VAPI ile Sesli AI: Telefon Botlarının Ötesine Geçmek

“1’e basın, randevu için. 2’ye basın, iptal için. 3’e basın, diğer işlemler için…”

Bu cümleyi duyan herkes telefonu kapatıp WhatsApp’tan yazmayı tercih ediyor. Eski IVR (Interactive Voice Response) sistemleri, müşteri deneyimini kötüleştirmenin en kısa yolu olarak tarih kitaplarına geçti.

Sesli AI, tuş menüsünden daha esnek bir konuşma akışı kurabilir; fakat sonuç kullanılan telefon ağına, konuşma modellerine, bilgi tabanına ve entegrasyon kalitesine bağlıdır.

VAPI Nedir?

VAPI, gerçek zamanlı konuşma zekası için tasarlanmış bir ses AI altyapısı. Büyük dil modelleriyle (LLM) entegre çalışan VAPI, doğal dil anlama ve gerçek zamanlı ses sentezi yeteneklerini birleştiriyor.

Pratikte ne demek bu?

Birisi kliniğinizi aradığında, VAPI tabanlı sistem şunları yapabiliyor:

• Türkçe konuşmayı gerçek zamanlı transkribe ediyor
• Konuşmanın bağlamını anlıyor (“randevu” mu soruyor, “iptal” mi, “bilgi” mi?)
• Seçilen ses sağlayıcısıyla yanıt üretiyor
• Takvim entegrasyonu yapılandırılmışsa müsaitlik sorgulayabiliyor
• İzin verilen araç ve kurallar tanımlanmışsa randevu talebi oluşturabiliyor

Toplam gecikme; telefon ağına, model sağlayıcısına, seçilen sese ve bağlantı koşullarına göre değişir. Bu nedenle üretim kurulumu gerçek çağrı testleriyle ölçülmelidir.

IVR ile Karşılaştırma

Özellik	Eski IVR	VAPI Tabanlı AI
Konuşma doğallığı	Tuş menüsü	Serbest konuşma
Bağlam anlama	Önceden tanımlı menü	Model ve talimata bağlı
Türkçe kalitesi	Sisteme göre değişir	Seçilen STT/TTS modeline bağlı
Randevu entegrasyonu	Ayrı geliştirme gerekebilir	Araç bağlantısı kurulursa mümkün
İnsan devri	Genellikle menü seçeneği	Kural olarak ayrıca tasarlanmalı
Kurulum süresi	Kapsama göre değişir	Kapsama ve testlere göre değişir

Teknik Altyapı: Kaputun Altında Ne Var?

VAPI sisteminin çalışma mantığı 4 katmandan oluşuyor:

1. Ses İşleme (STT — Speech to Text): Gelen ses dalgası milisaniyeler içinde transkribe ediliyor. Türkçe için optimize edilmiş modeller kullanılıyor.

2. Anlama Katmanı (LLM): Transkript, işletmeye özel bilgi tabanıyla (hizmetler, fiyatlar, çalışma saatleri, SSS) zenginleştirilmiş bir dil modeline gidiyor. Model yanıtı üretiyor.

3. Ses Sentezi (TTS — Text to Speech): Yanıt, seçilen sesle konuşmaya dönüştürülüyor. Doğallık için bekleme, vurgu ve hız ayarları dinamik olarak yapılıyor.

4. Entegrasyon Katmanı: Randevu sistemi, CRM ve takvim senkronizasyonu burada gerçekleşiyor.

Türkçe Konuşma Kalitesi Neden Kritik?

Türkçe morfolojik açıdan karmaşık bir dil. “Randevumu iptal ettirmek istiyorum” cümlesindeki fiil çekimi, İngilizce eğitilmiş bir modelin direkt anlayamayacağı bir yapı içeriyor.

Türkçe performansı seçilen konuşmadan metne, dil modeli ve metinden sese sağlayıcılarına göre değişir. Ağır şive, özel isimler, bağlantı sorunları ve gürültülü ortam gerçek çağrılarda ayrıca test edilmelidir.

Bu nedenle iyi bir sistem her zaman “insan yönlendirme” seçeneği sunuyor. AI çözemediğini anladığında, çağrıyı personele aktarıyor.

Kurulum ve Özelleştirme Süreci

Bir işletme için VAPI entegrasyonu şu adımlarla ilerliyor:

1. Telefon bağlantısı: Uygun numara veya mevcut hat, seçilen telekom sağlayıcısının ülke ve hesap koşullarına göre bağlanır. Türk numarası otomatik veya her hesap için garanti değildir.
2. Bilgi tabanı hazırlama: Hizmetler, fiyatlar, SSS, çalışma saatleri yükleniyor.
3. Ses seçimi: Erkek/kadın, resmi/samimi ton seçenekleri.
4. Senaryo testi: Farklı müşteri niyetleriyle örnek çağrı simülasyonları.
5. Canlıya geçiş: Onaylanan çağrı akışı devreye alınıyor.

Kurulum süresi, entegrasyonlara ve onaylanan çağrı senaryosuna göre değişir. Başarı; yanıtsız çağrı, talep kaydı, insan devri ve randevu sonucu gibi işletmeye özel metriklerle ölçülmelidir.

Sesli AI, sınırları ve insan devri doğru tasarlandığında tekrar eden taleplerde yardımcı olabilir. Tıbbi, hukuki, finansal veya acil sonuç doğuran konuşmalarda insan kontrolünün yerini almamalıdır.

Kaynak: Vapi dokümantasyonu