STT hata düzeltme, normalizasyon ve niyet çıkarımı

Konuşmayı yazıya çeviren teknoloji (STT) güçlü bir arayüzdür, ama transkript görüşmenin kendisi değildir. Arka plan gürültüsü, aksanlar, araya girmeler, isimler, sayılar, ürün kodları ve yarım cümleler hataya yol açabilir. Sesli agent ham transkripti doğrudan bir araca ya da CRM'e aktarırsa, küçük bir tanıma hatası yanlış bir işleme, kafa karıştıran bir kayda ya da gereksiz bir insana devre dönüşebilir.

Canlıdaki sesli yapay zekanın katmanlı bir anlama yoluna ihtiyacı vardır: konuşmayı tanımak, belirsizliği fark etmek, varlıkları standartlaştırmak, talebi bağlamı içinde yorumlamak, politikayı uygulamak ve sonraki aksiyonu seçmek. DRING'in teknoloji yaklaşımı, agent katmanı ve kalite süreci bu adımları tek bir prompt gibi ele almaz, birbirine bağlar.

Ne tür bir hata olduğunu bilin

Transkriptteki her fark önemli değildir. Bir dolgu kelimesi ya da noktalama hatası sonucu hiç etkilemeyebilir. Bir ürün adı, tutar, tarih, hesap numarası ya da olumsuzluk ise her şeyi değiştirebilir. Hataları operasyondaki sonuçlarına göre sınıflandırın: zararsız ifade farkı, yanlış varlık, eksik niteleyici, yanlış niyet, güvensiz kesinlik ya da kaybolan bağlam.

Güven skorunu bir hüküm olarak değil, bir sinyal olarak kullanın. Güven skoru yüksek bir transkript, nadir bir isimde yine de yanlış olabilir. Güveni düşük bir parça, önceki turla ve beklenen iş akışıyla birlikte okununca netleşebilir. Olası sonuç ağırsa agent teyit isteyebilmeli.

Varlıkları standartlaştırın, arayanın sözünü silmeden

Normalizasyon, farklı söyleyiş biçimlerini yapılandırılmış tek bir kavrama eşler. “Yarın iki buçukta”, “yarın 14:30'da” ve “yarın öğleden sonra ikiyi otuz geçe” aynı randevu aralığını kastediyor olabilir. Bir ürün adının bir lakabı, bir yanlış yazılışı ve sesli bir kısaltması olabilir. Sistemler için yapılandırılmış değeri saklayın, izlenebilirlik için arayanın asıl ifadesini de tutun.

Varlık tiplerini ve bağlamı kullanın. Bir sayı sipariş numarası, dahili numara, miktar ya da tarih olabilir. Bir isim müşteriyi, bayiyi ya da bir yeri gösterebilir. İş akışında birden fazla yorum mümkünse agent yalnızca kalıba bakarak standartlaştırmamalı. Tahmin etmek yerine dar, netleştirici bir soru sorun.

Alana özel uyarlama ve terimler kullanın

Nadir ve alana özel ifadeler yönetilen bir kelime dağarcığı ister. Google'ın Speech-to-Text model uyarlama dokümanı, sık geçen, günlük konuşmada nadir olan ya da gürültülü seste zor anlaşılan terimler için ifade setlerini ve özel sınıfları anlatır. Altta Google ya da başka bir konuşma altyapısı olsun, ilke aynıdır: tanımaya bağlama uygun bir kelime dağarcığı verin ve hedeflenen iş akışını gerçekten iyileştirip iyileştirmediğini ölçün.

Tanıma sorununu her terimi her dile ekleyerek çözmeye çalışmayın. Kimlik, yönlendirme, para, güvenlik, ürün seçimi ve aksiyonla bağlantılı kelimelere öncelik verin. Yanlış pozitifleri inceleyin ve kelime dağarcığını telaffuz sözlüğüne bağlayın ki agent aynı kavramı tutarlı biçimde hem tanısın hem söylesin.

Niyeti konuşmanın bütününden çıkarın

Niyet her zaman tek bir cümlede durmaz. Müşteri bir belirtiyle başlayabilir, bir soruya tarihle cevap verebilir ve arama nedenini ancak sonra söyleyebilir. Agent görüşmenin durumunu takip etmeli: ne biliniyor, ne belirsiz, ne soruldu, ne değişti ve hangi sonuç hâlâ açık.

Niyeti bir hiyerarşiyle tanımlayın. En üst seviye destek, satış, randevu, operasyon ya da işe alım olabilir. Bir alt seviye iade, sipariş durumu, niteleme, randevu değişikliği ya da şoför istisnası olabilir. Son seviye aksiyon ya da devir nedeni olabilir. Bu yapı yöneticiye işe yarar bir rapor, agent'a da dünyanın tek bir etikete sığdığını varsaymadan güvenli bir yol verir.

Olumsuzluğu, zamanı ve kesinliği koruyun

Ses hataları çoğu zaman anlamı değiştiren kelimeleri düşürür: “değil”, “hâlâ”, “zaten”, “sadece”, “yarın” ya da “yoksa”. Türkçede olumsuzluk çoğu zaman tek bir ekte saklıdır; “yattı” ile “yatmadı” arasındaki fark tek bir hecedir. Bu niteleyicileri veri çıkarma şemasına dahil edin. “İade hâlâ hesabıma yatmadı” diyen bir müşteri, iadesi tamamlanmış olarak sınıflandırılmamalı. “Perşembe olur, salı olmaz” diyen bir arayana salı günü randevu verilmemeli.

