güven inşa etmek yerine çoğu zaman güveni neden zayıflattığı
- İşletmelerin müşteri deneyimini geliştirmek için markalı yapay zekâ seslerini nasıl kullandığı
- Son atılımlara rağmen dilin yapay zekâdaki en zor sorunlardan biri olmayı neden sürdürdüğü
- Görsel tasarımcıların konuşmaya dayalı arayüzler tasarlarken neleri yeniden düşünmesi gerektiği
- Yapay zekâdan yapay zekâya iletişimin insan dili kalıplarının ötesinde nasıl gelişebileceği
Önemli Çıkarımlar
- Yapay zekâ konuşmalarının çoğu, kullanıcıları gereğinden fazla uğraştırdığı için başarısız olur
İyi konuşma tasarımı, etkileşimin kendisinde yol bulma yükünü ortadan kaldırır. Oliver’ın açıkladığı gibi, kullanıcılar basit bir sorunu çözmek için yapay zekâ sisteminin menü mantığını veya konuşma yapısını tersine mühendislikle çözmek zorunda kalmamalıdır. En iyi yapay zekâ etkileşimleri, insanları katı iş akışlarına zorlamak yerine içgüdüsel konuşma alışkanlıklarına güvenmelerine olanak tanır. - Sesli etkileşimler, metinden farklı şekilde güven oluşturur
İnsanlar hâlâ telefonu açıyor; çünkü sözlü konuşma daha güçlü bir “sosyal mevcudiyet” hissi yaratıyor. Gerçek zamanlı diyalog, etkileşime duyulan güveni, uyumu ve özgüveni artırıyor. Bu nostalji değil. Bilişsel bağlantılarımızın bir sonucu. - Yapay zekânın tekinsiz vadisi çoğu zaman görsel değil, dilbilimseldir
Sorun yalnızca yapay sesler veya robotik ifadeler değildir. Sorun, yapay zekânın insanların bilinçli olarak zar zor fark ettiği incelikli konuşma normlarını ihlal etmesidir. İstekleri gereğinden fazla açıklamak, bariz adımları sesli olarak anlatmak veya paylaşılan bağlamı görmezden gelmek, iş birliğine dayalı konuşma yanılsamasını bozar. - “Yardımcı” yapay zekâ çoğu zaman küçümseyici bir tonda konuşur
Büyük dil modelleri genel olarak güvenli, uyumlu ve açıklayıcı olacak şekilde eğitilir. Ancak gerçek konuşmalarda fazla açıklama yapmak yetersizlik veya mesafe ima edebilir. Bazen en doğal etkileşim basitçe şudur: “Hesap numaranız nedir?” Bunun yerine neden gerektiğine dair altı satırlık bir feragatname sunmak değil. - Zamanlama, çoğu ekibin fark ettiğinden daha önemlidir
İnsan konuşması hızlı ilerler. Birkaç yüz milisaniyeden uzun gecikmeler doğal olmayan bir his vermeye başlar. Konuşmaya dayalı yapay zekâ tasarlamak, insanların bilinçaltında işlediği söz kesmeleri, duraksamaları, dolgu ifadelerini ve konuşma sırası alma dinamiklerini hesaba katmayı gerektirir. - Gerçek çağrı merkezi çalışanları, ekiplerin ihtiyaç duyduğu tasarım verilerini zaten barındırır
Oliver’ın en güçlü önerilerinden biri, müşteri hizmetleri ekiplerini gözlemleyerek zaman geçirmektir. İnsanların gerçekte nasıl soru sorduğunu, söz kestiğini, açıklama yaptığını ve sorun çözdüğünü dinleyin. Çoğu kuruluş, yeniden oluşturmaya çalıştığı konuşma kalıplarına zaten sahiptir. - Yapay zekânın doğal hissettirmesi için insanları kandırması gerekmez
Amaç aldatmak değil, sürtüşmeyi azaltmaktır. Doğal konuşma tasarımı, kullanıcıların sistemle nasıl etkileşim kuracaklarını anlamaya çalışmak yerine sorunlarını çözmeye odaklanmalarını sağlar. - Kaba kuvvet yaklaşımına dayalı dil modellerinin sınırlarına yaklaşıyor olabiliriz
Oliver, günümüz LLM’lerinin insan bilişinin tam olarak anlaşılmasını değil, mühendislik alanında bir atılımı temsil ettiğini savunuyor. Modelleri yalnızca daha büyük hâle getirmek, özellikle akıl yürütme ve bağlamsal anlama söz konusu olduğunda, sonunda azalan getirilerle karşılaşabilir. - Geleceğin yapay zekâ ajanları insanlarla hiç konuşmayabilir
Yapay zekâ sistemleri giderek diğer yapay zekâ sistemleriyle iletişim kurdukça, insan tarzı konuşma normları tamamen ortadan kalkabilir. Dille ilişkilendirdiğimiz kibar karşılıklı konuşma, nihayetinde en iyi bilgi aktarımından çok insan bilişiyle ilgili olabilir.
Bölümler
- 00:00 — Yapay zekâ ile yapılan konuşmalar neden tuhaf hissettiriyor
- 02:33 — Yapay zekâ, web siteleri ve gezinme
- 06:30 — Sesli ve görsel tasarım karşılaştırması
- 10:33 — Sesli yapay zekâ bugün nerelerde işe yarıyor
- 13:35 — “LLM sesi”ni düzeltmek
- 16:37 — İnsanlar neden hâlâ arıyor
- 20:06 — Sosyal varlık ve güven
- 22:12 — Konuşma etiği
- 25:38 — Yaygın yapay zekâ tasarımı hataları
- 31:06 — Konuşmada zamanlama ve tempo
- 33:40 — Fazla açıklamanın güveni zedelemesinin nedeni
- 40:16 — Doğal konuşma tasarımı
- 42:22 — Dilin yapay zekâ için zor olmasının nedeni
- 46:53 — Sesli arayüzler için tasarım
- 51:06 — Yapay zekânın yapay zekâyla konuşması
- 54:11 — Yapay zekâ donanımının geleceği
Konuşmacımızla Tanışın

Oliver Shoulson, PolyAI’de Ajan Tasarımı ve Mühendislik Lideri olarak görev yapmaktadır. Burada, küresel işletmeler için doğal ve insan benzeri müşteri etkileşimlerini mümkün kılan gelişmiş konuşmaya dayalı yapay zekâ sistemlerinin tasarlanmasına ve geliştirilmesine yardımcı olur. Yapay zekâ mühendisliği, diyalog sistemleri ve kullanıcı odaklı tasarım alanlarındaki geçmişiyle Oliver, ölçeklenebilir sesli ve sohbet deneyimleri oluşturmak için teknik yenilikleri gerçek dünya kullanılabilirliğiyle buluşturma konusunda uzmanlaşmıştır. Konuşmaya dayalı yapay zekânın geleceği ve akıllı ajanların müşteri hizmetlerini, operasyonel verimliliği ve insan-bilgisayar etkileşimini nasıl dönüştürebileceği konusunda tutkuludur.
Bu bölümdeki kaynaklar:
- Dijital Proje Yöneticisi topluluğuna katılın
- Bültene abone olun ve en yeni makalelerimiz ile podcast’lerimizi alın
- Oliver ile LinkedIn’de bağlantı kurun
- Oliver’ın web sitesine göz atın
- PolyAI’yi ziyaret edin
İlgili makaleler ve podcast’ler:
Galen Low: Merhaba, ben Galen; Dijital Proje Yöneticisi'nin aracısal yapay zekâ destekli sanal podcast sunucusu avatarıyım. Şaka yapıyorum. Ama benim sadece bir yapay zekâ olduğumu düşünseydiniz bu podcast'i deneyimleme biçiminizin farklı olacağına ne kadar bahse girerdiniz? Bugün ele alacağımız konu bu: Yapay zekâ ile yapılan bir etkileşimi iyi kılan ilkeler ile Instagram akışımızda memler olarak karşımıza çıkan, faydasız, öfke uyandıran ve tekinsiz vadi karşı örneklerini birbirinden ayıran unsurlar.
İşin aslı şu ki çoğumuzdan, çalışma arkadaşlarımızın ve paydaşlarımızın etkileşime gireceği aracılar ve yapay zekâ ekip arkadaşları oluşturmamız isteniyor; üstelik bunlar yalnızca metin tabanlı araçlar değil, ses tabanlı araçlar da. Ancak oluşturduğumuz şey deneyime çok fazla sürtünme eklerse bu araçlar başarısız yapay zekâ deneylerinin rafında hızla tozlanmaya başlayabilir.
Bu nedenle yapay zekâ ile daha iyi etkileşimler tasarlamaya başlamamıza yardımcı olması için konuşma tasarımının ön saflarında çalışan bir uzmanı programa davet ettim. Birlikte, yapay zekâ ile insansı ve sürtünmesiz sesli etkileşimler oluşturmanın yatırım getirisini inceleyecek, bu tasarım çabasının nerede azalan getirilerle karşılaşmaya başladığını araştıracak ve insanların nefret etmeye başladığı aşırı yardımsever, insanları memnun etmeye çalışan büyük dil modeli sesinden uzaklaşmanıza yardımcı olabilecek küçük değişiklikleri ortaya koyacağız.
