Randall Newman, CPTO ve Satisfi Labs Kurucu Ortak – Röportaj Serisi

Randall Newman, Satisfi Labs’ın CPTO ve Kurucu Ortağı, AI platformları, finansal teknoloji ve yüksek performanslı sistemler inşa etme konusunda kapsamlı deneyime sahip bir teknoloji ve ürün lideridir. Satisfi Labs’ı kurduktan beri Newman, şirketin konuşma AI teknolojisini hayal etme, tasarlama ve ölçeklendirme sürecinde merkezi bir rol oynadı; ürün geliştirme, mimari, mühendislik ekipleri ve stratejik entegrasyonları denetledi. Satisfi Labs’tan önce, Satisfi Inc.’de Ürün Başkanı olarak görev yaptı ve mobil pazarlama şirketi Right On Mobile’ı kurdu. Kariyerinin erken dönemlerinde Newman, CIBC World Markets’ta 17 yıldan fazla çalıştı; burada stratejik risk, yüksek frekanslı ticaret ve hisse senedi arbitrajı gibi alanlarda üst düzey liderlik pozisyonları üstlendi ve nicel ticaret uzmanlığını uygulamalı teknoloji geliştirme ile birleştirdi.

Satisfi Labs, spor, eğlence, turizm, cazibe merkezleri ve diğer canlı deneyim işletmeleri için özelleşmiş AI ajanları dağıtmaya odaklanan bir AI şirketidir. 2016 yılında kurulan şirket, konuşma AI ve Answer Engine’inden, kuruluşların misafir desteğini otomatikleştirmesine, bilet ve ticari dönüşümleri artırmasına ve müşteri sohbetlerinden içgörüler elde etmesine yardımcı olmak için tasarlanmış bir ajan platformuna evrilmiştir. AI ajanları 50’den fazla dilde çalışabilir ve biletleme, CRM, içerik yönetimi ve diğer iş sistemleriyle bağlantı kurarak bilet satma, sohbeti insan personele yönlendirme, müşteri bilgilerini toplama ve kişiselleştirilmiş yanıtlar sağlama gibi eylemleri gerçekleştirebilir. Satisfi Labs, teknolojisinin artık 775’ten fazla marka tarafından güvenildiğini ve Ticketmaster, Simpleview, MappedIn, Ventrata ve Vozzi gibi şirketlerle entegrasyonlar ve ortaklıklar içerdiğini belirtiyor.

Finans piyasalarında neredeyse iki on yıl geçirdiniz; CIBC’de düşük gecikmeli ticaret sistemleri inşa etme ve yüksek frekanslı ticaret stratejilerini yönetme dahil, ardından teknoloji girişimciliğine geçerek sonunda Satisfi Labs’ı kurdunuz. Hız, güvenilirlik ve risk yönetiminin kritik olduğu işletim sistemlerinden aldığınız hangi dersler, bugün üretim‑düzeyinde AI ajanları inşa etmenizi en çok etkiledi?

Ticaret bana iyi bir fikrin ve iyi bir işin iki farklı şey olduğunu öğretti. Bir fırsatı doğru şekilde tanımlayabilirsiniz ancak yürütmeniz yavaş, maliyetleriniz yüksek ya da risk varsayımlarınız yanlış olduğu için yine de para kaybedebilirsiniz. AI da aynı şekilde. Model yeteneği sadece bir girdidir. İş, bu yeteneği kabul edilebilir bir maliyet ve riskle tekrarlanabilir bir sonuca dönüştürüp dönüştüremeyeceğinize bağlıdır.

Bir endeks arbitraj kitabı yönetmek, bireysel kararların ötesine bakmayı da öğretir. Portföyde tekrarlanan küçük bir hata çok büyük bir maruziyete dönüşür. AI ile binlerce ajan, bireysel olarak makul kararlar alabilir ancak topluca bir sorun oluşturabilir. Hepsi aynı hatalı verilere dayanır ya da aynı başarısız hizmeti tekrar dener. Sistemi, sadece bireysel yanıtı değil, bütününü yönetmeniz gerekir.

