Blog'a geri dön
ChatGPT Tam Olarak Nedir?
ChatGPT, OpenAI tarafından GPT serisi olan Large Language Models’a (LLM - Büyük Dil Modelleri) dayanan bir sohbet arayüzüdür. Ona istediğinizi sorabilir ve yapılandırılmış bilgi üretmesi için komutlar verebilirsiniz. Bir soru sormak, bir metni tercüme ettirmek, bir problem tanımına dayalı hesaplamalar yapmak, düşündüğünüz bir özellik için kod oluşturmak gibi daha birçok farklı kullanım senaryosu…
Ama Tüm Bunları Nasıl Yapıyor? Arman, ChatGPT Nasıl Çalışıyor?
ChatGPT, OpenAI tarafından GPT3.5 serisine dayalı olarak üretilen bir üründür. Konuşmaları modellemek için özel olarak elle eğitilmiş 20 milyar parametreye sahip bir Büyük Dil Modelidir (LLM). Model, girdiyi anlamak için Natural Language Understanding (NLU - Doğal Dil Anlama) ve bir yanıt formüle etmek için Natural Language Generation (NLG - Doğal Dil Oluşturma) bölümlerinden oluşuyor. Özellikle son kısım olan NLG, ChatGPT'nin tanıtılmasıyla önemli adımlar attı ve "üretken" yapay zekâ kullanım durumlarını daha iyi mümkün kıldı.
Bir Dakika, LLM'ler, Üretken Yapay Zekâ, Parametreler, Bunlar Da Ne Anlama Geliyor?
Basitçe söylemek gerekirse, metni tanıyan, özetleyen, çeviren, tahmin eden ve üreten bir algoritmadır. Bunu, modeli eğitmek için kullanılan devasa veri setleri sayesinde yapabilmektedir. Öğrenme kapasitesini ifade etmenin yollarından biri de parametre sayısını ölçmektir. Parametre, modelin temel veri setinde sağlanan geçmiş verilerden öğrenebilen kısmını oluşturan bir değişkendir. Dolayısıyla, parametre sayısı bir modelin kaç nüansı absorbe edebileceği hakkında bir şeyler söyler. Şimdiye kadar, bir modelin sahip olduğu parametre sayısı ile insan benzeri tepkiler ve davranışlar üretme ve bunlara benzeme yeteneği arasında güçlü bir korelasyon olduğunu gördük.
Pekâlâ, Bu Nüansları Anlayan ve Kendi Yanıtlarını Üretebilen Bir Chatbot. Bu Gelişmenin Başlıca Avantaj ve Dezavantajları Nedir?
Bu teknolojinin getirdiği fırsat ve güçlü yeni kullanım alanlarının yanı sıra, onu çevreleyen heyecanı en büyük avantaj olarak görüyorum. Olağanüstü coşku, Generative AI (Üretken Yapay Zekâ) teknolojisine yönelik merak ve talepte bir artışı da beraberinde getiriyor. Diyaloğa dayalı yapay zekanın gücünü herkese açık bir şekilde sergiliyor ve insanlar buna bayılıyor. Nihayetinde, daha fazla insan ve şirket dahil oldukça bu durum inovasyonu daha da teşvik edecektir.
Tabi erken kullanıma bağlı bazı dezavantajlar da mevcut. Bu tür gelişmelerin ilk aşamalarında, birçok insanın kafa karışıklığından arasından sıyrılıp gerçek iş değerini görmekte zorlandığını fark ettik. ChatGPT her şeyi bilen ve her şeye gücü yeten bir teknoloji olarak algılanıyor ki bu tam olarak doğru değil. Doğal Dil Oluşturma konusunda harika olan bir diyaloğa dayalı yapay zekâ modeli, ancak mükemmel değil. Hatalar yapabiliyor. Tabi kullanıcılar, sistemin zaman zaman bazı şeyleri yanlış anladığını ve her derde deva olmadığını anlarsa sorun yok. Hiç şüphesiz bu aşama da geçecek ve elimizde kalacak olan şey son derece etkileyici olacak.
ChatGPT vs Conversational AI
İnsan benzeri konuşmalar, kullanıcıların Conversational AI Cloud ile de elde etmeye çalıştığı bir şey gibi görünüyor.
ChatGPT ile Conversational AI Cloud Arasındaki Fark Nedir?
