Teknoloji CCO’su, CX Liderlerinin AI Sonuçlarına Aşırı Odaklanırken CX’in Köreldiğini Söylüyor

Oremeyi Akah, hem B2B hem de B2C segmentlerine hizmet veren pan-Afrikalı bir ödeme altyapısı şirketi olan Interswitch'te CCO olarak görev yapıyor.

Yapay zekâ entegrasyonunun müşteri deneyimi organizasyonunda sağladığı etkileyici sonuçları dinlemek için Oremeyi ile bir araya geldik. Bu süreçte, müşteri deneyimi organizasyonlarının yapay zekâ entegrasyonlarında nerede hata yaptığını da anlattı.

Hizmet Fonksiyonundan Stratejik Fonksiyona

Ben, Interswitch Group'ta Baş Müşteri Sorumlusu Oremeyi Akah'ım — 23 Afrika pazarında faaliyet gösteren, bireyleri, işletmeleri ve hükûmetleri dijital finansal hizmetlere bağlayan pan-Afrikalı bir ödeme altyapısı şirketiyiz.

Liderlik ettiğim müşteri organizasyonu, Interswitch'in ticari ilişkilerinin tamamını kapsıyor — Anahtar Müşteri Yönetimi fonksiyonumuz aracılığıyla büyük finans kuruluşları ve fintech şirketlerinden, dijital, çağrı merkezi ve yüz yüze kanallarda etkileşim kuran üye iş yerlerine, fatura tahsilat hizmeti sağlayıcılarına ve son tüketicilere kadar uzanıyor. Hem B2B hem de B2C segmentlerine hizmet veriyoruz.

Müşteri deneyimi görevimiz, Stanbic IBTC ve Providus gibi bankalarla yürütülen yoğun temas gerektiren stratejik hesap ilişkilerinden, Verve kartları, Quickteller ve geçiş altyapımız üzerinden işlem yapan milyonlarca Nijeryalının günlük deneyimine kadar uzanıyor.

Ekibim gelir, güven ve ulusal finansal kapsayıcılığın kesişiminde ilişkileri yönetiyor — bu da müşteri deneyimini yalnızca bir hizmet fonksiyonu değil, stratejik bir fonksiyon hâline getiriyor.

Yapay Zekâ, Müşteri Deneyimi Ekiplerinin Yapabileceklerini Nasıl Radikal Biçimde Genişletiyor?

Bir yıl önce, 15 kişilik bir ekiple B2B ve B2C kanallarımızdaki müşteri iletişimlerinin yalnızca %10'unu manuel olarak inceliyorduk. Bu, müşterilerimizin deneyimlerinin %90'ını göremediğimiz anlamına geliyordu — her şikâyeti, her sorunlu noktayı ve her düzenleyici risk sinyalini. Müşteri deneyimi kararlarını son derece eksik bir tabloya dayanarak alıyorduk.

Ardından, bunu tamamen değiştiren yapay zekâ destekli bir Kalite Güvence sistemi uyguladık. Artık müşteri iletişimlerinin %100'ünü analiz ediyoruz. Her bir etkileşimi inceliyor, önem derecesine göre önceden kategorilere ayırıyor ve düzenleyici riskleri, tekrarlanan başarısızlık kalıplarını veya kritik dikkat gerektiren alanları işaretliyoruz.

Sonuç olarak üç şey değişti.

1. Kapsamımız, ek personel almadan %10'dan %100'e çıktı — aynı kaynaklarla görünürlüğümüzde 10 kat artış sağlandı.
2. Reaktif yaklaşımdan proaktif yaklaşıma geçtik. Daha önce sorunları yalnızca müşteriler konuyu üst kademelere taşıdığında buluyorduk. Artık sorunları, müşteriler konuyu üst kademelere taşımadan önce buluyoruz — ödeme altyapısında bu ayrım hem müşteri güveni hem de düzenleyici konum açısından son derece önemli.
3. 15 kişilik ekibimizin yaptığı işler değişti. Ekip, iletişimleri örneklemekten elde edilen istihbarata göre hareket etmeye geçti. Artık insan muhakemesinin en önemli olduğu noktaya, yani sistemin ortaya çıkardığı en yüksek önem derecesine ve riske sahip etkileşimlere odaklanıyorlar.