Ve hız sadece sonucu iyileştirdiğinde önemlidir. Ticarette mikro saniyelerin kritik olduğu anlar vardı. AI’da, yanlış sonucu anında vermektense bir saniye daha harcayarak bir işlemi onaylamayı tercih ederim. Disiplin, hızın nerede değer yarattığını ve nerede sadece hatayı hızlandırdığını bilmektir.

Son ders, tüm işi başlatan derstir. Rekabet avantajı, herkesin fark etmesinden önce bir fiyat hatasını tespit etmekten gelir. Şu anda gördüğüm fiyat hatası, çoğu işletmenin AI ajanlarını destek maliyetlerini azaltma yolu olarak görmesidir. Satisfi Labs’ta, onları bir gelir kanalı olarak görüyoruz. Spor mekanlarımızda, ajan sohbetlerinin yaklaşık %40’ı biletlerle ilgilidir. Bu hayranlar şikayet etmek için gelmez; ellerinde para ile gelerek oturacak yer sorarlar. Piyasanın yanlış fiyatlandırdığı şeyi bulun ve yakalayın. Bu, arbitraj işindeki aynı içgüdüdür.

Satisfi Labs 2017’de kuruldu, mevcut üretken AI patlamasından çok önce ve bağlamsal doğal dil işleme ile konuşma AI’dan ajan platformuna evrildi. Soruları yanıtlamaya odaklanan sistemlerden, kullanıcılar adına eylem gerçekleştirebilen ajanlara geçmek için gereken en büyük mimari değişiklikler nelerdi?

10 yıl boyunca MLB/NFL takımları, eğlence mekanları ve turizm organizasyonları dahil 800’den fazla kurumsal müşterimiz için binlerce AI ajanı geliştirdik. En büyük değişiklik, sisteme sadece bilgi vermek yerine yetki vermenizdir.

Bir asistan size hangi biletlerin mevcut olduğunu söylerse, bu bir yanıt sağlar. Biletlerinizi değiştirirse, envanteri, müşteri kayıtlarını ve potansiyel olarak parayı değiştirir. Şimdi, işlemi kim onayladı, gerçekte ne oldu ve süreç yarıya kadar durduğunda nasıl kurtarılacağını bilmeniz gerekir.

Bu nedenle modelin yargısını yürütme yetkisinden ayırıyoruz. Model bir isteği yorumlayabilir ve bir sonraki adımı önerebilir. Altındaki sistemler izinleri, iş kurallarını ve işlem limitlerini uygular. Modelden gelen ikna edici bir açıklama bu kontrolleri geçersiz kılmaz.

Ayrıca “ajan görevi tamamladığını söyledi” ile “iş sistemi tamamlamayı onayladı” arasında kesin bir ayrım yapmanız gerekir. Bunlar aynı şey değildir. Bir satın alma isteği zaman aşımına uğrarsa, tekrar denemeden önce satın almanın gerçekleşip gerçekleşmediğini öğrenmelisiniz.

Stratejik olarak, daha iyi modeller iş kontrol mekanizmalarınızı yeniden inşa etmenizi gerektirmemeli. Yeni bir model çıktığında sistemin ne yapmasına izin verildiğini yeniden müzakere etmeden, akıl yürütmedeki her iyileşmeden faydalanmak istiyorum.

“Agentic AI” terimi artık çok çeşitli ürünlere uygulanıyor. Mühendislik perspektifinden bakıldığında, gelişmiş bir sohbet botu, bir AI yardımcı ve gerçekten otonom bir AI ajanı arasındaki çizgiyi nerede çiziyorsunuz?

Tek bir soru sorardım: kişi gerçekte hangi sorumluluğu devretmiş?

