Klarna's AI Reversal: A Postmortem in Three Lessons

Şubat 2024'te Klarna büyük bir duyuru yaptı: Yapay zeka asistanı, 700 müşteri hizmetleri çalışanının işini üstlendi. Rakam hızla yayıldı. Yatırımcı sunumlarında atıf aldı. Tech medyası bunu işyerinde yapay zeka için bir kilometre taşı olarak ele aldı. Anlatı basitti: AI ölçekte çalışıyor, tasarruf gerçek, gelecek burada.

Mayıs 2025'te Klarna sessizce geri adım attı.

Kurucu ve CEO Sebastian Siemiatkowski Bloomberg'e konuştu. Şirket insanları geri çağırıyordu. Direkt sözleri şuydu: "Maliyet, ne yazık ki, çok baskın bir değerlendirme kriteri haline geldi. Sonuçta elimize daha düşük kalite geçiyor."

Şirket şu anda kırsal İsveç'ten uzaktan çalışan ajanlar, öğrenciler ve markaya bağlı kullanıcılarla "Uber tarzı" bir istihdam modelini deniyor. Tasarruf anlatısı kayboldu. "AI 700 kişiyi yerinden etti" hikayesi de kayboldu. Geriye, son zamanların en kamuya açık AI U dönüşlerinden biri ve Klarna'nın playbook'unu takip eden şirketlerde sessiz bir yeniden öğrenme süreci kaldı.

Bu yazı, üç yapısal ders üzerine bir otopsi. Hot take değil. "AI zaten başarısız olacaktı" argümanı da değil. AI Klarna'yı yarı yolda bırakmadı. Klarna'nın AI'ı ölçme şekli yanılttı.

Ders 1: Maliyet odaklı AI projelerinin faturası geç gelir

Önemli olan zaman çizelgesi şudur.

2024'ün ilk çeyreğinde Klarna'nın OpenAI ortaklığıyla geliştirdiği AI asistanı, şirketin "700 tam zamanlı müşteri hizmetleri çalışanına eşdeğer iş" diye tanımladığı yükü almaya başladı. 2024 ortasında Klarna, AI'ın tüm müşteri etkileşimlerinin üçte ikisi ile dörtte üçü arasını yönettiğini söylüyordu. Tasarruf hikayesi operasyonel giderlerde anında göründü. Basın haberleri olumluydu. "700 iş" rakamı kendi başına bir pazarlama varlığına dönüştü.

Hemen görünmeyen şey, müşteri memnuniyeti verisiydi. Bu hep daha uzun sürer.

Müşteri memnuniyeti, ekonomistlerin "geriden gelen gösterge" dediği şeydir. Yavaş hareket eder ve bir AI projesinin ilk haftasında ürettiği sinyaller, geçen çeyrekte insan ekibiyle ürettiği sinyallere neredeyse aynı görünür. Memnuniyet skorları anlamlı şekilde düşene kadar altı ila on iki ay zaten geçer. Bu düşüşler churn, retention etkisi ve marka metrikleriyle korelasyon kurana kadar 18 ay yoldasınızdır.

Klarna'nın geri dönüşü, orijinal AI duyurusundan yaklaşık on dört ay sonra gerçekleşti. Bu zamanlama tesadüf değil. Tam olarak müşteri davranışının operasyonel değişikliklere yetiştiği lag aralığı bu.

Bir AI projesi yürüten herhangi bir ekip için yapısal mesaj rahatsız edici: bir sonraki çeyrek için anlatabileceğiniz tasarruf hikayesi ile gelecek yıl mecburen anlatacağınız kalite hikayesi iki farklı hikayedir. Farklı hızlarda değerlendirilirler ve neredeyse hiçbir zaman birbiriyle örtüşmezler.

Bunu doğru yapan ekipler basit bir şey yapıyor. Raporlanmış AI tasarruflarını 12 aylık bir müşteri memnuniyeti zeminine bağlıyorlar. Memnuniyet o pencerede zeminin altına düşerse, tasarruf rakamı kutlanmaktan çıkıp gözden geçirilmeye başlıyor. Klarna ikisini kamuya açık şekilde birbirine bağlamamıştı; hesap geldiğinde tasarruf anlatısı yatırımcılara ve IPO planlamasına çoktan satılmıştı.

Ders 2: "AI sorguların %X'ini yönetiyor" bir kalite metriği değildir

Klarna'nın AI hikayesinde en çok tekrarlanan sayı, asistanın müşteri etkileşimlerinin üçte ikisini ile dörtte üçü arasını yönettiğiydi. O cümleyi dikkatli tekrar okuyun.

