Sağlık turizmi, özellikle estetik cerrahi ve medikal işlemler tarafında her yıl daha da büyüyor. CTO olarak görev aldığım hastane de bu büyümenin tam merkezinde yer alıyor. Hedef kitlemiz büyük ölçüde yurt dışından geliyor ve ilk iletişim neredeyse her zaman dijital kanallar üzerinden kuruluyor.
Farklı ülkelerden, farklı saat dilimlerinden günün her saati başvuru alıyoruz. Bu da zaman yönetimini kritik hale getiriyor. Eğer gelen bir mesaja hızlı yanıt verilmiyorsa, hasta çoğu zaman geri dönmüyor. Birkaç saatlik gecikme bile, o kişinin tamamen kaybedilmesine yol açabiliyor.
Bu gerçeklik, bizi chatbot fikrine yöneltti. Süreç hızlı başlamak zorundaydı. Hedefimiz belliydi: Daha hızlı yanıt verebilmek ve dönüşüm oranlarını yükseltmek.
Ancak proje zamanla bu sınırları aştı. Sadece teknik bir sistem değil, organizasyonel refleksleri de etkileyen bir yapı haline geldi.
Ben de bu süreçte sadece yazılım değil, ekip içi süreçlerin nasıl değiştiğini de yakından gözlemleme fırsatı buldum.
Yaklaşık bir yıldır Vanity Cosmetic Surgery Hospital‘da canlıda çalışan bir chatbot altyapımız var. “VaniBot” adını verdiğimiz bu sistem, klasik anlamda bir chatbot değil. Çünkü burada konu bir ürün siparişi değil; ameliyat gibi ciddi kararlar gerektiren bir sağlık hizmeti.
Bu nedenle botlarımızın görevi “ürün var mı, kargo nerede” gibi basit yanıtlar vermek değil; karar verme sürecindeki bir hastaya güven vermek, yönlendirmek, medikal bilgileri doğru şekilde toplamak ve gerektiğinde süreci bir uzmana devretmek.
Bu yazıda, sistemin neler yaptığına değil, bu süreçte biz neler öğrendik, neler işe yaradı ve nerelerde zorlandık — bunlara odaklanacağım. Umarım benzer sistemler üzerinde çalışanlara fikir verir.
💡 Bu Süreçte Neler Öğrendik?
1. Tek Seferlik Proje Değil
Chatbot işi “bir kere yapıldı, bitti” türünden değil. Performans, dönüşüm oranları ve hasta etkileşimleri düzenli olarak izlenmeli. Sürekli takip ve iyileştirme şart.
Bu sadece IT’nin değil, botun yerine geçtiği veya işini kolaylaştırdığı herkesin ortak sorumluluğu.
2. İnsanların Yerini Almadı, Onlara Asistan Oldu
Kimse işsiz kalmadı. Aksine, botlar insanları tekrar eden ve düşük verimli işlerden kurtararak daha nitelikli görevlere yönlendirdi.
Hatta her çalışanın bir dijital asistanı olmuş gibi düşünebilirsiniz. Bugün “botları kapatıyoruz” desek, herkes ayaklanır, kriz çıkar.
3. Bu İşin Bedeli Yalnızca Para Değil
En yaygın yanılgı şu: “Ayda 3-5-10 neyse bir para veririm, bir firmadan hizmet alırım, çözülür.”
Gerçekten işe yarayan bir yapı için gerekenler:
- Ciddi bir konsantrasyon,
- İlgili her ekipten katkı,
- Güçlü bir IT altyapısı,
- Düzenli bakım ve sahiplenme.
- Dışarıdan hizmet alacaksanız bile sizinle benzer motivasyonu taşıyan bir partner
Aksi halde hem paranız hem de beklentiniz boşa gider.