Bir sohbet botu bilgi sağlar. Bir yardımcı, işi tamamlamanıza yardımcı olur, ancak hâlâ önemli adımları yönlendiriyor ve onaylıyorsunuz. Otonom bir ajan, bir hedefi sürdürürken bu kararların bazılarını kendisi alabilme iznine sahiptir.

Arayüz, hangi türle karşı karşıya olduğunuzu söylemez. Konuşma tabanlı bir ürün, arkasında gerçek otonomiye sahip olabilir. Ajan olarak pazarlanan bir şey bile, her faydalı eylemi onaylamak için bir kişiye ihtiyaç duyabilir.

Bir işletme için otonomi, belirli bir anlaşma olmalıdır: bu sistem bu eylemleri, bu kullanıcılar için, bu sınırlamalar içinde gerçekleştirebilir ve bu koşullar altında durmalıdır. Bu, gerçekten test edip yöneteceğiniz bir şeydir.

Ayrıca maksimum otonomiyi hedef olarak belirlemeyi de tercih etmem. Bazen en iyi ürün, doğru zamanda bir soru sorar ve geri kalanını halleder. O soruyu kaldırmak demoyu daha etkileyici kılar ancak işi daha güvensiz hâle getirir. Amaç, gereksiz insan işini ortadan kaldırmak, gerekli insan yargısını değil, kaldırmaktır.

Satisfi Labs yakın zamanda Satisfi Forward’ı, ileri konumlandırılmış bir mühendislik pratiği olarak başlattı. Yetenekli bir AI platformu oluşturmak ile ajanların müşterinin gerçek dünya ortamında güvenilir bir şekilde çalışmasını sağlamak arasındaki boşluk neydi ve bu sizi bu modeli yaratmaya yönlendirdi?

Son aşama darboğaz haline geliyordu. Bir platform çok şeyi standartlaştırabilir, ancak her müşterinin işinin aynı şekilde çalışacağını varsayamıyor. Biletleme sistemlerinin belirli sınırlamaları var. Onay süreçleri üç departman üzerinden geçiyor. Nitelikli bir lead tanımları bir sonraki müşteriden farklı. Bu detaylar, dağıtımın gerçekten faydalı olup olmadığını belirliyor.

Hazır bir platform satın alıp insanları etkileyen bir demo oluşturabilirsiniz. Bunu gerçek kullanıcılar için sağlam bir deneyim olarak ticarileştirmek farklı bir şey. İşte ileri konumlandırılmış mühendislerin devreye girdiği nokta. Satisfi Forward ekibimizin görevi, sonucu anlamak, engelleri tespit etmek ve platformun üzerine bu sonucu sağlayacak iş akışlarını ve entegrasyonları inşa etmektir.

Ancak her etkileşimde net sınırlar koyarız. İnşa etmeden önce, başarının ne anlama geldiği, iş sürecinin kime ait olduğu, neyin müşteriye bağlı olduğu ve lansmandan sonra bakımının kim tarafından yapılacağı konusunda anlaşırız. Aksi takdirde son aşama projesi sınırsız bir yükümlülük haline gelir. Ve etkileşim, kod gönderildiğinde bitmez. Müşterinin operasyonunda iş akışı çalıştığında ve birinin bunu sürdürmekten sorumlu olduğu zaman tamamlanır.

Kod üretimi de çok daha ucuz hale geldi, bu da bu modeli eskisine göre çok daha pratik kılıyor. Ancak Satisfi Forward’ı bir SaaS ürününe eklenmiş bir hizmet kolu olarak görmüyorum. Her etkileşim, bir sonraki ürünün ne olması gerektiğini bize öğretiyor. Üç müşteri aynı iş akışını istediğinde bu bir destek yükü değildir. Bu, ödeme yapan müşterilerle birlikte yol haritasının kendisinin yazılmasıdır. Eski SaaS modeli özellikleri tahmin eder ve kanıt beklerdi. Biz bu şekilde önce kanıtı elde ediyor, toplarken geliri de kazanıyoruz. Bunun AI çağında ürün şirketlerinin nasıl inşa edildiği olduğunu düşünüyorum.

