Sağlık Eğitiminde RAG Tabanlı Destek Otomasyonu

Problem

Kurumun destek ekibi, binlerce öğrenciden gelen kayıt, ödeme, sınav, sertifika ve teknik destek sorularının altında kalıyordu. Sorunun ölçekten ibaret olmaması işi zorlaştırıyordu: bir soruya doğru cevap verebilmek için 21 tıp kitabının içeriğini ve kurumun tüm prosedürlerini bilmek gerekiyordu. Sağlık alanında yanlış bilgi vermek kabul edilebilir bir hata değil, dolayısıyla standart bir chatbot bu işi baştan yapamazdı.

Nasıl yaklaştık

21 tıp kitabı ve kurumun tüm içeriği bir vektör veritabanına yüklendi. Gelen her soru önce sınıflandırılıyor: beş ana kategori, on dört alt kategori ve otuzdan fazla etiketle. Ardından semantik arama en ilgili kaynağı buluyor ve yanıt yalnız o kaynağa dayanarak üretiliyor, modelin genel bilgisine değil. Mimarinin belkemiği güven skorlaması: sistem yeterince emin değilse yanıt üretmiyor, konuyu insana devrediyor. Sağlık bağlamında doğru tasarım kararı, kapsamı genişletmek değil, emin olmadığı yerde susmaktı.

Sonuç

• HubSpot ticket'ından sınıflandırmaya, semantik aramadan yanıta ve CRM güncellemesine kadar uçtan uca akış
• Almanca ve İngilizce otomatik dil tespiti
• Süregelen ticket'larda önceki yazışmanın bağlamı korunuyor
• Yanıtlar kaynağa dayalı üretiliyor; modelin genel bilgisi tek başına kullanılmıyor
• Güven skoru eşiğin altındaysa konu otomatik olarak insana devrediliyor