4. Çoklu Kanal Entegrasyonu En Zor Kısım
Sadece web sitesine entegre edilen bir bot görece kolay. Ancak WhatsApp, Instagram gibi platformlarla entegrasyon en çok sorun çıkaran ve karmaşık hale gelen alan.
5. Hazır API Altyapısı Büyük Avantaj
CRM ve diğer sistemlerle entegrasyon için hâlihazırda geliştirilmiş, kendi iç kullanımımıza açık endpoint’lerimiz vardı. Zaten başka servislerde aktif olarak kullandığımız bu API’lar sayesinde, bot projesinde sıfırdan altyapı kurmak zorunda kalmadık.
Bu da süreci sadeleştirdi ve yalnızca botun mantığına odaklanmamıza imkân sağladı.
6. LLM Seçimi: Açık Kaynak mı, Servis mi?
Kendi open source LLM modelimizi mi kullansak, yoksa OpenAI gibi bir servisten mi faydalansak? Benim bu modeller hakkında araştırma ve küçük denemelerim oldu, ancak sonuç olarak doğrudan bu projede denemedik.
- Open source modellerle ikna gücü, tutarlılık ve bağlamı koruma anlamında şu andaki güçlü yapıyı kurabileceğimizi sanmıyorum.
- Modelin doğruluğu kadar operasyonel güvenilirliği de önemli. Botun çökmeden, yavaşlamadan ve her zaman hazır şekilde hizmet verebilmesi başarı için kritik. Kendi modelimizi kendimiz çalıştıralım desek işin içine bir de sunucuyu ayakta ve performanslı tutmak girecekti. OpenAI ile bu yükü taşımadık. 1–2 global kesinti dışında hiç problem yaşamadık. Sistem sürekli stabil kaldı.
- Daha basit bir kurgu olacaksa, ya da veri kaydedilmese bile işlenmek için dahi dışarıya çıkmasın diyorsanız açık kaynak LLM’ler denenebilir mi, denenebilir.
📌 Satış Yapabilen Botlar?
Bazı botlarımız şu anda belirli bir kullanıcı segmentinde, süreçleri ileri taşıma ve satışa yakınlaştırma amacıyla test ediliyor. Ancak bu henüz sınırlı bir deneme ve ana amacımız herkese satış yapan değil, ne zaman insana devretmesi gerektiğini bilen akıllı sistemler geliştirmek. Buradan elde ettiğimiz verilerle, gelecekteki kurgu ve sınırlarımızı daha net tanımlamayı hedefliyoruz.
🤖 Sonuç
Bir chatbot projesi yürütmek, dışarıdan göründüğü kadar “basit bir yazılım işi” değil. Bizim deneyimimizden çıkan net sonuçlar şunlar oldu:
- İyi çalışan bir chatbot, sadece IT’nin değil tüm organizasyonun ürünüdür. Botun yerini aldığı ya da işini kolaylaştırdığı herkes, sürece aktif katkı vermeli.
- Başarılı bir sistem, sade bir kurgu + güçlü bir entegrasyon + kesintisiz iyileştirme döngüsüne dayanır. Koddan önce süreç konuşulmalı.
- Chatbotlar insanları işten çıkarmaz; onları daha değerli işlere yönlendirir. Doğru kurgulanmış bir bot, ekibin iş yükünü azaltır ama etkisini artırır.
- Altyapınız yoksa, en iyi bot bile sınıfta kalır. API’lar, CRM erişimi, içerik yönetimi gibi konular çözülmeden “akıllı asistan” gibi davranan bir yapı kurmak mümkün değil.
- Chatbotlar bazı durumlarda insanı ikna edebilir, süreci sonuca taşıyabilir. Ama bunu sadece doğru kişiye, doğru bağlamda, doğru zamanda ve doğru yöntemle yapabilirse.
Yani biz bu projeyle sadece bir bot geliştirmedik. Sürekli öğrenen, gerçek bir iş gücünün parçası olan, oyunu değiştiren, etkili bir dijital sistem kurmuş olduk.