Ajanlarınız biletleme sistemleri, müşteri ilişkileri yönetim platformları, içerik yönetim sistemleri ve diğer gerçek zamanlı bilgi kaynaklarıyla bağlanabilir. Ajanlar işlem yapma ve eylem tetikleme yeteneği kazandıkça, gerçek zamanlı veri erişimi ve düşük gecikmeyi, temellendirme, güvenlik ve hatalı eylemlere karşı önlemlerle nasıl dengeleyorsunuz?

İlk olarak, hızı bir güvenlik hatasını telafi etmesine asla izin vermezdim. Bazı gereksinimler kısıtlamadır. Bunlar içinde optimize edersiniz.

Ardından iş türlerini ayırırsınız. Bir park sorusuna yanıt vermek ile bir bilet satın alımını tamamlamak aynı veri tazeliği ya da aynı kontrolleri gerektirmez. Kararlı bilgileri önbelleğe alabilirsiniz. Para el değiştirdiğinde, fiyatı, kullanılabilirliği ve tamamlanmayı onaylayan yetkili işlem sistemine ihtiyacınız vardır.

Tehlikeli durumlar, sistemin ne olduğunu bilmediği vakalardır. Bir arka uç bir satın almayı kabul eder, ancak yanıt hiç gelmez. Ajan başarısızlığı varsayıp tekrar denemeye çalışırsa iki satın alma gerçekleşir. Bu bir dil sorunu değil, bir işlem‑kurtarma sorunudur.

Ve deneyimi gerçekten önemli olan koşullar altında ölçersiniz. Sessiz bir Salı günü ortalama gecikme size neredeyse hiçbir şey söylemez. Bir etkinlik yağmur yağmasıyla iptal olursa, bir anda binlerce kişi biletlerinin ne olacağını sorar. Sadece dakikada ortalama trafik etrafında plan yaparsanız, o ani artışta ihtiyaç duyduğunuz kapasiteyi kaçırırsınız. Bunu doğrudan ticaret sistemlerinden öğrendim.

Burada da bir maliyet kararı var. Her talep en pahalı modeli ya da bir dizi ajanı gerektirmez. Gereksinimi karşılayan en basit yolu kullanın ve kararın maddi olarak iyileştiği noktalarda ekstra zaman ya da hesaplamayı harcayın. Kullanıcı dürüst bir sonuç almalı, ayrıca bir şeyin doğrulanamadığına dair dürüst bir açıklama da içermelidir.

Satisfi Labs, uzmanlaşmış ajanların bir AI iş gücü olarak birlikte çalışabileceği bir modeli tanımlıyor. Birden fazla uzman ajanı yönlendirmek, ortak bağlam, çelişkili kararlar ve hangi ajanın hareket etmesi gerektiğini belirlemek gibi konularda en zor teknik problemler nelerdir?

En zor kısmı, işi dağıttıkça sorumluluğu korumaktır.

İlk olarak başka bir ajana gerçekten ihtiyaç duyup duymadığınızı sorun. Bazen bir uzmana ihtiyaç vardır. Bazen sadece bir araç çağrısına ya da basit bir iş akışına ihtiyaç duyarsınız. Eklediğiniz her ajan, isteğin başka bir yorumlaması, başka bir bağımlılık ve başka bir hata noktasıdır. Ve sahne arkasında çalışan ajan sayısı kullanıcıya görünür olmamalıdır.

Birden fazla ajan haklı olduğunda, etkileşimi tek bir ajanın yönetmesini isterim. Uzmanlar bilgi sağlayabilir veya sınırlı görevler yapabilir. Biletleme ajanı envanter ve değişimleri yönetir, müşteri hizmetleri ajanı politikaları ele alır. Ancak birileri sonuçları uzlaştırmalı ve kullanıcının gerçekten istediğini alıp almadığını belirlemelidir.

