AI Cihaz Fotoğraf Hasar Ön Değerlendirme

Bu ürün, müşteri kabulünü dijitalleştirmek ve fiziksel hasar tespitini veriyle desteklemek isteyen servis firmaları için tasarlanmıştır. Müşteri cihazıyla kapıdan girmeden önce bile servis ekibinin temel bilgilere sahip olması; doğru teknisyen ataması, uygun parça hazırlığı ve gerçekçi beklenti yönetimi açısından kritik avantaj sağlar.

• Mobil cihaz ve ekran tamir servisleri: Ekran çatlağı, gövde ezilmesi, tuş hasarı ve kamera kırığı gibi görsel olarak değerlendirilebilir arızalar için en yüksek fayda buradadır. Müşteri fotoğraf gönderir, sistem olası hasar kategorisini ve şiddet düzeyini ön olarak değerlendirir; teknisyen cihaz elinde olmadan işe hazırlanmaya başlar.
• Beyaz eşya ve büyük ev aletleri servisleri: Kapı contası hasarı, gövde çarpması, panel kırığı ve ön cam çatlağı gibi görsel arızalarda saha teknisyeni ev ziyareti öncesi ön bilgi sahibi olur; gerekli parçayı yanında götürme ihtimali artar, ikinci ziyaret azalır.
• Sigorta ve hasar ekspertiz firmaları: Sigortalı cihaz için poliçe sahibi fotoğraf gönderir; sistem ön hasar kategorisi ve tahmini şiddet raporu üretir. Bu rapor kesin ekspertiz değil, ön referans ve önceliklendirme niteliğindedir; insan eksper zamanı kritik vakalara ayrılır.
• Kurumsal filo ve BT servis operatörleri: Çok sayıda cihazın görsel hasar ön taramasını merkezi ve tutarlı biçimde yapar; öncelik sıralaması hasar şiddetine göre otomatikleşir; kritik cihazlar işin önüne geçer.
• E-ticaret ve kargo sonrası hasar tespiti: Kargo hasarı iddiasıyla geri gönderilen ürünlerin fotoğraflarını sınıflandırır; iade, tamir veya ret kararını hızlandırır; insan inceleme kuyruğu yalnızca belirsiz vakalara kalır.
• Garanti ve hasar süreci yürüten üretici yetkili servisleri: Garanti kapsamı değerlendirmesini hızlandırmak için ön hasar tipini belgeler; garanti dışı fiziksel hasar tespiti daha tutarlı ve standart biçimde yapılır.

En iyi sonuç için cihazın iyi ışıkta, net ve birden fazla açıdan çekilmiş fotoğrafları gereklidir. Bulanık, karanlık veya hasarlı bölgeyi gizleyen görüntülerde sistem güvenilir değerlendirme üretemez ve kullanıcıya açıkça bildirir.

Bu sistem bir yapay zekâ karar destek aracıdır. Fotoğraftan üretilen hasar ön değerlendirmesi görsel örüntü analizine dayalıdır ve kesin teşhis niteliği taşımaz. Cihaz açıldıktan sonra gerçek hasar farklı çıkabilir. Kesin teşhis, onarım kararı ve maliyet belirleme yetkili teknisyene aittir.

Teknik servislerde müşteri kabulü ve hasar değerlendirme sürecinde bilgi asimetrisi her iki tarafı zorlar ve doğrudan operasyonel verimsizliğe dönüşür:

AI Cihaz Fotoğraf Hasar Ön Değerlendirme sistemi bu sorunları şu şekilde ele alır:

• Fotoğraf tabanlı ön değerlendirme: Müşteri chatbot, web formu veya WhatsApp üzerinden fotoğraf gönderir; AI görüntüyü analiz ederek hasar tipini (ekran çatlağı, gövde ezilmesi, sıvı teması izi, yanma izi vb.) ve şiddet düzeyini (hafif, orta, ağır) sınıflandırır. Güven skoru her sonuçla birlikte sunulur.
• Arıza kaydı öncesi bilgi zenginleştirme: Sınıflandırma sonucu arıza kaydına eklenir; teknisyen cihazı görmeden önce görsel bağlam elde eder; doğru ekipman ve parçayla hazırlanır.
• Beklenti yönetimi ve şeffaflık: Sistem ön değerlendirmeyi müşteriye de gösterir; olası onarım kategorisi hakkında genel bilgi verir ve kesin fiyat taahhüdü vermediğini açıkça belirtir. Müşteri gerçekçi beklentiyle servise gelir.
• Öncelik skoru ve iş kuyruğu yönetimi: Ağır hasar sınıflandırılan cihazlar listede öne alınır; acil kabul sürecine yönlendirilir. Servis kapasitesi hasar şiddetine göre dengeli dağıtılır.
• Garanti dışı hasar belgeleme: Fiziksel hasar fotoğrafı ve ön sınıflandırma sonucu servis arşivine kaydedilir; garanti kapsamı tartışmalarında nesnel referans sağlar.

Kritik not: Fotoğraf analizi görünen yüzey bilgisine dayalıdır. İç bileşen hasarı, su emme derinliği, kısa devre veya kılıf altındaki ezikler fotoğraftan tespit edilemez. Kesin teşhis yalnızca cihaz açıldıktan sonra teknisyen tarafından yapılabilir; görüntü analizi bu tespiti garanti etmez ve yerine geçemez.

