Parloa, müşterilerin konuşmak isteyeceği hizmet ajanları üretiyor

Parloa’nın ilk dönemlerinde Kurucu Ortak Stefan Ostwald, ekibinin ilk ses deneyimlerini geliştirdiği bir sigorta çağrı merkezinde bir gün geçirdi. Temsilcilerin yanında otururken aynı görüşmelerin tekrar tekrar yapıldığını dinledi: parola sıfırlama, poliçe soruları, rutin değişiklikler. Bu işlerin büyük bölümünün otomatikleştirilebileceğini fark etti.

Bu deneyimin ardından Berlin merkezli Parloa⁠(yeni bir pencerede açılır), yüksek hacimli müşteri etkileşimlerini otomatikleştirmek için kural tabanlı sesli ajanlar geliştirmeye başladı.

ChatGPT’nin ortaya çıkmasıyla şirket, GPT‑5.4 dâhil yeni nesil modeller üzerine kurulu, bugün Yapay Zekâ Ajanı Yönetim Platformu (AMP) olarak bilinen ürünü geliştirmeye yöneldi.

AMP, işletmelerin müşteri hizmetleri etkileşimlerini geniş ölçekte tasarlamasına, devreye almasına ve yönetmesine olanak tanır. Ekipler, katı amaçlar ve akışlar belirlemek yerine davranışları doğal dille tanımlar, şirket içi sistemlere bağlanır ve yerleşik simülasyonlarla değerlendirmelerden yararlanarak hızla iyileştirme yapar.

Parloa, basit yönlendirmelerden karmaşık ve çok adımlı taleplere kadar her şeyi ele alarak bu etkileşimleri uçtan uca yürütür. Odak noktası; performansın, gecikmenin ve uç durumların önem taşıdığı üretim ortamındaki tutarlılıktır. Parloa bu hedefe ulaşmak için modelleri devreye almadan önce gerçek müşteri senaryolarıyla sürekli test eder.

Parloa’nın Ajan Yönetim Platformu (AMP), iş birimlerindeki kullanıcıların ve konu uzmanlarının kod yazmadan yapay zekâ ajanları geliştirebilmesi için tasarlanmıştır.

O’Reilly, “AMP sayesinde farklı iş birimlerindeki konu uzmanları ajanları bizzat geliştirebiliyor ve API’leri çok daha yalın ve basit biçimde bağlayabiliyor,” diyor.

Genel olarak AMP, markaların yapay zekâ ajanının tüm yaşam döngüsünü yönetmesine olanak tanır. Bunu, teknik olmayan ekiplere bir ajanın kullanıma alınmadan önce nasıl davranacağını tanımlamanın daha basit bir yolunu sunarak yapar. Konu uzmanları kod yazmak veya katı amaç ağaçları oluşturmak yerine ajanın rolünü, talimatlarını, araçlarını ve sınırlarını doğal dille belirler. Bu yapılandırma, modele nasıl prompt verileceğinin ve sistemin üretimde nasıl davranacağının temelini oluşturur.

Ajan tanımlandıktan sonra devreye alınmadan önce test edilir. Parloa, GPT‑5.4 gibi modellerle müşteri görüşmelerini simüle eder; bir model arayan kişi rolünü üstlenirken diğeri yapılandırılmış ajanı çalıştırır. Ekipler bu etkileşimleri doğrudan inceleyebilir, değişiklikleri gerçekçi senaryolarla test edebilir ve kullanıma geçmeden önce iyileştirebilir.

Ardından aynı modeller, deterministik kontroller ile hakem olarak LLM puanlamasının birleşiminden yararlanarak bu görüşmeleri değerlendirir. Böylece ajanın talimatları izleyip izlemediği, araçları doğru kullanıp kullanmadığı ve görevi beklendiği gibi tamamlayıp tamamlamadığı görülür.

Canlı bir görüşme sırasında AMP’nin orkestrasyon katmanı; yanıt oluşturmak, RAG aracılığıyla bilgi almak veya müşteri sistemleriyle etkileşime girecek araçları tetiklemek için ajan yapılandırmasını ve görüşme bağlamını bir OpenAI modeline prompt olarak verir. Parloa, gerçek dünya performansında belirgin kazanımlar sağlayan en yeni nesil modellerle bu katmanı sürekli günceller.

Görüşmenin ardından OpenAI destekli ayrı iş akışları etkileşimi özetler, müşterinin amacını sınıflandırır ve performansı tanımlı kurallara göre değerlendirir.

Ajanlar karmaşıklaştıkça tek ve bütünleşik bir promptun bakımını yapmak zorlaştı. Küçük değişiklikler istenmeyen yan etkilere yol açabiliyordu. Parloa bu sorunu çözmek için modüler bir yaklaşım benimsedi. Kimlik doğrulama, rezervasyon değişiklikleri veya hesap güncellemeleri gibi görevler ayrı alt ajanlara bölünebilir. Bu sayede talimatlara uyma başarısı artar ve sistemlerin zaman içinde geliştirilmesi kolaylaşır.

Platform aynı zamanda güvenilirliğin en önemli olduğu noktalarda deterministik kontroller kullanır. İşletmeler, kritik adımların doğru sırada gerçekleşmesini sağlamak için yapılandırılmış API zincirleri ve olay tabanlı mantık tanımlayabilir; böylece görüşme esnekliği ile öngörülebilir yürütme arasında denge kurabilir.