Bölümü beğenmenizi umuyorum.
Yapay zekâ çağında teslimat liderlerinin daha akıllı çalışmasına, daha sorunsuz teslimat yapmasına ve ekiplerini güvenle yönetmesine yardımcı olan program olan Dijital Proje Yöneticisi Podcast'ine hoş geldiniz. Ben Galen'im ve her hafta gerçek dünyadan stratejileri, yükselen trendleri, kanıtlanmış çerçeveleri ve proje cephelerinden ara sıra bir savaş hikâyesini ele alıyoruz. İster büyük dönüşüm projelerini yönetiyor, ister yapay zekâ iş akışlarını düzenliyor, isterse kaosu kontrol altında tutmaya çalışıyor olun, doğru yerdesiniz. Hadi başlayalım.
Bugün, yapay zekâya duyduğumuz güveni nasıl oluşturduğumuzda konuşma tasarımının oynadığı role dalıyoruz. Konuşma odaklı yapay zekâ deneyimleri tasarlarken ekiplerin yaptığı en büyük hataları ve bunların nasıl düzeltileceğini konuşacağız. Dil ile yapay zekânın neden bir bakıma karmaşık bir ikili olduğunu inceleyecek ve yapay zekânın gelecekte diğer yapay zekâlarla nasıl konuşacağına dair bazı öngörülerde bulunacağız.
Bugünkü konuğum PolyAI'de Aracı Tasarımı ve Mühendislik Lideri olan Oliver Shoulson. Oliver, çalışmaları dil, ürün tasarımı ve yapay zekânın kesişiminde yer alan bir dilbilimci ve konuşmaya dayalı yapay zekâ düşünce lideri. Yale'deki döneminde sözdizimsel değişkenliğe odaklanarak, konuşmacıların dilin diğer açılardan yapılandırılmış kuralları içinde cümleleri nasıl farklı biçimlerde kurup düzenlediğini inceledi. Bu çalışma bugün son derece önemli hâle geldi; Oliver, PolyAI'deki rolünü kullanarak ekiplerin hantal betiklerin ve tekinsiz vadilerin ötesine geçip gerçekten doğal ve faydalı hissettiren yapay zekâ ile sesli etkileşimler kurmasına yardımcı oluyor.
Oliver, bugün benimle vakit geçirdiğin için teşekkürler.
Oliver Shoulson: Beni davet ettiğiniz için çok teşekkür ederim. Burada olmak gerçekten harika.
Galen Low: Bu konu benim için gerçekten ilginç. Buraya kadar yaptığımız konuşmaları çok sevdim çünkü biraz merakımı giderebildim. Üniversitede biraz İngilizce dilbilgisi ve dilbilim okumuştum.
Bu konu her zaman dikkatimi çekmişti. Sonra farklı bir yola girdim ve sinema çalışmalarına yöneldim. Ancak yapay zekâ ve sohbet robotları yolunda ilerlerken daha akışkan, katı bir sözdizimine dayanmayan tüm bu etkileşimler beni yeniden konuya döndürdü. Bu yüzden adın gündeme geldiğinde, "Aman Tanrım, bu adamla konuşmalıyım," dedim.
Bu nedenle minnettarım. Haritayı baştan sona dolaşmamızı umuyorum. İçine dalabileceğimiz pek çok konu var ama ben bir proje yöneticisiyim; bu yüzden gerekirse bugün için hazırladığım yol haritası burada. Başlangıç olarak dinleyicilerimin senin görüşlerini merak ettiği büyük ve çetrefilli bir soruyla ortamı hazırlamak istedim.
Sonra biraz uzaklaşıp üç şeyden bahsetmeyi düşündüm. Öncelikle yapay zekâ ile sesli etkileşimlerin neden önemli olduğunu ve bugün işletmeler ile kullanıcılar üzerinde nasıl somut bir etki yarattığını konuşmak istiyorum. Ardından iyi bir konuşma etkileşimini neyin oluşturduğunu ve yapay zekâ aracısı ya da yapay zekâ ekip arkadaşı geliştiren ekiplerin kullanıcıları rahatsız eden o tekinsiz vadiden nasıl kaçınabileceğini adım adım ele alacağım.
Son olarak etkileşim tasarımının geleceği ve görsellerin konuşma diline kıyasla ikinci planda kalmaya başlayıp başlamayacağı hakkındaki görüşünü almak istiyorum. Sence nasıl?
Oliver Shoulson: Bana harika geliyor.
Galen Low: Harika. O hâlde başlayalım. Büyük ve çetrefilli bir soru sorarak başlamak istedim ama önce biraz hazırlık yapacağım; çünkü çevremdeki insanlar, yani bağlantılarım ve içinde bulunduğum çevre, meslekleri gereği dijital profesyonellerden oluşuyor. Web siteleri, dijital pazarlama kampanyaları ve dijital dönüşüm stratejileri oluşturan insanlardan bahsediyorum.
Web sitelerinin bildiğimiz hâliyle sonsuza dek değişmek üzere olduğunu söyleyen başlıkları gördükçe kulaklarımız dikiliyor. Bunun en azından bir bölümü, yapay zekânın yapay zekâ özetleri, yapay zekâ tarayıcıları ve yapay zekâ yardımcı pilotları gibi araçlarla web'de gezinme deneyimine yerleştirilme biçiminden kaynaklanıyor.
Bu yüzden şunu sormak istedim: Konuşmanın gezinmenin yerini aldığı bir internetten ne kadar uzaktayız ve bizi oraya gitmekten alıkoyabilecek şeyler neler?
Oliver Shoulson: Evet. Web sayfalarını ve bir bütün olarak interneti tasarlama biçimimizin yapay zekâ aracıları için gezinilebilir hâle getirilmeye yönelik olacağı yolların kesinlikle ortaya çıkacağını düşünüyorum.
Bunun kaçınılmaz olduğunu ve muhtemelen iyi bir şey olduğunu düşünüyorum. Sonuçta aracılarımızın ve yardımcılarımızın görevleri bizim için tamamlama verimliliğini artıracak. Bununla birlikte yalnızca konuştuğunuz ve hiçbir zaman görmediğiniz bir interneti benim ya da tanıdığım herhangi birinin isteyip istemediğinden emin değilim.
Sanırım şunu söyleyebilirim: İster konuşma arayüzlerinden ister görsel arayüzlerden bahsediyor olalım, tasarımcıların, arayüz tasarımcılarının ve daha genel anlamda etkileşim tasarımcılarının görevi, insanların gerçek dünyayla etkileşim kurarken sahip oldukları bilişsel önyargılar ve bilişsel mimari hakkındaki anlayışımızı kullanarak dijital veya sanal dünyayla etkileşim için sezgisel arayüzler oluşturmaktır.
Uzun zamandır fiziksel dünya etkileşimlerine başvurarak bunları bir web sayfasında taklit etmenin ve gezinmeleri sezgisel hâle getirmenin akıllıca yollarını bulan gerçekten yetenekli grafik kullanıcı arayüzü tasarımcılarımız oldu. Kaydırma çubukları, anahtarlar, düğmeler ve fiziksel olarak etkileşim kurmaya alıştığımız diğer şeyler buna örnek. Dünyada fiziksel biçimde nasıl gezineceğimizi öğrenmemizi sağlayan bilişsel mimarimiz zaten var; bunu dijital arayüze uygulayabiliyoruz ve böylece deneyim gerçekten sezgisel hâle geliyor.
Etkileşim kurmak için bir sürü yeni şey öğrenmemiz gerekmiyor. Bu nedenle konuşma arayüzlerinin yetenekleriyle aslında aynı şeyi yaptığımızı düşünüyorum. Sadece farklı bir bilişsel mimari kümesine, yani dilsel yetilerimize başvuruyoruz. Çok yakın zamana kadar bunları gerçekçi bir biçimde taklit etmenin bir yolu yoktu.
Büyük dil modellerinin büyük atılımı da burada oldu. Çok büyük, sürekli çalışan olasılıksal motorlar olsalar bile yeterli veri, eğitim ve denetimle ilk kez doğal insan dili gibi hissettiren bir dil üretebiliyorlar. Bu da bize bir şeyle etkileşim kurmak için başka bir yol sunuyor; fakat konuşmanın grafik arayüzlerden doğası gereği daha iyi olduğunu düşünmüyorum.
Bence bunlar yalnızca insan deneyiminin farklı bölümlerine hitap ediyor.
Galen Low: Gerçek dünyadaki şeylerle kurduğun bağlantıyı çok sevdim. Ben dijital biriyim, bu yüzden düğmeler, radyo düğmeleri, onay kutuları ve kaydırıcılar deyip geçiyorum. Bunları yakın zamana kadar gerçek hayattaki fiziksel anahtarlar ve etkileşim kurduğumuz diğer şeylerle hiç ilişkilendirmemiştim.
