Röportajlar
Zack Peng, Seel’in Kurucu Ortağı ve CEO’su – Röportaj Dizisi

Öne çıkan noktalarSeel, destek vakalarının %99'undan fazlasını yapay zekanın biletleri saptırmasına…
Daha fazla göster
- Seel, destek vakalarının %99'undan fazlasını yapay zekanın biletleri saptırmasına değil, çözümleri tamamlamasına izin vererek çözüyor.
- Yapay zeka desteğine duyulan güven, botun doğruluğundan çok, insana görünür bir çıkış yoluna bağlıdır.
- Satıcılar cilalı demolar yerine uçtan uca çözüm oranlarının ve sorumluluğun kanıtını talep etmelidir.
Zack Peng, alışveriş yapanların ve satıcıların ödeme sonrasında karşılaştığı sorunlara odaklandığı Seel’in Kurucu Ortağı ve CEO’sudur. Çalışmaları, iade ve para iadelerini tahmin etmeye yönelik çalışmalarla başladı; zamanla ticaret süreçleri boyunca müşteri taleplerini çözüme kavuşturan yapay zekâ sistemlerini de kapsayacak şekilde genişledi. Harekete geçebilen yapay zekâ ajanlarının açık çalışma sınırları, gerektiğinde insanlara yönlendirme ve müşterilerin aldığı sonuçlardan hesap verebilirlikle birlikte tasarlanmasını savunuyor.
Seel, satın alma ve teslimat koruması, müşteri desteği ve yeniden satış dâhil olmak üzere e-ticarete yönelik satın alma sonrası hizmetler ve yapay zekâ ajansları sunuyor. Platformu, müşteri sorunlarının çözümüne yardımcı olmak için satıcı sistemlerini, sipariş bilgilerini ve hizmet iş akışlarını birbirine bağlıyor; LLM Gateway ise modellere erişimi ve göreve dayalı yönlendirmeyi destekliyor. Peng bu röportajda, soruları yanıtlamaktan sonuçların sorumluluğunu üstlenmeye geçişi, ajanların sistemler arasında işlem yapabilmesi için gereken denetimleri ve satıcıların yapay zekâ hizmetlerinin güvenilir olup olmadığını nasıl değerlendirebileceğini ele alıyor.
Seel’i kurmaya sizi ne yöneltti ve alışveriş yapanların ödeme sonrasında karşılaştığı sorunları çözmek, sizi e-ticarete yönelik bir yapay zekâ iş gücü oluşturmaya nasıl yönlendirdi?
Her şey tek bir pazaryeriyle başladı. Bir pazaryeri işleten bir girişimciyle tanıştık ve sektörün, brüt ürün hacminin (GMV) yaklaşık %0,5’ine mal olan ters ibrazları tahmin etmek için ne kadar çaba harcadığını gördük. İade ve para iadelerinin oranı %10 ila %20 arasındaydı, ancak bunları tahmin etmeye çalışan yoktu. Biz de bunu yapabilen bir model geliştirdik ve alışveriş yapanların, normalde iade kabul edilmeyen ürünleri iade edebilmek için küçük bir ücret ödemesini sağladık. Katılım oranının %3 ila %5 olacağını düşünüyordum. Oran %10 ila %20 oldu. Bu sonuç, insanların ödeme sonrasında güvence için para ödemeye istekli olduğunu gösterdi; tıpkı AppleCare veya araç kiralama hasar muafiyeti satın almalarının nedeni gibi.
Yapay zekâ iş gücü, kendi destek gelen kutumuzdan doğdu. Destek taleplerimizin %70’inden fazlasının iadelerle hiçbir ilgisi yoktu. Alışveriş yapanlar siparişlerinin nerede olduğunu ya da bir ürünü değiştirip değiştiremeyeceklerini öğrenmek istiyordu. Onları satıcıya geri yönlendirmek yerine bu talepleri kendimiz çözmeye başladık. Yapay zekânın ticaretteki asıl değerinin para tasarrufu sağlamak olmadığını öğrendik. Asıl değer, yoğun dönemlerde bile işleri geniş ölçekte anında yapabilmesinde. Buna, iade gönderileri teslim alınmadan önce uygun para iadelerini değerlendirip onaylayabilen yapay zekâ sistemleri ve müşteri taleplerini çözüme kavuşturmak için harekete geçebilen, günün 24 saati ve haftanın 7 günü çalışan yapay zekâ ajanları da dâhil.
