Müşteri hizmetleri ekibinin her gün yüzlerce, hatta binlerce talep aldığını düşün. E-postalar, destek biletleri, canlı sohbet mesajları… Bunların her birini manuel olarak okuyup doğru departmana yönlendirmek hem zaman kaybı hem de hata riski demek. İşte tam bu noktada AI ajanı devreye giriyor. Gelen talepleri otomatik olarak sınıflandıran ve ilgili ekibe yönlendiren bir yapay zeka sistemi kurmak, operasyonel verimliliği ciddi şekilde artırabilir.
Bu rehberde, talep sınıflandırma ve yönlendirme için bir AI ajanı nasıl kurulur adım adım göreceğiz. Hangi araçlara ihtiyacın var, hangi modelleri kullanabilirsin, entegrasyon sürecinde nelere dikkat etmelisin—hepsini ele alacağız.
Başlamadan Önce: Gerekenler
AI ajanı kurulumuna geçmeden önce bazı hazırlıkları tamamlaman gerekiyor. Eksik bir altyapıyla başlamak, ileride ciddi sorunlara yol açabilir.
Araçlar ve İhtiyaçlar
- Bir bulut platformu hesabı (AWS, Google Cloud veya Azure)
- API erişimi olan bir LLM servisi (OpenAI, Anthropic, Amazon Bedrock vb.)
- Python veya Node.js geliştirme ortamı
- Mevcut destek sisteminle entegrasyon için API dokümantasyonu
- Test için örnek talep verileri (en az 100-200 adet)
Ön Koşullar
- Temel programlama bilgisi (API çağrıları yapabilecek düzeyde)
- Mevcut talep kategorilerinin net bir listesi
- Yönlendirme kurallarının tanımlanmış olması (hangi kategori hangi ekibe gidecek)
- Veri gizliliği politikalarının belirlenmesi
AI Ajanı ile Talep Sınıflandırma Nasıl Çalışır?
Bir AI ajanı, gelen metni analiz ederek önceden tanımlanmış kategorilerden birine atar. Bu işlem genelde şu adımlarla gerçekleşir: metin önişleme, model çıkarımı ve sonuç eşleştirme. Modern dil modelleri sayesinde bu süreç oldukça yüksek doğruluk oranlarına ulaşabiliyor.
Pratikte en sık kullanılan iki yaklaşım var:
- Prompt tabanlı sınıflandırma: Hazır bir LLM’e kategorileri ve kuralları prompt olarak verirsin. Model, gelen talebi bu kurallara göre sınıflandırır. Hızlı kurulum avantajı var ama maliyet yüksek olabilir.
- Fine-tuned model: Kendi verilerinle eğitilmiş özel bir model kullanırsın. Başlangıç maliyeti yüksek ama uzun vadede daha ekonomik ve doğru sonuçlar verir.
Küçük ve orta ölçekli işletmeler için prompt tabanlı yaklaşım genelde yeterli oluyor. Günlük binlerce talep işleyen büyük organizasyonlar ise fine-tuned modellere yöneliyor.
Basit Bir Senaryo
Diyelim ki bir e-ticaret şirketinin destek hattını yönetiyorsun. Gelen talepler şu kategorilere ayrılıyor: “Sipariş Takibi”, “İade/Değişim”, “Ödeme Sorunları”, “Ürün Bilgisi” ve “Diğer”. Bir müşteri “Siparişim 5 gündür gelmedi, kargo nerede?” diye yazıyor. AI ajanı bu mesajı analiz ediyor, “Sipariş Takibi” kategorisine atıyor ve otomatik olarak lojistik ekibine yönlendiriyor. Tüm bu işlem saniyeler içinde gerçekleşiyor.
AI Ajanı Kurulum Adımları
Şimdi pratik kısma geçelim. Aşağıdaki adımları takip ederek temel bir talep sınıflandırma ve yönlendirme sistemi kurabilirsin.
1) Kategorileri ve yönlendirme kurallarını tanımla
İlk adım, net kategori tanımları oluşturmak. Her kategorinin ne anlama geldiğini, hangi anahtar kelimeleri içerebileceğini ve hangi ekibe yönlendirileceğini belgele. Belirsiz kategoriler, modelin kafasını karıştırır ve yanlış sınıflandırmalara yol açar.
2) Prompt şablonunu hazırla
LLM’e vereceğin sistem promptunu dikkatlice tasarla. Kategorileri, her birinin kısa açıklamasını ve beklenen çıktı formatını belirt. Örneğin JSON formatında kategori adı ve güven skoru döndürmesini isteyebilirsin.
3) API entegrasyonunu kur
Seçtiğin LLM servisinin API’sini projene entegre et. Kimlik doğrulama, hata yönetimi ve rate limiting gibi konuları baştan ele al. Üretim ortamında beklenmedik kesintilere karşı retry mekanizması eklemek önemli.
4) Yönlendirme mantığını kodla
Model çıktısını alıp ilgili aksiyonu tetikleyen kodu yaz. Bu genelde bir webhook çağrısı, veritabanı güncellemesi veya mevcut destek sistemine API isteği şeklinde olur.
5) Test ve kalibrasyon yap
Örnek verilerle sistemi test et. Yanlış sınıflandırmaları analiz edip promptu veya kategori tanımlarını güncelle. Bu iteratif bir süreç; ilk seferde mükemmel sonuç bekleme.
Pro İpucu: Düşük güven skorlu sınıflandırmaları otomatik olarak insan incelemesine yönlendir. Bu hem hata oranını düşürür hem de modelin öğrenmesi için değerli veri sağlar.