Yapay zekâ destekli müşteri deneyimi uygulamada işte böyle görünüyor — insanların yerini almak değil, aynı insanların görebileceklerini ve yapabileceklerini radikal biçimde genişletmek.

Müşteri Etkileşimlerini Yönetmek İçin Gerçek Dünyadan Bir Yapay Zekâ İş Akışı

İş akışı şöyle.

Yapay zekâ destekli kalite güvence platformumuz Gladly, ister sesli iletişim, e-posta, sohbet ister diğer dijital kanallar üzerinden gerçekleşsin, her müşteri etkileşimini otomatik olarak sisteme alıyor.

Öncelikle yapay zekâ görüşmeyi anlıyor. Sorunu sınıflandırıyor, duygu durumunu değerlendiriyor, önem derecesini belirliyor, olası düzenleyici veya itibar riskini tespit ediyor, tekrarlanan başarısızlık kalıplarını saptıyor ve benzer geçmiş vakalara dayanarak en uygun yönlendirmeyi ve olası çözüm yolunu öngörüyor.

İş akışı daha sonra karmaşıklığa göre farklılaşıyor.

Basit sorunlarda yapay zekâ, daha hızlı çözüm için ilgili bağlamı önceden bir araya getirerek vakayı doğru ekibe yönlendiriyor.

Daha yüksek riskli veya yüksek değerli vakalarda — özellikle bankacılık ortaklarımızı ya da düzenleyici sonuçlar doğurabilecek sorunları içeren durumlarda — vakayı önerilen öncelik düzeyiyle hemen üst kademeye taşırız. Ardından insan uzmanlığı devreye girer. Uzmanlarımız yapay zekânın önerilerini inceler, değerlendirmelerini yapar, daha geniş müşteri ilişkisini dikkate alır ve uygun yanıt ile hizmet telafisini belirler.

İş akışı vaka kapatıldığında sona ermez.

Yapay zekâ, her etkileşimden elde edilen içgörüleri sürekli olarak bir araya getirerek yinelenen sorun noktalarını, ortaya çıkan operasyonel aksaklıkları ve tek tek vakaların asla ortaya çıkaramayacağı müşteri eğilimlerini belirler. Bu içgörüler doğrudan operasyonel mükemmellik girişimlerimize, ürün iyileştirmelerine, süreçlerin yeniden tasarlanmasına ve liderlik panolarına aktarılır. Böylece yalnızca münferit şikâyetleri çözmek yerine temel nedenleri ele alabiliriz.

Yapay Zekâ ve İnsan Dokunuşu Neden Birlikte Gereklidir?

Genel olarak yapay zekâ; kapsam, hız ve milyonlarca veri noktası arasındaki örüntüleri tanımayı gerektiren, ölçeklenebilir çalışmaları yürütür. Buna özellikle eksiksiz iletişim analizi, önem derecesinin ön sınıflandırması, sorunların önceliklendirilmesi, düzenleyici risklerin işaretlenmesi ve tekrarlanan hata örüntülerinin krize dönüşmeden önce belirlenmesi dahildir. Ayrıca eskalasyon için erken uyarı katmanı sağlar — sistem, hangi konuların insan ilgisine ihtiyaç duyduğunu ve bunun ne kadar acil olduğunu bize bildirir.

Üç görev ise bilinçli olarak insanlarda kalır.