"Çözdü" demiyor. "Müşteriyi memnun etti" demiyor. "İnsan müdahalesine ihtiyaç duymadı" demiyor. "Yönetti" diyor.

Müşteri hizmetleri operasyonlarında "yönetti" bir yönlendirme metriğidir. Hangi kanal veya sistemin sorguya ilk dokunduğunu söyler. Sorgunun iyi yanıtlanıp yanıtlanmadığını, müşterinin aynı sorunla geri gelip gelmediğini, etkileşimin escalation ile mi bittiğini, yoksa müşterinin pes edip iletişimi kesip kesmediğini söylemez.

Müşteriler Klarna'ya hangisi olduğunu söyledi. FinTech Weekly ve Vice'ın raporladığı üzere, Klarna'da müşteri şikayetleri arttı, memnuniyet skorları düştü ve kullanıcılar generic, tekrarlı, nüanslı sorunları çözmeyen yanıtlardan kaynaklanan kalıcı bir frustrasyon dile getirdi.

İki metrik birbirine karıştırılıyordu:

Yönlendirme oranı: AI ajanının ilk yanıtlayıcı olarak üzerine aldığı sorguların yüzdesi

Çözüm oranı: O sorguların memnun bir müşteri ve takibe gerek kalmamasıyla biten yüzdesi

Yönlendirme oranı AI ile harika görünür. Çözüm oranı çoğu zaman görünmez. İkisi arasındaki fark, müşteri ilişkilerinin sessizce aşındığı yerdir ve maliyet gerekçeli AI projelerinin çoğunun kör noktası burasıdır.

Taktiksel çözüm egzotik değil. Çözüm oranını birinci haftadan itibaren ölçün. Haftalık takip edin. AI öncesi insan referansıyla kıyaslayın. AI öncesi referansınız yoksa, bunu ölçüm boşluğu olarak belgeleyin ve referans kuruluna kadar AI'a tasarruf atfetmeyi durdurun.

Klarna'nın CEO'su sonunda Bloomberg söyleşisinde sessiz kısmı yüksek sesle söyledi: maliyet değerlendirmesi projeyi domine etti, sonuçta kalite düştü. Bu, şirketin başından beri çözüm oranını ölçseydi varacağı sonucun aynısı.

Ders 3: Müşteri memnuniyeti gerçek zamanlı bir metrik değildir

Üçüncü yapısal ders, operasyon ekiplerini en çok şaşırtan derstir. Çoğu şirket müşteri memnuniyetini mevcut dönem metriği gibi görür. Conversion rate ya da NPS'e bakar gibi bakar. Bir çeyrekteki hareket anlamlı hisseder. İstikrar rahatlatıcı hisseder.

Bu zihinsel model AI projeleri için yanlıştır.

Bir şirket insan odaklı bir hizmet katmanını AI odaklı olanla değiştirdiğinde, müşteri deneyimindeki değişim anında hissedilmez. Müşteriler uyum sağlar. Yeni sistemi denerler, generic bir yanıt alırlar, gerçek bir çözüm beklemekten vazgeçerler ve beklentilerini düşürürler. Her zaman şikayet etmezler. Sadece iyi hizmet beklemeyi bırakırlar. Memnuniyet düşüşü anket verisine ancak müşterinin birkaç kötü etkileşim yaşayıp kötü etkileşimin yeni normal olduğuna karar vermesinden sonra yansır.

O noktaya gelindiğinde retention zaten vurulmuştur. Mevcut çeyrek dashboard'unda iyi görünen churn cohort'ları, dört-altı çeyrek sonra kompromize olduklarını ortaya çıkarır. IPO değerlendirmelerini besleyen net revenue retention rakamları, kayıt olan müşteri tabanına göre değil, gerçekten kalan tabana göre yeniden hesaplanır.

Klarna'nın 2024 boyunca IPO anlatısı operasyonel verimliliğe, AI kaynaklı tasarruflar dahil, ağır bir vurgu yapıyordu. Mayıs 2025'teki dönüş gerçekleştiğinde anlatının yeniden inşa edilmesi gerekti. Şirket artık insanları yerinden eden bir hikaye anlatmıyordu. Hibrit müşteri deneyimi ve pilot istihdam modelleri hakkında bir hikaye anlatıyordu. Bu farklı bir değerleme hikayesidir.