Yönlendirme Stratejileri ve En İyi Uygulamalar
Sınıflandırma tek başına yeterli değil; doğru yönlendirme stratejisi de kritik. İşte pratikte işe yarayan bazı yaklaşımlar:
- Öncelik bazlı yönlendirme: Acil talepleri (ödeme sorunları, hesap güvenliği) öncelikli kuyruğa al.
- Yetenek bazlı yönlendirme: Teknik soruları teknik ekibe, faturayla ilgili soruları finans ekibine yönlendir.
- Yük dengeleme: Aynı kategorideki talepleri ekip üyeleri arasında eşit dağıt.
- Eskalasyon kuralları: Belirli anahtar kelimeler veya müşteri segmentleri için otomatik eskalasyon tanımla.
Genelde şu yüzden sorun çıkar: Kategoriler çok geniş veya çok dar tanımlanmış olur. “Genel Sorular” gibi belirsiz bir kategori, zamanla çöp kutusu haline gelir. Öte yandan çok spesifik kategoriler de modelin işini zorlaştırır. Dengeli bir yapı için 5-15 arası ana kategori hedefle.
Şu Durumda Ne Yaparsın?
Bir talep birden fazla kategoriye uyuyor gibi görünüyorsa ne olacak? Örneğin müşteri hem iade istiyor hem de ödeme sorunu yaşıyor. Bu durumda iki seçeneğin var: Ya çoklu etiketleme yaparsın (talep her iki ekibe de gider), ya da birincil kategori belirleme kuralı koyarsın (örneğin ödeme sorunları her zaman öncelikli). Hangi yaklaşımı seçeceğin, iş süreçlerine bağlı.
Performans İzleme ve Sürekli İyileştirme
AI ajanını kurduktan sonra iş bitmiyor. Sürekli izleme ve iyileştirme şart. Takip etmen gereken temel metrikler:
- Doğruluk oranı: Sınıflandırmaların yüzde kaçı doğru?
- Ortalama işlem süresi: Talep gelişinden yönlendirmeye kadar geçen süre.
- Yeniden yönlendirme oranı: Yanlış ekibe gidip manuel düzeltilen talep yüzdesi.
- Müşteri memnuniyeti: Yönlendirme sonrası çözüm süresi ve CSAT skorları.
Haftalık veya aylık raporlar oluşturup trendleri analiz et. Belirli bir kategoride sürekli hata varsa, o kategorinin tanımını veya örnek verilerini gözden geçir. Yeni ürün veya hizmet eklediğinde kategori listesini güncellemeyi unutma.
Kilit Çıkarım: En iyi AI sistemleri bile zamanla drift yaşar. Düzenli kalibrasyon, uzun vadeli başarının anahtarı.
Sık Sorulan Sorular
AI ajanı kurulumu için teknik bilgi şart mı?
Temel düzeyde programlama bilgisi gerekiyor, özellikle API entegrasyonu için. Ancak no-code/low-code platformlar da mevcut. Zapier, Make gibi araçlarla veya bazı destek yazılımlarının yerleşik AI özellikleriyle kod yazmadan da basit sınıflandırma sistemleri kurabilirsin.
Hangi LLM servisini seçmeliyim?
Bu, bütçene ve gereksinimlerine bağlı. OpenAI GPT modelleri yaygın ve dokümantasyonu zengin. Amazon Bedrock, AWS ekosistemine entegre çalışmak isteyenler için ideal. Anthropic Claude, uzun metinlerde ve güvenlik odaklı uygulamalarda öne çıkıyor. Küçük başlayıp ihtiyaca göre ölçeklendirmek mantıklı bir strateji.
Veri gizliliği konusunda nelere dikkat etmeliyim?
Müşteri verilerini harici bir API’ye gönderirken KVKK ve GDPR uyumluluğunu göz önünde bulundur. Hassas bilgileri (kredi kartı numarası, TC kimlik vb.) maskeleyerek gönder. Bazı servisler veri işleme sözleşmeleri (DPA) sunuyor; bunları incele. Kritik veriler için on-premise veya private cloud çözümleri değerlendir.
AI ajanı mevcut destek yazılımımla çalışır mı?
Çoğu modern destek yazılımı (Zendesk, Freshdesk, Intercom vb.) API desteği sunuyor. Bu API’ler üzerinden AI ajanını entegre edebilirsin. Bazı platformlar zaten yerleşik AI sınıflandırma özellikleri de sunuyor; önce mevcut aracının yeteneklerini kontrol et.
Ne kadar sürede sonuç almaya başlarım?
Basit bir prompt tabanlı sistem birkaç gün içinde çalışır hale gelebilir. Ancak gerçek performans verilerini görmek ve sistemi optimize etmek için en az 2-4 haftalık bir süre planla. Fine-tuned model kullanacaksan bu süre birkaç aya uzayabilir.
Sonuç
Gelen talepleri sınıflandırma ve yönlendirme için AI ajanı kurmak, müşteri hizmetleri operasyonlarını dönüştürebilecek güçlü bir adım. Doğru planlama, net kategori tanımları ve sürekli iyileştirme yaklaşımıyla hem ekip verimliliğini artırabilir hem de müşteri deneyimini iyileştirebilirsin.
Küçük başla, test et, öğren ve ölçeklendir. İlk versiyonun mükemmel olmak zorunda değil; önemli olan sürekli gelişim döngüsünü kurmak. Bu rehberdeki adımları takip ederek kendi AI ajanını hayata geçirebilir ve manuel yönlendirme yükünden kurtulabilirsin.