OpenAI'nin GPT serisi, Google'ın 2017 yılında dünyaya tanıttığı "yeni" transformatör mimarisinin harika bir uygulamasıdır. Conversational AI Cloud ürünümüz yıllardır dönüştürücü modelleri kullanıyor. Aradaki en büyük fark, bir Diyaloğa Dayalı Yapay Zekâ Platformunun bir işletme için gerçekten iş değeri sağlamak amacıyla bu modeller etrafında inşa ettiği şeydir.
Conversational AI Cloud, konuşmaları otomatikleştirerek şirketlerin işleriyle ilgili belirli sorunlarını ele almalarına yardımcı olur. Doğal Dil İşleme (NLP) bunun merkezinde yer alır. Çok sayıda ve/veya karmaşık soruyu otomatikleştirmeniz gerektiğinde, kural tabanlı modellerle yapabileceklerinizin sınırları vardır, bu nedenle AI modellerini kullanmak çok daha mantıklıdır.
Bu modeller tek başlarına pek bir işe yaramıyor. İşletmeler yapay zekayı webchat, WhatsApp ve diğer kanallarda kullanmak istiyor. Yeni sürümleri dağıtmadan önce modellerini test etmek istiyorlar. Ayrıca, örneğin fiyatlarını güncellemeleri veya yeni bir konuşma akışı eklemeleri gerektiğinde kolayca içerik eklemek veya güncellemek istiyorlar. Model performansı veya sapma oranı gibi KPI'ları hakkında içgörüler elde etmek istiyorlar. Peki ya OMS, CDP, CRM veya ERP gibi mevcut sistemlerle entegrasyonlar? Diyaloğa Dayalı Yapay Zekanızla müşterilere durum güncellemeleri vermek veya bilgilerini değiştirmek için kayıtları almak veya güncellemek gibi gerçek eylemler gerçekleştiremiyorsanız, fazla bir şey yapamazsınız. ChatGPT bunların hiçbirini yapamaz. Ancak Conversational AI Cloud ile yapabilirsiniz. Dolayısıyla, "kaputun altında" kullandığımız modeller, tam çözümümüzü oluşturan geniş bir yetenekler kümesini tamamlıyor.
Conversational AI Cloud tarafından verilen yanıtlar bağlama uyum sağlayabilir, ancak yanıtların her zaman gerçeklere uygun, markaya uygun ve doğru ses tonunu taşımasını sağlamak için firmanızdaki metin yazarları tarafından incelenir. Dolayısıyla, ortamınızın ne kadar iyi ayarlandığına bağlı olarak, olabilecek en kötü şey, yapay zekanızın, vakaların küçük bir yüzdesinde, "Bu sorunun cevabını bilmiyorum" şeklinde cevap vermesidir. Yine de bu cümle bile tam olarak nasıl ifade edilmesini istiyorsanız öyle ifade edilecek ve bu akış tamamen kontrol edilecektir. Tüm bu ilkeler, müşterilerinizle etkileşim kurmak için Conversational AI Cloud kullanmanın düşük riskli bir profil oluşturmasını sağlar.
Bu da ChatGPT ile Conversational AI Cloud arasındaki en büyük farktır. ChatGPT'nin davranışı sizin kara kutu olarak adlandıracağınız türdendir. Aynı soruyu 5 kez sorduğunuzda beş farklı yanıt alırsınız (ya da almazsınız, asla emin olamazsınız). Bazen bu cevaplardan biri kulağa harika gelir ama aynı zamanda gerçekte yanlıştır. Yapay zekanızın anında cevap uydurması sizi idari işlerde bir, belki de iki fazla personel atamaktan tasarruf ettirir. Ancak aynı zamanda, kontrol uygulama, şeffaf olma ve kaliteyi sürdürme kapasitenizi azaltır. Dolayısıyla, üretken yapay zeka çıktısının doğrudan müşterilerinize gitmesinin bu risk profili önemli ölçüde daha yüksektir (en azından şu anda hala bu teknolojinin ilk günlerindeyiz). Bu noktayı bir ara aşacağız, ama bugün değil.
Tamam, Yani Hedef Kitle ve Kullanım Durumları Çok Mu Farklı?
Bunu özetlemenin iyi bir yolu. Modellerimiz geçmişte olduğu gibi gelişmeye devam edecek. Ve eminim ki şu anda geliştirilmekte ve piyasaya sürülmekte olan LLM'ler ürünlerimizin yeteneklerini büyük ölçüde artıracaktır. Birbirlerini yok etmeyecektir; bunlar iki farklı, tamamlayıcı sistemlerdir.
