Kurucu ve müşteri deneyimi lideri, şirketlerin etrafındaki yolculuğu göz ardı etmesi durumunda müşteriye dönük yapay zekânın başarısız olduğunu söylüyor

Jaco van den Heever, dijital müşteri deneyimi alanında geçmişe sahip, birden çok girişim kurmuş bir kurucudur. Kendisi şu anda uzaktan çalışan bir UX stratejisi, ürün tasarımı ve yapay zekâ geliştirme danışmanlığı şirketi olan Sand Dollar Design’ın CEO’sudur.

Jaco ile, yapay zekâyı CX iş akışlarını desteklemek için nasıl kullandığını ve yapay zekânın EX’e uygulanmasının CX’i nasıl iyileştirebileceğini öğrenmek için bir araya geldik.

CX, ön yüzün kusursuz görünmesinden daha fazlasıdır

Ben Sand Dollar Design’ın kurucusu ve CEO’su Jaco van den Heever. 20 yılı aşkın süredir dijital müşteri deneyimi, ürün stratejisi, UX ve teknolojinin kesişiminde çalışıyorum. Sand Dollar Design’ı kurmadan önce mobil uygulamalar, web siteleri ve hizmet platformlarında dijital ve çok kanallı ürün çalışmalarına liderlik ettim. Bu deneyim, CX’e bakış açımı şekillendirdi: CX yalnızca ön yüzün kusursuz görünmesiyle değil, ürünün, hizmetin ve işletim modelinin kullanıcılar için işe yarayıp yaramadığıyla ilgilidir.

Sand Dollar Design’da girişimlerin, KOBİ’lerin ve kurumsal ekiplerin UX stratejisi, UX araştırması, ürün tasarımı ve giderek daha fazla yapay zekâ destekli MVP ve ürün geliştirme yoluyla dijital ürünlerini ve müşteri yolculuklarını iyileştirmelerine yardımcı oluyoruz.

Kanallarımız arasında web siteleri, mobil uygulamalar, müşteri portalları, B2B platformları, kurum içi araçlar, panolar ve iş akışı sistemleri yer alıyor. Müşterilerimiz genellikle sürtünmeyi azaltması, benimsenmeyi artırması ve geliştirmeye büyük yatırımlar yapmadan önce daha iyi ürün kararları alması gereken kurucular, ürün liderleri, inovasyon ekipleri, dijital dönüşüm ekipleri ve kurumsal liderlerden oluşuyor.

Küresel ölçekte çalışıyor; Güney Afrika, ABD, Birleşik Krallık ve Avrupa genelinde deneyim taşıyor ve finansal hizmetler, sağlık hizmetleri, telekomünikasyon, B2B ticaret ve kurumsal yazılımlar dâhil olmak üzere karmaşık sektörlerde çalışmalar yürütüyoruz.

Yapay zekâ müşteri yolculuğunu kolaylaştırmak için nasıl kullanılabilir?

Yapay zekâyı, özellikle işe alım ve ürün keşfi sırasında, müşteri yolculuğunun çok daha erken aşamalarına taşıyorum.

Buna iyi bir örnek, deneyimli profesyonellerin dönemsel, geçici ve proje bazlı işler bulmasına yönelik kurucu ortaklarından biri olduğum GigExecs platformudur. Bir sürtünme noktası olduğunu gördük: Kıdemli profesyonellerin çoğu derin bir deneyime sahip olsa da bu deneyimi net, aranabilir ve ilgi çekici bir profile dönüştürmek çaba gerektiriyor. İnsanlar ya kendilerini gereğinden fazla açıklıyor, ya değerlerini olduğundan düşük gösteriyor ya da boş sayfa zahmetli göründüğü için işe alım akışını tamamlamayı erteliyor. Bu da deneyimlerini etkiliyordu.

Bu nedenle deneyimi yapay zekâ destekli profil oluşturma etrafında tasarladık. Kullanıcılardan her şeyi sıfırdan manuel olarak yazmalarını beklemek yerine, yapay zekâ destekli akış bir özgeçmişi, LinkedIn profilini veya sohbet tarzı girdiyi yorumlayarak bunları daha net bir konumlandırmaya, profil içeriğine ve yapılandırılmış verilere dönüştürüyor.

Buradaki önemli değişiklik yalnızca “yapay zekâ eklemek” değildi. Yolculuğu, değere ulaşmak için daha az çaba gerektiren bir yol etrafında yeniden tasarlamaktı.