Yönlendirme zordur çünkü insanlar soruları net kategorilere ayırmaz. Tek bir istek üç ajana dokunabilir. Sistem şunu karar vermelidir: bir ajanın tek başına halledebilir mi, birden fazlasının sırayla çalışması mı gerekir, yoksa herhangi bir şey yapmadan önce kullanıcıya bir soru daha sorulmalı mı?

Bağlamda da aynı durum geçerlidir. Her şeyi her ajana göndermezsiniz. Bu gecikme ekler, gürültü yaratır ve bir ajanın ihtiyaç duymadığı bilgilerin ortaya çıkmasına sebep olabilir. Ayrıca bir ajanın varsayımı, bir sonraki ajana iletildiği için gerçek haline gelmemelidir.

İki ajan birbirine karşı çıkarsa, birinin daha ikna edici gelene kadar tartışmalarını istemem. Açık bir yetki modeli olmalı. Biletleme sistemi kullanılabilirliği belirler. İşletme değişim politikasını belirler. Gerçek zamanlı veriler önbellek verilerini, iş kuralları model yargılarını geçer ve hâlâ çözülemezse kullanıcıya sorulur ya da bir kişi devreye alınır. Zor kısım ajanların birbirleriyle konuşmasını sağlamak değil; tam olarak hangi ajanın ne yaptığını ve sorumluluğun nerede olduğunu yeniden oluşturabilmektir.

Satisfi Labs, ajanları konuşma hacmi gibi metrikler yerine hedefler ve iş sonuçları üzerinden ölçmeye giderek daha fazla odaklandı. Bir AI ajanın iyi performans gösterdiğini belirlemek için işletmelerin aslında neyi ölçmesi gerekir ve bir ajana daha fazla özerklik vermeden önce güvenilirliği nasıl değerlendirirsiniz?

İlk olarak iş sonucuyla başlayın, ardından bu sonucun ne kadarını ajanın gerçekten yarattığını sorun.

Birisi bir ajanla konuştuktan sonra bilet alırsa, bu otomatik olarak satışın ajan tarafından gerçekleştirildiği anlamına gelmez. Belki zaten satın almışlardır. Mümkün olduğunda, sadece son etkileşime kredi vermek yerine kontrollü karşılaştırmalar veya güvenilir bir temel istiyorsunuz. Bir biletleme müşterisi için bu, hayranın gerçekten koltuk alıp almadığını ölçmek demektir, ajanın kibar yanıt verip vermediğini değil. Bilet gişesindeki kuyrukları azaltmak isteyen bir mekan için ise, birinin sıraya girmeden önce ajanın neyi çözdüğünü ölçmek anlamına gelir.

Ardından başarılı bir sonucun ekonomisine bakın: model maliyetleri, altyapı, insan incelemesi, yükseltmeler ve hataları düzeltme maliyeti. Çalışmasını düzelten kişileri sayana kadar ucuz görünen bir ajan aslında ucuz değildir.

Güvenilirliğin kendi puan kartına ihtiyacı vardır. Tamamlama, doğruluk, yetkisiz eylemler, hatalardan kurtulma, yükseltme kalitesi. Ciddi bir gizlilik olayını iyi bir dönüşüm oranına dahil etmezsiniz.

Daha fazla özerklik için, devredilen belirli eylem sınıfına dair kanıt talep ederim. Test edin, gözetim altında izleyin, sınırlı bir şekilde genişletin ve durdurma mekanizması bırakın. İyi bir genel doğruluk puanı, sistemin her işlem için hazır olduğunu kanıtlamaz. Ayrıca teşviklere dikkat edin. Bazen bir kişiyi devreye sokmak doğru sonuçtur. Ajana yalnızca devretme işlemlerinden kaçındığı için ödül verirseniz, yükseltmesi gereken sorunları sakladığında şaşırmayın.