CM.com & ChatGPT
Peki, Arman, bu modellerin ürünlerimizi geliştireceğini söylediğinde bu ne anlama geliyor? Ve CM.com'un bu yeni modelleri benimseme konusunda herhangi bir planı var mı?
ChatGPT Ürünlerimizde Nasıl Bir Rol Oynayabilir?
Ürünlerimizi geliştirmek ve ürünlerimizin kullanıcılarını ve son yıllarda yaptıkları işleri daha da etkinleştirmek için birçok fırsat görüyoruz. İster Conversational AI Cloud'daki bir konuşma tasarımcısı, ister Mobile Service Cloud'daki bir temsilci ya da Mobile Marketing Cloud'umuzdaki bir pazarlamacı için olsun. Hepsi içerik üretiyor. İçerik önerilerinde bulunmak ve müşterilerimizin son bir kontrol yapmasını sağlamak için üretken yapay zekayı kullanmak, onların yükünü çok daha hafifletecektir.
Bizim için önemli olan, bu teknolojilerin cazibesine kapılıp onları sırf dahil etmek için entegre etmemek. Yalnızca ürünlerimiz ve müşterilerimiz için önemli bir değer katan özellikleri uygulamak istiyoruz. Yeteneklerimizi "yapay zekâ destekli şu, yapay zekâ destekli bu" şeklinde pazarlama odaklı etiketlemekle ilgilenmiyoruz. Üretken yapay zekâ ve LLM'ler güçlüdür ve birçok yerde çok anlamlıdır, ancak dezavantajlarının bilincindeyiz ve sunduğumuz her yeni özelliğin kalite ve değer sunmasını sağlamak durumundayız.
Peki Şu An Ne Üzerinde Çalışıyoruz ve Gelecekte Ne Bekleyebiliriz?
Sorduğunuza sevindim. Planlarımızda bizi gerçekten heyecanlandıran bazı gelişmeler var. Birkaçını paylaşmak isterim.
Diyaloğa Dayalı İçerik Oluşturma
Amacımız, ister yeni başlayan bir müşteri ister yeni bir diyalog akışı eklemek isteyen mevcut bir müşteri olsun, Conversational AI (Diyaloğa Dayalı Yapay Zeka) müşterilerimiz için planlarını daha hızlı hayata geçirmelerini sağlamaktır. Kullanım kolaylığı konusunda kendimizle gurur duysak da, intent (amaç) modellerini ve makale yapılarını kurmak zaman alıyor. Bir diyalog tasarımcısı olarak, sizin için işin zor kısmı olan içerik üreticisine sahipseniz bu süre önemli ölçüde azalabilmektedir. Kısa vadede bu, Conversational Cloud’a işletmeniz hakkında bilgi sağlamak anlamına gelir. Diyelim ki bir kamu kuruluşusunuz. Bu gerçeği paylaşabilir, ürün ve hizmetleriniz hakkında bazı küçük ayrıntılar verebilirsiniz - ardından LLM otomatik olarak müşterilerinizden almayı bekleyebileceğiniz sorular ve tanıma noktaları oluşturacaktır. İstemden sonra çıktıyı bir taslak olarak değerlendirebilir, gözden geçirebilir, test edebilir ve yayınlayabilirsiniz. Bu içerik hakkında kendiniz düşünmeniz sizi, başka bir yerde değerlendirebileceğiniz zamandan da alıkoyar.
Niyetlerle başlıyoruz ve bu tür bir çözümden yararlanacak çok sayıda başka alan belirledik. Zaman içinde CM.com portföyüne bu yeteneklerden daha fazlasını ekleyeceğiz.
Gerçek zamanlı doğal dil işleme için LLM'ler
Her zaman üzerinde çalıştığımız şeylerden biri, Conversational AI Cloud’daki NLP modellerimiz ve Mobil Service Cloud’da temsilcilerin hayatlarını kolaylaştırmaktır. Buradaki amaç, söyleneni hiç veya az sayıda tanıma gibi konuları araştırarak mevcut NLP altyapımızı LLM'lerin gücüyle geliştirmektir. Ve yine burada, bunun ürünlerimize getireceği değere de odaklanıyoruz. Daha güçlü tanıma modelleri, canlı temsilcilere daha az yönlendirme yapılması anlamına gelir ve yönlendirme yapıldığında daha ayrıntılı yönlendirme, görüşme başına daha düşük ortalama işlem süresi ile sonuçlanır. Tüm bunlar CM.com platformunun tamamına önemli bir değer katacaktır. Bunun yanı sıra, diyalog tasarımcılarına, destek merkezi temsilcilerine ve pazarlamacılara yardımcı olmak için yazım ve dilbilgisi düzeltmeleri gibi konulara da bakıyoruz.