Soruları yanıtlayan sohbet robotlarından harekete geçen ajanlara, oradan da tüm bir sonucun sorumluluğunu üstlenen yapay zekâ ajanslarına uzanan bir gelişimden söz ediyorsunuz. Bu aşamalar arasında teknik ve operasyonel açıdan neler değişiyor? Bunu gerçek bir müşteri sorunuyla örneklendirebilir misiniz?
Fark, sonucun sorumluluğunu kimin üstlendiğinde yatıyor. Bir sohbet robotu “Siparişim nerede?” sorusunu yanıtlar. Bir ajan, talep oluşturmak gibi tek bir görevi tamamlar. Bir ajans ise müşterinin parasını ödediği ürünü almasını sağlayarak sonucun sorumluluğunu üstlenir.
Teknik açıdan bir ajans, tek bir sistemin içinde çalışmak yerine satıcının mağazası, kargo şirketi ve ödeme sistemleri de dâhil olmak üzere farklı sistemlerde işlem yapar. Bir vakayı tek bir konuşma boyunca değil, günler boyunca takip eder ve sonucun gerçekten ne zaman elde edildiğini bilmesi gerekir. Operasyonel açıdan ise artık destek talebi hacmine göre personel planlamayı bırakıp istisnai durumları yönetmek için ekip kurarsınız.
Teslim edildiği belirtilen ancak hiç ulaşmayan bir paketi ele alalım. Bir sohbet robotu müşteriye beklemesini söyler. Bir ajan talep oluşturur. Seel Agencies, kargo şirketinin tarama kaydını ve sipariş geçmişini kontrol eder, uygunluğu değerlendirir, ödemeyi yapar veya yeni bir ürün gönderir, satıcının kayıtlarını günceller ve müşteriye işlemin tamamlandığını bildirir. Satıcıların satın alma sonrası destek taleplerini uçtan uca üstlenen bir iş ortağı olarak, bu yapay zekâ altyapısını önce kendi taleplerimiz üzerinde test ettik. Sonuç odaklı bu yaklaşım, uygun talepleri anında işaretleyip para iadesi yapabilmemizi sağlarken çözüm oranımızı %90’ın üzerine çıkarmamıza yardımcı oldu.
Bir alışveriş ajanının birisi adına yanlış bedende ürün satın aldığını düşünelim. Hatayı gidermek için bu ajan, satıcı ve Seel arasında neler olması gerekir ve sonuçtan kim sorumlu olmalıdır?
Alışveriş yapan kişi arabuluculuk yapmak zorunda kalmamalı. Hatayı kimin yaptığı fark etmeksizin çözüm aynıdır: hızlı bir değişim veya para iadesi.
Bunu mümkün kılan üç unsur var. Sipariş kaydında siparişi kimin ve hangi talimatla verdiği yer almalı ki ajanın kararı izlenebilsin. İkinci olarak, ajanın uygulayabilmesi için satıcının iade politikası makine tarafından okunabilir olmalı. Üçüncü olarak, kusur belirlenmeden önce sonucun sorumluluğunu üstlenecek biri olmalı.
Seel bu noktada devreye giriyor. Sorumluluğu üstleniyoruz. Sipariş koruma kapsamındaysa, önce alışveriş yapan kişinin zararı karşılanıyor; sorumluluğun kime ait olduğu daha sonra belirleniyor. Bir yapay zekâ alışveriş ajanı birisi adına yanlış bedende ürün sipariş ederse, ödeme sırasında uygun koruma eklenmiş ve sorun bu kapsam dâhilinde kalmış olduğu sürece, alışveriş yapan kişi ürünü kendisi sipariş etmiş olsaydı elde edeceği çözüm yolunun aynısına sahip olmalı. Kapsamımız dâhilindeki sonuçların mali sorumluluğunu üstleniyoruz. Alışveriş yapan kişi, hatanın kendisinden mi yoksa ajanından mı kaynaklandığını belirlemek zorunda kalmamalı.