1. Eskalasyon değerlendirmesi: Yapay zekâ bize neye bakmamız gerektiğini söyler; özellikle ilişki açısından önemli unsurların veya düzenleyici hassasiyetin yüksek olduğu durumlarda ne yapılacağına insanlar karar verir.
2. Hizmet telafisi: Özellikle birinci seviye bir bankayla yapılan görüşmenin yalnızca bir kayıt değil, ilişki açısından önemli bir an olduğu B2B tarafında hiçbir model bunu gerçekleştiremez.
3. Gerçek müşteri deneyimini anlamak: En çok önem verdiğim konu bu. Gerçek müşteri deneyimi yalnızca verilere indirgenemez. Etnografik ve sürükleyici müşteri etkileşimine yatırım yapıyoruz. Müşterilerle birlikte oturuyor, ürünlerimizle nasıl etkileşim kurduklarını izliyor ve kimse anket yapmadığında ne söylediklerini dinliyoruz. Bu tür içgörüler — filtresiz, yönlendirilmemiş davranışsal gerçeklik — en önemli yolculuk tasarımı kararlarımıza yön verir. Yapay zekâ büyük ölçekte neyin yanlış gittiğini belirleyebilir. Odadaki bir insan ise nedenini anlar.

Yapay zekâ görebildiklerimizi genişletir. İnsanlar bunun anlamına ve bu konuda ne yapılacağına karar verir. Her ikisi de gereklidir. Tek başına hiçbiri yeterli değildir.

Yapay Zekâ Talep Yönetimini ve Memnuniyeti Nasıl İyileştirir?

Oremeyi'nin Düşünceleri

\u003cstrong\u003eNitel açıdan, ekip kültürünü \u003cem\u003esürekli sorun çözmekten\u003c/em\u003e \u003cem\u003everiye dayalı yönetime\u003c/em\u003e geçirecek şekilde değiştirdik. Bunu ölçmek daha zor, ancak etkisini hissetmek daha kolay — incelemeleri yürütme biçimimizde, hesaplarla etkileşimimizde ve liderlik görüşmelerinde müşteri hakkında konuşma şeklimizde.\u003c/strong\u003e

Sayılar ikna edici bir tablo ortaya koyuyor.

Belirttiğim gibi, yapay zekâ destekli kalite güvence sistemimiz, aynı 15 kişilik ekiple tüm müşteri iletişimlerinin incelenme oranını %10'dan %100'e çıkardı — ek bir kadro maliyeti olmadan görünürlükte 10 kat artış sağladı.

Yapay zekâ destekli self servis portalımız da manuel talep yönetimini %54'ten fazla azalttı ve kritik olarak yalnızca talepleri başka yöne yönlendirmekle kalmıyor — müşteri hacmi ve eğilim verilerine göre taleplere akıllı biçimde öncelik veriyor; böylece insanlar önce doğru konularla ilgileniyor.

Deneyim üzerindeki sonraki aşamadaki etki de ölçülebilir oldu: CSAT %60 arttı. Yanıt süreleri önemli ölçüde iyileşti. Ve belki de en çok gurur duyduğum gösterge — çalışan memnuniyeti %70'ten fazla arttı. Ekibiniz yoğunluk altında ezilmeyi bırakıp anlamlı işler yapmaya başladığında, bu durum müşterilere nasıl destek olduklarına da yansır.

Nitel açıdan, ekip kültürünü sürekli sorun çözmekten veriye dayalı yönetime geçirecek şekilde değiştirdik. Bunu ölçmek daha zor, ancak etkisini hissetmek daha kolay — incelemeleri yürütme biçimimizde, hesaplarla etkileşimimizde ve liderlik görüşmelerinde müşteri hakkında konuşma şeklimizde.

Müşteri Deneyimi Liderleri Devir ve Eskalasyona Neden Odaklanmalı?

Yeniden tasarım çalışmalarının çoğu ön uca odaklanıyor: sohbet robotu, kişiselleştirme motoru ve tekrarlayan iletişimlerin otomasyonu. Bu çalışma gerekli ve büyük ölçüde hâlihazırda devam ediyor. Ancak yapay zekânın ilişkiye yardımcı olup olmayacağını ya da zarar verip vermeyeceğini belirleyen bağlantı noktası, güveni en çok belirleyen sistem olmasına rağmen genellikle daha sonra yapılandırılacak bir özellik olarak ele alınıyor.

