Katie Stein, ASAPP CEO’su – Röportaj Serisi

Katie Stein, ASAPP CEO’su, iki on yılı aşkın teknoloji ve iş yönetimi deneyimine sahip, kurumsal strateji, operasyon, dijital dönüşüm ve kurumsal büyüme konularını kapsayan bir yöneticidir. ASAPP’ın CEO’su olarak Ağustos 2026’da katılmadan önce, Atain’in CEO’su olarak görev yaptı ve Genpact’ta sekiz yıl çalıştı; burada Kurumsal Hizmetler ve Analitik için Baş Strateji Sorumlusu ve Küresel İş Lideri olarak, kurumsal strateji, büyük hizmet portföyleri, müşteri deneyimi ve M&A girişimlerini yönetti. Kariyerinin erken dönemlerinde Stein, Mercer’de kıdemli liderlik rollerinde bulundu; $2.5 milyar değerindeki Emeklilik, Sağlık ve Yan Haklar iş birimi için Küresel Operasyon Direktörü olarak görev yaptı ve Boston Consulting Group’ta Proje Lideri olarak çalıştı. Kariyeri büyük organizasyonların operasyonel performansını iyileştirmeye, teknolojiyi daha etkili bir şekilde dağıtmaya ve karmaşık iş dönüşümlerini hayata geçirmeye büyük ölçüde odaklanmıştır.

ASAPP, AI-native Müşteri Deneyimi Platformu (CXP) aracılığıyla kurumsal müşteri hizmetlerini dönüştürmeye odaklanan bir yapay zeka şirketidir. 2015 yılında kurulan şirket, ses ve dijital kanallar üzerinden AI ajanları, insan uzmanlığı, müşteri verileri ve kurumsal sistemleri bir araya getiren teknoloji geliştirir. Platformun merkezinde GenerativeAgent bulunur; bu, konuşmaları anlamak, müşteri isteklerini akıl yürütmek, bağlı kurumsal sistemler aracılığıyla eylemler gerçekleştirmek ve ek denetim ya da yargı gerektiğinde insan ajanları dahil etmek üzere tasarlanmış bir AI müşteri hizmetleri ajanıdır. ASAPP ayrıca test, izleme, yönetişim ve gözlemlenebilirlik araçları sunar; bu sayede büyük organizasyonlar, otomatik ajanların davranışları üzerinde daha fazla kontrol sağlayarak müşteri odaklı AI dağıtabilir.

Kariyeriniz, BCG, Mercer ve Genpact’taki strateji ve dönüşüm rollerinden Atain liderliğine ve şimdi ASAPP CEO’su olmaya uzandı. Bu noktada sizi ASAPP’e çeken nedir ve ilk 30 gününüzün ardından şirket için en büyük fırsatları ve öncelikleri ne olarak belirlediniz?

ASAPP, bu yılın başlarında Winter Storm Fern sırasında ilk kez radarımda belirdi. Atain’de, binlerce aksaklık yaşayan yolcunun evine dönmeye çalıştığı, ABD’nin en büyük havayollarından birine yeterli kapasite sağlamak için her açıdan çalışıyorduk. ASAPP sadece soruları yanıtlamadı; GenerativeAgent’i, karmaşık seyahat planı değişiklikleri dahil olmak üzere, altı gün içinde 3.800’den fazla yolcuyu yeniden rezervasyon yaptı. Bu, bana kurumsal AI’nın gerçek baskı altında nasıl göründüğünü gösterdi. İlk 30 günüm bu görüşü pekiştirdi. Fırsatımız odaklanmak ve ölçeklendirmek: ASAPP’in en net kazanma hakkına sahip olduğu alanlara yoğunlaşmak, müşterilerin deneme aşamasından üretim etkisine geçişine yardımcı olmak ve daha yüksek hız ve tutarlılıkla yürütmek.

ASAPP’in yaklaşımı, otonom AI ajanlarını, deterministik iş akışlarını ve insan uzmanlarını tek bir orkestrasyon katmanında bir araya getirir. Hangi kararların bir AI ajanına bırakılması, hangilerinin önceden tanımlı kurallara göre yürütülmesi ve hangilerinin insan yargısını gerektirmesi gerektiğini nasıl belirliyorsunuz?

Bir etkileşimi tamamen AI’ye, önceden tanımlı bir iş akışına veya bir kişiye atamıyoruz. Her kararı, karmaşıklığı, riski ve sorumluluk ihtiyacına göre değerlendiriyoruz. AI, niyeti anlamak, bağlamı yorumlamak ve müşteriye uyum sağlamak konusunda çok uygundur. İş akışları, gerekli adımların veya politikaların izlenmesi gerektiğinde tutarlılık sağlar. İnsanlar, durum belirsiz, istisnai veya sonuç odaklı olduğunda yargı ekler. Orkestrasyon, üçünü aynı etkileşim içinde bir araya getirir. Hedef maksimum özerklik değil; her karar noktasında doğru kontrol seviyesini uygularken daha fazla müşteri ihtiyacını çözmektir.