Sonra katılıyorum. Zaten bir dil yetimiz olduğunu ve bunu bir şeyle etkileşim kurma deneyiminin parçası olarak kullanabileceğimizi söylemek çok mantıklı. Bu mutlaka daha iyi olacağı ya da diğer şeylerin yerini alacağı anlamına gelmiyor. Sadece elimizde bu araçların bulunduğu anlamına geliyor.
Oliver Shoulson: Evet. Kendimi çok görsel bir insan olarak görüyorum. İş dışındaki hayatımda bir bakıma görsel sanatçıyım.
Galen Low: Öyle mi?
Oliver Shoulson: Web sayfası tasarımı ve grafik tasarım dünyasının konuşmanın gerisinde kalmaya başlaması beni gerçekten üzerdi. Bir konuşma tasarımcısı olarak amacım kesinlikle bu değil; umarım başkalarının amacı da değildir.
Bence bunların ikisi de özgün ve ilginç beceri setleri gerektiren güzel alanlar ve her ikisinin de gelişmeye devam etmesini umuyorum.
Galen Low: Düşündüğüm şey şu: Kaygımız, insanların artık web sitelerini ziyaret etmediği fikri etrafında şekilleniyor. Bir web sitesinin ekonomisinin bir bölümü insanların tıklaması, gerçek siteyi ziyaret etmesi ve arayüzü görmesiydi.
Şu anda yapay zekâ özetlerinin veya başka bir mekanizmanın, web sitesi sahiplerinin kontrolünde olmayan ve işletmenin amaçladığından farklı bir etkileşim tasarımına sahip olabilecek bir tür aracı web sitesi hâline gelmesinden söz ediliyor. Bu etkileşimde konuşma da yer alabilir; çünkü Gemini'ye ya da tercih ettiğimiz büyük dil modeline bir soru yöneltebiliriz.
Sanırım biraz doğaçlama biçimde bu konuya girmek istedim. Sen görsel bir insansın ve görsel tasarımı takdir ediyorsun. Dilbilimcisin ve konuşma tasarımını takdir ediyorsun. Bir de bir deneyim oluşturan kişinin amacı var; ardından bunu başka bir şeye dönüştüren bir aracı ortaya çıkabiliyor.
Bu sorun olur mu? Bu bir uzlaşma mı? İyi bir şey olabilir mi?
Oliver Shoulson: Bilmiyorum. Aslında bu konu üzerine çok fazla düşünmedim; benim için de tamamen doğaçlama bir soru. Bu aradaki katmanın işletmeler için markalaşmanın ve web geliştirme sürecinin standart bir parçası hâline gelmesini ve onların da bunun üzerinde belirli ölçüde kontrol sahibi olabilmesini umarım.
İşletmelerin görsel arayüzleri için yıllardır yaptıkları gibi konuşma arayüzü tasarlamaktan heyecan duymalarının nedenlerinden biri, birleşik bir marka kimliği geliştirme ve sunma fırsatıdır. Marka kimliğinizin bu aradaki katmanda kaybolması, soyutlanması veya yanlış tanımlanması ve ardından ortadan kaybolması ya da istemediğiniz bir şeye dönüşmesi konusundaki endişeni tamamen anlıyorum. Bunun gerçek bir kaygı olabileceğini görebiliyorum.
Şirketler için web siteleri veya dijital varlıklar oluşturan ajansların, sözünü ettiğin yapay zekâ özeti ya da yapay zekâ hedefli aradaki katman üzerinde kontrolü nasıl sürdürebileceklerini araştırdıklarını tahmin ediyorum.
Galen Low: Bunu sevdim.
Marka sesi bunun bir parçası, deneyimin bir parçası. Kelimenin tam anlamıyla bir asistandan ya da aracıdan siteyi bizim için okumasını, özetlemesini veya hangi düğmelerin bulunduğunu söylemesini istiyoruz. Tasarlandığı şekliyle gerçek deneyimi yaşamıyoruz.
Hızlı ve kullanışlı olabilecek bilgiler alıyoruz ama bu, şirketin amaçladığı deneyim kadar bilinçli olmayabilir. Bu da iyi bir geçiş olabilir. Plansız bir geçiş oldu ama biraz uzaklaşıp PolyAI'deki çalışmalarına bakabilir miyiz? Çalışmaların ses odaklı yapay zekâ kullanıcı deneyimleri etrafında dönüyor ve bazı durumlarda bir restoran, banka veya sağlık kliniğinde telefonu yanıtlayacak birinin bulunmasının yerini alıyor.
PolyAI'de sesli yapay zekânın bugün işletmelere ve müşterilere gerçek, somut değer sağladığı yerler açısından neler görüyorsun? Bu deneyim, son on yılda gördüğümüz sohbet robotu deneyimlerinden temel olarak nasıl farklı?
Oliver Shoulson: Herhangi bir sektördeki çağrı merkezi yöneticisine, müşteri deneyimi liderine veya çağrı merkezi liderine sorarsanız size insanların hâlâ telefonu açtığını söyleyecektir.
Bunun böyle olduğunu düşünmeyebilirsiniz. Telefon görüşmesi yapmaktan nefret eden birçok insan tanıyor olabilirsiniz. Ben kesinlikle tanıyorum. Ancak telefon hâlâ müşteri desteği için kesinlikle temel kanallardan biri. İma ettiğin gibi bu tür bir ses çözümünün uygulanmasıyla müşterilerin gördüğü büyük değerlerden biri, çağrı merkezi çalışmalarındaki yoğun mevsimsellik, hacim değişiklikleri ve genel personel devriyle başa çıkabilme yeteneği.
Örneğin en uzun süredir çalıştığımız müşterilerden biri büyük bir perakende müşterisi. En yoğun dönemleri tatil sezonu, özellikle herkesin Noel hediyelerini aldığı Kara Cuma. Bizimle çalışmaya başladıklarından beri ilk kez çağrı merkezi çalışanlarına Şükran Günü'ne ek olarak Kara Cuma gününü de izin verebildiler.
Galen Low: Vay canına.
Oliver Shoulson: Böyle bir şey yalnızca müşteriye ve işletmeye değil, çağrı merkezi çalışanlarına da değer sağlıyor. PolyAI'deki çalışmamı insan temas merkezlerinin yerini almak değil, onları desteklemek olarak görüyorum. Müşterilerin insan dokunuşu gerektiren sorunları veya ihtiyaçları her zaman olacaktır.
Bu nedenle müşterilerimizin çoğunun istediği ve bizim sunmak istediğimiz şey, çağrı merkezi kaynaklarını gerçekten kritik, insan dokunuşu gerektiren karmaşık kullanıcı niyetleri ve gereksinimleri için ayırırken otomasyon sağlayan bir yöntem. İnsanların aradığı şeylerin büyük çoğunluğu bunlar olsa bile.
Çoğu insan aynı sorunların yüzde 20'siyle arıyor. Bu sorunların yüzde 20'sini otomatikleştirebilirseniz çağrı merkezleri için büyük bir kazanım elde edersiniz. Ayrıca daha önce değindiğim bir başka nokta da şu: Ses, metinden daha fazla, markalı bir deneyim geliştirme fırsatı sunuyor. Bir marka olarak uzun süre geliştirdiğiniz kişiliği, tutumu ve kimliği genel amaçlı bir sohbet robotundaki büyük dil modelinin son derece pasif ve tatsız diyaloglarına teslim etmiş gibi hissetmiyorsunuz.
Buna bir örnek vereyim. Müşterilerimizden biri gerçekten harika bir Brezilya et lokantası zinciri olan Fogo de Chão. Selma'nın sesini klonlama fikrine çok sıcak baktılar. Selma, şirkette uzun süredir müşteri deneyimi liderlerinden biri.
Şirkette onlarca yıldır çalışıyor. Onlar için yaptığımız şey Selma'yı bir yapay zekâ aracısı olarak yeniden oluşturmak ve rezervasyon yapmak, değiştirmek veya iptal etmek, ödüller hakkında soru sormak gibi işlemler için arayan kişilerin telefonlarını onun yanıtlamasını sağlamaktı.
Bunu yaparak markalarının kimliğini başka türlü mümkün olmayacak şekilde genişlettiler. Tek bir kişinin aynı anda sahip olabileceğinden milyonlarca daha fazla ses ve etkileşim kurabileceğinden milyonlarca daha fazla kişi sunabildiler. Bu, müşterilerin gerçekten heyecan duyduğu bir şey ve ekrandaki metinden elde edemeyeceğiniz bir deneyim.
Galen Low: Komik çünkü büyük dil modeli sesinden bahsettin. Sanırım dinleyen herkes bunun ne anlama geldiğini biliyor. Teknolojinin ilerlediğini biliyorum ama daha önce söylediğimize dönersek bu, kendi kişiliği olan ve başlangıçta oldukça dalkavukça davranan bir ses.
İnsanları memnun etmeye çalışıyor. Bir kişiliği var; sadece bu kişi Selma olmayabilir. Dinleyen birçok kişi, "Bundan ve bu büyük dil modeli sesinden bıktım," diyecektir. Selma'nın kişiliğini nasıl sisteme kattığınızı üst düzeyde anlatabilir misin? Selma bir hafta boyunca bir stüdyoda konuşuyor mu?
