Çağrı merkezlerinden alınan 20.000 ifadenin duygusunu etiketleyen iki eğitimli insan etiketleyici, 1,0’ın mükemmel uzlaşı, 0’ın ise rastlantı olduğu bir ölçekte yalnızca 0,605 Cohen kappa değeriyle uzlaştı (ConnexAI araştırmacıları, IntechOpen 2026). Bu tavan önemli, çünkü bir konuşma analitiği panosundaki her duygu skoru bunlara benzer etiketlerle eğitiliyor ve onlara göre değerlendiriliyor. Bu arada ticari konuşma tanıma sistemleri, 50 gerçek çağrı merkezi görüşmesinde kelimelerin %16,5 ile %19,2’sini yanlış tanıdı; standart bir telefon karşılaştırma testinde bu oran %10,2 ile %11,62 idi (Szymanski ve ark., Findings of EMNLP 2020) ve 1.104 şirketin %49,8’i bu transkriptler üzerinde zaten etkileşim analitiği çalıştırıyor (Metrigy, AI for Business Success 2025-26). Metrigy, NICE ve Verint SEC dosyalamalarından, EMNLP ve LREC’te, OpenAI tarafından ve arXiv’de yayımlanan konuşma karşılaştırma çalışmalarından, NBER, AB Yapay Zeka Tüzüğü ve Illinois Genel Kurulu’ndan ve başka birkaç birincil kaynaktan veri derledik. Aynı sektörün otomasyon tarafı (analitik değil, sesli botlar ve yapay zeka temsilcileri) için sesli yapay zeka ile iletişim merkezi otomasyonu istatistiklerimize bakın.
TL;DR
- Şirketlerin %49,8’i etkileşim analitiğini zaten kullanıyor ve %29,9’u daha eklemeyi planlıyor (Metrigy, AI for Business Success 2025-26).
- İletişim merkezlerinin %55’i kalite güvencesini hâlâ elektronik tablolarla yürütüyor; bir yıl önce bu oran %65 idi (Scorebuddy ve Call Centre Helper, Aralık 2025).
- 50 gerçek çağrı merkezi görüşmesinde ticari ASR kelime hata oranı: %16,5 ile %19,2 (Szymanski ve ark., Findings of EMNLP 2020).
- Whisper large-v2, CallHome telefon görüşmelerinde %17,6, okunan sesli kitap konuşmasında ise %2,7 kelime hatası yapıyor (OpenAI, Whisper makalesi, 2022).
- Gerçek Afrika aksanlı çağrı merkezi sesinde Whisper-large-v3 %24,69 WER, en iyi model ise %13,45 WER elde etti (AfriSpeech-MultiBench, arXiv 2025).
- İnsan etiketleyiciler, çağrı merkezi ifadelerinin duygusunda 0,605 Cohen kappa ile uzlaşıyor (ConnexAI araştırmacıları, IntechOpen 2026).
- Gerçek müşteri çağrılarını derecelendiren iki etiketleyici, valans için yalnızca 0,62, uyarılma için 0,52 ICC ile uzlaştı (CusEmo çalışması, arXiv 2023).
- Yalnızca akustik kullanan duygu modelleri telefon çağrılarında %54,23 ağırlıklı doğruluğa ulaştı; insanlarda bu oran %85,76 idi (Chen ve ark., LREC 2020).
- Bir yapay zeka asistanı destek temsilcisi verimliliğini %14, müşteri duygusunu -1 ile 1 ölçeğinde 0,18 puan artırdı (NBER Çalışma Raporu 31161).
- Çalışanların işyerindeki duygularını sesten çıkarsamak AB’de 2 Şubat 2025’ten beri yasak (AB Yapay Zeka Tüzüğü, Tüzük (AB) 2024/1689).
- Illinois, ses izleri gibi biyometrik tanımlayıcıları ilgilendiren ihlal başına 1.000 $ ile 5.000 $ arasında tazminat öngörüyor (740 ILCS 14).
1. Benimsenme: Etkileşim Analitiği ve Otomatik Kalite Güvencesi
Benimsenme sorusu yarı yarıya yanıtlanmış durumda. 1.104 şirketin %49,8’i etkileşim analitiğini zaten kullanıyor (çağrıları, sohbetleri ve e-postaları konular, uyumluluk ifadeleri ve duygu açısından yazıya döken ve inceleyen yazılım) ve %29,9’u da yıl içinde uygulamayı planlıyordu (Metrigy, AI for Business Success 2025-26). Değişen şey işin tanımı. Kullanıcıların en büyük grubu olan %46,2’si artık en büyük değerin, yapay zeka temsilcilerinin performansını insan temsilcilerle karşılaştırmak olduğunu söylüyor (Metrigy analizi, 14 Mayıs 2025). Konuşma analitiği artık yalnızca bir koçluk aracı değil, otomasyonun skor tablosu hâline geliyor.