Bir AI projesi içindeki herhangi bir ekip için yapısal mesaj, tasarrufu kamuya AI'a atfetmeden önce bir "memnuniyet zemini" kapısı kurmaktır. Basın bültenini ikinci ayda yazmayın. Tasarruf rakamını bir sonraki kazanç sunumuna koymayın. Lag penceresinin kapanmasını bekleyin. Memnuniyet tutarsa atfedin. Düşerse, tasarruflar gelecekteki gelirden ödünç alınmıştı ve bunu piyasadan önce sizin bilmeniz gerekir.

Daha büyük örüntü

Kalite ölçümü için optimize edilmeden maliyet için optimize edilen AI projeleri, 2000'lerdeki outsourcing dalgaları ve 2010'lardaki offshoring dalgalarıyla aynı yapısal kör noktayı yaratır. Araç değişir. Kör nokta değişmez.

Üç durumda da tasarruflar bir sonraki çeyrekte ortaya çıkar. Kalite maliyeti iki yıl sonra ortaya çıkar. Yanan şirketler, tasarrufu manşet olarak ele alıp yatırımcı beklentilerine kilitleyen ve davranışsal veri yetiştiğinde kamuya geri adım atmak zorunda kalanlardır.

Yanmayan şirketler sıkıcı bir şey yapar. Maliyetle aynı anda kaliteyi de ölçerler. İki metriği iç olarak yayınlarlar. Lag penceresi kapanana kadar tasarrufu geçici sayarlar. Müşteri yüzlü bir AI projesini müşterilere sunmadan önce yatırımcılara sunmazlar.

Internative'deki kendi partner görüşmelerimizde, 2024 ve 2025'te müşteri yüzlü rolleri agresif şekilde kesen orta ölçekli şirketler arasında benzer bir örüntü görüyoruz. Pek çoğu şimdi sessizce insan katmanını yeniden kuruyor. En zor kısım nadiren teknik yeniden yapılandırma. En zor kısım, sadece projenin değil, orijinal ölçüm modelinin de yanlış olduğunu kabul etmek.

Klarna geri dönüşü, önümüzdeki on yıl boyunca işletme okullarında ve AI yönetişim çerçevelerinde örnek olay olacak. Dersler AI'ın çalışıp çalışmadığı hakkında değil. AI çalışıyor. Dersler, AI projelerini ölçme şeklimizin AI'ı uyguladığımız müşterilere karşı dürüst olup olmadığı hakkında.

Proje ortasındaysanız ne yapmalısınız?

Şu anda bir AI müşteri hizmetleri projesinin ortasındaysanız, üç somut aksiyon:

Metriklerinizi denetleyin. Projeyi değerlendirmek için kullandığınız her metriği yazın. Her birini "operasyonel" (maliyet, yönlendirme, throughput) veya "kalite" (çözüm, memnuniyet, retention) olarak sınıflandırın. Kalite metriklerinizden çok operasyonel metriğiniz varsa, Klarna'nın olduğu kör noktadasınız.

Çözüm oranını bu hafta ölçmeye başlayın. Gelecek çeyrek değil. Bu hafta. AI öncesi referansınızla kıyaslayın. AI öncesi referansınız yoksa, bunu ölçüm boşluğu olarak belgeleyin ve referans kuruluna kadar AI tasarruflarını atfetmeyi durdurun.

Memnuniyet zemini kapısı kurun. Proje tasarruf raporlamadan önce, hangi memnuniyet düşüşü seviyesinin gözden geçirme tetikleyeceğini belirleyin. Yazılı hale getirin. Tasarruf anlatısını ona bağlayın. Zemin kırılırsa, tasarruflar artık basın bülteni olmaktan çıkar.

AI projesi ölçüm modelinize ikinci bir göz isterseniz, bu yazıya yanıt verin veya internative'e DM atın. Son altı aydır orta ölçekli müşterilerle tam bu konuşmayı yapıyoruz, ve örüntü istediğimizden daha sık tekrarlanıyor.

Kaynaklar

Klarna Turns From AI to Real Person Customer Service (Bloomberg, 8 Mayıs 2025)

Klarna plans to hire humans again (Fortune, 9 Mayıs 2025)

Klarna CEO says company will use humans to offer VIP customer service (TechCrunch, 4 Haziran 2025)

Klarna Is Hiring Customer Service Agents After AI Couldn't Cut It (Entrepreneur, Mayıs 2025)

Klarna Reverses Course on AI Customer Support, Resumes Human Hiring (FinTech Weekly)

Klarna CEO admits aggressive AI job cuts went too far (mlq.ai)