Bu, CX’te yapay zekâ hakkında genel olarak düşünme biçimimi değiştirdi. Artık yolculukta kullanıcıların takıldığı, kendilerini emin hissetmediği, aşırı yüklendiği veya ihtiyaçlarını bir sistemin diline çevirmek zorunda kaldığı noktaları giderek daha fazla arıyorum. Bunlar çoğu zaman yapay zekânın yardımcı olabileceği en iyi alanlardır.

Sonuç olarak müşteri deneyiminde yapay zekâ hakkında daha pratik bir bakış açısı ortaya çıktı. Yapay zekâyı bir yenilik katmanı olarak görmekle daha az ilgileniyor; çabayı azaltmanın, ilgililiği artırmanın ve insanların dijital bir yolculukta daha fazla güvenle ilerlemesine yardımcı olmanın bir yolu olarak görmekle daha fazla ilgileniyorum.

Hangi CX görevleri yapay zekâ tarafından gerçekleştirilmelidir?

Artık çeşitli CX faaliyetlerini bilgilendirmek veya yürütmek için yapay zekâya güveniyorum:

• Kullanıcı araştırmasını sentezleme
• Tekrarlayan sürtüşme noktalarını belirleme
• Destek veya geri bildirim verilerindeki sorunlara öncelik verme
• İlk taslak içeriği oluşturma
• Prototip oluşturmayı hızlandırma
• Daha kişiselleştirilmiş yolculuk seçenekleri oluşturma

Kullanıcı araştırmasını sentezleme özellikle öne çıkıyor. Tipik bir araştırma projesinde büyük miktarda nitel veri toplarız: görüşme notları, dökümler, anket yanıtları, kullanılabilirlik bulguları, paydaş girdileri ve yolculuk gözlemleri. Geçmişte sentezleme manuel bir süreçti. Hâlâ insan analizi yapıyoruz, ancak yapay zekâ artık kalıpları çok daha hızlı bulmamıza yardımcı oluyor. Temaları gruplandırmamıza, tekrarlayan sürtüşme noktalarını fark etmemize, farklı kullanıcı türlerinden gelen geri bildirimleri karşılaştırmamıza ve daha fazla araştırma yapılması gereken sinyalleri belirlememize yardımcı oluyor. Bu, verileri düzenlemeye daha az, daha zor sorular sormaya ise daha fazla zaman ayırmamız anlamına geliyor: bunun anlamı nedir, müşteri bundan sonra ne yapmalı ve hangi ürün kararlarının değişmesi gerekiyor?

Hangi CX görevleri insanlar tarafından yapılmalı

Açıkça insanlara bıraktığım faaliyetler, yargı, güven ve sorumluluk gerektiren faaliyetlerdir.

Örneğin yolculuk tasarımı hâlâ insan yargısına ihtiyaç duyar; çünkü müşteri ihtiyaçları, iş hedefleri, operasyonel gerçeklik ve teknik kısıtlar arasında seçimler yapmayı gerektirir. Hayal kırıklığı, finansal risk, tıbbi hassasiyet, itibar etkisi veya duygusal bağlam söz konusu olduğunda hizmet telafisi de insanlar tarafından yönetilmeye devam etmelidir. Yapay zekâ sorunu ortaya çıkarabilir ve bağlamı hazırlayabilir, ancak nasıl yanıt verileceğine bir kişi karar vermelidir.

Aynı durum ürün stratejisi ve önceliklendirme için de geçerlidir. Yapay zekâ kalıpları daha hızlı görmemize yardımcı olabilir, ancak neyin en önemli olduğuna karar vermemelidir. Bu hâlâ müşteriyi, iş modelini, marka vaadini ve yanlış karar vermenin sonuçlarını anlamayı gerektirir.

Dolayısıyla benim görüşüm basit: Yapay zekâ çabayı azaltmalı, bağlamı iyileştirmeli ve öğrenmeyi hızlandırmalıdır. Empati, etik, güven ve ticari yargının en önemli olduğu kararların sorumluluğu insanlarda olmalıdır.

Jaco States

…benim görüşüm basit: Yapay zekâ çabayı azaltmalı, bağlamı iyileştirmeli ve öğrenmeyi hızlandırmalıdır. Empati, etik, güven ve ticari yargının en önemli olduğu kararların sorumluluğu insanlarda olmalıdır.