Analitiğin yerini alması beklenen kalite güvencesi (QA) süreci hâlâ şaşırtıcı ölçüde elle yürütülüyor. Bir satıcı sponsorluğundaki anket, QA için elektronik tablolara bağımlılığın yıllık bazda %65’ten %55’e düştüğünü ve iletişim merkezlerinin %44’ünün otomatik veya gerçek zamanlı puanlamaya güçlü ilgi gösterdiğini ortaya koydu (Scorebuddy ve Call Centre Helper, What Contact Centers Are Doing Right Now, Aralık 2025). Satıcı tabanı yoğunlaşmış ve büyük: NICE, 2025 toplam gelirini 2.735,3 milyon $‘dan 2.945,4 milyon $‘a yükselterek bildirdi, bulut geliri %12,8 arttı ve konuşmalı yapay zeka şirketi Cognigy için toplam 887,3 milyon $ nihai bedel ödedi (NICE 2025 mali yılı Form 20-F).
| Metrik | Değer | Kaynak |
|---|---|---|
| Etkileşim analitiğini zaten kullanan şirketler | 1.104 şirketin %49,8’i | Metrigy, AI for Business Success 2025-26 |
| 2025 boyunca etkileşim analitiğini uygulamayı planlayan şirketler | %29,9 | Metrigy, AI for Business Success 2025-26 |
| En büyük değeri yapay zeka temsilci etkinliğini insan temsilci etkinliğiyle karşılaştırmak olan analitik kullanıcıları | %46,2 (en büyük grup) | Metrigy analizi, Mayıs 2025 |
| Kalite güvencesi için elektronik tablo kullanan iletişim merkezleri, bu yıl ve geçen yıl | %55 ve %65 | Scorebuddy ve Call Centre Helper anketi, Aralık 2025 (satıcı sponsorluğunda) |
| Otomatik veya gerçek zamanlı kalite puanlamasına güçlü ilgi duyan iletişim merkezleri | %44 | Scorebuddy ve Call Centre Helper anketi, Aralık 2025 (satıcı sponsorluğunda) |
| NICE müşteri kuruluşları ve Fortune 100 müşterileri | 150’den fazla ülkede 25.000’den fazla kuruluş, Fortune 100’ün 85’i dahil | NICE Form 20-F, 2025 mali yılı |
| Verint’in Fortune 100 müşterileri ve hizmet verdiği ülkeler | Fortune 100’ün 80’inden fazlası, 175’ten fazla ülkede | Verint Form 10-K, 31 Ocak 2025’te sona eren mali yıl |
| Verint’in abonelik işinden gelen gelir | Yaklaşık %80 | Verint Form 10-K, 31 Ocak 2025’te sona eren mali yıl |
Bağlam notu: manuel QA ekiplerinin çağrıların yalnızca “%1 ila %3” kadarını veya “%5’ten azını” incelediği yönündeki rakamlar yaygın olarak dolaşıyor, ancak bulduğumuz her sürüm satıcı bloglarına veya doğrulanamayan atıflara dayanıyordu; bu yüzden hariç tuttuk. 2025 veya 2026’da çağrıların ne kadarının insan tarafından incelendiğini, ne kadarının makine tarafından puanlandığını bildiren bağımsız bir kamuya açık anket yok. Verint Form 10-K ayrıca gelirinin yaklaşık %72’sinin Amerika kıtasından geldiğini bildiriyor.
2. Gerçek Çağrı Sesinde Transkripsiyon Doğruluğu
Metne dayalı her duygu skoru bir transkriptle başlar ve dar bantlı (8 kHz), spontan çağrı sesi, bir tanıyıcının karşılaştığı gündelik sesler arasında en zorlardan biridir. Kelime hata oranı (WER), sistemin bir insan transkriptine kıyasla yanlış koyduğu, atladığı veya eklediği kelimelerin payıdır. Üç ticari sistem, 50 gerçek çağrı merkezi görüşmesinde %16,5 ile %19,2 WER elde etti; Switchboard telefon karşılaştırma testinde ise bu oran %10,2 ile %11,62 idi (Szymanski ve ark., WER we are and WER we think we are, Findings of EMNLP 2020). Yazarlar, yayımlanmış en iyi Switchboard sonuçlarının yaklaşık %5 olduğunu belirtiyor; yani gerçek çağrılar, başlık niteliğindeki karşılaştırma testlerinin gösterdiği hata oranının kabaca üç ila dört katı seviyesinde seyretti (16,5 / 5 = 3,3 ve 19,2 / 5 = 3,84). Özel çağrı merkezi sesinde ticari sistemler için mevcut en güncel veri: Szymanski ve ark., 2020; güncel ticari motorlarla gerçek çağrı kayıtları üzerinde bu testin kamuya açık bir tekrarını bulamadık.