Araştırmalar bunu çeşitli yönlerden doğruluyor. 2025 tarihli bir CX araştırması, katılımcıların %79'unun karmaşık sorunlarda yapay zekâ aracısı yerine bir insanı tercih ettiğini ortaya koydu; dolayısıyla eskalasyon yolu isteğe bağlı değil, isteğe bağlı olan bunun ne kadar sorunsuz gerçekleşeceği. Hatalı uygulamanın maliyeti artık ölçülebiliyor: müşterilerin %48'i bir insana aktarıldıktan sonra sorunlarını yeniden açıklamak zorunda kalırlarsa markayı terk ederken, %40'ı kimliklerini yeniden doğrulamak zorunda kalırlarsa ayrılacağını söylüyor. Başarısızlık biçimi yavaşlık değil; kötü bir devir teslim, müşterinin size daha önce anlattığı her şeyi silip atıyor ve yapay zekânın oluşturduğu güven, riskler yükselirken tam da o anda yok oluyor.

İki bulgu bu konuyu yönetim kurulu düzeyinde önemli kılıyor. İlk olarak sektör, otomasyonu sessizce gereğinden fazla artırdığını kabul ediyor: Gartner, 2027'ye kadar yapay zekâ nedeniyle müşteri hizmetleri personelini azaltan şirketlerin yarısının, benzer işler için farklı unvanlarla yeniden işe alım yapacağını öngörüyor. İkinci olarak stratejik hüküm açık: yapay zekâ aracılarıyla güven kazanma ihtimali en yüksek markalar, insan etkileşimini ortadan kaldırmak için yarışanlar değil; net eskalasyon, bağlamın korunması ve dürüst açıklama için tasarım yapanlar.

Yapay Zekâ İnsanlarla İletişim İhtiyacını Neden Azaltmıyor?

İki alanda işler beklediğimiz gibi gitmedi, ancak ikisi de bize önemli bir şey öğretti.

İlki: Yapay zekânın insanlarla iletişim ihtiyacını önemli ölçüde azaltabileceğini düşündük. Beklediğimiz şekilde olmadı. Evet, hacim azaldı. Ancak gerçek insan etkileşimine duyulan ihtiyaç azalmadı. Üzerine düşündüğümüzde bu bizi şaşırtmamalıydı. Biz para işindeyiz: insanların parası, işletmelerin parası. Bir şeyler ters gittiğinde veya riskler yüksek göründüğünde insanlar bir insanla konuşmak istiyor. Bir bot değil, bir portal değil. Anlayan, sorumluluk alan ve harekete geçen bir insan sesi. Yapay zekâ işlem hacmini yönetebilir. Ancak varlığı taklit edemez. Sonuçta biz insanız.

İkincisi: ürün tasarımında zekâ. Yapay zekâdan elde edilen verilerin, müşterilerin ürünlerin nasıl şekillendirilmesini istediğini bize göstereceğini düşündük. Bunu, en azından tam olarak, başaramadı. Davranışsal veriler insanların ne yaptığını söyler. Var olmasını istedikleri şeyi ya da henüz dile getirmedikleri bir düzeyde onları neyin hayal kırıklığına uğrattığını söylemez. Bunun için temel yöntemlere döndük: müşterilerle birlikte oturduk, gerçek konuşmalar yaptık ve etnografik çalışmalar yürüttük. Ürün düşüncemizi değiştiren içgörü, panolardan değil, o odalardan geldi.

Yapay zekâ ölçek ve örüntü konusunda son derece başarılıdır. Nüans, duygu veya hayal gücü konusunda iyi değildir. Bunlar inatla ve indirgenemez biçimde insana özgü olmaya devam ediyor; belki de tam olarak böyle olması gerekiyor.