Ekibiniz, yapay zekânın Seel’in destek talebi hacminin %80’ini “hızlandırdığını” söylüyor. Bu, uygulamada ne anlama geliyor; taleplerin ne kadarı insan müdahalesi olmadan çözüme kavuşuyor ve müşterilerin gerçekten daha iyi hizmet alıp almadığını hangi ölçütler gösteriyor?
Bu, yapay zekânın daha önce insanları yavaşlatan işleri yaptığı anlamına geliyor: vakayı incelemek, sipariş ve kargo şirketi verilerini çekmek, satıcının politikasını kontrol etmek ve çoğu durumda çözümü tamamlamak. Yapay zekâ, destek taleplerimizin %80’inde bunları yapıyor. Genel olarak destek vakalarının %99’undan fazlasını çözüme kavuşturuyoruz; sektörde ise genellikle %60 ila %70’lik oranlardan söz ediliyor.
Ancak yalnızca çözüm oranına bakmak kötü hizmeti gizleyebilir; çünkü müşterileri başından savan bir bot, gösterge tablosunda çok başarılı görünebilir. Bu nedenle taleplerin yeniden açılma oranı, bir insan temsilciye aktarılma oranı ve müşteri memnuniyeti gibi ölçütleri takip ediyoruz. Müşterileri hayal kırıklığına uğratan anlarda hız önemlidir. Teslimat adresini değiştirmek genellikle farklı sipariş ve sipariş karşılama sistemleri arasında uzayıp giden bir e-posta yazışması gerektirir. Temsilcilerimiz bunu dakikalar içinde yapıyor.
En çok önem verdiğim ölçüt, müşterinin yeniden alışveriş yapıp yapmadığı. Ağımız genelinde, tekrar alışveriş yapan müşterilerin %69’u ilk siparişlerini koruma altına aldı.
Kendinizi “ajanlardan yana, ama otomatik pilottan yana değil” diye tanımladınız. Hangi kararları özellikle insanlara bırakıyorsunuz ve sisteminiz görünüşte rutin olan bir vakanın insan muhakemesi gerektirdiğini nasıl anlıyor?
Otomatik pilot, kimsenin denetlemediği anlamına gelir. İşlerin çoğunu ajanların yapmasını, muhakemenin önemli olduğu durumlarda ise kararları insanların vermesini istiyoruz.
Üç tür kararı insanlara bırakıyoruz: politika belirleyen her türlü karar, yanlış bir kararın geri alınmasının maliyetli olduğu vakalar ve kuralın öngördüğü yanıtın adil olmayabileceği kadar sıra dışı vakalar. Yapay zekâ, bu sınırlar içinde rutin vakaları ele alıyor ve yetkisini kendiliğinden genişletemiyor. Bir eyleme izin verilmemişse ya da vaka ek onay veya özel işlem gerektiriyorsa doğrudan bir insana aktarıyor.
Sistem, talebin türünün ötesine geçerek çevresindeki bağlamı da değerlendiriyor: risk, aciliyet, müşterinin ne kadar hayal kırıklığına uğradığı ve politikanın ne ölçüde hassas olduğu. Yüksek riskli vakalar insanlara yönlendirilirken, politika açısından hassas vakalarda işlemden önce ek doğrulama gerekebilir. Bu eşikler, herkes için geçerli tek bir dolar tutarı veya güven puanı olarak belirlenmek yerine satıcıya ve iş akışına göre yapılandırılıyor. Örneğin hızlandırılmış işlem veya daha yüksek ödeme talebi, yapay zekânın bağımsız yetkisinin dışında kalabilir.
Müşteri araştırmanız, Z kuşağından birçok tüketicinin sorunlarının çözümünde hâlâ bir insanın yer almasını istediğini gösteriyor. Özellikle müşteriler bir karara itiraz etmek veya bir insana ulaşmak istediğinde, güven kazandıran yapay zekâ destek hizmetleri tasarlama konusunda neler öğrendiniz?