ASAPP, insan katılımını otomasyon başarısız olduğunda sadece bir yükseltme yolu olarak değil, AI sisteminin sürekli bir parçası olarak ele alır. AI ajanları daha yetenekli hale geldikçe, insanların müşteri hizmetleri etkileşimlerinde en çok değer katmaya devam edeceği alanlar nereler olacaktır?

İnsan yaratıcılığı!  Birkaç ay önce, nispeten az sayıda aramanın işlem süresinin orantısız bir kısmını oluşturduğunu gözlemleyen kıdemli bir CX lideriyle konuştum. Bunlar genellikle net bir SSS, bilgi makalesi veya standart işletim prosedürü olmayan uç durumlardır. Organizasyon daha önce bu soruya rastlamadığı veya yanıtı kodlamadığı için zorluk çıkar. İnsanlar bu anlarda en çok değeri katmaya devam edecek: belirsizliği yorumlamak, çelişen hususları dengelemek ve yerleşik bir oyun kitabı olmadığında yargı uygulamak. Ancak bir kişiyi dahil etmek, otomasyonu tamamen bırakmak ve tüm etkileşimi devretmek anlamına gelmemelidir. AI, gerekeni toplar ve kişiye belirli bir istek ve bağlam sunar; insan yargıyı sağlar ve ardından AI etkileşime devam eder. Bu uzmanlık anlık sorunu çözer ve AI’nın bir sonraki çözebileceği konuları genişletmeye yardımcı olur.

Birçok işletme, jeneratif AI’yi pilot projelerde başarıyla gösterdi ancak bunu milyonlarca gerçek müşteri etkileşimi üzerine dağıtmaya çalıştığında zorlanıyor. Şirketler, AI pilotundan üretim ölçeğinde bir ajan sistemine geçiş yaparken en çok neyi hafife alıyor?

Şirketler genellikle uzun kuyruğu küçümserler. Pilot projeler genellikle tanımlı kullanım senaryolarını kontrollü koşullar altında test eder. Üretim ölçeğinde, nadir durumlar günlük hâle gelir: müşteriler yön değiştirir, eksik bilgi sağlar veya kimsenin öngörmediği şekillerde ihtiyaçları birleştirir. Bu yüzden ajan‑temelli AI’nın ölçeklendirilmesi sadece bir model sorunu değildir. Kurumsal sistemlerle entegrasyon, yönetişim, izleme ve yargıya ihtiyaç duyulduğunda insanları dahil etme yolları gerekir. Pilot, teknolojinin çalıştığını kanıtlar. Üretim ise mimariyi ve işletme disiplinini alarak ölçeklenebilir şekilde güvenilir kılar.

Şirketler tek bir AI asistanından birden fazla uzmanlaşmış ajanın birlikte çalıştığı bir modele geçerken, orkestrasyon, gözlemlenebilirlik ve sorumluluk konularında hangi yeni teknik veya yönetişim zorlukları ortaya çıkıyor?

Yeni zorluk koordinasyondur. Daha fazla ajan, daha fazla devretme, karar noktası ve bağlamın ya da sorumluluğun bozulma fırsatları yaratır. Şirketler, hangi ajanın harekete geçeceğini, hangi bilgi ve izinleri alacağını ve çalışmalarının müşterinin çözümüne nasıl katkıda bulunacağını belirleyen bir orkestrasyona ihtiyaç duyar. Gözlemlenebilirlik, tüm etkileşimi kapsayacak şekilde genişlemeli ki organizasyonlar ne olduğunu ve neden olduğunu anlayabilsin. Bu, yönetişimin temeli haline gelir. Avantaj, en çok ajanı dağıtmaktan gelmez. Tüm bu uzmanlaşmış zekayı güvenilir, izlenebilir ve sorumlu bir tek sistemde koordine etmekten gelir.

ASAPP, modeller evrimleşirken AI sistemlerini 50’den fazla zafiyet sınıfına karşı otomatik olarak test eden Sürekli Kırmızı Takım Testi‘i yakın zamanda tanıttı. AI ajanları artık sadece yanıt üretmekle kalmayıp, müşteriler adına eylemde bulunma yeteneği kazandıkça, şirketler güvenliği nasıl yeniden düşünmelidir?

AI, soruları yanıtlamaktan eyleme geçmeye başladığında riskler değişir. Yetkisiz bir işlem ya da müşteri verilerinin ifşası, hatalı bir yanıtın çok ötesinde sonuçlar doğurur. Şirketler, bir ajanın neye erişebileceği, ne yapabileceği ve ne zaman insan onayı gerektiği konusunda net sınırlar belirlemelidir. Güvenlik, dağıtımdan önce yalnızca bir kez yapılan bir test olamaz. AI daha yetkin hale geldikçe kötü niyetliler de yenilik yapmaktadır. Bu yüzden ASAPP, 50’yi aşkın zafiyet sınıfını kapsayan binlerce saldırı senaryosuna karşı sürekli testler yapar. Güvenlik, teknoloji kadar hızlı evrim geçirmeli, böylece şirketler AI’nın neler yapabileceğini müşteri güvenini zedelemeden genişletebilir.