Sistem iki temel modülden oluşur ve müşteri ile servis arasındaki bilgi akışını hızlandırmak üzere tasarlanmıştır; her adımın net girdisi, işlem mantığı ve çıktısı vardır:

Proje Aşamaları ve Süreler

1. Veri Toplama ve Etiketleme (2–3 hafta): Servis arşivindeki cihaz hasarı fotoğrafları toplanır; hasar tipi ve şiddet düzeyi uzman etiketlemesiyle işaretlenir. Veri yetersizse genel açık veri setleriyle desteklenir. Etiket tutarlılığı çift kontrol protokolüyle doğrulanır.
2. Model Eğitimi ve Doğrulaması (2–3 hafta): Konvolüsyonel sinir ağı tabanlı görüntü sınıflandırma modeli eğitilir; sınıf dengesi, veri artırma teknikleri ve doğrulama metrikleri (kesinlik, geri çağırma, F1) raporlanır. En iyi model seçilerek test edilir.
3. Müşteri Arayüzü ve Entegrasyon (2–3 hafta): Web formu, chatbot veya WhatsApp Business API üzerinden fotoğraf yükleme akışı kurulur; sınıflandırma sonucunun arıza kaydına otomatik eklenmesi sağlanır. Müşteri bildirimi ve onay akışı test edilir.
4. Test ve Kalibrasyon (1–2 hafta): Gerçek servis fotoğraflarıyla model test edilir; düşük güven skorlu durumlarda insan inceleme yönlendirmesi yapılandırılır; eşikler ayarlanır.
5. Canlıya Alış ve İzleme (1 hafta): Gerçek müşteri fotoğraflarıyla pilot; tahmin ve gerçek karşılaştırması izlenir; ilk hafta bulguları raporlanır ve gerekirse ek kalibrasyon yapılır.

Müşteri ve Servis Akışı

• Müşteri web formu, chatbot veya WhatsApp üzerinden cihaz fotoğrafını veya fotoğraflarını yükler; birden fazla açıdan fotoğraf önerilir.
• Sistem fotoğraf kalitesini otomatik kontrol eder; bulanık, karanlık veya yetersiz açılı görüntüler için müşteriden daha net görüntü istenir.
• Analiz tamamlanır; hasar tipi, şiddet düzeyi, güven skoru ve genel açıklama hem müşteriye hem de servis arıza kaydına iletilir.
• Sonuçta her zaman kesin teşhis ve maliyet teknisyen incelemesi sonrası belirlenir uyarısı yer alır; bu uyarı hiçbir zaman kaldırılmaz.
• Teknisyen cihazı kabul ederken fotoğraf analizini referans alır; gerçek tespiti sisteme girer; sapma kaydedilir ve model iyileştirme verisine dönüşür.
• Ağır hasar sınıflandırması otomatik olarak servis yöneticisine bildirilir; acil veya yüksek değerli iş olarak işaretlenir.

Teknik Altyapı

• Transfer öğrenme ile eğitilmiş konvolüsyonel sinir ağı (CNN) tabanlı görüntü sınıflandırma modeli
• Görüntü kalite filtresi: bulanıklık, aydınlık ve açı kontrolü otomatik uygulanır
• REST API üzerinden CRM ve arıza kayıt sistemi entegrasyonu; gerçek zamanlı veri akışı
• Güven skoru eşiğinin altındaki görüntüler için insan inceleme kuyruğu; hiçbir düşük güvenli sonuç müşteriye kesin gibi sunulmaz

Müşterilere ait cihaz fotoğrafları kişisel veri kapsamında değerlendirilebilir; sistemin güvenlik mimarisi bu yasal ve etik gerçeği temel alır. Aşağıdaki önlemler proje tesliminde standart olarak uygulanır:

• KVKK uyumu ve açık rıza: Müşterinin fotoğraf gönderdiği adımda açık rıza alınır ve KVKK aydınlatma metni gösterilir. Görüntüler yalnızca arıza analizi amacıyla kullanılır; pazarlama, profil oluşturma veya üçüncü taraf paylaşımı kesinlikle yoktur.
• Veri saklama ve otomatik silme: Arıza kaydı kapandıktan belirli bir süre sonra (yapılandırılabilir, varsayılan 30–90 gün) ham görüntüler otomatik silinir. Saklama süresi firmanın veri politikasına uygun biçimde yapılandırılır.
• Şifreli aktarım ve güvenli depolama: Fotoğraf yüklemeleri TLS 1.3 üzerinden yapılır; depolamada endüstri standardı şifreleme uygulanır. Görüntülere harici erişim yoktur.
• Düşük güven eşiği yönlendirmesi: Model güven skoru belirli eşiğin altında kaldığında görüntü otomatik olarak insan inceleme kuyruğuna alınır; yanlış sınıflandırma riski taşıyan sonuçlar müşteriye kesin değerlendirme olarak sunulmaz. Bu kural değiştirilemez.
• Erişim kontrolü ve veri minimizasyonu: Fotoğraf arşivine erişim yalnızca yetkili servis personeline açıktır; dış erişim kapalıdır. Yalnızca analiz için zorunlu veri toplanır; gereksiz kişisel bilgi talep edilmez.
• Yedek çalışma ve süreklilik: AI görüntü servisi geçici olarak erişilemez olduğunda sistem manuel arıza kaydı moduna geçer; servis akışı durmaz. Son model sürümü her zaman yedeklenir.

Önemli Uyarı: Bu sistem bir yapay zekâ karar destek aracıdır. Fotoğraftan üretilen hasar ön değerlendirmesi görsel yüzey analizine dayalı istatistiksel tahmindir; kesin teşhis, onarım kararı veya maliyet garantisi içermez. İç bileşen hasarı, sıvı hasarının boyutu ve gizli arızalar fotoğrafla tespit edilemez. Cihaz açıldıktan sonra gerçek durum farklı çıkabilir. Kesin teşhis ve maliyet belirleme sorumluluğu yetkili teknisyene aittir; bu sistem teknisyenin yerini alamaz ve almaz.