Klarna Vakası: Müşteri Hizmetlerinde Yapay Zeka Ajanı Nasıl Kuruldu, Nasıl Çalıştı

Stockholm merkezli bir fintech şirketinin çağrı merkezi yöneticisi 2024 başında istifa etmek üzereydi. Sıkıştığı yer şuydu: çağrı hacmi 35 dilde patlamıştı, ortalama çözüm süresi 11 dakikaya çıkmıştı, NPS sallanıyordu.

18 ay sonra aynı yöneticinin masasında farklı bir tablo vardı. Ortalama çözüm süresi 2 dakikaya düşmüştü, NPS sabit kalmıştı, şirket yönetimi yıllık 60 milyon dolar tasarruf raporluyordu.

Klarna'nın yapay zeka ajanı vakası popüler basında "yapay zeka insanı yendi" cümlesiyle tüketildi. Dosyayı satır satır okuyunca başka bir tablo görüyorsun. Sonucu üreten şey sıkı bir operasyon disiplini, ölçülmüş bir aşama planı ve insanın doğru yerde tutulmasıydı.

Sayılar ne söylüyor?

Klarna yönetimi kamuoyuyla paylaştığı rakamlarda şunu aktardı: yapay zeka asistanı ilk ayda 2,3 milyon konuşma yürüttü ve bu hacim 700 tam zamanlı çalışanın aylık iş yüküne karşılık geliyordu.

Müşteri memnuniyeti, insan operatörle yapılan görüşmelerle aynı seviyede kaldı. Tekrarlı çağrı oranı yüzde 25 düştü. Operasyonel tasarruf 40 milyon dolarla başladı, yıllıklandığında 60 milyona çıktı.

İkinci ölçüm 2025'in üçüncü çeyreğinde yapıldı. Bu defa rakam 853 çalışanın iş yükü olarak güncellendi. Klarna büyüdüğü için baz da büyümüştü; yapay zekanın kapasitesi insan gücünden hızlı genişledi.

Hikaye burada bitmiyor. Şirket yönetimi aynı dönemde bazı kategorilerde insan operatöre dönüldüğünü açıkladı. Yapay zeka, premium müşteri itirazlarında ve nadir kombinasyonlarda yeterli nüansı yakalayamamıştı. Klarna yönetimi bunu kalibrasyon olarak değerlendirdi. Önemli ders bu.

Klarna'nın doğru yaptığı üç şey

Niş başlangıç. Klarna ekibi yapay zeka ajanını önce iade ve refund senaryolarında devreye aldı. Toplam çağrıların yüzde 40'ı buradaydı, başarı ölçülebilirdi, hata maliyeti düşüktü. Bowling pin stratejisinin ders kitabı uygulaması buydu.

Çift yönlü loglama. Her yapay zeka etkileşimi, insan operatöre yönlendirilebilecek bir sinyalle birlikte kayıt altına alındı. Müşteri "yapay zekayla konuşmak istemiyorum" dediğinde sistem dirençsizce devrediyordu. Türkiye'de bu işi izleyen biri olarak söylüyorum: çoğu çağrı merkezi yapay zekayı müşterinin önüne barikat gibi kuruyor. Klarna onu insan operatöre açılan bir kapı olarak kurdu. Aradaki fark müşterinin gözünden saniyeler içinde anlaşılıyor.

Modeli sürekli besleyen geri bildirim döngüsü. Klarna kalite ekibi her hafta belirli kategorilerdeki konuşmaları örnekleyip yapay zekanın yanıtlarını inceledi. Hatalar prompt iyileştirmesine, eğitim verisine ve fallback kurallarına döndü. Bu yapı olmasaydı model 6 ayda bozulurdu.

Klarna hangi noktayı atladı?

Klarna yönetiminin 2025 sonunda kabul ettiği eksiklik şuydu: ekip küçülürken yeniden yerleştirme yeterince hızlı yapılmamıştı. 700 kişilik bir iş yükü yapay zekaya geçince serbest kalan insan kapasitesi otomatik olarak başka değer alanlarına akmadı. Bir kısmı şirketten ayrıldı.

Şirket yönetimi durumu sonradan düzeltti. Ders şu: yapay zeka ajanı kurulurken paralel bir yeniden konumlandırma planı hazır olmazsa marka içi güven sarsılıyor.

McKinsey'in 2025 State of AI raporu da aynı noktayı işaret ediyor. Üretken yapay zekanın iş gücüne yansıması "ikame artı yeniden tahsis" olarak tanımlanıyor. Tek başına ikame uyguladığında verimliliği alıyorsun, kültürel kayıp yaşıyorsun.

Türk şirketleri aynı modeli nasıl uyarlar?

Türk e-ticaret şirketlerinin çoğunda gördüğüm soru hep aynıydı: hangi çağrıyı insan, hangisini sistem alsın? Bugün 9-12 ayda Türk pazarında uygulanabilir bir Klarna türevi mümkün.

Ay 1-2, veri toplama ve sınıflandırma. Son 6 ayın çağrı kayıtlarını dökersin; konu, süre, çözüm ve müşteri segmenti boyutunda etiketlersin. İade, kargo durumu, hesap erişimi ve fatura sorgulama gibi 6-8 ana kategoriye böler, her birinin hacmini, marjinal maliyetini ve hata toleransını ölçersin.

Ay 3-4, ilk dar pilot. En yüksek hacimli ve en düşük riskli tek kategoriyi seçersin; genellikle "kargom nerede" sorusudur. Bu çağrıların yüzde 80'inde yanıt bellidir. Yapay zeka ajanını kurar, kalan kısmı insan operatöre yönlendirir, CSAT'ı haftalık ölçersin.