Daha yeni açık modeller aynı farkı gösteriyor. Whisper large-v2, LibriSpeech test-clean’de (okunan sesli kitaplar) %2,7 WER elde ederken, her ikisi de telefon konuşması kümeleri olan CallHome’da %17,6 ve Switchboard’da %13,8 elde etti (OpenAI, Robust Speech Recognition via Large-Scale Weak Supervision, 2022). Aksan farkı daha da açıyor: Afrika aksanlı gerçek temsilci-müşteri çağrılarından oluşan küçük bir özel kümede sonuçlar, en iyi model için %13,45’ten en kötü model için %88,71’e uzandı (AfriSpeech-MultiBench, arXiv Kasım 2025). Aksan yanlılığı ve kelime hata oranı istatistiklerimiz bu boyutu ayrıntılı ele alıyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| 50 gerçek çağrı merkezi görüşmesinde (8,5 saat ses, 2,2 saat konuşma) üç ticari ASR sisteminin WER’i | %16,5 ile %19,2 | Szymanski ve ark., Findings of EMNLP 2020 |
| Aynı üç sistemin HUB’05 Switchboard telefon karşılaştırma testindeki WER’i | %10,2 ile %11,62 | Szymanski ve ark., Findings of EMNLP 2020 |
| En iyi sistem için iş alanına göre çağrı merkezi WER’i | %13,73 (sigorta) ile %20,95 (seyahat rezervasyonu) arasında | Szymanski ve ark., Findings of EMNLP 2020 |
| Üç sistemin en zayıfı için müşteri konuşması ve temsilci konuşmasındaki WER | %20,99 ve %17,83 | Szymanski ve ark., Findings of EMNLP 2020 |
| Whisper large-v2 WER’i: okunan sesli kitap konuşması (LibriSpeech test-clean), CallHome telefon çağrıları ve Switchboard telefon çağrıları | %2,7, %17,6 ve %13,8 | OpenAI, Whisper makalesi, 2022 |
| CallHome telefon çağrılarında NVIDIA Conformer-CTC large ve wav2vec2-large-960h WER’i | %11,3 ve %34,8 | OpenAI, Whisper makalesi, 2022 (karşılaştırma tablosu) |
| Gerçek Afrika aksanlı çağrı merkezi sesinde WER: en iyi model, Whisper-large-v3 ve GPT-4o Transcribe | %13,45, %24,69 ve %23,20 | AfriSpeech-MultiBench, arXiv Kasım 2025 |
| ASR ile yazıya dökülmüş bir çağrı merkezi değerlendirme kümesinde (618 ifade) transkripsiyon hatası içeren payı | %42,6 (263 örnek) | ConnexAI araştırmacıları, IntechOpen 2026 |
Aykırı değer notu: temsilci ile müşteri arasındaki fark evrensel değil. Üç ticari sistemin en iyisinde müşteri ve temsilci WER’i neredeyse aynıydı (%16,48 ve %16,49); yani müşteri tarafı bazı motorlar için daha zor, hepsi için değil. Hatalar tür bakımından da karşılaştırma testi hatalarından farklıdır; konuşma tanıma halüsinasyon istatistiklerimiz uydurulmuş kelimeleri ele alıyor, tek başına bir WER skoru bunları ayırt etmez.
3. Çağrı Transkriptlerinde Metin Duygu Analizi: İnsan Uzlaşısı ve Makine Doğruluğu
Duygu analitiğindeki rahatsız edici rakam, insan temel çizgisidir. Çağrı merkezlerinden (geniş bant internet, sigorta ve diğer sektörler) alınan 20.000 ifadeyi etiketleyen iki etiketleyici 0,605 Cohen kappa değeriyle uzlaştı (ConnexAI araştırmacıları, Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen 2026). Kappa, ham uzlaşıyı rastlantıya göre düzeltir: 1,0 mükemmel uzlaşı, 0 ise yalnızca rastlantının üreteceği düzeydir. Bir satıcının “duygu doğruluğu” rakamı, insanların kendilerinin de sıklıkla tartıştığı etiketlere göre değerlendirilir.