Yapay zekâ prototiplemesi kullanıcı geri bildirimlerinin kalitesini nasıl artırır?

Yapay zekânın önemli bir avantajı prototiplemede görülebilir. Daha önce tipik bir süreç, tel kafeslerden yüksek aslına uygunlukta tasarımlara, ardından tıklanabilir prototiplere ve son olarak geliştiriciye devre geçişine ilerlerdi. Artık yapay zekâ destekli ürün geliştirme sayesinde çalışan bir prototipi çoğu zaman kullanıcıların karşısına çok daha erken çıkarabiliyoruz. Bu prototip gerçek etkileşimler, gerçeğe yakın veriler ve kullanıcıların ürüne tamamlanmış ürüne daha yakın bir şeymiş gibi tepki vermesine yetecek kadar işlevsel mantık içerebilir.

Bu, geri bildirimin kalitesini artırır. İnsanlar gerçek hissettiren bir şeyi kullanırken farklı davranırlar. Bu da tam geliştirme sürecini tamamlamadan önce gerçek ürün davranışını daha iyi anlamamızı sağlar.

Ancak bunun olumsuz yanı, yapay zekânın yanlış bir güven de yaratabilmesidir. Ekipler düşünebildiklerinden daha hızlı geliştirme yapabilir. Kodun hâlâ incelenmesi gerekir. Ürün kararları hâlâ kanıt gerektirir. Araştırma sentezi hâlâ insan yargısı gerektirir. Özenle hazırlanmış bir prototip, zayıf bir fikrin gerçekte olduğundan daha güçlü görünmesine neden olabilir.

Dolayısıyla en iyi sonuç “yapay zekâ ekibin yerini aldı” olmadı. Bunun yerine yapay zekâ, içgörü, prototip, test ve yineleme arasındaki mesafeyi kısalttı.

Müşteriye dönük sohbet robotları neden beklentiyi karşılamıyor?

En büyük hayal kırıklığım, büyük kurumsal ortamlarda, özellikle finansal hizmetler, sigortacılık, bankacılık ve fintek alanlarında müşteriye dönük sohbet robotlarıdır.

Günümüzün yapay zekâ yetenekleri, birçok müşterinin deneyimlediğinin çok ötesinde.

Teoride müşteriler dijital bir asistanla doğal bir konuşma yapabilmelidir. Asistan amacı anlamalı, bağlamı hatırlamalı, yararlı takip soruları sormalı, doğru bilgilere erişebilmeli, seçenekleri açıkça açıklamalı ve bir sorun hassas veya karmaşık hâle geldiğinde bir insana devretmelidir.

Uygulamada ise birçok kurumsal sohbet robotu hâlâ yeni bir etiket taşıyan eski karar ağaçları gibi hissettiriyor. Robot, müşterileri dar bir seçenekler kümesine zorluyor, bir soru biraz alışılmadık hâle geldiğinde başarısız oluyor ve kullanıcılar çoğu zaman robottan yardım almak yerine ondan kurtulmaya çalışıyor.

Sorun genellikle modelin kendisiyle değil, çevresindeki deneyimle ilgilidir. Veriler parçalıdır. Entegrasyonlar eksiktir. Eskalasyon kuralları zayıftır. Şirketler botu gerçek müşteri yolculuğu etrafında tasarlamamıştır. Düzenlemeye tabi sektörlerde ise risk ve uyumluluk endişeleri çoğu zaman şirketleri daha güvenli, ancak çok daha az kullanışlı bir çözüm kullanıma almaya yöneltir.

Bu durum tuhaf bir boşluk yaratır. Müşteriler AI hakkında çok şey duyar, ancak daha sonra hiç de akıllı hissettirmeyen sistemlerle etkileşime girer.

Her CX ekibinin kullanmayı değerlendirmesi gereken araçlar

CX ekipleri aşağıdaki araçlardan yararlanabilir:

• Analiz ve planlama için ChatGPT ve Codex
• Karmaşık görev desteği ve bilgi depoları oluşturmak için Claude Cowork
• AI ürün geliştirme ve otomasyon için Cursor
• Müşteri geri bildirimleri için Qualtrics

CX liderleri neden önce bağlama yatırım yapmalı?

AI'ın çıktısının kalitesi, modelin kendisi kadar AI'a sağladığınız bağlama da bağlıdır.