Z kuşağı, yapay zekâyı kullanma konusunda en rahat olan ve bir şirketin yapay zekâyı kendilerinden kaçınmak için kullandığını en çabuk fark eden kuşak. 2026 Z Kuşağı Alışveriş Raporu’muzda, Z kuşağındakilerin %49’u bir sorunu bir insanla çözmeyi tercih ettiğini söyledi. Yine de hızlı çözüm istiyorlar: Alışveriş yapanların %87’si sorunlarının iki ila üç gün içinde çözülmesini bekliyor.
Öğrendiğimiz şu: Güven, bottan değil, çıkış yolundan kaynaklanıyor. Müşteriler bir insana ulaşabileceklerini bildiklerinde, işleri yapay zekânın halletmesine memnuniyetle izin veriyor. Yapay zekâ bir engele dönüştüğünde ise yanıt doğru olsa bile güven sarsılıyor.
Bu nedenle üç unsuru gözeterek tasarım yapıyoruz:
- Sorunları hayal kırıklığı başlamadan çözmek için hız
- Yapay zekâ bir talebi reddettiğinde, bunun nedenini herkesin anlayacağı açık bir dille belirtmek
- Müşterinin yaşadıklarını tekrar anlatmasına gerek kalmaması için, tüm geçmişi anında görebilen bir insana tek adımda aktarım.
Ajanlar para iadesi yapabildiğinde, siparişleri değiştirebildiğinde veya satıcı sistemlerinde işlem yapabildiğinde hataların mali sonuçları olur. İzinleri nasıl uyguluyor, yinelenen ya da yetkisiz işlemleri nasıl önlüyor ve bir sorun çıktığında neler yaşandığını nasıl yeniden ortaya koyuyorsunuz?
Her ajan, işini yapmak için gereken erişime ve yalnızca buna sahip olur. Bu erişimi, satıcının onayladığı belirli iş akışlarıyla sınırlandırıyoruz. Çalışan kimliklerinden ayrı özel hesaplar veya API belirteçleri kullanıyoruz; böylece satıcı erişimi istediği zaman ayarlayabilir, askıya alabilir ya da iptal edebilir.
Yüksek tutarlı para iadeleri gibi daha riskli işlemler için satıcının gereksinimlerine göre insan incelemesi veya tutara ve kurallara dayalı eşikler yapılandırabiliyoruz. Bir ajana sisteme erişim vermek, ona ucu açık bir yetki vermek anlamına gelmemeli.
Her sistem işlemi; ne zaman gerçekleştiği, ne yapıldığı ve işlemi neyin tetiklediği bilgileriyle kaydediliyor. Bir sorun çıkarsa bu kayıt, satıcıyla birlikte araştırma yapmamıza, işlemi geri almaya yardımcı olmamıza ve sonrasında kuralları daha sıkı hâle getirmemize olanak tanıyor.
1-Click Resale ile ajanlar birden fazla pazaryerinde ilan oluşturuyor, fiyat belirliyor ve satışları koordine ediyor. Ürün açıklamalarını ve fiyatlandırmayı nasıl doğruluyor, pazaryerlerindeki güncellemeler geciktiğinde bir ürünün iki kez satılmasını nasıl önlüyorsunuz?
Yeniden satış ajanımız, satıcıların genellikle uğraşmak istemediği işleri üstleniyor. Ürünün durumunu kontrol etmek için müşterinin gönderdiği fotoğrafı inceliyor, piyasa fiyatlarına göre fiyat belirliyor, ilan oluşturuyor ve ürün satıldığında ilanı kaldırıyor.
Açıklamaları elimizde zaten bulunan verilerden oluşturuyoruz. Ürün bir satıcı siparişinden geldiği için ajan, orijinal ürün kaydını temel alıyor. Fiyatlandırma, benzer ürünlerin gerçekten satıldığı fiyatlarla başlıyor ve ürünün durumuna göre ayarlanıyor. İşleme devam etmeden önce müşteri fiyat teklifini onaylıyor; ilanı oluşturma ve eksik ayrıntıları tamamlama işlerini de ekibimiz üstleniyor.