CX Liderleri Sonuçları Nasıl Ölçeceklerini Neden Öğrenmeli?

İlk pilot uygulamamız başarılı oldu. Model çalıştı, panolar canlandı, paydaş demoları olumlu karşılandı. Bunların hiçbirinin, altı ay sonra üst yönetimin soracağı tek soruyu yanıtlamadığını anlamamıştım: "Bu ne getiri sağladı ve bunu nereden biliyorsunuz?"

Yetkinliğin kanıtını optimize etmiştim. Bunun yerine, değiştirmeyi amaçladığımız metrik için bir temel oluşturarak, yapay zekânın katkısını diğer değişikliklerden ayırarak ve başarıyı nasıl ölçeceğimiz konusunda Finans ekibiyle önceden anlaşarak değerin kanıtını optimize etmeliydim. Bunları yapmamıştık. Bu nedenle yatırım gerekçesini sunma zamanı geldiğinde, temel değeri sonradan yeniden oluşturdum ve katkı payını net biçimde kanıtlayamadığım hâlde savundum.

Daha zor ders, tedarikçide veya araçta değil, üst yönetimde yatıyor. Parlak bir demoyu satın almak kolay, gerekçelendirmek zordur. Bütçe kaleminin sahibi olduğunuzda teslim edilmesi gereken şey heyecan değil; yönetim kurulu karşısında arkasında durabileceğiniz bir sayıdır. Çoğu yapay zekâ pilotu etkileyicidir. Ancak çok daha azı, maliyetini karşıladığını kanıtlayacak şekilde ölçüm altyapısıyla donatılmıştır. Bu altyapıyı ilk günden tasarlamalısınız, çünkü sonradan ekleyemezsiniz.

Bu yüzden ilk pilot uygulamasını başlatan herkese söyleyeceğim şey şu: Bir şey inşa etmeden önce getiriyi nasıl kanıtlayacağınıza karar verin ve parlak sonuç, sayı sağlamlığını kanıtlayana kadar ona şüpheyle yaklaşın.

CX'in Ölçülemeyen Kısımları Nasıl Yavaş Yavaş Başarısız Oluyor?

Oremeyi'nin Düşünceleri

Pratikte geriye şu kalıyor: başarılı olacak liderler, ölçülmemiş şeyleri inançla savunmak ya da onları otomatikleştirip ortadan kaldırmak yerine ölçülebilir hale getirecek. Şu anda bunun bir kısmı için inanca güveniyorum ve inancın yeterince iyi olduğunu düşünmüyorum.

Beni endişelendiren şey şu: müşteri deneyiminin ölçülmesi kolay olan yarısını otomatikleştiriyor, ölçülmesi zor olan yarısının ise sessizce körelmesine izin veriyoruz — ve sayılar, yeniden inşa edemeyeceğimiz bir şeyi kaybedene kadar kazandığımızı söylemeye devam edecek.

Yapay zekâ, gösterge panolarında görünen müşteri deneyimi unsurlarında başarılı: yönlendirme, işlem süresi, kişi başına maliyet ve çözüm hızı. Bu yüzden bunları optimize ediyoruz; çünkü yönetim kurulu bunları anlaşılır buluyor. Ancak kalıcı bir ilişki kuran şeyler — bir müşterinin neden kendini güvende hissettiği, bir başarısızlıktan sonra affedilmeyi neyin sağladığı, birinin müşterinin sonucunun sorumluluğunu üstlendiği hissi — verilerde yer almıyor ve bunları otomatikleştiremiyoruz.

Dolayısıyla kaygım, yapay zekânın ölçülebilir işleri kötü yapması değil. Kaygım, ölçülebilir işleri bu kadar ucuz ve görünür hale getirerek "iyi müşteri deneyimi"ni yavaş yavaş yalnızca ölçülebilir işler olarak yeniden tanımlaması. Ölçülmeyen yarı yüksek sesle başarısız olmaz; duvardaki her metrik gelişmeye devam ederken yalnızca giderek azalır.