Bunu dinleyen ve "Selma gibi bir aracı oluşturmak istiyorum ama 'Harika, önerileriniz muhteşem. Düzelteceğim üç şey var. Şimdi bir şey yapmamı ister misiniz?' demesini istemiyorum," diyen insanlar olabilir. Selma'nın kişiliğini sisteme katmak nasıl işliyor ve bu zahmetli bir görev mi?
Oliver Shoulson: Gerçek ses için, yani sesi klonlamak için belirli miktarda eğitim verisi toplamak ve ardından özel bir ses modeli eğitmek gerekiyor. Böylece onun aksanını, konuşma biçimini ve konuşurken kullandığı küçük duraksamaları elde edebiliyoruz.
Kişilik tasarlama aşamasında ise konuşma tasarımcısı devreye giriyor. Modelin ürettiği şey üzerinde kontrol sağlamak ve müşteriyle konuşma tarzını belirlemek için istem, getirme ve güvenlik sınırı katmanlarında çalışıyor. Modelin büyük dil modellerinin o dalkavukça tavrından çıkmasını sağlamak için kullanabileceğimiz çeşitli kaldıraçlar ve ayarlar var.
Özel olarak eğitilmiş kurum içi modellerle çalışmanın faydalarından biri de bu. Bu modelleri kişilik istemlerine, konuşma tarzına ve konuşmayı yürütme biçimine özellikle duyarlı hâle getirebiliyoruz. Aksi takdirde model yalnızca talimatları izlemeye çok duyarlı olur ve büyük dil modellerinden beklediğimiz o dalkavukça, renksiz kişiliğe geri döner.
Galen Low: Genellikle güvenlik sınırları dediğimizde güvenlik, etik ve benzeri şeyleri kastediyoruz. Senin kastettiğini, verilerden ne kadar kişilik çıkarsanabileceği çevresinde oluşturulan güvenlik sınırları olarak anladım.
Bunlar güvenlik, mahremiyet ve etik konularına dönüşebilir ama aynı zamanda telefonda birinin size gereğinden fazla kişisel bilgi vermesi gibi bir durum da olabilir. Bu tuhaf hissettirebilir.
Oliver Shoulson: Marka kimliği etrafında da güvenlik sınırları var. Modelin kişisel bilgileri dışarı çıkarmasını istemeyiz. Halüsinasyon görmesini, işletmeyi hukuki veya etik açıdan zor durumda bırakacak bir şey söylemesini istemeyiz.
Ancak şirketin uzun süre geliştirdiği markayı ve kişiliği de korumak istersiniz. Yapay zekâ modelini sisteme yerleştirdiğinizde risk altında olan şeylerden biri de budur. Bu yüzden bunun yerinde olduğundan emin olmak için çok dikkat ediyor ve çok zaman harcıyoruz.
Galen Low: Daha önce söylediğin bir şeye dönmek istiyorum. İnsanların hâlâ telefonu açmak istediğini söyledin. Bu düşünceyle bağ kuruyorum ama bana da biraz tuhaf geliyor. Telefonu sevmiyorum. Öngörülemez ve kontrol bende değilmiş gibi hissettiriyor. Sanırım içimdeki kontrol meraklısı telefondan hoşlanmıyor ama dediğin gibi insanlar telefonu açmak ve bir insanla konuşmak istiyor.
Telefon neden? Telefon neden faks göndermek gibi bir anakronizm hâline gelmedi? Sence telefonu açıp bir insanla konuşmak isteyen insanlarda bunun nedeni ne?
Oliver Shoulson: İnsan-bilgisayar etkileşimi alanında, aslında oldukça eski bir kavram var. On yıllar öncesine dayanıyor ve telefon görüşmeleri ile yüz yüze konuşmalar üzerine düşünülürken geliştirilmiş. Buna sosyal mevcudiyet deniyor.
Bu, başka bir kişiyle birlikte olma ve gerçek zamanlı beraberlik hissini ifade ediyor. Ölçülmesi öznel bir şey ama sosyal mevcudiyet hissinin artmasının her türden olumlu müşteri deneyimi ve işletme sonucuyla ilişkili olduğunu gösteren çok sayıda araştırma var.
Bir müşteri hizmeti etkileşiminde kişi daha güçlü bir sosyal mevcudiyet hissederse konuştuğu kişinin tavsiyesine güvenme ve uyma olasılığı artıyor. Bu da insanların talimatları takip etmemesinden kaynaklanan geri dönüşlerin azalmasına ve konuşmanın sonucundan daha fazla memnuniyet duyulmasına yol açıyor.
Genel olarak memnuniyet de sosyal mevcudiyet hissiyle ilişkili. Ayrıca yapay zekâ etkileşimleri açısından kritik bir nokta olarak insanlar sağladıkları bilgilerin güvenliğinin hassasiyetle ve özenle ele alındığından daha emin hissediyor.
Telefon görüşmelerini sevmeyen biri olarak bile bunu anlayabiliyorum. Sosyal mevcudiyet hissinin sağladığı tüm bu olumlu deneyimler ve sonuçlar, insanların etkileşimlerde sosyal mevcudiyet aramasına yol açıyor.
Sosyal mevcudiyeti bir tür aralık olarak düşünüyorum. En yüksek derece bir kişiyle yüz yüze etkileşim. Şu anda birbirimize baktığımız için bu muhtemelen elde edebileceğimiz ikinci en iyi şey. Telefonda bu biraz daha az, birbirimize mesaj yazmak ise hayal edilebilecek en düşük seviye.
İnsanların bu etkileşimlerde sosyal mevcudiyet hissini bulabilecekleri yollar aradığını düşünüyorum.
Galen Low: Sosyal mevcudiyetin rolünü düşünmek gerçekten ilginç. Bunu söylerken kaç kez bir e-posta okuyup ona karşı gerçek zamanlı bir sorumluluk hissetmediğimi düşündüm.
Hızlıca gözden geçiriyorum. Talimatları izledim mi? Muhtemelen yanlış yaptım. Tamamen bağlı olmadığım veya dikkatimi vermediğim için kimsenin benimle ilgilendiğini hissetmiyorum. Sosyal mevcudiyette ise bu gerçek zamanlı oluyor. Bir tür sosyal nezaket ya da bağ hissediyorum; bu kişiyi dinlemem ve talimatları doğru anlayıp anlamadığımı umarak yarım yamalak dinlememem gerekiyor.
Ayrıca biri orada ve bir şekilde benimle ilgileniyor. İlgilenmek ile hizmet etmek arasında bir şey. Bana yardım etmek için oradalar. İyi konuşma tasarımının bu sosyal mevcudiyeti oluşturmasının nedeni de bu. Etkileşimi daha etkili ve verimli hâle getiriyor, sadakat oluşturuyor ve güveni beraberinde getiriyor.
Bir sohbet robotuna bilgi girmek ise verilerle ne yapılacağını bilmediğiniz hissini veriyor. Bir şey göndermeden önce güvenli bağlantı olduğundan emin olmak için tarayıcı çubuğuna beş kez bakıyorum. Sosyal mevcudiyet olduğunda ortaya çıkan içsel güven ise bambaşka.
Oliver Shoulson: Tasarımdan bahsetmenize sevindim çünkü bu konu yalnızca kanalla sınırlı değil. Sosyal mevcudiyet açısından telefonun metinden daha iyi olması başka bir şey; fakat tasarımcılar olarak sosyal mevcudiyet hissini artırmak için yapabileceğimiz şeyler de var.
Örneğin aracının hazır yanıtlar içeren bir çantaya uzanıp reklam metnini kelimesi kelimesine vermediğini hissettirmek için çok çaba gösteriyoruz. Bu, kişinin sizinle gerçek zamanlı olarak birlikte olmadığını hissettirmenin harika bir yolu. Arada yakınlık, gerçek zamanlı ortak sorun çözme duygusu oluşmuyor.
Büyük dil modellerinin kutudan çıktığı hâliyle etkileşim kurma biçimleri sosyal mevcudiyet hissini zayıflatabiliyor ve onları uzak, kopuk ya da tekinsiz hissettirebiliyor. Aracıya duyduğunuz aşinalık ve yakınlık tam olarak oluşmuyor. Bu nedenle tasarım, kanalın ötesinde büyük bir rol oynuyor.
Galen Low: Bu iyi bir nokta. SohbetGPT gibi büyük dil modellerinin insanların karşılarına çıkarabileceği neredeyse her kullanım alanına uyacak şekilde tasarlandığını birçok kişi unutuyor. Büyük teknoloji şirketleri bu teknolojinin kullanımını ve benimsenmesini artırmak için onu böyle tasarladı.
Ancak temelde büyük dil modeli sesi her durum için güvenli ses olacak. "Ruh sağlığım hakkında endişeliyim" de deseniz, "Bu restorandan nasıl çizburger alırım?" da deseniz teknoloji her ikisini de ele almak üzere tasarlanmış. Elbette kendinizi iyi hissettiren güvenli ve dalkavukça bir ses olacak.