Bu tavanın içinde modeller temiz metinde iyi, en önemli sınıfta ise tökezliyor. Tam etiketleme talimatlarıyla, 32 milyar parametreli açık bir LLM üç sınıfta zamanın %91’inde insan referans etiketlerini (altın standart) yakaladı, ancak makro F1 değeri (nadir sınıfları yok saymayı cezalandıran, sınıf başına F1 skorlarının ortalaması) 0,79 idi. Asıl stres testi ASR çıktısı: makine tarafından yazıya dökülen üretim çağrılarında aynı yaklaşım tek ifadeden 0,74, altı konuşma sırasından oluşan bir pencereyi gördüğünde 0,86 makro F1’e ulaştı. Bağlam, boyuttan daha çok işe yaradı: aynı testlerde 4 milyar parametreli bir Qwen3 modeli 0,78 makro F1 alırken 32 milyar parametreli kardeşi 0,56 aldı. Switchboard telefon derleminde etiket dağılımı, panolarda “nötr”ün neden baskın olduğunu gösteriyor: segmentlerin %52,6’sı nötrdü (Chen ve ark., A Large Scale Speech Sentiment Corpus, LREC 2020).
| Metrik | Değer | Kaynak |
|---|---|---|
| 20.000 çağrı merkezi ifadesinin duygusu konusunda iki insan etiketleyici arasındaki uzlaşı (Cohen kappa) | 0,605 | ConnexAI araştırmacıları, IntechOpen 2026 |
| Tam talimatlı açık LLM (Qwen2.5-32B-Instruct) ile insan referans etiketleri karşılaştırması, 3 duygu sınıfı, 8.750 örnek | 0,91 doğruluk, 0,79 makro F1 | ConnexAI araştırmacıları, IntechOpen 2026 |
| İnsan tarafından yazıya dökülmüş çağrılarda makro F1: ince ayarlı DistilBERT ve SVM sınıflandırıcısı | 0,90 ve 0,82 | ConnexAI araştırmacıları, IntechOpen 2026 |
| Üretim çağrılarının makine (ASR) transkriptlerinde LLM, makro F1: tek ifade ve altı konuşma sıralı bağlam penceresi | 0,74 ve 0,86 | ConnexAI araştırmacıları, IntechOpen 2026 |
| Bireysel insan etiketleyicilerin çoğunluk etiketine göre ortalama doğruluğu, Switchboard telefon çağrıları (49.500 segment, 140 saat) | Yaklaşık %85 | Chen ve ark. (Google), LREC 2020 |
Bağlam notu: aynı bölümde, en iyi sınıflandırıcı için bile zayıf nokta olumsuz sınıftı (ince ayarlı DistilBERT olumsuz duyguda 0,78, olumluda 0,94 F1 elde etti) ve SVM makine transkriptlerinde çöktü; temsilci konuşmasında 0,25, müşteri konuşmasında 0,46 makro F1 aldı. Makine tarafından yazıya dökülmüş üretim çağrıları da çarpıktı: %61 nötr, %30 olumlu ve %9 olumsuz. Her şeyi nötr olarak etiketleyen bir model, bu tür verilerde isabetli görünür ama öfkeli %9’u kaçırır.
4. Akustik Duygu Tespiti: Ses Neyi Ekliyor
Ses tonu, “duygu tanıma yapay zekası”nın satış noktasıdır; ancak Switchboard telefon görüşmesi duygu karşılaştırma testinde en zayıf tekil sinyal oldu. Yalnızca akustik kullanan bir model üç sınıflı duygu sınıflandırmasında %54,23 ağırlıklı doğruluğa ulaştı; insanlarda bu oran %85,76 idi ve metin eklenince %65,65’e yükseldi (Chen ve ark., LREC 2020, Lu ve ark. 2019 temel çizgilerini aktarıyor). Ağırlıklı doğruluk her segmenti eşit sayar; ağırlıksız doğruluk üç sınıfın ortalamasını alır, dolayısıyla akustik modelin %39,63’lük ağırlıksız skoru, rastgele tahminin alacağı %33,3’ün yalnızca yaklaşık 6 puan üzerinde kalıyor (39,63 - 33,33 = 6,3). Üç girdi türünü de karşılaştıran kamuya açık bir telefon görüşmesi duygu karşılaştırma testi için mevcut en güncel veri: Switchboard duygu derlemi, LREC 2020.
Gerçek müşteri hizmetleri çağrılarını etiketlemek daha da zor. Fransız bir iş seyahati çağrı merkezinde (CusEmo çalışması), müşterilerin duygusunu sürekli olarak derecelendiren iki etiketleyici, valans (ne kadar olumlu veya olumsuz) için 0,62, uyarılma (ne kadar harekete geçmiş veya sakin) için 0,52 sınıf içi korelasyon (ICC, 0 ile 1 arasında bir uzlaşı skoru) elde etti (End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations, arXiv 2023). En iyi modelin bu derecelendirmelerle uyumu (CCC, uyum korelasyon katsayısı; 1 mükemmel demektir), temsilcinin ne kadar empatik olduğu söylendikten sonra valans için 0,699, uyarılma için 0,508 oldu. Başka bir deyişle, model temsilciyi de duyduğunda müşterinin ruh hâlini okumak daha kolay. Aynı teknolojinin klinik kullanımları için konuşmadan duygu tanıma doğruluğu istatistiklerimize bakın.