Duygular yoluyla kişiselleştirme
ChatGPT, duygusal bağlamın yanıtları nasıl iyileştirebileceği konusunda iyi bir örnek oluşturuyor. Olumsuz duygular tespit edildiğinde, statik yanıtları daha empatik veya özür dileyici tonda yeniden ifade ederek dengeleyebiliriz. Bu konsept, destek merkezi temsilcilerine yönelik öneriler için de işe yarayabilir. Genel olarak bu, daha iyi bir son kullanıcı deneyimi yaratarak müşterilerimiz ve son kullanıcıları arasında daha güçlü bir bağ kurulmasını sağlayacaktır.
Özetler ve Aratma Özellikleri
Tanıma modelleri uzun biçimli içeriklerde her zaman iyi performans göstermez. Tanıma modellerimizden geçirmeden önce uzun biçimli girdileri özetlemek, genel tanıma oranını artırmanın ve gelen tüm soruları daha yüksek güven ve hassasiyetle yanıtlamanın iyi bir yoludur.
Müşteri temsilcilerine aktarımları organize ettiğimizde, bu temsilciler bot ile müşteri arasındaki konuşmanın bir özetini okuyabilirlerse ortalama işlem sürelerini de azaltabilirler. Temsilciler daha da hızlanarak daha iyi ve zamanında bir ilk yanıt sağlayabilir. İlk yanıt süresindeki herhangi bir küçük iyileşme, ister NPS, ister CSAT veya CES olarak ifade edilsin, daha yüksek bir memnuniyet oranıyla doğrudan ilişkilidir.
> İlk entegrasyonlar yayında! Detayları buradan öğrenebilirsiniz.
Gelecek Bugün Başlıyor
Sonuç olarak, ChatGPT, LLM'ler ve generative AI gibi gelişmelerin kısa vadede önümüze ne getireceğini ve daha önce değindiğiniz bu döngü içinde insani özelliklerin de sürece dahil edildiği uzun vadeli beklentilerimizin ne olduğunu merak ediyorum.
ChatGPT Bugün ve Gelecekte İşletmeler İçin Ne Anlama Geliyor?
Bağımsız bir ürün olarak ChatGPT, çok kısa vadede (yani bugün) arama motorları ve wiki gibi araçlara ek olarak her çalışanın bireysel üretkenliğini artırabilecek kişisel bir asistan gibidir.
Geliştiricilere ChatGPT ve Bard gibi ürünlerin arkasındaki LLM'lere erişim açıldıkça, sadece bilgi çalışanları için bireysel verimlilik artışlarından ziyade, işletme ölçeğindeki sorunları çözen daha spesifik uygulamalar görmeye başlayacağız. Bizimki gibi süreçlere dahil edilen insani özellikler bu kullanım durumlarına mükemmel bir örnektir.
Uzun vadede, profesyoneller bu modelleri tüketicilerle doğrudan konuşmak için kullanmaya alıştıkça kara kutu tarzında belirsizliklerini eninde sonunda aşacağız. Tıpkı NLP'nin ilk günlerinde olduğu gibi bu biraz zaman alacak. İnsanların bu modellerle bu seviyede çalışmak için doğru beceri setlerini ve ölçümleri öğrenmeleri gerekiyor. NLP için F1 skorları, hassasiyet, geri çağırma ve değerlendirme ve eğitim için karşılaştırılabilir ölçütler yaygın bir bilgi haline geldi. Bugün, NLG için benzer ölçümleri detaylandıran çok sayıda makale bulabilirsiniz. Erken benimseyenlerin bu konuda rahat olmasından erken çoğunluğun alıcı olmasına kadar olan basamak biraz zaman alacaktır. Tam olarak ne kadar zaman? Bunun cevabını kimsenin bildiğini sanmıyorum.
Bu arada, Mart ayında ilk LLM özelliklerimizi yayınlamak ve yıl içerisinde daha da gelişmiş kullanım senaryolarını yayına almak için oldukça heyecanlıyız.