Başlangıçta, becerinin yalnızca “iyi bir istem yazmak” olduğunu düşünmek kolaydır. Bu önemlidir, ancak işin yalnızca bir parçasıdır. AI'a yapılandırılmış bir bağlam sunduğunuzda çok daha iyi performans gösterdiğini öğrendim: hedef, müşteri sorunu, iş kuralları, ton, kısıtlamalar, örnekler, veri kaynakları ve iyi bir yanıtın nasıl görünmesi gerektiği.

Bu, AI çalışmalarını artık nasıl kurduğumu değiştirdi. AI'ın her seferinde sıfırdan başlamaması için daha yapılandırılmış istemler, markdown dosyaları, proje klasörleri ve yeniden kullanılabilir bağlam belgeleri kullanıyorum. Bu, çalışmaya daha fazla tutarlılık kazandırıyor ve çıktıyı çok daha kullanışlı hale getiriyor.

Tavsiyem, ilk AI pilotunuzu tek seferlik bir deneyden çok, ekibinizin çalışma biçimi için yeni bir işletim sisteminin başlangıcı olarak ele almanızdır. Bağlamı ne kadar iyi yapılandırırsanız, AI iş akışında gerçek bir ortak olarak o kadar iyi hale gelir.

AI destekli EX neden CX'e fayda sağlar?

Daha fazla lider, özellikle çalışanların müşterilere hizmet verirken güvendiği dahili sistemleri ve iş akışlarını olmak üzere çalışan deneyimini yeniden tasarlamalıdır.

CX sorunlarının çoğu müşteriye temas edilen noktada başlamaz. Bu sorunlar, çalışanların parçalı sistemler, manuel süreçler, eksik veriler ve kötü tasarlanmış iş akışlarıyla uğraşırken iyi bir deneyim sunmaya çalıştığı perde arkasında başlar.

AI bunu düzeltmek için bir fırsat yaratır.

AI çalışanların farklı sistemlerdeki bilgileri bir araya getirmesine, müşteri bağlamını daha hızlı anlamasına, geçmişi özetlemesine, sonraki adımları önermesine ve idari işleri azaltmasına yardımcı olabilirse müşteri deneyimi neredeyse anında iyileşir.

Bu nedenle EX'in AI destekli CX için en önemli öncül alanlardan biri olduğuna inanıyorum.

Hedef neden hiçbir zaman yalnızca CX iş akışlarına AI eklemek olmamalı?

CX liderlerine tavsiyem AI'ı benimsemeleri, ancak iyi bir müşteri deneyiminin temellerinden vazgeçmemeleridir.

AI güçlü ve yeni bir teknoloji katmanıdır. Ekiplerin daha hızlı hareket etmesine, daha fazla veriyi analiz etmesine, yolculukları kişiselleştirmesine, daha erken prototip oluşturmasına ve müşterilere daha önce uygulanabilir olmayan şekillerde destek sunmasına yardımcı olabilir. Ancak sorunları kullanıcı odaklı bir şekilde çözmenin temel süreci değişmeden kalır.

Müşteriyi hâlâ anlamanız gerekir. Hâlâ doğru sorunu tanımlamanız gerekir. İş hedeflerini, teknolojiyi ve insan ihtiyaçlarını hâlâ uyumlu hâle getirmeniz gerekir. Bir çözümü ölçeklendirmeden önce varsayımları hâlâ test etmeniz gerekir.

Tehlike, ekiplerin doğru şeyi inşa edip etmediklerini önce sormadan daha hızlı geliştirmek için yapay zekâyı kullanmalarıdır. Bu durum müşteriler için daha fazla gürültü, daha fazla otomasyon ve daha fazla karmaşıklık yaratabilir.

Amaç her yere yapay zekâ eklemek değil, yolculuğu müşteri için daha kolay, daha anlaşılır ve daha faydalı hâle getirmek olmalı. Bunun için yalnızca teknoloji değil, tasarım, araştırma, veri ve insan muhakemesi gerekir.

Takipte Kalın

Jaco van den Heever'ın çalışmalarını LinkedIn, X ve kişisel web sitesi üzerinden takip edebilirsiniz. Ayrıca Sand Dollar Design'ın web sitesine ve LinkedIn sayfasına göz atabilirsiniz:

• Vaka çalışmaları
• Yapay zekâ geliştirme hizmetleri
• UX stratejisi danışmanlığı

The CX Lead'de daha fazla uzman röportajı sizleri bekliyor!