| Metrik | Değer | Kaynak |
|---|---|---|
| Switchboard telefon çağrılarında 3 sınıflı duygu için ağırlıklı doğruluk: yalnızca akustik model, akustik ve metin modeli, konuşma tanıma özelliklerini kullanan model ve insan dinleyiciler | %54,23, %65,65, %70,10 ve %85,76 | Chen ve ark. (Google), LREC 2020 |
| Ağırlıksız (sınıf ortalamalı) doğruluk, aynı dört yaklaşım aynı sırada | %39,63, %54,59, %62,39 ve %84,61 | Chen ve ark. (Google), LREC 2020 |
| Fransız bir iş seyahati çağrı merkezinden CusEmo kaynak koleksiyonu | 5.548 görüşme, 375,39 saat | CusEmo çalışması, arXiv 2023 |
| Bağlam etiketlemesi yapılmış CusEmo görüşmeleri; duygu için derecelendirilen müşteri sesi | 469 görüşme; 13,15 saat | CusEmo çalışması, arXiv 2023 |
| Müşteri duygusunu derecelendiren iki etiketleyici arasındaki uzlaşı (ICC): valans ve uyarılma | 0,62 ve 0,52 | CusEmo çalışması, arXiv 2023 |
| Temsilci empatisi eklendiğinde en iyi modelin insan derecelendirmeleriyle uyumu (CCC): valans ve uyarılma | 0,699 ve 0,508 | CusEmo çalışması, arXiv 2023 |
Bağlam notu: CusEmo derlemi yalnızca dahili kullanım içindir ve yayımlanmamıştır; 5.548 görüşmenin yalnızca 469’una bağlam etiketlemesi yapıldı. Gerçek çağrı merkezi duygu verisi tam da kayıtlar kişisel veri taşıdığı için azdır; yayımlanmış doğruluk rakamlarının çoğunun podcast’lerden, canlandırılmış konuşmalardan veya on yıllar önceki telefon derlemlerinden gelmesinin nedenlerinden biri budur.
5. Ölçülmüş İş Sonuçları
Analitik satıcıları sonuç satar ve en iyi kontrollü kanıt sesten değil, metinden gelir. 5.179 müşteri destek temsilcisi ve yaklaşık 3 milyon sohbetin incelendiği bir çalışmada, bir yapay zeka sohbet asistanı saat başına çözülen sorunları ortalama %14, yeni başlayan ve düşük becerili temsilcilerde ise %34 artırdı (Brynjolfsson, Li ve Raymond, Generative AI at Work, NBER Çalışma Raporu 31161). Çalışma müşteri ruh hâlini LLM tabanlı bir duygu sınıflandırıcısıyla (SiEBERT, metni -1 ile 1 arasında puanlar) ölçtü; bu da onu otomatik duygu analizini bir özellik olarak değil, bir sonuç olarak kullanan az sayıdaki büyük saha çalışmasından biri yapıyor.
Daha yumuşak metrikler de hareket etti: müşteri duygusu 0,18 puan (standart sapmanın yarısı) yükseldi, bir yöneticiyle görüşme talepleri neredeyse %25 azaldı ve ortalama işlem süresi 3,8 dakika kısaldı. Çözüm oranı neredeyse hiç değişmedi. Alıcılar verinin en üstte olması gerektiğine inanıyor gibi: şirketlerin yaklaşık %84’ü ve Metrigy’nin başarılı grubunun %96,7’si, müşteri etkileşim verisinin yönetici performans panolarının bir parçası olması gerektiğini söylüyor (Metrigy analizi, Mayıs 2025).
| Metrik | Değer | Kaynak |
|---|---|---|
| Bir yapay zeka sohbet asistanıyla verimlilik artışı (saat başına çözülen sorun), 5.179 temsilci | Ortalama %14 | NBER Çalışma Raporu 31161, Brynjolfsson, Li ve Raymond |
| Yeni başlayan ve düşük becerili temsilcilerde verimlilik artışı | %34 | NBER Çalışma Raporu 31161 |
| Ortalama müşteri duygusundaki değişim (SiEBERT skoru, -1 ile 1 arası) | +0,18 puan, yaklaşık yarım standart sapma | NBER Çalışma Raporu 31161 |
| Yöneticiyle görüşme taleplerindeki değişim (başlangıç düzeyi yaklaşık 6 yüzde puanı) | Neredeyse %25 daha az | NBER Çalışma Raporu 31161 |
| Ortalama işlem süresindeki değişim | 3,8 dakika daha kısa, %9 düşüş | NBER Çalışma Raporu 31161 |
| Çözüm oranındaki değişim (başlangıç düzeyi %82) | +1,3 yüzde puanı, yalnızca %10 düzeyinde anlamlı | NBER Çalışma Raporu 31161 |
| Etkileşim verisinin yönetici panolarında yer almasını isteyen şirketler: tüm şirketler ve en başarılı grup | Yaklaşık %84 ve %96,7 | Metrigy analizi, Mayıs 2025 |
Aykırı değer notu: NBER çalışmasında temsilci duygusu yalnızca 0,02 puan, yani standart sapmanın yaklaşık %1’i kadar yükseldi; dolayısıyla kazanım temsilcilerin nasıl yazdığında değil, müşterilerin nasıl yazdığında ortaya çıktı. Çalışma tek bir şirketteki metin sohbetini kapsıyor; sesli çağrı analitiğinin sonuçlarına dair kıyaslanabilir büyüklükte kontrollü bir çalışma bulamadık.
