Sesten Sinyale, Sinyalden Aksiyona: Havacılıkta AI Destekli Müşteri İçgörüsü

Uçuş sonrası anketler kısıtlı bir pencere açar. McKinsey'nin Ağustos 2024 tarihli havayolları yazısına göre bu anketlerde yanıt oranı yaklaşık yüzde 5 civarında kalıyor ve yanıt verenlerin yalnızca küçük bir kısmı ayrıntılı hikâye anlatıyor. Çağrı merkezi ise tam tersi: müşteri sorun yaşadığı anda, kendi kelimeleriyle ve çoğu zaman öfkeyle konuşuyor.

Bir rötar günü düşünün. İstanbul aktarmalı bir hatta iki saatlik gecikme, bir saat içinde yüzlerce çağrı üretir. Bu çağrıların içinde aktarma kaçıranlar, otel isteyenler, tazminat soranlar ve bagajını bulamayanlar karışık halde durur. Anket bu dağılımı günler sonra ve eksik gösterir; ses kaydı ise saatler içinde gösterebilir. Ses verisinin değeri hacminden değil, olayın sıcaklığında ve filtrelenmeden gelmesinden kaynaklanıyor. Bunu kaçırmanın bedeli, aynı sorunun haftalarca tekrar etmesi.

Son 12 ayda üç eksen hareket etti.

Regülasyon: AB Parlamentosu ve Konsey, EC 261/2004 reformunda Haziran 2026'da siyasi uzlaşıya vardı. 250, 400 ve 600 euroluk kademeler ile üç saatlik rötar eşiği korundu; havayollarına yolculuk bittikten sonraki dört gün içinde yolcuya hakkını ve başvuru yolunu bildirme yükümlülüğü geldi. Yeni kurallar resmi kabulden 12 ay sonra yürürlüğe girecek, yani bugün hâlâ 2004 metni geçerli. Türkiye'de SHY-Yolcu'nun 10 Aralık 2024 değişikliğiyle iç hatlarda 100, dış hatlarda 250/400/600 euro tazminat uygulanıyor. KVKK da Kasım 2025'te üretken yapay zekâ rehberini yayımladı.

Teknoloji: Sağlayıcılar artık varlık hata oranı (entity error rate) raporluyor. AssemblyAI'ın Eylül 2026'da aktardığı açık bir streaming benchmark'ında bu oran sağlayıcılar arasında yaklaşık %15 ile %50 arasında değişti; genel WER farkından çok daha büyük bir makas.

Pazar: Gartner'ın Nisan-Mayıs 2026'da 199 liderle yaptığı ankete göre AI harcaması %38 arttı. Pegasus Ekim 2026'da çağrıyı konuşma sırasında sonuçlandıran bir sesli AI platformuna yatırım yaptı; odak analizden canlı çözüme kayıyor.

Zincirin ilk halkası ASR (Automatic Speech Recognition, otomatik konuşma tanıma) yani speech-to-text. Burada üç teknik iş var: diarization (kim konuşuyor ayrımı, müşteri ile temsilciyi ayırmak), dil tespiti (Türkçe başlayıp İngilizceye geçen yolcu sık görülür) ve PII redaction (kart numarası, pasaport numarası, PNR gibi kişisel verilerin maskelenmesi).

İkinci halka, metni şemaya oturtmak. Her çağrı için çağrı nedeni, uçuş numarası, havalimanı kodu, duygu skoru, niyet etiketi, çözüm durumu gibi alanlar çıkarılır. LLM bu noktada serbest metni JSON'a çevirmede çok işe yarıyor; ama çıktının şema doğrulamasından geçmesi şart.

Pratik bir eşik: transkript kalitesini WER (Word Error Rate) ile ölçün. Uçuş kodu ve şehir adı gibi varlıklarda hata, genel kelime hatasından çok daha pahalı. Bu yüzden genel WER'in yanında varlık bazlı doğruluğu ayrıca takip etmek gerekir. 2026'da sağlayıcılar bu metriği kendileri yayımlamaya başladı ve sağlayıcılar arasındaki makasın genel WER'den çok daha geniş olduğu görüldü; sağlayıcı seçerken kendi uçuş kodu ve havalimanı listenizle test edin.

Duygu analizi tek başına zayıf bir sinyal. Bir çağrıyı negatif diye işaretlemek ekibe ne yapacağını söylemez. Değerli olan, duyguyu niyetle ve konuyla birleştirmek: kızgın, bagaj, ikinci arama. Bu üçlü bir aksiyon tetikler; tek başına kızgın etiketi tetiklemez.

Niyet taksonomisi işin en çok emek isteyen kısmı. McKinsey'nin örneğinde olduğu gibi, sadakat programı şikâyeti gibi geniş bir kategori yerine son uçuşumun milleri hesabıma geçmedi gibi spesifik bir sorun tanımlamak, sorunun sahibini de netleştiriyor. Geniş kategori kimsenin işi değildir; dar kategori bir ekibin backlog'una girer.