İnsanların büyük dil modelini biraz kaba olması için eğittiğini görmek komikti. Aslında nazik olmasını istemiyorlardı; biraz kaba olmasını istiyorlardı. Çünkü tek bir tarz her kullanım alanına ve her kullanıcıya uyacak şekilde tasarlanmış, bu yüzden biraz yavan kalıyor.
Oliver Shoulson: Büyük dil modelinin öfkeli bir müşterinin kötü muamelesine maruz kalmasını bir insanın maruz kalmasına tercih ederim. Ancak bir tasarımcı olarak, birçok markanın da buna katılacağını düşünüyorum: Büyük dil modelinin bile müşterisine sınır koyabilmesini istersiniz.
Gün boyunca insanların yapay zekâya bağırıp küfretmesini ve yapay zekânın buna katlanmasını dinlemek istemezsiniz. Bu, insanlığın ruhu için kötü hissettiriyor. Gerçekçi konuşmanın ötesinde iyi konuşma ilkelerini desteklememiz gerektiğini düşünüyorum.
Galen Low: Kesinlikle katılıyorum çünkü herhangi bir kanalda veya bağlamda yaptığımız şeylerin neyi normalleştirdiğimizi etkilediğini düşünüyorum. Teknolojiyle yapılan konuşmalar geçmişte çok sinir bozucuydu. Alexa ve Siri'leriniz var; insanları bu asistanlara karşı gerçekten kötü davranırken görüyorsunuz.
Bu zorbalığı ve kötü davranışı normalleştirmeye başlıyoruz. Bu da başka alanlara sızıyor. Herkes ChatGPT'ye teşekkür etmeyin çünkü her teşekkürde bir köyü besleyecek kadar su harcanıyor gibi şeyler söylemeye başladığında, insanlar kibar olmak zorunda olmadığımızı düşündü. Oysa söylenen şey teknolojiyle savurgan davranmamamız gerektiğiydi çünkü önemli kaynaklar kullanıyor.
Yapay zekâya teşekkür etmeli miyim sence?
Oliver Shoulson: Bu, sanırım sosyal dilbilim sorusu. Farklı sanal asistanlarla etkileşim kurma biçimimizin gerçek dünyada insanlarla etkileşim kurma biçimimizi nasıl öngördüğü, etkilediği veya yalnızca yansıttığı üzerine aktif olarak araştırma yapıldığından eminim.
Bu konuda bazı başlıklar gördüğümü hatırlıyorum ama gerçek anlamda iyi bir akademik çalışma okumadım. Birilerinin bu konuda doktora yaptığını bildiğim için burada yalnızca tahmin yürütmek istemiyorum.
Galen Low: Bu tamamen adil. Gördüğüm içerikler sonuçsuz kalan editoryal düşünce yazılarıydı ama sana katılıyorum.
Birileri kesinlikle bu konuda araştırma yapıyordur. Sen eğitimli bir dilbilimcisin ve konuşmaya dayalı yapay zekâ deneyimlerinin ön saflarında çalışıyorsun. Doğal ve kullanışlı yapay zekâ araçları geliştirmeye çalışan, kullanıcıların utanmasına neden olmayan sistemler oluşturmaya çalışan birçok kişi görüyorsundur.
Ancak yüzüne gözüne bulaştıran insanlar da görüyorsundur. Ben proje yönetimi ve diğer dijital sektörlerdeki açıdan bakıyorum. Güncel kalmak istiyorsanız bir aracı ve bu şeyleri oluşturmanız gerektiği söyleniyor.
Biz dilbilimci değiliz, yapay zekâ uzmanı değiliz ve bize yalnızca "Yapay zekâ yapın" deniyor. Sonuç da bazen iyi olmuyor. Ekipler yapay zekâ ekip arkadaşları veya yapay zekâ aracıları oluştururken gördüğün en yaygın tasarım hataları neler? Kullanıcılarda "Bu tuhaf hissettiriyor" tepkisini yaratanlar hangileri?
Oliver Shoulson: Önce daha ilginç ve incelikli şeylerin fark yaratabilmesi için yerinde olması gerektiğini düşündüğüm, biraz daha sıkıcı konulardan başlayacağım. Konuşarak iletişim karmaşıktır. Kesintiler ve kişinin kendini düzeltmesiyle doludur.
İnsanlar genellikle birbirlerinin sözünü keser veya aynı anda konuşur. Konuşma sıraları arasında en fazla iki ya da üç yüz milisaniye bulunur. Her sıra arasında büyük dil modeline, konuşma tanımaya ve metinden sese dönüşüme çağrı yapılacaksa, çok sınırlı bir zamanda yapılması gereken büyük miktarda hesaplama vardır.
Bugün dünyada her konuşma sırası arasında üç saniyeden az gecikme yaşayan bir sesli yapay zekâ aracısı görmek bile nadir. Yüz milisaniye çok daha nadir. Bu nedenle doğal konuşma akışını yönetmek hem kullanılabilirlik sorunu hem de tekinsiz vadi sorunudur.
Gerektiğinde sözümü kesemezsem, sahip olduğum bir yanlış anlamayı düzeltmek için aracı araya giremezse veya ben aracının sözünü kestiğimde önceki cümlesinin ne kadarını söyleyebildiğini bilemezse teknik zorluklar ortaya çıkar.
İnsanlar konuşurken birinin sözünü kestiğinizde ne duyduğunu bilirsiniz. Gerekirse kaldığınız yerden devam edersiniz. Ancak bir büyük dil modeli kesildiğinde önceki ifadesinin ne kadarının duyulduğunu bilemeyebilir.
Örneğin "Yeni bir kartın durumunu mu kontrol etmek istiyorsunuz, yoksa kayıp kart mı bildireceksiniz?" diye soruyor ve siz "Yeni kartın durumunu kontrol et" kısmından sonra sözünü kesip "Evet" diyorsanız, model neye evet dediğinizi bilmeyebilir.
Çünkü kendisinin konuştuğunu her zaman duymaz. Konuşmada söz alma dinamiklerini teknik açıdan doğru kurmak, sistemin kullanılabilir olması ve üç saniye beklediğiniz yavaş ve acı verici bir etkileşime dönüşmemesi için gerekli.
Konuşmanın gerçek zamanlı dinamikleriyle ilgili diğer konu, sohbet robotlarında olduğu gibi daha önce söylenenlerin kaydına sahip olmamamız. Büyük dil modellerinin temel zayıflıklarından biri bu. Modeller çoğunlukla metin tabanlı ve uzun biçimli, yapılandırılmış metinlerle eğitiliyor.
Madde işaretleri, parantezler, paragraflar ve başlıklar içeren metinlerde bilgiyi uzun ve yapılandırılmış biçimde sunmaya alışkınlar. Gerçek zamanlı konuşmada aktif işlem belleği böyle çalışmaz.
Yoğun bir bilgiyi aktarmanız gerektiğinde, örneğin bir adresi, URL'yi veya telefon numarasını verirken, bilgiyi aktarmak ve karşı tarafın aldığından emin olmak için çok turlu rutinlerimiz vardır.
Sohbette adresi gönderip kişinin bağlantıya tıklayarak haritaya gitmesini sağlayabilirsiniz. Telefonda ise "Yazacak bir şeyiniz var mı?" dersiniz. Karşı taraf "Hayır, gidip alayım" der. Siz "Tamam, beklerim" dersiniz. Geri geldiğinde adresi sorar, bina numarasını ve cadde adını söylersiniz. Cadde adının yazılışını sorar, siz de harf harf söylersiniz.
Bu, konuşma sırasının ve yazılı kaydın işlem belleğini desteklediği kanallar tarafından ortadan kaldırılan çok turlu bir rutindir.
Bunlar sıkıcı diyeceğim şeyler. Sonra bir dilbilimci olarak konuşmanın nüanslarına ve işbirliğine dayalı diyaloğa geçebiliriz. Ancak burada durabilirim; çok fazla konuya girdim.
Galen Low: Hayır, bence harika. Konuşmada söz alma hızını daha önce hiç düşünmemiştim. Ben sesli yapay zekâyı çok kullanmıyorum; Gemini, ChatGPT veya Claude gibi bir büyük dil modeline çoğunlukla yazarak giriş yapıyorum. Bir şey yazıp gönderiyor, sonra uzaklaşıyorum. Biraz süreceğini düşünüp başka bir şey yapıyor ve geri dönüyorum.
Onu bir veri alma makinesi gibi kullandım. Oysa bu, deneyimin faydasını sınırlıyor olabilir çünkü ortada bir alışveriş yok. Bir görevi sana devrediyorum, uzun cevabınla dönüyorsun ve ben de onu başka bir şeye kopyalıyorum. Yani metin dünyasında yaptığım şey aslında diyalog değil; diyalogdan çok görev devri.