6. Düzenleme ve Gizlilik: Duygu Tanıma Kuralları ve Ses İzi Hukuku
Yasal çizgi, kimin duygularının ve neyden okunduğu arasından geçiyor. 2 Şubat 2025’ten itibaren AB Yapay Zeka Tüzüğü, tıbbi veya güvenlik nedenleri dışında, işyerindeki bir kişinin duygularını çıkarsayan yapay zeka sistemlerini yasaklıyor (Tüzük (AB) 2024/1689, madde 5(1)(f) ve 113). Tüzük, duygu tanımayı “biyometrik verilerine dayanarak” çıkarsama olarak tanımlıyor; bu yüzden Komisyon’un yönergeleri, çalışanların öfkesini izlemek için ses tanıma kullanan bir çağrı merkezini yasak, müşterilerin duygularını izleyen bir çağrı merkezini yasağın dışında, yazılı metinden çıkarımı da yasağın dışında sayıyor (Avrupa Komisyonu yasaklı yapay zeka uygulamaları yönergeleri, 4 Şubat 2025, örnekler CMS, 10 Şubat 2025 özetine göredir). Pratikte, müşteriler üzerinde transkript tabanlı duygu analizi Avrupa’da en güvenli tasarım, temsilcilerin ses tonuna göre puanlanması ise en riskli olanıdır.
Tüzüğün 44. gerekçesi, yasağı duygu tanımanın bilimsel temeline ilişkin ciddi kaygılara, yani sınırlı güvenilirliğe, özgüllük eksikliğine ve sınırlı genellenebilirliğe işaret ederek gerekçelendiriyor; bunlar, 3. ve 4. bölümlerdeki uzlaşı skorlarının ölçtüğü zayıflıkların aynısı. Amerika Birleşik Devletleri’nde en keskin risk biyometrik alanda: Illinois bir ses izini biyometrik tanımlayıcı sayıyor; dolayısıyla konuşmacı ses izleri oluşturan her sistem (örneğin arayan kimlik doğrulaması için) kendi kuralları ve ihlal başına tazminatı kapsamına giriyor (Illinois Biyometrik Bilgi Gizliliği Yasası, 740 ILCS 14).
| Metrik | Değer | Kaynak |
|---|---|---|
| AB’nin işyerinde ve eğitimde duyguların çıkarsanmasına yönelik yasağının (madde 5(1)(f)) uygulanmaya başladığı tarih | 2 Şubat 2025 | AB Yapay Zeka Tüzüğü, Tüzük (AB) 2024/1689, madde 113 |
| Yasaklı bir yapay zeka uygulamasının kullanımı için azami para cezası | 35.000.000 EUR veya toplam dünya çapındaki yıllık cironun %7’si, hangisi daha yüksekse | AB Yapay Zeka Tüzüğü, madde 99(3) |
| Yasaklanmamış duygu tanıma sistemlerinin (örneğin müşteriler üzerinde) durumu | Yüksek riskli yapay zeka sistemleri olarak listelenir | AB Yapay Zeka Tüzüğü, Ek III, 1(c) bendi |
| AB Yapay Zeka Tüzüğü’nün yayımlandığı hâliyle genel uygulama tarihi | 2 Ağustos 2026 | AB Yapay Zeka Tüzüğü, madde 113 |
| Çalışanların öfke gibi duygularını izlemek için ses tanıma kullanan çağrı merkezi | Yasak | Avrupa Komisyonu yönergeleri, Şubat 2025 |
| Müşterilerin duygularını izlemek için ses tanıma kullanan çağrı merkezi | İşyeri yasağının dışında | Avrupa Komisyonu yönergeleri, Şubat 2025 |
| Ses izleri gibi biyometrik tanımlayıcıları ilgilendiren ihlal başına Illinois’de kanunen belirlenmiş tazminat: ihmal ve kasıt veya pervasızlık | 1.000 $ ve 5.000 $ | Illinois BIPA, 740 ILCS 14/20 |
| Illinois BIPA yürürlük tarihi ve son değişiklik | 3 Ekim 2008; 2 Ağustos 2024’te yürürlüğe giren 103-769 sayılı Kamu Yasası ile değiştirildi | Illinois Genel Kurulu |
Bağlam notu: Komisyon yönergeleri bağlayıcı değil ve yetkili yorum AB Adalet Divanı’na ait. NICE’ın kendi yıllık raporu, Yapay Zeka Tüzüğü’nün “Ağustos 2026’ya kadar kademeli olarak uygulanabilir” olduğu ve uyumsuzluk cezalarının “önemli” olduğu konusunda uyarıyor (NICE 2025 mali yılı Form 20-F).
