Türkçe ve İngilizce çalışan ekipler için yapay zeka tasarlamak.

Bir bölge satış müdürü şirket asistanına yazar: “Merhaba, travel policy’de otel limiti ne kadar? Per diem yurt dışında farklı mı?” Grup seyahat politikası İngilizcedir. Onu yerel koşullara uyarlayan ek ise Türkçe. Yanıt iki belgeye dağılmıştır; soru da zaten iki dilde sorulmuştur.

Türkiye, Avrupa ve Körfez ülkelerinde çalışan kurumlarda bu olağan bir durumdur ve tek dil için tasarlanmış bir sistem burada fark edilmeden başarısız olur. Yalnızca sorunun dilinde arar, kaynak hangi dildeyse o dilde yanıt verir ya da politikayı çevirip asıl önemli olan ifadeyi kaybeder.

Türkçe ve İngilizce çalışan bir yapay zeka asistanında sorunların çoğunu dört karar çözer: kullanıcının dilinde yanıt vermek, iki dilde birden aramak, kaynağı özgün dilinde ve yanında çevirisiyle alıntılamak, her dili anadili o dil olan değerlendiricilerle ölçmek. Aşağıda her adımı, işin ne zaman bitmiş sayılacağıyla birlikte bulacaksınız.

İki dilli çalışma pratikte nasıl işler?

Herhangi bir şey tasarlamadan önce durumun haritasını çıkarın: tek bir iş akışı için soruların hangi dillerde geldiğini, her kaynağın dilini ve her çıktının hangi dilde okunduğunu listeleyin. Tipik durumlar:

• Grup belgeleri İngilizce, yerel belgeler Türkçe. Politikalar, sözleşmeler ve ürün dokümantasyonu genel merkezden gelir; prosedürler, formlar ve ekler yerelde yazılır.
• Müşteri Türkçe, bilgi İngilizce. Ürün ve iade bilgilerini uluslararası bir ekip tutar, sorular yerel müşterilerden gelir.
• Dil değiştiren yazışmalar. Türkçe bir e-posta zinciri Avrupa’daki bir meslektaşa iletilir, o da İngilizce yanıt verir.
• İngilizce terimlerle dolu sohbetler. “PO onaylandı mı?”, “Deadline’ı kaçırdık”, “Case’i escalate ettim”.

İş bittiğinde: her iş akışı için tek sayfalık bir dil haritası vardır; bir belge iki dilde de varsa hangi sürümün esas alındığı da bu haritada yazar. Sık yapılan hata: soruların ve kaynakların aynı dilde olduğunu varsaymak.

Yanıt hangi dilde verilmeli?

Varsayılan dil, kullanıcının yazdığı dildir; mesaj anlamaya yetmeyecek kadar kısaysa profilindeki dil. Tüm kaynaklar İngilizce olsa bile Türkçe soru Türkçe yanıt alır. İstisnaları yazıya dökün:

• Kayıtların kendi dili vardır. Müşteri Türkçe yanıt alır; bölge ekibi için hazırlanan destek talebi özeti ise İngilizce olabilir. Kararı konuşma bazında değil, çıktı bazında verin.
• Kullanıcının terimlerini koruyun. Biri “per diem” diye soruyorsa yalnızca “harcırah” diye yanıtlamayın; şirketin terimini bir kez onun teriminin yanında gösterin.
• Müşteriye müşterinin dili. “PO” gibi şirket içi kısaltmalar iç yanıtlarda kalır, müşteri yanıtlarına girmez.

İş bittiğinde: her kanal için yazılı ve örneklerle test edilmiş bir kural vardır. Sık yapılan hata: model bulduğu bölümün dilinde yanıt verir; politika İngilizce olduğu için Türkçe soru İngilizce yanıt alır. Yaygın ve test etmesi kolay bir hatadır.

Diller arasında nasıl arama yapılır?

İki yöntemi birlikte kullanın. Çok dilli embedding’ler, yani birçok dilde eğitilmiş ve metnin anlamını sayılarla temsil eden vektör modelleri, aynı anlamı taşıyan Türkçe bir soruyu ve İngilizce bir bölümü birbirine yakın konumlandırır. Böylece anlamsal arama dil sınırını aşabilir. Kaliteleri modele ve alana göre değişir; bu yüzden kendi soru ve belge çiftlerinizle test edin.

İki dilde anahtar kelime araması, embedding’lerin bulanıklaştırdığını yakalar: politika adları, ürün kodları, hukuki terimler. Sorguyu bir şirket terim sözlüğüyle genişletin (“harcırah” ve “per diem”, “masraf” ve “expense”, “avans” ve “advance”), her dili kendi çözümleyicisinden geçirin, sonra sonuçları hibrit aramada olduğu gibi birleştirip yeniden sıralayın. Özgün belgeler esas kaynak olarak kalsın; çevirileri de dizinliyorsanız kaynak olarak özgün belgeyi gösterin. Bu katmanı onaylı ve yetkilere uyan kaynaklar üzerine kurmak, veri ve yapay zeka altyapısı çalışmasının özüdür.