Anti-pattern: duyguyu sadece metinden çıkarmak. Ses tonu, konuşma hızı, sessizlik süresi ve araya girme sayısı gibi akustik özellikler, kibar kelimelerle söylenmiş öfkeyi yakalamada metinden daha güvenilir olabilir. Türkçede "çok teşekkür ederim, gerçekten harika" cümlesi ironik söylendiğinde metin modeli bunu pozitif sayabilir.

Sinyal, bir eşik ve bir sahip olmadan gürültüdür. Örnek kural: aynı havalimanında, aynı saatte, bagaj kaybı niyetli çağrı sayısı son dört haftanın ortalamasının üç katına çıktıysa, o istasyonun yer hizmetleri sorumlusuna otomatik uyarı gitsin. Bu kural ölçülebilir, sahibi belli ve kapatılabilir.

Aksiyonları zamana göre üç katmanda düşünmek işe yarıyor. Gerçek zamanlı: temsilciye canlı öneri, örneğin bu yolcunun aktarması kaçmış, otel hakkı var. Saatlik: operasyon merkezine anomali uyarısı. Haftalık: ürün ve süreç ekiplerine tekrar eden kök neden raporu.

Anti-pattern: her şeyi panoya koymak. Kırk metrikli bir dashboard kimsenin davranışını değiştirmez. Her uyarının bir sahibi, bir SLA'sı ve kapandığında kaydedilen bir sonucu olmalı; aksi halde ekipler birkaç hafta içinde uyarıları görmezden gelmeye başlar.

Havacılıkta müşteri sesi doğrudan hukuki sonuç doğurabilir. Avrupa'da EC 261/2004 tüzüğü uçuş mesafesine göre 250, 400 ve 600 euro sabit tazminat kademeleri tanımlıyor. Haziran 2026'daki reform uzlaşısı bu kademeleri ve üç saatlik eşiği korudu, ama uzun hatlarda belirli koşullarda %50 indirim ve dört gün içinde bilgilendirme yükümlülüğü ekledi; yeni metin resmi kabulden 12 ay sonra yürürlüğe girecek. Türkiye'de SHY-Yolcu yönetmeliğinin 10 Aralık 2024 değişikliği iç hatlarda 100 euro, dış hatlarda 1.500 km'ye kadar 250, 1.500-3.500 km arası 400, üzeri 600 euro tazminat öngörüyor ve tutar ödeme günündeki TCMB satış kuruyla TL'ye çevriliyor.

Bu bağlam analitik tasarımını etkiliyor. Tazminat talebi niyeti, rötar süresi bilgisiyle birleştiğinde hem finansal risk tahmini hem de proaktif iletişim fırsatı yaratıyor. Üç saati aşan bir rötarda yolcu aramadan önce hakkını bildiren bir SMS, çağrı hacmini düşürür; AB reformu bu bilgilendirmeyi zaten zorunlu hale getiriyor.

KVKK açısından ses kaydı kişisel veridir; KVKK'nın Kasım 2025 tarihli üretken yapay zekâ rehberi de rol dağılımı, şeffaflık ve insan denetimi konularını ayrıca vurguluyor. Kayıt amacı, saklama süresi ve LLM sağlayıcısına gönderilen verinin maskelenmiş olması projenin ilk haftasında konuşulmalı. AB'de faaliyet gösteren ekipler için bir not daha: AI Act işyerinde çalışan duygusunu çıkarmayı Şubat 2025'ten beri yasaklıyor; Komisyon rehberine göre müşteri duygusunu izlemek bu yasağın dışında, ama aynı modeli temsilci sesine uygularken dikkat etmek gerekir.

Konuşma analitiği projelerinin çoğu, doğruluk metrikleriyle başlar ve orada kalır. Oysa iş tarafı modelin F1 skoruyla ilgilenmez; tekrar arama oranı düştü mü, ona bakar.

İki katmanlı ölçüm öneriyorum. Model katmanı: transkript WER, niyet sınıflandırmada sınıf bazlı precision ve recall, insan etiketçiyle uyum oranı. İş katmanı: yolcu başına temas sayısı, ilk çağrıda çözüm oranı (FCR), ortalama görüşme süresi (AHT) ve kök nedeni kapatılan sorun sayısı. McKinsey'nin 2024'te aktardığı bir Asya havayolu örneğinde yolcu başına temas sayısında yüzde 30'un üzerinde düşüş raporlanmış; bu tür bir sonucu kendi verinizde görmek için ölçümü baştan tanımlamak gerekir.

Anti-pattern: modeli değiştirince eski ve yeni sonuçları kıyaslayacak sabit bir etiketli test seti tutmamak. Her ay 200 çağrılık rastgele bir örneği insanlara etiketletmek ucuz ve sağlam bir sigortadır.