Amaç, yeniden satışı kolaylaştırarak müşterilerin artık istemedikleri ürünlerin değerini, iade süresi sona erdikten sonra bile geri kazanabilmelerini sağlamak
Seel’in LLM Gateway’ini kullanıma açmanıza yol açan operasyonel zorluklar nelerdi ve güvenilirlik, gecikme süresi ve maliyeti göz önünde bulundurarak farklı görevler için modelleri nasıl seçiyorsunuz? Ekonomiyi model çağrısı başına mı, yoksa başarıyla elde edilen müşteri sonucu başına mı değerlendiriyorsunuz?
Önce kendimiz için geliştirdik. Kendi iş akışlarımızı yürütmek üzere Seel Agencies’i geliştirirken, yapay zekâyı geniş ölçekte kullanmanın modelleri nasıl temin ettiğiniz konusunda disiplinli olmayı gerektirdiğini öğrendik. Ölçeğe, güvenilirliğe, en iyi modellere erişime ve öngörülebilir birim ekonomisine ihtiyacımız vardı; bu nedenle gerekli altyapıyı kurduk. Satıcılar da model model, istek istek artan maliyetlerle karşılaşıyordu; biz de sistemi kullanıma açtık.
Göreve göre yönlendirme yapıyoruz. Bir e-postadan sipariş numarasını çıkarmak için, karmaşık ve çok adımlı bir problemi çözmekte kullanılan modelin aynısı gerekmez. LLM Router, isteğin karmaşıklığını değerlendiriyor ve müşterinin kullanımına izin verdiği modeller arasından yönlendirme yapıyor. Müşteriler performansı, tasarrufu ya da ikisi arasında bir dengeyi seçiyor. Böylece daha basit işlerde ne ölçüde tasarruf etmek istediklerine kendileri karar verebiliyor.
Gerçek iş yükünde de güvenilirlik ve gecikme süresi beklentileri karşılamalı. Yönlendirmeyi daha agresif hâle getirmeden önce kaliteyi, yanıt süresini ve maliyeti test etmenizi öneriyoruz. Karmaşık iş akışlarında veya tutarlılığın kesin biçimde sağlanması gereken görevlerde müşteriler, otomatik yönlendirme yerine belirli bir modeli kullanmaya devam edebilir.
LLM Router, tamamlanan müşteri sonuçları başına değil, model kullanımı üzerinden ücret alıyor. Akıllı yönlendirmede, fiilen çalıştırılan modelin tarifesi üzerinden ücretlendiriliyorsunuz. Yönlendirme kararını verebilmek için isteğin karmaşıklığını değerlendirmenin maliyetini Seel karşılıyor.
Yapay zekâ şirketleri kuran girişimciler için Seel, etkileyici bir demo ile müşterilerin güvenebileceği bir hizmet arasındaki fark konusunda size neler öğretti? Bir satıcı, işletmesinin bütün bir işlevini bir yapay zekâ ajansına devretmeden önce hangi kanıtları talep etmeli?
Demo, sistemin bir kez çalıştığını gösterir. Hizmet ise taşıyıcının API’sinin devre dışı olduğu ve müşterinin öfkeli olduğu sabaha karşı 2’de, on bininci vakada da çalıştığını gösterir. Zor olan hiçbir zaman model değildi. Asıl zorluk; kötü veriler, birbiriyle çelişen sistemler ve yapay zekânın ne zaman harekete geçmemesi gerektiğini bilmektir.
Satıcılar demo değil, kanıt istemeli. Ajans vakaların ne kadarını baştan sona çözüyor? Destek talebi oluşumunu önlemenin ötesinde, çözüm süreleri ve tekrar satın alma oranları nedir? Hata yaptığında bedelini kim, ne kadar sürede ödüyor ve ajansın tam olarak ne yaptığını görebiliyor musunuz? Ayrıca, ajansı çalıştırmak için kaç kişi gerekiyor?
Harika röportaj için teşekkürler. Yapay zekâ ajansları, satın alma sonrası hizmetler ve e-ticaret otomasyonu hakkında daha fazla bilgi edinmek isteyen okurlar Seel’i ziyaret edebilir.












