Getir, kullanıcıların alışverişe ayırdığı zamanı azaltmak için yapay zeka destekli özelliklerini genişletirken, şirketin asıl iddiası uygulamada görünen önerilerden çok siparişin arkasındaki operasyonel karar sistemlerinde yatıyor.
Siparişin arkasındaki karar sistemi
Getir Teknoloji ve Üründen Sorumlu Genel Müdür Yardımcısı Kaan Emeç, şirketin yapay zekayı son dönemde ortaya çıkan bir trend olarak değil, 2015’ten bu yana hızlı teslimat modelinin temel bileşenlerinden biri olarak kullandığını söyledi. Emeç’e göre Getir’in teknoloji altyapısı, bugün milyarlarca veri noktasıyla beslenen ve gerçek zamanlı kararlar üreten bir omurgaya dönüşmüş durumda.
Şirketin yapay zeka yaklaşımı, tek bir büyük modelin her şeyi yönetmesinden çok, siparişin farklı aşamalarında çalışan küçük ve uzmanlaşmış modellerin birlikte karar vermesine dayanıyor. Emeç, basın toplantısında yaptığı değerlendirmede, Getir’de her siparişin arkasında “bir sürü mikro yapay zeka modeli” çalıştığını belirtti. Bu modeller, kullanıcının konumu, deponun yoğunluğu, kurye sayısı, hava durumu, trafik, geçmiş teslimat verisi ve yakın zamanda sipariş verme olasılığı bulunan kullanıcılar gibi değişkenleri aynı anda değerlendiriyor.
Bu sistemin en görünür çıktılarından biri Tahmini Varış Süresi. Getir’in aktardığına göre TVS sistemi, kurye yoğunluğu, trafik durumu, sipariş hacmi, hava koşulları ve güvenlik standartları gibi onlarca parametreyi saniyeler içinde işliyor. Emeç, toplantıda uygulamada gösterilen teslimat sürelerinde yakın dönemde yüzde 95’in üzerinde doğruluk yakaladıklarını ve sistemin her 30 saniyede bir günün, saatin, havanın ve sipariş yoğunluğunun gerçek koşullarına göre yeniden güncellendiğini söyledi.
Teslimat süresi sürekli yeniden hesaplanıyor
Emeç’e göre bu yapı, hızlı teslimat modelini klasik bir lojistik probleminden ayırıyor. Bir sipariş verildiğinde sistem yalnızca en yakın kuryeyi seçmiyor; siparişlerin birleştirilip birleştirilemeyeceğini, kullanıcının vaat edilen sürede teslimat alıp alamayacağını, kuryenin güvenli biçimde taşıyabileceği ağırlığı ve rotanın uygunluğunu da birlikte hesaplıyor. Emeç, önceliğin sırasıyla kurye güvenliği, kullanıcı deneyimi ve maliyet optimizasyonu olduğunu vurguladı.
Kurye güvenliği tarafında da yapay zeka destekli ayrı bir takip sistemi çalışıyor. Toplantıda paylaşılan bilgilere göre Getir, kuryelerin hızlanma, yavaşlama, ani frenleme, yalpalama, güzergah dışına çıkma ve trafik ihlali gibi hareketlerini analiz ederek güvenlik skoru oluşturuyor. Skorların belirli eşiklerin altına düşmesi durumunda saha güvenlik ekipleri devreye giriyor; ihlalin seviyesine göre uyarı, eğitim veya sistemden çıkarma gibi aksiyonlar alınabiliyor.
Güvenlik de modelin parçası
Şirket, kuryelerin çevre yolu ve köprü gibi ana arterlere çıkmasını da güvenlik gerekçesiyle engellediğini aktarıyor. Emeç, kuryelerin kullanmaması gereken yolların sistemde tanımlı olduğunu, bu sınırlara uyulmaması halinde rota dışı hareketlerin takip edildiğini söyledi. Getir Kurumsal İletişim Direktörü Dilge Berktaş’ın toplantıda paylaştığı bilgiye göre saha ekipleri de yoğun bölgelerde gözlem yaparak güvenlik denetimlerine destek veriyor.
Yapay zeka yalnızca teslimat ve kurye tarafında değil, stok ve kampanya yönetiminde de kullanılıyor. Getir’in açıklamasına göre sistem, hangi ürünün hangi depoya ne zaman yönlendirilmesi gerektiğini belirleyebiliyor. Emeç’in toplantıda verdiği örneğe göre depolardaki son kullanma tarihi yaklaşan ürünler için atık riski oluştuğunda sistem bunu fiyatlama ve kampanya modellerine iletiyor; ardından ilgili ürünler için indirim, paket teklif veya benzer kampanya mekanikleri devreye alınabiliyor. Böylece hem atık riski hem de operasyonel maliyet azaltılmaya çalışılıyor.