Konuşma olduğunda ise bu işleyiş mümkün olmaz. Çağrı merkezi çalışanları, "Harika, şu bilgiyi doğrulamak istiyorum" veya "Tamam, sistemden kontrol edeyim" gibi küçük dolgu ifadeleri kullanıyor. Böylece iki ya da üç yüz milisaniyelik gecikme dolduruluyor ve etkileşim sürdüğü hissi oluşuyor.
Bu, diyaloğun ivmesini düşünmek için gerçekten ilginç bir yol.
Oliver Shoulson: Sözlü diyalogda geri kanal oluşturma denilen bir şey var. Birini dinlerken onunla hâlâ bağlantıda olduğunuzu, konuşma sırasının onda olduğunu ve ne söylediğini anladığınızı belirtmek için "evet" demeniz buna örnek.
Bu geri kanal rutinleri o kadar bekleniyor ki beklenen zamanda sağlanmadıklarında sorunlar oluşuyor. PolyAI'deki ilk yıllarımda çözmeye çalıştığım sorunlardan biri buydu. İnsanlardan telefon numaralarını istiyorduk.
ABD ve Kanada telefon numaraları genellikle üç haneli alan kodu ve ardından dört haneli bölümler hâlinde söylenir. Bir bölümü söyledikten sonra karşı tarafın onu aldığını onaylamasını beklediğimizi çoğu zaman fark etmiyoruz.
İnsanlar "Numaram bir iki üç" deyip duraklıyordu. Siz orada geri kanal oluşturmazsanız ve sözlerinin bittiğini düşünürseniz, "Bu bir telefon numarası değil, üç hane" dersiniz. Bu yüzden modelleri böyle geri bildirim vermeleri için eğitmeniz gerekir; aksi hâlde insanlar bu geri bildirimi almadıklarında gerçekten kafaları karışır.
Büyük bir istem yazıp uzaklaşmak yapay zekâ yardımcılarında yapılabilir ama telefonda böyle olmaz. Bilgi toplamayı ve özellikle bilgi aktarmayı gerçek zamanlı işlemeye uygun biçimde yapılandırmanız gerekir. Metinde öğle yemeğine gidip döndükten sonra paragrafı okuyabilirsiniz; konuşma böyle işlemez.
Galen Low: Bunu sevdim. Özetlemek gerekirse, sen sıkıcı desen de ben ilginç buluyorum: Gerçek zamanlı konuşma tasarımında zamanlama çoğu kişinin düşünmediği bir unsur ve teknoloji henüz her zaman yeterince hızlı değil.
Oliver Shoulson: Evet. Dolgu ifadeleri veya gecikme ifadeleriyle bu durumu desteklememiz gerekiyor. Gerçek insanların gerçek zamanlı bir iş yaparken bunu yapmak zorunda olması da hoşuma gidiyor. Veritabanında hesabınızı bulmaya çalışıyorsam ve siz telefondaysanız sizi sessizce bekletmem. "Bir saniye verin" veya "Bugün sistem biraz yavaş" gibi ifadelerle ne yaptığım konusunda sizi bilgilendiririm.
Galen Low: Bir aracının, bir şey yaparken mırıldanan insan gibi davranmasını sağladınız mı? "Şuna tıklayacağım. La la."
Oliver Shoulson: Eskiden gerçek ses sanatçılarıyla daha fazla çalışırdık ve düşünürken bazı heceleri uzatmalarını isterdik. Bu, diğer tarafta bir etkinlik olduğunu görmeseniz bile anlamanızı sağlar.
Bu, dilin bağlam içinde kullanılma kurallarını takip etme biçimlerinin inceliklerine giriyor. Dilbilimde bunun alt alanına edimbilim deniyor. Dilin bağlam içinde nasıl kullanıldığı ve işbirliğine dayalı bir diyalogda konuşma partnerimiz hakkında varsaydığımız şeylerle ilgili.
Konuşma partnerimin olabildiğince doğru sözlü olacağı, gerektiği kadar bilgi vereceği ama daha fazlasını vermeyeceği varsayımında bulunuruz. Gereksiz bilgi verdiğinizde konuşma çıkarımı ortaya çıkar. Görevin gerektirdiğinden fazla bilgi verdiğinizde, kastetmediğiniz bir şeyi ima edebilirsiniz.
Büyük dil modellerinin yapmayı sevdiği bir şey buna örnek. Yaptıkları her şeyi ve neden istediklerini açıklamak üzere eğitilmişler. "Hesabınıza bakabilmem için hesap numaranıza ihtiyacım var. Hesap numaranızı söyleyebilir misiniz?" veya "Profil simgesine tıklayın ve bunu yaptığınızda bana haber verin" gibi ifadeler kullanırlar.
İnsanlar bunu doğal olarak böyle yapmaz çünkü bu gereğinden fazla bilgilendiricidir. Talimatı izlediğinizde haber vermenizi söylememe gerek yoktur. Bunu her seferinde söylersem aptal olduğunuzu ima ediyor olabilirim. Görev için gerekenden fazla bilgi veriyorum.
Hesap numarasını neden istediğimi açıklamama da gerek yok. Sadece hesap numarasını sormam yeterli; kişi neden istediğimi zaten biliyor. Büyük dil modellerinin etkileşim biçimindeki en büyük rahatsızlıklarımdan biri bu.
Bu yalnızca beni rahatsız ettiği için önemli değil. Kullanıcı deneyimi açısından başkalarını da rahatsız ediyor. Ancak daha önemlisi, gerçek zamanlı katılım hissini zayıflatıyor. Aynı görevi yapan iki insanın, aralarında paylaşılan bağlam varken etkileşim kurma biçimi böyle değil.
Paylaşılan bağlamı varsaymadığımda sosyal mevcudiyet hissini zayıflatıyorum. Seninle gerçek zamanlı olarak birlikte, işbirliği içinde ilerleyen bir varlık olmak yerine başka bir yerde bulunan, senin bildiklerinin farkında olmayan ve bu anda ikimizin de bilmesi gereken şeyleri bilmeyen bir varlık gibi görünüyorum.
Bir dilbilimci olarak üzerine düşünmeyi en sevdiğim konular bunlar çünkü çok incelikli olsalar da gerçekten önem taşıyorlar.
Galen Low: Bu çok komik çünkü bu alana hâkim olmayan birçok kişi, "İnsanların bu yapay zekâya daha fazla güvenmesi için daha çok kelime ekleyelim," diye düşünmüş olabilir.
Hesap numaranıza neden ihtiyacım olduğunu açıklıyor, lütfen işiniz bittiğinde haber verin diyor ve güven oluşturmaya çalışıyoruz. Oysa edimbilim açısından güveni zedeliyoruz çünkü ortak bir anlayış, güven veya bağlam düzeyinin bulunmadığını ima ediyoruz.
Beni her seferinde deneyimden çıkaran şey şu: Eğittiğim ve muhtemelen kötü eğittiğim bir Gemini var. "Arkadaş olacağız, bunu her hafta yapacağız" diyorum ama her istem verdiğimde "Tanıştığımıza memnun oldum" diyor.
Hayır, sen benim ekibimdesin. Bunu her hafta yaptık. Bu beni bağlamdan çıkarıyor ve yapay zekânın ortak bağlamı anlamadığını düşünüyorum. Ben de onun hiçbir şey bilmediğini varsayıyorum. Sonra doğal olmayan, gösterişli ve can sıkıcı bir dans ortaya çıkıyor.
Bazen az gerçekten çoktur. Nasıl konuştuğunuzu düşünün ve bunu aracınıza katın. Bu, her şeyi açıklamaktan daha fazla güven ve benimseme oluşturabilir ve insanları hedeflerine daha hızlı ulaştırabilir.
Açıklanabilir olması gerektiğinde açıklanabilir: "Neden hesap numaramı istiyorsun?" diye sorulduğunda cevap verirsiniz. Ancak varsayılan etkileşimin "Merhaba, size yardımcı olmak için buradayım. Hesap numaranıza ihtiyacım var. Endişelenmeyin, bunu güvende tutacağım, bağlantı güvenli ve benzeri" şeklinde olması gerekmez.
Oliver Shoulson: Kesinlikle. Bir robotun konuşmanın başında kendisini robot olarak tanıtıp tanıtmaması gerektiği konusunda güçlü bir görüşüm yok. Her iki taraf için de argümanlar var. Bunu yapmanın sorun olduğunu düşünmüyorum.
Ancak birçok kişi aracının yapay zekâ olduğunu söylerseniz kimsenin etkileşime girmeyeceğinden endişeleniyor. Diğer yandan şeffaflık konusunda kaygılar var ve insanların ne tür bir varlıkla konuştuklarını bilmelerini istiyorlar. Buna da tamamen anlayış gösteriyorum.
Fakat bunu yapmanın en kötü yolu, "Merhaba, şu anda yapay zekâ destekli bir sanal asistanla konuşuyorsunuz. Bu konuşma kaydedilecektir" demek. Açıklamayı mümkün olduğunca insansı biçimde yapmalıyız. Amacımız kimseyi kandırmak değil; sistemin yetenekleri ve kullanıcının onunla nasıl etkileşime girmesini istediğimiz konusunda doğru tonu oluşturmak.