Yakın zamanda sesli AI’nın ölçülebilir sonuçlar etrafında tasarlanması gerektiğini, mevcut bir sohbet botu için başka bir arayüz olarak görülmemesi gerektiğini savundunuz. Sesli ajanların karmaşık, gerçek zamanlı etkileşimler için birincil arayüz haline gelmesi, özellikle stadyumlar, cazibe merkezleri ve canlı etkinlikler gibi ortamlarda, hangi teknik atılımlara daha ihtiyaç duyulmaktadır?

Birçok müşteri sorar, sohbet uygulamasını alıp ses ekleyebilir miyiz? Yapabiliriz. Ancak bu, iyi bir deneyim olacağı anlamına gelmez. Bir sonraki gerçek iyileştirme daha insan sesine benzer bir ses olmak değildir. İnsanların gerçekten kullandığı koşullara dayanabilen bir etkileşimdir.

Bir stadyumda, biri kalabalık gürültüsü üzerine konuşuyor, tanımadığı bir oyuncu adını kullanıyor, cümlenin ortasında fikrini değiştiriyor ve kapılar açılmadan satın alma işlemini tamamlamaya çalışıyor. Sistem, kesintiyi, belirsizliği ve arka uç gecikmelerini görevi kaybetmeden yönetmelidir.

Kritik detaylara özellikle dikkat edin. Rastgele bir ifadeyi yanlış duymak bir şeydir. Bilet sayısını ya da etkinlik tarihini yanlış duymak ise başka bir şeydir. Ajan, eylemin sonucunu değiştiren detayları, tüm konuşmayı sıkıcı hâle getirmeden onaylamalıdır.

Sesin her şeyi yapmaya zorlanmaması gerekir. Yirmi oturma seçeneğini karşılaştırmak bir ekranda daha iyidir. Birisi yazmaya başlayabilir, arabaya binebilir ve aynı konuşmayı konuşarak sürdürmek isteyebilir. Sistem, bu bağlamı korumalı ve ses, metin ve görselleri anın en uygun şekilde kullanmalıdır.

Bunun bir kısmı daha iyi modellere ihtiyaç duyuyor. Birçoğu ise daha iyi bütünleşme ve etkileşim tasarımına ihtiyaç duyuyor. Bir atılımı beklemek, metin etrafında tasarlanıp sesli okunan bir iş akışını düzeltmez. İlerlemeyi şu şekilde değerlendiririm: İnsanlar görevi doğru, daha az çabayla ve gerçek koşullarda tamamlayabiliyor mu?

Ajanlar bilgi sağlamaktan bilet satmaya, müşteri verisi toplamaya, deneyimleri kişiselleştirmeye ve operasyonel sistemlerle etkileşime geçmeye başladıkça, şirketler hangi kararların ajan tarafından otonom olarak alınabileceğini ve hangilerinin her zaman insan denetimi gerektirdiğini nasıl belirlemeli?

Bu risk yönetimidir. Eğer ters giderse, ne kadar zarar verebilir? Ajan kapatamadığı bir kapıyı açar mı?

Geri döndürülebilirlik faydalı bir ilk testtir, ancak toplam maruziyete de bakılmalıdır. Tek bir iade küçük ve geri döndürülebilir olabilir. Kimse fark etmeden on bin yanlış iade farklı bir sorundur. Bireysel eylemler ve sistemin toplam aktivitesi için sınırlar koymanız gerekir.

Eylem düşük riskli ve geri döndürülebilir ise daha fazla özerklik verin: bir tercihi güncelleyin, bir siparişi kontrol edin, bir öğeyi tutun. Sonuçlar arttıkça onay veya tasdik ekleyin. Bir satın alma, müşterinin fiyatı onaylamasını gerektirebilir. Büyük bir iade, bir çalışanın onayını gerektirebilir. Bir güvenlik tehdidi hemen yükseltilir. Ve bazı kararlar sadece bir kişi tarafından alınmalı, nokta.