Özet: Rakamlarla Çağrı Merkezi Konuşma Analitiği Duygu Tespiti Doğruluğu
| Metrik | Değer | Kaynak |
|---|---|---|
| Etkileşim analitiğini zaten kullanan şirketler ve 2025’te uygulamayı planlayanlar | %49,8 ve %29,9 (1.104 şirketin) | Metrigy, AI for Business Success 2025-26 |
| Kalite güvencesi için hâlâ elektronik tablo kullanan iletişim merkezleri | %55 (%65’ten düştü) | Scorebuddy ve Call Centre Helper, Aralık 2025 |
| NICE 2025 toplam geliri | 2.945,4 milyon $ | NICE Form 20-F, 2025 mali yılı |
| 50 gerçek çağrı merkezi görüşmesinde ticari ASR WER’i | %16,5 ile %19,2 | Szymanski ve ark., Findings of EMNLP 2020 |
| Aynı sistemlerin Switchboard telefon karşılaştırma testindeki WER’i | %10,2 ile %11,62 | Szymanski ve ark., Findings of EMNLP 2020 |
| Whisper large-v2 WER’i: okunan sesli kitap konuşması ve CallHome telefon çağrıları | %2,7 ve %17,6 | OpenAI, Whisper makalesi, 2022 |
| Afrika aksanlı çağrı merkezi sesinde WER: en iyi model ve Whisper-large-v3 | %13,45 ve %24,69 | AfriSpeech-MultiBench, arXiv 2025 |
| Çağrı merkezi ifadelerinin duygusunda insanlar arası uzlaşı (Cohen kappa) | 0,605 | ConnexAI araştırmacıları, IntechOpen 2026 |
| ASR transkriptlerinde LLM duygu makro F1’i: tek ifade ve altı konuşma sıralı bağlam | 0,74 ve 0,86 | ConnexAI araştırmacıları, IntechOpen 2026 |
| Telefon çağrısı duygusunda ağırlıklı doğruluk: yalnızca akustik, akustik ve metin, insan | %54,23, %65,65 ve %85,76 | Chen ve ark. (Google), LREC 2020 |
| Gerçek çağrılarda müşteri valansı ve uyarılması üzerinde etiketleyici uzlaşısı (ICC) | 0,62 ve 0,52 | CusEmo çalışması, arXiv 2023 |
| Yapay zeka sohbet asistanından verimlilik artışı, tüm temsilciler ve yeni başlayanlar | %14 ve %34 | NBER Çalışma Raporu 31161 |
| Yapay zeka desteğiyle müşteri duygusundaki değişim (-1 ile 1 ölçeği) ve yöneticiyle görüşme talepleri | +0,18 puan; neredeyse %25 daha az talep | NBER Çalışma Raporu 31161 |
| İşyerinde duygu çıkarsamasına yönelik AB yasağının uygulanmaya başladığı tarih | 2 Şubat 2025 | AB Yapay Zeka Tüzüğü, madde 113 |
| Çalışanların duygularını ve müşterilerin duygularını izlemek için ses tanıma kullanan çağrı merkezi | Yasak ve işyeri yasağının dışında | Avrupa Komisyonu yönergeleri, Şubat 2025 |
| Yasaklı yapay zeka uygulamaları için azami AB para cezası | 35.000.000 EUR veya dünya çapındaki cironun %7’si | AB Yapay Zeka Tüzüğü, madde 99(3) |
| Biyometrik ihlal başına Illinois tazminatı, ihmal ve kasıt | 1.000 $ ve 5.000 $ | Illinois BIPA, 740 ILCS 14 |
Metodoloji ve Kaynaklar
- Metrigy, The Value of Interaction Analytics (AI for Business Success 2025-26, 1.104 şirket) ve aynı araştırmanın Metrigy analizi, 14 Mayıs 2025: benimsenme, planlanan benimsenme, başlıca kullanım alanları, pano tutumları.