Aracınızla yakınlık geliştirmesini mi istiyorsunuz, yoksa eski bir etkileşimli sesli yanıt sistemine davranır gibi bütün süre boyunca anahtar kelimelerle bağırmasını mı? Açıklamaları etkileşimin ilk selamlama cümlesine doğal biçimde yerleştirmeye çalışıyorum.
Aracıya bir isim verin: "Merhaba, ben Oliver. Şirketin sanal asistanıyım. Size nasıl yardımcı olabilirim?" veya "Merhaba, ben Oliver. Şirketin yapay zekâ asistanıyım. Size nasıl yardımcı olabilirim?" diyebilirsiniz. İlk turu mümkün olduğunca açık uçlu ve kısa tutun. Konuşma tasarımında daha az kesinlikle daha fazladır.
Galen Low: Bu gerçekten iyi bir nokta. Daha önceki konuşmamızda buna değinmiştik. Amaç bir insanın yerini almak ya da insanları kandırmak değil. Doğal dili kullanan bir etkileşim tasarlıyoruz; insanlarla yapay zekâ aracılar arasındaki farkın anlaşılmamasını hedeflemiyoruz.
Oliver Shoulson: Aynen öyle. Kimseyi kandırdığı için altın yıldız kazanılmıyor. Amacımız insanların sorun çözme becerilerini etkileşimde nasıl gezineceklerini anlamaya değil, gerçek göreve ayırmalarını sağlamak.
Bir şirketi arayıp telefon menüsüne ulaştığınızda, sorununuzun menüyü tasarlayan kişinin niyet ontolojisinde nereye uyduğunu zihninizde tersine mühendislikle çözmeye çalışırsınız. Hesap sorunu olarak mı, başka bir kategori olarak mı sınıflandırıldı diye düşünürsünüz.
Böylece bilişsel kaynaklarınızı parolanızı sıfırlamak veya sorunu çözmek yerine etkileşimde gezinmeye harcarsınız. Amaç, insanların gerçek dünyadaki insanlarla etkileşim kurarken kullandıkları sezgisel dilsel yetilerine güvenmelerini ve sorun çözme becerilerini gerçek göreve ayırmalarını sağlamak.
Galen Low: Bu çok ilginç. Kullanıcı deneyiminin uzun zamandır kaldırmaya çalıştığı sürtünmeyi deneyime ekliyoruz. Konuşmanın yeniden popüler olmasının nedeni bu mu? Dil neden bunun için daha uygun ve neden tasarlaması bu kadar zor?
Oliver Shoulson: Dilin neden doğru biçimde kurulmasının ve taklit edilmesinin zor olduğu, dilbilimin temel sorusunun başka şekilde ifade edilmesi. İnsan dil yetisini, bunu hesaplamalı bir sistemde program aracılığıyla yeniden üretebilecek şekilde nasıl modelleyebiliriz?
İnsan dil yetisinin mucizesi, bir çocuğun üç, dört veya beş yaşına geldiğinde son derece az maruz kalmayla bir dili akıcı biçimde konuşabilmesi. Büyük dil modelleri, çocuğun dilsel açıdan yetkin hâle gelmesine kadar maruz kaldığı dilden binlerce, hatta milyonlarca kat daha fazla veri görüyor.
Bu da dilbilimcileri dili edinmek üzere evrimleşmiş içsel bir bilişsel mimariye sahip olduğumuza inandırıyor. Dilbilimcinin görevi bu mimarinin nelerden oluştuğunu anlamak: Hangi düğmeler ve parametreler var? Beyniniz bir cümle kurarken ve zihinsel sözlüğünüzden kelimeleri çağırırken hangi işlemleri gerçekleştiriyor?
Son yıllardaki atılım esasen kaba kuvvete dayalı bir mühendislik atılımı. İnsan dil yetisinin nasıl çalıştığını tam olarak çözmüş değiliz. Trilyonlarca parametre ve internetin tamamı ile insan metin tarihinin tamamını modele sunarak, üç yaşındaki bir çocuğun yaptığı şeye yaklaşık olarak benzeyen bir şey elde ettik.
Dil sorunu çözülmüş olmaktan çok uzak. Ancak dile yönelmemizin nedeni, kaba kuvvet yaklaşımında bir atılım gerçekleştirmiş olmamız. Bu çok faydalı ama insan bilişinin gerçekten nasıl çalıştığını daha iyi modelleyen yapay zekâ yaklaşımlarını sürdürmemiz gerektiğini düşünüyorum.
Sembolik akıl yürütme denilen alana odaklanan yapay zekâ dalları var. Bunlar bir sonraki belirteci otomatik olarak tamamlamak yerine kavramlar, kelimeler ve cümle yapıları arasındaki soyutlamaları insanların yaptığı gibi işlemeye odaklanıyor.
Büyük dil modeli yaklaşımında daha fazla parametre ekleyip daha fazla metinle eğitim yaparak azalan getirilerle veya bir duvarla karşılaşacağımızı düşünüyorum. Akıl yürütme ve büyük dil modellerinin sürekli yaptığı aptalca hataları yapmama becerisi, bence insanların kullandığı sembolik akıl yürütmeye daha yakın, temelden farklı bir yaklaşım gerektirecek.
Galen Low: Bunun önemli olduğunu düşünüyorum çünkü yapay zekâ bugün nihai parti numarası gibi görünüyor. Çok yetenekli görünüyor ama aslında kodu çözmüş değiliz.
Henüz başlangıç aşamasındayız ve modellere yaklaşım biçimimiz kaba kuvvet yöntemlerinden farklı olmak zorunda. Bu yöntemle ancak belirli bir yere kadar gidebiliriz ama sonuçlar çok etkileyici. Kimseyi kandırdığı için altın yıldız kazanılmadığını hatırlamak önemli.
Bir şeyle konuşabiliyorsunuz, çok şey biliyor gibi görünüyor ve sonra dört artı ikinin yedi olduğunu söylüyor. Bilişsel bir kopukluk yaşıyorsunuz.
Doğal görünümlü diyaloğu neredeyse elde etmek için kaba kuvvet kullandık. Bu, daha fazla veri toplamak ve sistemi çözmeye devam etmek için bir başlangıç. Özellikle bunu oluşturan kişiler için önemli bir hatırlatma: Sistem kötü olduğu için değil, dil karmaşık ve beynimiz karmaşık olduğu için zorlanıyor. İnsanlığın bildiği en doğal aracıyı bir anda oluşturmanın tek bir yolu yok.
Galen Low: Görsel etkileşim tasarımına alışkınız ve bu tasarım gerçek dünyadaki etkileşimlerimizi temel alıyor. Şimdi insanlar konuşma ve ses etkileşimi tasarlamaya yöneliyor. Görsel arayüz tasarlamaya alışkın ekiplerin sesli veya konuşmaya dayalı etkileşim tasarlarken yapması gereken en büyük zihniyet değişikliği nedir?
Oliver Shoulson: Bence bunlar farklı beceri setleri ve kesinlikle birbirini tamamlayabilir. Bilgiyi görsel ve dilsel olarak çok farklı biçimlerde deneyimleriz.
Görsel arayüz tasarımı yapan kişilere sorarsanız, çalışmalarının büyük bölümü bilgi hiyerarşilerini görsel olarak temsil etmenin yollarını bulmaktır. Bilgileri sezgisel olacak veya kullanıcıları istediğiniz yola yönlendirecek şekilde iki boyutlu, bazen üç boyutlu gibi görünen bir görüş alanında düzenleyebilirsiniz.
Dili ve konuşma dilini zaman içinde doğrusal olarak deneyimleriz; beynimiz bunu hiyerarşik yapılara ayırır. Bu nedenle konuşmada çok fazla belirsizlik bulunabilir.
"Kırmızı dürbünlü adamı gördüm" cümlesinin iki anlamı vardır. Adamın kırmızı dürbünü olabilir veya onu görmek için kırmızı dürbün kullanmış olabilirsiniz. Bu, gerçek zamanlı olarak bir kelime dizisi söylemenizden kaynaklanır; ancak bu dizi iki farklı yapıyı temsil edebilir.
Bu nedenle farklı bir beceri setinden söz ediyoruz. Hâlihazırda konuşma etkileşimleri yaşayan kişilere, kalıpları, uç durumları ve olası sürtünme veya kafa karışıklığı noktalarını belirlemeleri için güvenin. Çağrı merkezi çalışanlarınızı ve onlar için dokümantasyon yazan kişileri kullanın.
Bir konuşma tasarımcısı olarak bir çağrı merkezi çalışanını bir gün boyunca izlemekten ve insanlarla nasıl etkileşim kurduğunu dinlemekten daha iyi bir şey yok. İnsanların gerçekten sorduğu soruları, bunları nasıl ifade ettiklerini ve hangi bilgileri aradıklarını duyarsınız. İşletmenin onların aradığını varsaydığı şeyleri değil, gerçekte aradıkları şeyleri görürsünüz.
Elinizde harika kaynaklar var. Bu deneyime sahip insanlar temelde neye ihtiyaç olduğunu biliyor.