Bu arada, müşteri onayı ve şirket onayı farklı şeylerdir. Bir müşterinin satın almayı onaylaması, ajanın şirket politikasını atlamasını yetkilendirmez. Bir çalışanın bir istisnayı onaylaması, müşterinin bir ücreti kabul ettiği anlamına gelmez.

Sınırlar, eylemi gerçekleştiren sistemler tarafından uygulanmalıdır, sadece bir istemde tanımlanarak değil. Bir ajana geniş erişim verip ardından bir istemin dikkatli olmasını söylemek doğru değildir. Ve bir kişi gerektiğinde, ona gerçek bir karar verecek kadar bağlam sağlayın. Bilgi olmadan yüzlerce onayı birine verin, bir denetim damgası oluşturursunuz, denetim değil. İnsan dikkatini anlamlı riski azaltacağı yerlere koyun. Her etkileşime yaymayın.

İleriye baktığımızda, Model Bağlam Protokolü ve ajan‑ara‑ajan iletişimi gibi teknolojilerin kurumsal AI sistemlerinin inşa edilme şeklini temelden değiştirmesini, izole ajanlardan araçları keşfedebilen, bağlamı paylaşabilen ve şirketler ve platformlar arasında eylemleri koordine edebilen ekosistemlere geçişi bekliyor musunuz?

Protokollerin bir araç olduğunu düşünüyorum. MCP, AI uygulamalarına araçlara ve bağlama ortak bir erişim yolu sunar. Ajan‑ara‑ajan protokolleri, ajanlar arasındaki iş birliğini yönetir. Bu değerlidir. Bir ajanın bir araca ihtiyacı olduğunda her seferinde özel bir bütünleşme oluşturmak zorunda kalmamalısınız. Bu, API’lerin yazılım bütünleşmeleri için yaptığı şeye benzer.

Ancak ortak bir format, iki işletmenin bir eylemin ne anlama geldiği, kim yetkilendirebilir veya başarısız olduğunda ne olacağı konusunda anlaşması anlamına gelmez. Bir ajanın bir aracı keşfedebilmesi, onu kullanmasına izin verileceği anlamına gelmez. Kimlik, izinler, güven, sorumluluk hâlâ çözülmesi gereken konulardır. Bir ajan diğerine bir şey yapmasını söylediğinde ve bir şeyler ters gittiğinde, kararın sorumluluğu kimde olur?

Şöyle düşünüyorum: Bugün bir mekanın bir web sitesi ve bir uygulaması var. Birkaç yıl içinde, diğer ajanların onunla müzakere ettiği bir ajanı olacak. Bir hayranın kişisel asistanı, belirli bir fiyat altında iki koltuk ve bir park yeri talep eder ve tüm işlem iki ajan arasında gerçekleşir. Doğru yetenekleri bulmak kolay adımdır. Müşterinin harcama yetkisini bilmek, birleşik fiyatı onaylamak ve biletler başarılı olsa da park yeri başarısız olursa ne yapılacağını yönetmek gerçek sorunlardır.

Ve bir ajanı işletmenin otomatik olarak müşteri ilişkisini size getireceğine inanmıyorum. Bu kazanılması gereken bir şey. Ancak mekanların bu işlemleri bir arama şirketine ya da bilet pazaryerine devredeceklerine de inanmıyorum. Satisfi Labs’taki amacımız, bu ekonomide mekanı temsil eden ajan olmak; bir işletmenin adını üzerine koyacak kadar güvenilir bir ajan. Güvenilirlik, izinler ve sorumluluk üzerine inşa ettiğimiz her şey bu koltuğu kazandırıyor.

Harika röportaj için teşekkürler, daha fazla bilgi edinmek isteyen okuyucular Satisfi Labs adresini ziyaret etmelidir.