İş bittiğinde: değerlendirme setinde Türkçe sorular doğru İngilizce bölümleri üst sıralarda bulur, İngilizce sorular da Türkçe bölümleri. Sık yapılan hata: yalnızca sorunun dilinde aramak ya da terim sözlüğünü kimsenin güncel tutmaması.

Öteki dildeki kaynak nasıl gösterilmeli?

Kaynağı özgün dilinde, kelimesi kelimesine alıntılayın ve ilgili bölüme ve sürüme doğrudan giden bir bağlantı ekleyin. Yanına, çeviri olduğunu belirterek bir çevirisini koyun. Yanıt özgün metne dayanır, çünkü çeviri anlamı tam da önemli olduğu yerde kaydırır: İngilizcedeki “should”, Türkçede kesin bir “-meli” ya da daha yumuşak bir “önerilir” olarak çıkabilir; bir tavsiye zorunluluğa dönüşür ya da tersi olur. Bir politikanın Türkçe ve İngilizce sürümleri farklıysa ikisini de gösterin ve hangisinin esas alındığını söyleyin ya da çelişkiyi politikanın sahibine bildirin. Çevirinin kendisinin de incelenmesi gerekiyorsa yapay zeka çevirisinin ne zaman yeterli olduğunu anlatan nota bakın.

Temsili bir vakaya bakalım. Bir çalışan sorar: “Yurt dışı iş seyahatinde taksi masrafımı geri alabilir miyim?” Yanıt İngilizce grup seyahat politikasındadır; bilgi erişimi onu terim sözlüğü ve çok dilli embedding sayesinde bulur. Asistan Türkçe yanıt verir: “Evet. İş seyahatindeki taksi ücretleri, fişle belgelendiğinde geri ödenir.” Altında, dayandığı İngilizce cümleyi (“Taxi fares for business travel are reimbursable when supported by a receipt.”) bölüm bilgisi ve bir bağlantıyla alıntılar; ardından çeviri olduğu belirtilmiş bir Türkçe çeviri gelir. Çalışan kullanabileceği bir yanıt alır, inceleyen kişi de birebir ifadeyi görür.

Kullanıcının dilinde yanıt verin. Kaynağı kendi dilinde alıntılayın.

Karışık dilli mesajlar nasıl ele alınır?

Dil karıştırma (code-switching), yani Türkçe cümlelerin içinde İngilizce terimler kullanmak, iş hayatında olağandır: “Call’a giremedim, notları mail’den atar mısın?” ya da “Invoice’u girdim ama PO ile eşleşmiyor.” Bu mesajlarda üç şey bozulur:

• Dil tespiti. Kısa karışık mesajlar yanlış sınıflandırılır. Tek satırdan tahmin yürütmek yerine konuşmanın dilini ve kullanıcının profilini kullanın.
• Arama. “Invoice’u”, “invoice” ile eşleşmeli. Kelimeyi kesme işaretinden bölün; “maili” örneğindeki gibi kesme işareti olmadan eklenen ekleri de ele alın.
• Ön işleme. İngilizce kelimeleri Türkçeye “düzelten” ya da silen temizlik adımları, mesajdaki en bilgilendirici kelimeleri yok eder.

Mesajın ana dilinde yanıt verin; bu genellikle dilbilgisini taşıyan dildir. Ekibin gerçekten kullandığı İngilizce terimleri de koruyun. Türkçe tarafının ayrıntıları için Türkçeyi yapay zeka için zorlaştıran etkenleri anlatan nota bakın.

İş bittiğinde: karışık mesajlar değerlendirme setinde etiketli bir dilimdir. Sık yapılan hata: test setini saf Türkçeye “temizlemek”; böylece sistem canlıya geçmeden önce gerçek girdiyle hiç karşılaşmaz.

İki dilli bir sistem nasıl değerlendirilir?

Değerlendirme setini dil çiftlerine göre bölün ve her dilimi ayrı raporlayın:

Her dili anadili o dil olan değerlendiriciler puanlar. Türkçe yanıtları dilbilgisi, resmiyet düzeyi ve terimler açısından Türkçe konuşanlar, İngilizce yanıtları İngilizce konuşanlar değerlendirir; iki dilli bir değerlendirici de her alıntıyı çevirisiyle karşılaştırır. Genel ortalama, bir dilimde güçlü, ötekinde zayıf bir sistemi gizler.

İki dilin buluştuğu ilk iş akışı hangisi olmalı?

İki dilin zaten buluştuğu bir iş akışı seçin; örneğin İK politikası soruları ya da müşteri yanıtları. Dil haritasını çıkarın, her dilim için birkaç düzine gerçek soru toplayın ve daha kimse bir prompt yazmadan, aramanın diller arasında doğru bölümü bulup bulmadığını test edin. Şirket içi belgeler için bilgi ve doküman zekası tam da bunun için kurulur; müşteri mesajlarında aynı tasarım müşteri operasyonları içinde çalışır.