Alışveriş tarafında hedef karar yükünü azaltmak
Getir’in kullanıcıya doğrudan görünen yapay zeka özellikleri ise alışveriş kararlarını azaltmaya odaklanıyor. GetirBüyük’teki “Hazır Sepetin” özelliği, kullanıcının geçmiş alışveriş alışkanlıklarına göre kişiselleştirilmiş ürün önerileri sunuyor. Şirketin kullanıcı araştırmasına göre bu özelliği gören kullanıcıların yüzde 90’ı, önerilen ürünlerin daha önce sık satın aldıkları ve gerçekten ihtiyaç duydukları ürünler olduğunu düşünüyor.
Emeç, toplantıda Hazır Sepetin’in herkese rastgele gösterilmediğini de söyledi. Buna göre sistem, yeterli alışveriş verisi olmayan kullanıcıya ürün önermek yerine, anlamlı bir kişiselleştirme yapılabilecek durumlarda devreye giriyor. Emeç, son altı ayda en az üç sipariş veren kullanıcılarda öneri üretilebildiğini belirtti. Bu yaklaşım, Getir’in öneri sistemlerinde “ürün iteleme” yerine gerçek ihtiyaç tahminine odaklandığı iddiasını destekliyor.
“Alışveriş Listem” özelliği de benzer biçimde karar yükünü azaltmayı hedefliyor. Kullanıcı, fotoğraf olarak yüklediği ya da telefon notlarında metin olarak tuttuğu alışveriş listesini uygulamaya aktarabiliyor; sistem bu listeyi otomatik olarak sepete dönüştürüyor. Emeç’in aktardığına göre kullanıcı yalnızca “süt” ya da “cips” yazsa bile sistem geçmiş alışveriş tercihlerinden yola çıkarak kullanıcının daha önce tercih ettiği ürün tipini sepete getirmeye çalışıyor.
Yemek seçiminde yorum ve davranış verisi kullanılıyor
GetirYemek tarafında ise “Ne Yesem” özelliği restoran ve yemek seçimini kolaylaştırmak için kullanılıyor. Şirket, bu aracı Türkiye’nin ilk kişiselleştirilmiş yemek öneri aracı olarak tanımlıyor. Kullanıcılar, restoranların en çok tercih edilen ürünlerini, yorumları ve performans verilerinden oluşturulan özetlerle görebiliyor. Yapay zeka destekli restoran özetleri, yorum ve davranış verilerini analiz ederek kullanıcılara daha hızlı karar verme imkanı sunarken, restoranlara da anlamlı geri bildirim sağlıyor.
Emeç, yapay zekanın Getir’deki ana işlevini “karar yükünü azaltmak” olarak konumlandırıyor. Ona göre alışveriş, sürekli tekrar eden küçük kararların toplamı. Kullanıcının ne alacağını, neyin eksik olduğunu, hangi ürünü seçeceğini ve ne yiyeceğini düşünmek için harcadığı süre, Getir’in çözmeye çalıştığı ana problemlerden biri. Şirket, uygulama içine eklediği yeni özelliklerle kullanıcılara Getir sayesinde ne kadar zaman kazandıklarını göstermeyi ve bu zamanın finansal karşılığını hesaplamayı da hedefliyor.
Getir’in yapay zeka stratejisinde dikkat çeken diğer nokta, modellerin yalnızca son kullanıcı deneyiminde değil, şirket içi iş akışlarında da kullanılması. Emeç, toplantıda Getir’in kendi içinde “Gemu” adlı bir yapay zeka aracı kullandığını, sistemin şirketin kendi AWS sunucularında çalıştığını ve verinin dışarı çıkmadan farklı model seçenekleriyle işlenebildiğini söyledi. Şirket ayrıca yazılım geliştirme süreçlerinde kod inceleme ve ekipler arası bilgi paylaşımı gibi alanlarda da farklı yapay zeka araçlarını test ediyor.
Emeç’e göre yapay zekanın şirketlerde fark yarattığı nokta model kurmak değil, modeli gerçek bir iş problemine bağlayabilmek. Getir’in iddiası da bu noktada şekilleniyor. Şirket, yapay zekayı yalnızca kullanıcının gördüğü öneri ekranlarında değil, siparişin tahmin edilmesinden kuryenin rotasına, stok seviyesinden kampanya yoğunluğuna kadar operasyonun görünmeyen karar katmanlarında konumlandırıyor.