Ay 5-7, ölçeklendirme. İlk kategori sabitlendiğinde sırasıyla iade, fatura ve hesap erişimi açılır. Her yeni kategoride 4 hafta gözlem süresi vardır. NPS düşerse geri alırsın.

Ay 8-10, premium müşteri tetikleyicisi. Klarna'nın geç fark ettiği nokta burası. Belirli müşteri segmentleri doğrudan insanla görüşmek ister; CRM'in bunu görmesi gerekir. Yapay zeka ön cevabı verir, sonra "size özel temsilciye bağlıyorum" der.

Ay 11-12, yeniden tahsis. Boşalan operatör kapasitesini outbound aramaya, müşteri tutmaya ve premium hizmete çevirirsin. Bu adımı atlarsan Klarna'nın hatasını tekrarlarsın.

Karar matrisi: yapay zeka ajanı ilk hangi kanalda çalışmalı?

Kanal	Hacim	Hata Toleransı	İlk Faz Uygunluğu
Chat (web)	Yüksek	Orta	Önce burada başla
WhatsApp	Yüksek	Orta-yüksek	Faz 2
Çağrı (sesli)	Yüksek	Düşük	Faz 3
E-posta	Orta	Yüksek	Hızlı kazanç
Sosyal medya	Düşük	Düşük	İnsanda kalsın

Sesli kanal son sıraya yazılır. Türkçe IVR ve yapay zeka sesli yanıtı henüz olgunlaşmadı; aksan, lehçe ve gürültü problemi yaşatıyor.

Bir bakışta

Klarna'nın yapay zeka ajanı 18 ayda 853 çalışanın iş yükünü taşıdı ve yıllık 60 milyon dolar tasarruf yarattı. Sonucu getiren şey niş başlangıç, sürekli kalite ölçümü, insan ve yapay zeka arasındaki hibrit akış ile yeniden tahsis planının birlikte yürütülmesiydi.

Türk şirketleri kategori bazlı pilot mantığıyla aynı modeli 9-12 ayda uygulayabilir. Finans tarafındaki paralel örnek için JPMorgan'ın 450 yapay zeka use-case'i analizine bakabilirsiniz.

Bu vakayı yönetim ekibinize sahnede bir vaka anlatımıyla taşımak isterseniz Speaker Agency'nin yapay zeka konuşmacıları için teklif alın. Doğru ismi seçmek için yapay zeka konuşmacısı nasıl seçilir rehberi somut kriterler veriyor.

Kaynaklar

• Customer Experience Dive, "Klarna says AI agent does work of 853 employees" (2025). 853 çalışanlık iş yükü ve yıllık 60 milyon dolar operasyonel tasarruf rakamı.
• OpenAI, Klarna case study (2024). Yapay zeka asistanının 2,3 milyon konuşma ve 700 tam zamanlı çalışana denk iş yükü verisi.
• Computer Weekly, "AI helps Klarna double revenues with half the staff" (2025). Klarna'nın gelir ve çalışan denkleminde yapay zeka etkisi ile bazı kategorilerde insana dönüş açıklaması.
• McKinsey, The State of AI 2025. Yapay zekanın iş gücüne yansımasında "ikame artı yeniden tahsis" tezi.

Sıkça Sorulan Sorular

Klarna yapay zeka ajanı kaç çalışanın işini yapıyor?

Klarna'nın ilk açıklamasında yapay zeka asistanı 700 tam zamanlı çalışanın iş yükünü üstlenmişti. Sonraki güncellemede bu sayı 853'e çıktı; şirket büyüdükçe yapay zeka kapasitesi de ölçeklendi. Yıllık operasyonel tasarruf 60 milyon doları buldu, NPS sabit kaldı.

Türk e-ticaret şirketi aynı sonucu kaç ayda alır?

9-12 ay gerçekçi bir aralık. Türkçe doğal dil işleme olgunluğu yeterli. Kritik nokta şu: ilk pilot kategoriyi dar tutar, hacmi ve hata toleransı yüksek bir konuyla başlarsın. 30 günlük ölçüm döngüleriyle ilerler, 90 gün sonra ikinci kategoriye açılırsın.

Yapay zeka ajanı NPS'i düşürür mü?

Yanlış kurulumda evet, doğru kurulumda hayır. Klarna'nın NPS'i sabit kaldı çünkü "insanla görüşmek istiyorum" sinyali sistem tarafından dirençsizce kabul edildi. Yapay zekayı barikat gibi kurarsan müşteri öfkelenir; kapı gibi kurarsan müşteri yapay zekayı tercih etmeye başlar.

Klarna modeli hangi sektörlerde daha hızlı uygulanır?

E-ticaret, fintech, telekom ve sigorta bu modele en uygun sektörler. Ortak özellikleri şöyle: çağrıların büyük kısmı tekrarlı, nüans ihtiyacı az, regülasyon orta seviyede. Sağlık ve hukukta aynı model daha katı bir insan onayı katmanı ister.

Klarna yapay zeka ajanına hangi kategoride başladı?

İade ve refund senaryolarıyla başladı. Bu kategori toplam çağrıların yüzde 40'ını oluşturuyordu; başarı ölçülebilirdi ve hata maliyeti düşüktü. Dar başlangıç, modelin sahada kalibre edilmesine alan açtı.

Sesli kanal neden son faza bırakılıyor?

Türkçe sesli yanıt teknolojisi aksan, lehçe ve gürültü karşısında henüz istikrarlı sonuç vermiyor. Chat ve e-posta kanallarında metin tabanlı akış daha kontrollü ilerliyor. Bu yüzden sesli kanal karar matrisinde son faza yazılır.