Kesinliği açıkça gösterin. “Müşteri öyle düşünüyor”, “sistem teyit ediyor” ve “agent öneriyor” farklı durumlardır. CRM'in ve işi devralacak ekip arkadaşının hangisinin hangisi olduğunu bilmesi gerekir. DRING'in sisteme yazma modeli ve raporlama katmanı bu farkı koruyabilir.

Düzeltmeyi doğal bir tur olarak tasarlayın

Agent bir tanıma hatasından şüphelendiğinde transkriptin tamamını okumamalı. Riskli olan en küçük değeri teyit etmeli: “Perşembe öğleden sonra saat üç olarak anladım, doğru mu?” İsimlerde harf harf kodlatın ya da seçenek sunun. Ürünlerde tam ve standart adı tekrar edin. Ödeme ya da kimlikle ilgili bir işlemde bir sonraki adıma geçmeden onaylı doğrulama yolunu izleyin.

Düzeltmenin bir tonu da vardır. Sakin ve kısa bir soru güveni korur. Arayandan tekrar tekrar baştan başlamasını istemek, sistemin konuyu kaybettiğini gösterir. Düzeltmeyi kaydedin ki kalite süreci daha sonra kelime dağarcığını, prompt'u ya da yönlendirme kuralını iyileştirebilsin.

Yalnızca modeli değil, tüm hattı test edin

Gürültü, aksan, cümle içinde dil değiştirme, araya girme, yarım cevaplar, belirsiz sayılar, birbirine benzeyen isimler, müşterinin kendini düzeltmesi ve değişen niyet içeren test senaryoları kurun. Transkripti, varlık normalizasyonunu, niyeti, politikayı, araç parametrelerini, sesli teyidi ve son kaydı ayrı ayrı puanlayın.

Canlıdaki bir çağrıda hata çıktığında hangi katmanda olduğunu belirleyin. Konuşma tanıma motoru yanlış terimi duyduysa uyarlamayı ya da kelime dağarcığını güncelleyin. Transkript yeterliydi ama agent yanlış niyeti seçtiyse bağlamı ya da politikayı değiştirin. İşlem doğruydu ama kayıt yanlışsa entegrasyonu düzeltin. DRING'in agent'ları kurduğu, test ettiği ve geliştirdiği sistem olan Agent Factory, bu teşhisi hedefli regresyon testlerine dönüştürür.

STT ile anlama için pratik kontrol listesi

• Sonucu ağır olan varlıkları ve olumsuzluk, zaman gibi niteleyicileri işaretleyin.
• İsimler, markalar, ürünler ve sektör terimleri için bağlama uygun bir kelime dağarcığı kullanın.
• Sistemlere standart değerleri yazarken arayanın asıl ifadesini de saklayın.
• Belirsizlik sonucu değiştirebilecekse dar teyit soruları sorun.
• Arayanın beyanını, sistemdeki bilgiyi ve agent'ın çıkarımını birbirinden ayırın.
• Tanıma, niyet, araç, kayıt ve devir hatalarını ayrı sınıflar olarak inceleyin.

STT kalitesi kusursuz bir transkript üretme yarışı değildir. Kusurlu konuşmayı güvenli, işe yarar ve incelenebilir bir sonraki adıma çevirme disiplinidir. Sesli yapay zeka sistemi bir dikte katmanı gibi değil, işini bilen bir operatör gibi hissettirmeye tam bu noktada başlar.

Transkript temizliğini niyet güveninden ayırın

Normalizasyon ve niyet çıkarımı farklı sorunları çözer. Normalizasyon bir telefon numarasını, tarihi, ürün kodunu ya da yaygın bir yazılışı standart hale getirirken ham transkripti inceleme için saklayabilir. Niyet çıkarımı ise arayanın neyi halletmek istediğine ve sistemin bundan ne kadar emin olduğuna karar verir. İki çıktıyı da görünür tutun. Temiz görünen bir değer belirsiz bir niyeti güvenilir göstermemeli, güveni düşük bir niyet de arayanın asıl ifadesinin üzerine yazmamalı.

Bu sınırı araya girmelerle, aksanlarla, arka plan gürültüsüyle, cümle içinde dil değiştirmeyle, yerel kısaltmalarla ve kendini düzelten arayanlarla test edin. Transkripti, standart hale getirilmiş alanı, seçilen niyeti, sesli teyidi ve sonraki sistemdeki kaydı birlikte kontrol edin. Sinyaller birbirini tutmuyorsa kısa bir netleştirme sorusu sorun ya da görüşmeyi bir insana yönlendirin. Agent Factory bu uyuşmazlıkları tekrarlanabilir vakalara dönüştürebilir; böylece iyileştirmeler diller ve iş akışları genelinde ölçülür.

Ek okumalar

• Google Cloud: konuşma modeli uyarlaması ve özel sınıflar
• OpenAI: araç sınırları ve agent karar tasarımı
• NIST: yapay zeka performansını ölçmek ve belirsizliği belgelemek