Galen Low: Bunu sevdim. Farklı bir şey olduğunu açıklama biçimini sevdim. Bilgiyi zihnimizde görsel bir haritaya ayırmamız gerekiyor çünkü onu zamansal ve doğrusal olarak deneyimliyoruz; web sitesinde ise neleri tıklayabileceğinizi ve izlemenizi istediğim yolu zaten göstermiş oluyoruz.
Dinleyicilerimin bundan çıkarabileceği en güçlü şey şu: İnsanlarla sürekli konuşan insanlar var. Onlara dikkat edin. Etkileşim tasarımcılarının dilbilimci olup tasarıma geri dönmesi gerekmiyor. Bu, ustalaşılması gereken farklı bir şey ama ilkeler benzer ve veri mevcut.
İnsanları izleyebilir, dinleyebilir, daha fazla konuşma yapabilir ve konuşmayı parçalara ayırabilirsiniz. Dil bazen dağınıktır; birbirimizin sözünü keseriz, kelimelerin birden fazla anlamı vardır ve konuşmanın hızı önemlidir. Bu, diyaloğa giren tarafları birbirine bağlayan, güven oluşturan ve hedefe ulaşmayı sağlayan sosyal mevcudiyete geri dönüyor.
Oliver Shoulson: Buna dair kanıtım yok ama iyi bir görsel tasarımcıyı iyi yapan yumuşak becerilerin aktarılabilir olduğunu düşünüyorum. Bir deneyimin size ne hissettirdiğini, hayal kırıklığı noktalarının neler olduğunu ve bunun nedenini sorgulamanız gerekir.
Dilbilimcilerin bu işte iyi olmasının nedeni de bu. Özellikle kuramsal dilbilimciler kendi dil yetileri üzerine düşünüp "Bu cümle bana dilbilgisel geldi, diğeri gelmedi" der. Bir şeyin neden tuhaf hissettirdiğini ve bu kuralların bir bilgisayar tarafından taklit edilebilecek şekilde yazılıp yazılamayacağını inceler.
Bu, genel olarak tasarımcı olarak yaptığınız şeye benziyor. Dilbilim diploması olmayan birinin de aynı duyarlılığı, sezgiyi ve analitik akıl yürütmeyi konuşma arayüzleri oluşturmak için kullanabileceğine inanıyorum.
Galen Low: Bunu sevdim. Gelecek hakkında biraz konuşarak bitirebilir miyiz?
Yapay zekânın donanım olarak ortaya çıkışı üzerine düşünüyorum. Rabbit gibi cihazlar var ve yakında OpenAI ile Jony Ive'ın donanım iş birliği geliyor.
Bir noktada kendi kişisel donanım aracılarımızın işletmelerin, restoranların, sağlık kliniklerinin veya müşteri destek merkezlerinin aracılarıyla konuşacağını düşünüyorum. Bu olduğunda aracıdan aracıya deneyim insan nezaketinin, profesyonel görgünün, geri kanalların ve duraksamaların görünüşünü sürdürür mü? Yoksa aracıların dili insanlar için neredeyse tanınmaz hâle mi gelir?
Oliver Shoulson: Bunun cevabını bilmiyorum. Claude Opus 4.6'yı bu etkileşimlerden birine bağlarsanız, bir insanla etkileşim kurmak üzere eğitildiği biçimde davranacağını düşünüyorum. En azından tüketici modelleri insanlarla etkileşime odaklanıyor ve varsayılan olarak böyle davranıyor.
Diğer modellerle daha verimli iletişim kurmak üzere tasarlanmış modeller eğitmeye başlayıp başlamayacağımız sorusu kesinlikle gündeme gelecek. OpenClaw gibi aracı çalıştırma çerçeveleri ve aracı orkestrasyonu yaygınlaştıkça, bir aracının alt aracılar başlatması ve bunların ilk aracıya rapor vermesi daha sık görülecek.
Birbirleriyle iletişim kurmalarının daha verimli bir yolu olmalı. Belki sadece bip bip diyecekler ve insan konuşmasıyla bir milyon yılda aktarılabilecek bir terabayt bilgiyi paylaşacaklar. Bu tür çok aracılı çerçeveler yaygınlaşmaya devam ederse diğer botlarla iletişim kurmak üzere özel olarak eğitilmiş modeller görmeye başlayacağımızı düşünüyorum ama emin değilim.
Galen Low: Aslında iyi bir cevap. İnsanlar arasındaki dilde, şimdi de yapay zekâyla dilde harika bir verimsizlik var. Kusursuz değil; kusurlu. Güzel olan da bu.
Biz insanlar böyle gelişiyoruz. Etkileşimden istediğimiz şey bu. Makineler bunu istiyor mu, bilmiyorum. Şimdilik onları böyle programlıyoruz. Bunun ilginç tarafı, bunun insanlara özgü olup olmadığı. Dil harika olduğu için değil, insanların iyi olduğu şey bu olduğu için.
Bu büyük soruyu ve bilimkurguya kayan bu konuyu ele aldığın için teşekkür ederim. Bu konuşmadan çok keyif aldım. Bu konu üzerine düşünmeyi seviyorum. Eğlence olsun diye sana sormak istediğin bir soru var mı?
Oliver Shoulson: Donanım tabanlı yapay zekâdan bahsettin. Bunun bir yere varacağını düşünüyor musun? İnsanların hareket hâlindeyken yapay zekâ modelleriyle daha fazla etkileşim kuracağına inanıyorum ama neden telefonumdan başka bir şeye ihtiyaç duyayım?
Zaten telefonum var. Bu donanım ürünlerinin yaygınlaşacağını hayal etmek zor ama bu konuda tamamen yanılıyor olabilirim.
Galen Low: Bence haklısın. Benim açımdan iki şey var. Genel olarak ekonomi; tüketicilik teknolojiyle buluşuyor ve markalar pazarda kendilerine alan açmaya çalışıyor. Bu yüzden ürünlerin farklılaşmaya çalışmasını anlayabiliyorum.
Pratik kullanım alanından emin değilim ama özellikle proje yönetimi alanında yeni bir araç çıktığında herkesin ona atladığını görüyoruz. İhtiyacımız olmayan araçları, farklı bir şey vaat ettiklerini düşündüğümüz için istiyoruz; ama genellikle farklı değiller.
Bu yüzden sonucun ikisinin arasında bir yerde olacağını düşünüyorum. Akıllı telefon dünyasındaki alışılagelmiş ürünlerden daha fazla cihaz olabilir. Ancak bunun hızla kemerimizde fazladan bir çağrı cihazı taşımaya dönüşeceğini sanmıyorum.
Bir noktada robotik boyutu da var. Belki kemerinizdeki çağrı cihazı değil, yanınızda yürüyen bir sayborg olur. O zaman düşünmeyi bırakıyorum çünkü bu biraz fazla uzak geliyor. Bir miktar gösteriş olduğunu düşünüyorum ama insanların bunu isteyip istemediğini de görmek gerekir.
Oliver Shoulson: Bizi neredeyse anakronik görünen bilişsel önyargılardan söz etmeye getirdi. Telefonunuza ek yazılım eklemek yerine tek bir şey için özel bir araç istemek neredeyse mağara insanı zihni gibi. Elinizde tutabileceğiniz başka bir şey olmadığı için telefonunuza yazılım eklemek daha mantıklı ama burada kadim bir şey yaşanıyor gibi.
Galen Low: Kargo pantolonlarını hatırlıyorum. Daha fazla eşya taşıyabileceğim için onları istiyordum. Oysa artık daha az eşyamız var.
Oliver Shoulson: Evet.
Galen Low: Oliver, bugün benimle zaman geçirdiğin için çok teşekkürler. Çok eğlenceliydi.
Seni dinleyenler senin hakkında daha fazla bilgiyi nerede bulabilir?
Oliver Shoulson: LinkedIn'de @oliverhs kullanıcı adıyla beni takip edebilirsiniz. Benim adım Oliver Shoulson. Ayrıca olivershoulson.com adresinde zaman zaman yazılar paylaştığım bir web sitem var. Daha sık güncellemem gerekiyor. Bunun dışında poly.ai adresine ve orada yaptığımız çalışmalara göz atabilirsiniz.
Her zaman ilginç vaka çalışmaları yayımlıyoruz. En son vaka çalışmamızda Selma'yı gerçekten duyabilirsiniz.
Galen Low: Harika. Dinleyenler için bu bağlantıları program notlarına da ekleyeceğim; böylece tıklamak kolay olacak. Oliver, çok teşekkürler.
Oliver Shoulson: Ben teşekkür ederim.
Galen Low: Pekâlâ millet, Dijital Proje Yöneticisi Podcast'inin bugünkü bölümü bu kadar. Bu konuşmayı beğendiyseniz dinlediğiniz platformda abone olmayı unutmayın. Daha fazla pratik içgörü, vaka çalışması ve çalışma kitabı istiyorsanız thedigitalprojectmanager.com adresinden ücretsiz bir hesap oluşturun.
Bir sonraki bölüme kadar dinlediğiniz için teşekkürler.