Üretken AI doğası gereği olasılıksaldır, ancak müşteri hizmeti süreçleri genellikle işlemler, uyum gereksinimleri ve sonuçların öngörülebilir olması gereken diğer görevleri içerir. Şirketler, bu sistemleri güvenilir kılacak yeterli deterministik yapıyı eklerken üretken AI’nın esnekliğini nasıl koruyabilir?

Anahtar, sohbeti iş sürecinden ayırmaktır. Üretken AI’nın en iyi yaptığı şeyi yapması gerektiğini düşünüyoruz: müşteriyi anlamak, belirsizliği yönetmek ve doğal bir şekilde yanıt vermek. Ancak doğrulama, işlemler ve uyum gibi kritik süreçler, şirket kurallarını ve gerekli sıralamayı zorlayan adım‑temelli iş akışları içinde çalışmalıdır. Bu mimari, şirketlere her iki dünyanın da en iyisini sunar: müşteri için esnek bir deneyim ve iş için öngörülebilir bir yürütme. Ayrıca modeller evrimleştikçe süreçlerin test, denetim ve iyileştirmesini de kolaylaştırır. Şirketlerin AI’yı güvenilir kılmak için her müşteri sohbetini katı hâle getirmesine gerek yoktur. AI’nın nerede uyum sağlayabileceği ve sürecin kesinlikle nerede değiştirilemeyeceği konusunda çok net olmaları gerekir.

İletişim merkezleri geleneksel olarak otomasyonu, tutma oranı ve maliyet azaltma gibi metriklerle ölçmüşlerdir. Ajan‑temelli AI daha sofistike hale geldikçe, şirketler AI’nın sadece insan katılımını azaltmak yerine gerçekten müşteri deneyimini iyileştirip iyileştirmediğini belirlemek için hangi metrikleri kullanmalı?

Deflection ve tutma gibi metriklerden uzaklaşıp, benim “doğrulanmış çözüm” olarak adlandırdığım ölçütlere yöneliyoruz. Müşterinin niyetini anlamak ve gerçekten çözmek konusunda sorumlu olmayı istiyorum. Bir müşteri olarak deneyimin keyifli olmasını isterim, ancak en çok, iletişime geçme nedenimin çözülmüş olmasını isterim. Bu sonucu ölçtüğümüzde, AI’nın birini insan temsilcisine yönlendirip yönlendirmediğine bakmak yerine, teknolojiyi müşterinin gerçekten ihtiyaç duyduğu işi yapmasıyla hizalamış oluruz.

Eğer tek bir insan uzmanı giderek daha fazla AI‑destekli konuşmayı denetleyip yönlendirebiliyorsa, iletişim merkezi iş gücünün nasıl evrimleşmesini bekliyorsunuz? AI denetimi, eğitimi, yönetişimi ve sürekli iyileştirme etrafında yeni roller ortaya çıkıyor mu?

Beni geleceğin iletişim merkezi işletim modeli hakkında gerçekten heyecanlandıran bu. Bugün, insan ajanlar ön saflarda, genellikle hayal kırıklığına uğramış, kafası karışmış ya da öfkeli müşterilere yardımcı olurken, bu sorunları çözmek için karmaşık sistemlerde zamanlarının büyük bir kısmını harcıyorlar. İş zorlayıcı ve tükenmişlik oranı yüksek. Ajan‑temelli AI ses ve dijital kanallarda bu işi daha fazla üstlendikçe, yeni bir CX profesyoneli sınıfının ortaya çıkacağını düşünüyorum: analist olarak insan ajan. Zamanları, yargı gerektiren, siyah‑beyaz olmayan veya düzenleyici hassasiyete sahip durumlara giderek daha fazla ayrılacak. Bu, temelde farklı bir rol ve AI’nın kendisi de bu rolün oluşmasına yardımcı oluyor.

ASAPP’ı yönettiğiniz ilk 30 günün ardından, işletmelerin şu anda ajan AI benimsemelerinde en çok sizi şaşırtan nedir ve AI destekli müşteri hizmetlerinin bir sonraki aşamasını neyin tanımlayacağını düşünüyorsunuz?

Konuştuğum müşterilerin, ajan AI’yi CX stratejilerinin yan ürününden ziyade temel bir sütun haline getirmeye ne kadar istekli olduklarından etkilendim. Zorluk, Dijital, BT, Güvenlik ve Operasyonların genellikle farklı hızlarda ilerlemesi ve başarıyı farklı ölçümlemesi. Bu parçalanma, kurumsal iş vakasını net bir şekilde görmeyi zorlaştırıyor. Bir sonraki aşama, organizasyonların kurumsal seviyede gerçekten önemli olan şey etrafında hizalanmasını ve CX’te ajan AI’nin bu sonuçları nasıl ilerletebileceğini anlamasını gerektirecek. Bugün, bu etki mevcut puan kartları ve bölünmüş metrikler arasında seyreltilebiliyor.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular ASAPP adresini ziyaret etmelidir.