Parloa, bir ajan kullanıma alınmadan önce gerçekçi müşteri etkileşimlerini simüle etmek için GPT‑4.1, GPT‑5‑mini ve başka modeller kullanır; ardından bu etkileşimleri hakem olarak LLM ile deterministik kuralların birleşimiyle değerlendirir. Bu yaklaşım ekiplerin uç durumları test etmesine, hızla iyileştirme yapmasına ve müşterileri olası hatalara maruz bırakmadan önce performansı doğrulamasına olanak tanır.

Parloa ağırlıklı olarak, yetkinlik kadar tutarlılığa da önem veren büyük işletmelerle çalışır.

Kıdemli Uygulamalı Bilimci Matthäus Deutsch, “Yeni bir model çıktığında karşılaştırmalı test paketimizi bu model üzerinde çalıştırıyoruz,” diyor. “Sistemlerin yalnızca teorik karşılaştırmalı testlerde değil, gerçek kullanım senaryolarında da çalışması bizim için çok önemli.”

Parloa, soyut karşılaştırmalı testlere güvenmek yerine gerçek üretim ajanlarını kopyalayarak bunları simülasyon ve değerlendirme işlem hatlarından geçirir. Bu testler gerçekçi koşullarda talimatlara uyma güvenilirliğini, API çağrılarının tutarlılığını, gecikmeyi ve genel performansı ölçer.

Bu değerlendirmeler hangi modellerin üretime hazır olduğunu belirler. Yalnızca gerçek müşteri senaryolarında güvenilir performans gösteren modeller devreye alınır.

Deutsch, “Kurumsal müşteriler gerçek bir geçiş maliyetiyle karşı karşıya,” diyor. “Bir sistem üretimde çalışmaya başladıktan sonra onu kararlı tutuyor ve yalnızca faydaları açıkça görüldüğünde değiştiriyorlar.”

Bunun sonucunda sistemler büyük ölçekte bile üretimde öngörülebilir biçimde çalışır. Milyonlarca müşteri etkileşiminde görüşmelerin çoğu sorunsuz biçimde sonuçlandırılır. Aramalar insan temsilcilere yönlendirildiğinde bile bunun nedeni nadiren bir hatadır. Bir uygulamada küresel bir seyahat şirketi, insan temsilci taleplerini %80 azalttı.

Önce değerlendirmeyi esas alan bu yaklaşım, Parloa’nın üretimde güvenilirlikten ödün vermeden hızla ilerlemesini sağlayan temel bir farklılaştırıcı hâline geldi.

Ses, metin tabanlı sohbetten farklı kısıtlamalar getirir. Her etkileşim düşük gecikmeli bir işlem hattından geçer: konuşmadan metne, model akıl yürütmesi ve metinden konuşmaya.

Bu işlem hattında gecikme kritik önem taşır. Model katmanındaki küçük gecikmeler bile birleşerek arayan kişinin fark edeceği duraklamalara dönüşür ve modellerin seçilip optimize edilme biçimini etkiler.

Parloa; gecikme, yanıt kalitesi ve talimatlara uyma konularına odaklanarak gerçek zamanlı kullanım senaryolarındaki performansı optimize etmek için OpenAI ile yakın çalışır. Ekip, yeni model sürümlerini canlı müşteri etkileşimlerinde kullanıma sunmadan önce üretim benzeri ortamlarda sürekli değerlendirir ve dayanıklılık testlerinden geçirir.

Parloa, ses teknolojileri yığınının her bileşenini ayrı ayrı değerlendirir:

• Konuşmadan metne sistemleri, özellikle poliçe numarası veya hesap kimliği gibi hassas girdilerdeki sözcük hata oranı açısından test edilir.
• Metinden konuşmaya modelleri, sesin gerçek kullanıcılara ne kadar doğal geldiğini ölçmek için kör dinleme testleriyle değerlendirilir. Ardından bu sonuçlar, üretim ortamlarında tutarlı performans sağlandığını doğrulamak için gerçek müşteri etkileşimleriyle karşılaştırılır.
• Sesli sohbet modelleri şu anda gecikme, doğruluk ve maliyet odağında üretime hazır olma açısından değerlendiriliyor.

Bu sistemler en başından beri küresel ölçekte devreye alınmak üzere geliştirildi. Dünya çapında farklı bölgelerde faaliyet gösteren müşteriler için karşılaştırmalı testler birden fazla dili kapsar. Bu çok dilli titizlik hem Parloa’nın Avrupa köklerini hem de tek bir dil veya bölgede değil, tüm pazarlarda tutarlı performans bekleyen kurumsal müşterilerin taleplerini yansıtır.

Bugün Parloa’nın ajanları; perakende, seyahat ve sigorta dâhil birçok sektörde milyonlarca görüşmeyi yürütüyor ve destek otomasyonundan tele-alışveriş gibi gelir getiren akışlara kadar çeşitli kullanım senaryolarını destekliyor.

Parloa, müşteri hizmetlerinin tamamen çok modlu bir deneyime dönüştüğünü öngörüyor.

Bir görüşme telefonda başlayıp sohbette devam edebilir ve süreç boyunca bağlantılar veya etkileşimli öğeler içerebilir. AMP, her adımı ayrı bir akış olarak ele almak yerine tüm süreci tek bir etkileşim olarak yönetmek üzere tasarlanmıştır. Zamanla yapay zekâ ajanları, müşteri yolculuklarında web siteleri ve mobil uygulamalar kadar merkezi bir rol üstlenebilir.

İşletmeler müşteri etkileşimlerinin giderek daha büyük bir bölümünü otomatikleştirirken Parloa, yapay zekâ ajanlarını küresel ölçekte çalışabilecek kadar güvenilir, esnek ve güven duyulan sistemler hâline getirmeye odaklanıyor.