Çözüme kavuşturamadığım nokta — ve dürüst versiyonu bu — kendi önyargımı gerçek riskten net bir şekilde ayıramamam. Kariyeri insan yargısına ve empatiye dayanan birinin, bu unsurların vazgeçilmez olduğuna inanması işine gelir. İnancımın ne kadarının gerçek bir öngörü, ne kadarınınsa mesleki çıkar olduğunu tahmin etmeye çalışıyorum.

"Yapay zekâ empati kuramaz" görüşünün bir kısmı muhtemelen müşteri deneyimi liderlerinin kendilerine anlattığı rahatlatıcı bir hikâye ve yetenek sınırı, bu hikâyenin varsaydığından daha hızlı ilerliyor. Bu yüzden gerçekten zihnimi meşgul eden konu iki yönlü: müşteri deneyiminin ölçülmeyen yarısını yeterince korumadığımıza inanıyorum, aynı zamanda bunun doğru olmasını ne kadar istediğimden de şüphe duyuyorum.

Pratikte geriye şu kalıyor: başarılı olacak liderler, güveni, sahiplenmeyi ve başarısızlık sonrası toparlanmayı doğrudan ölçümleyerek ölçülmemiş şeyleri ölçülebilir hale getirecek; onları otomatikleştirip ortadan kaldırmak ya da inançla savunmak yerine. Şu anda bunun bir kısmı için inanca güveniyorum ve inancın yeterince iyi olduğunu düşünmüyorum.

Yapay Zekâyı Uygulayan Müşteri Deneyimi Liderleri İçin Üç Tavsiye

Genel olarak müşteri deneyimi liderlerine tavsiyem şu:

1. Gerçekçi kalın. Şefkatli kalın. Müşteri deneyiminde yapay zekâ etrafındaki gürültü muazzam — bunun büyük bir kısmı da abartının peşinden koşan abartıdan ibaret. Tek bir soruya odaklanarak bu gürültünün içinden sıyrılın: "Bu, müşterimin hayatını daha iyi hale getiriyor mu?" Gösterge panosunda değil. Günlük yaşamında daha iyi. Yanıt evetse, bunun peşinden gidin. Yalnızca etkileyiciyse, vazgeçin. Müşteriler teknoloji yığınınızı hatırlamaz. Onlara nasıl hissettirdiğinizi hatırlar. Bu değişmedi ve yapay zekâ da bunu değiştirmiyor.
2. Amansızca öğrenmeye devam edin. Bu ortam, hepimizin eğitim aldığı her şeyden daha hızlı değişiyor. Bundan beş yıl sonra müşterilerine hizmet verme konusunda en iyi konumda olacak liderler, bugün her şeyi çözmüş olmadıklarını kabul edecek kadar meraklı olanlardır. Okuyun. Sorular sorun. Sektörler ve coğrafyalar genelindeki meslektaşlarınızla konuşun. Müşterilerinizle vakit geçirin. Bu ortamda öğrenmeyi bıraktığınız anda geride kalmaya başlarsınız — önce sessizce, sonra birdenbire.
3. Denemekten korkmayın. Her girişim başarıya ulaşmayacak. En önemli içgörülerimizden bazıları planlandığı gibi gitmeyen girişimlerden geldi. Bu başarısızlık değil — pahalıya edinilmiş bir zekâdır. Ekibinizin denemek, öğrenmek ve uyum sağlamak konusunda kendini güvende hissettiği bir kültür oluşturun. Müşteri deneyiminde liderlik edecek kuruluşlar en gelişmiş yapay zekâya sahip olanlar değildir — onun arkasında en cesur ve meraklı ekipler bulunanlardır.

Sunum için değil, insanlar için kazanmaya çalışın.

Takipte kalın

Oremeyi Akah'ın çalışmalarını LinkedIn üzerinden takip edebilirsiniz.

The CX Lead'de daha fazla uzman röportajı sizlerle olacak!