- Scorebuddy ve Call Centre Helper, What Contact Centers Are Doing Right Now, 11 Aralık 2025: QA araçları anketi, satıcı sponsorluğunda; örneklem büyüklüğü duyuruda açıklanmamış.
- NICE Ltd, 31 Aralık 2025’te sona eren mali yıl için Form 20-F (SEC EDGAR): gelir, bulut büyümesi, müşteri tabanı, Cognigy bedeli, Yapay Zeka Tüzüğü risk faktörü.
- Verint Systems, 31 Ocak 2025’te sona eren mali yıl için Form 10-K (SEC EDGAR): müşteri tabanı, ülkeler, abonelik payı, bölgesel gelir.
- Szymanski ve ark., WER we are and WER we think we are, Findings of EMNLP 2020: 50 gerçek çağrı merkezi görüşmesinde ticari ASR.
- Radford ve ark. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision, 2022: LibriSpeech, CallHome ve Switchboard üzerinde Whisper WER’i.
- Ashungafac ve ark. (Intron Health), AfriSpeech-MultiBench, arXiv Kasım 2025: 18 ASR sistemi için çağrı merkezi alanı WER’i.
- Jordan, Fonseka, Stacey ve Sitvaev (ConnexAI), Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen, 20 Haziran 2026: insan uzlaşısı, LLM ve sınıflandırıcı duygu doğruluğu, ASR dayanıklılığı. Yazarlar bir iletişim merkezi yapay zeka satıcısında çalışıyor.
- Chen ve ark. (Google), A Large Scale Speech Sentiment Corpus, LREC 2020 (LDC2020T14): Switchboard duygu etiketleri, insan doğruluğu, akustik ve metin temel çizgileri.
- End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations (CusEmo), arXiv 2023: gerçek çağrı merkezi duygu derlemi ve model sonuçları.
- Brynjolfsson, Li ve Raymond, Generative AI at Work, NBER Çalışma Raporu 31161: verimlilik, duygu, yönetici talebi ve personel kaybı sonuçları.
- Tüzük (AB) 2024/1689 (AB Yapay Zeka Tüzüğü), EUR-Lex: madde 3(39), madde 5(1)(f), madde 99(3), madde 113, Ek III, gerekçe 44.
- Avrupa Komisyonu, yasaklı yapay zeka uygulamaları yönergeleri, 4 Şubat 2025 ve çağrı merkezi örneklerinin CMS özeti, 10 Şubat 2025.
- Illinois Genel Kurulu, Biyometrik Bilgi Gizliliği Yasası, 740 ILCS 14: ses izi tanımı ve kanunen belirlenmiş tazminat.
- Veri notu: ticari çağrı merkezi WER çalışması (2020), Whisper makalesi (2022), Switchboard duygu temel çizgileri (2020) ve CusEmo çalışması (2023), kendi ölçümleri için kamuya açık en güncel verilerdir; gerçek çağrı kayıtlarında ticari motorların daha yeni bir kamuya açık testini bulamadık ve bu makalelerde kullanılan çağrı merkezi veri kümeleri özeldir. IntechOpen bölümü bazı yerlerde kendi içinde tutarsız (özeti 3.000 duygu gözleminden söz ederken gövde 8.750 kullanıyor; özette ASR F1 değeri “yaklaşık 0,76” olarak verilirken gövdede 0,74 makro F1 ve 0,76 doğruluk veriliyor); biz gövde tablolarını kullandık. CusEmo makalesinin metni, tablosunda .667 ve .499 olarak listelenen bir ayar için 0,657 ve 0,434 bildiriyor. AfriSpeech-MultiBench’in çağrı merkezi kümesinde yalnızca 16 örnek (0,80 saat) var ve makale hem 18 hem 19 sistemin değerlendirildiğini söylüyor. NBER sonuçları tek bir firmadaki metin sohbetinden geliyor, sesli çağrılardan değil. Metrigy aynı benimsenme sonucunu bir yerde %49,8, başka bir yerde “yalnızca yarısı” olarak tanımlıyor. Manuel QA’nın çağrıların %1 ila %3’ünü kapsadığına dair yaygın olarak tekrarlanan iddialar bağımsız bir ankete dayandırılamadı ve hariç tutuldu. AB Yapay Zeka Tüzüğü takvimi Resmî Gazete’de yayımlandığı hâliyle aktarılmıştır; yüksek riskli yükümlülükler için 2 Ağustos 2026 tarihine güvenmeden önce sonraki değişiklikleri kontrol edin.
Son güncelleme: 27 Ekim 2026. Bu derlemeyi üç ayda bir güncelliyoruz ve bir sonraki yenilemenin, Metrigy bir sonraki AI for Business Success araştırmasını yayımladığında ve NICE bir sonraki yıllık Form 20-F’sini sunduğunda yapılması bekleniyor.