Destek Taleplerinin Sınıflandırılması ve Önceliklendirilmesi İçin Yapay Zeka Ajanı

Bir talebi sınıflandırmak, ona yanıt vermek değildir. Neyle ilgili olduğuna, ne kadar acele ettiğine ve kimin ilgilenmesi gerektiğine karar vermektir. Bu adım uzaktan bakıldığında basit görünür, ama hacim yükseldiğinde çılgınca zaman alır ve kimse sürekli izlemezse hızla bozulur. Bir otonom yapay zeka ajanı, tam olarak bu adımı, yanıtın kendisinden önce gelen adımı devralabilir.

Sorun

Talep hacmi düşmüyor. Zendesk tarafından aktarılan bir McKinsey araştırmasına göre, yöneticilerin yüzde 57'si önümüzdeki bir ila iki yıl içinde çağrı ve müşteri hizmetleri talebi hacminin beşte bire kadar artmasını bekliyor (https://www.zendesk.fr/blog/customer-service/satisfaction/customer-service-statistics/). Aynı zamanda beklentiler yükseliyor: Zendesk'in 22 ülkede sorgulanan 11.000'den fazla tüketici ve CX sorumlusundan derlenen CX Trends 2026 raporu, müşterilerin yüzde 88'inin bir yıl öncesine göre daha hızlı yanıtlar beklediğini ve tüketicilerin yüzde 74'ünün artık 7/24 kullanılabilir bir desteği norm olarak gördüğünü belirtiyor (https://cxtrends.zendesk.com/). Aynı rapor, kötü bir triyajın sonuçları konusunda katı: CX sorumlularının yüzde 85'i, müşterilerin çözülmemiş bir sorundan sonra, ilk temastan itibaren dahil, bir markadan ayrıldığını düşünüyor.

Triyaj aynı zamanda destek ekipleri için en zaman alıcı görevlerden biri, bu da gerçekten önemli olan kısma, müşteriye yanıta ayrılan zamanı sınırlıyor. Intercom'un Customer Service Transformation raporu (2025), destek ekiplerinin yüzde 76'sının geçen yıl sonunda yapay zekaya yatırım yaptığını not ediyor; başlangıçta bunu öngören yüzde 54'e karşı, operasyonel baskının çoğu zaman ilk planları aştığının bir işareti (https://www.intercom.com/blog/customer-service-transformation-report-2025/). Aynı rapor, destek ekiplerinin yalnızca yüzde 19'unun mevcut araçlarının ihtiyaçlarını tamamen karşıladığını düşündüğünü gözlemliyor; bu, triyaj yükünün büyük bir kısmının bugün hâlâ manuel kaldığını düşündürüyor.

Bu manuel triyajın, yavaşlığın yanı sıra, gizli bir maliyeti var: tutarlılık. Sekiz saattir talep sınıflandıran bir kişi, gün başındaki aynı titizlikle sınıflandırma yapmaz artık ve hafta sonu ya da nöbet saatleri dışında, ekip geri dönene kadar kimse hiçbir şey sınıflandırmaz. Bir cumartesi sabahı gönderilen acil bir talep, işlenmeden önce değil, görülmeden önce bile pazartesiyi bekleyebilir. Kendisi çözüm hızından çok, ekibin dikkatindeki bu kapsama boşluğu, özel bir destek nöbeti olmayan organizasyonlarda müşteri deneyimini en çok ağırlaştıran şey.

Ajanın Adım Adım Yaptıkları

Atako'da bu ajan, yalnızca destek ekibinin çalışma saatlerinde değil, sürekli çalışır. Şirketin aracına göre Zendesk, Intercom ya da Freshdesk'e bağlı entegrasyonlar üzerinden yeni talepleri alır ve niyet, konu ve bir aciliyet skoru çıkarmak için her mesajı analiz eder.

Ardından, kategoriye (faturalama, hata, ürün sorusu, iptal) ve alıcı ekibe göre sınıflandırmadan önce, talebi CRM'den alınan müşteri geçmişiyle (kıdem, abone olunan plan, önceki talepler) zenginleştirir. Bu noktada yapılandırılabilir yükseltme kuralları devreye girer: hesabın VIP durumu, bir iptal ya da yasal bir ifade gibi hassas anahtar kelimelerin belirtilmesi, ya da çok uzun süre yanıtsız kalmış bir talep. Talep, tüm bağlam çoktan eklenmiş şekilde doğru kuyruğa yönlendirilir, ve acil ya da yükseltilmiş vakalar için Slack'te bir uyarı gider. Bir insanın sonradan düzeltebilmesi ve kuralları iyileştirebilmesi için her sınıflandırma kararı günlüğe kaydedilir.

Bu ajanın bilinçli olarak yapmadığı şey: müşteriye nihai yanıtı yazmak ya da talebi kapatmak. Bu, triyaj tamamlandıktan sonra devralan ayrı bir yapı taşı olan bir destek taleplerinin otomasyonu ajanının rolüdür.

Kullanılan Entegrasyonlar

Zendesk, gelen taleplerin ve geçmişin okunmasını sağlar (get_ticket, search_tickets); sınıflandırma yapıldıktan sonra update_ticket ile kategori ve önceliğin güncellenmesiyle birlikte. Intercom üzerinde, ajan mesajları gerçek zamanlı sınıflandırmak ve belirsiz vakaları bir insana aktarmak için konuşmalara bağlanır. Zendesk yerine Freshdesk kullanan ekipler için, aynı okuma ve yeniden sınıflandırma mantığı uygulanır.

HubSpot, talebi önceliğine karar vermeden önce zenginleştirmeye yarar: bir kişi araması (search_contacts) ya da devam eden bir fırsat, bunun bir büyük hesap ya da yaklaşan bir yenileme olduğunu ortaya çıkarabilir; bir talebin gerçek önceliğini değiştiren iki unsur. Slack ise nihayet, bir talep acil olarak sınıflandırıldığında, ekibin seçtiği destek kanalında post_message aracılığıyla uyarıyı alır.

İnsanda Kalan Kısım

Ajan müşteriye asla destek ekibi yerine yanıt vermez ve hiçbir talebi kapatmaz. Rolü sınıflandırma, zenginleştirme ve yönlendirmede biter. Kullandığı her entegrasyon, tanımlı bir kapsamlı (salt okunur ya da okuma ve yazma) kesin bir grant'e bağlıdır: örneğin Zendesk'te, bir grant taleplerin tam okunmasına izin verirken yazmayı yalnızca kategori güncellemesiyle sınırlayabilir, talebin içeriğine dokunmadan.

Üç şey yapısal olarak insan tarafında kalıyor. Önce, sınıflandırıldıktan sonra talepleri işlemek ve yanıtlamak; ajan zemini hazırlar, müşteriye yanıtı yazmaz. Sonra, yanlış kategorilenmiş talepleri yeniden sınıflandırmak: hatalı bir sınıflandırma, herhangi bir diğer talep gibi görünür ve değiştirilebilir kalır, ve ajanı düzeltmek gizlenecek bir başarısızlık değil, normal işleyişin bir parçasıdır. Son olarak, aciliyet ve yükseltme kriterlerini tanımlamak ve geliştirmek; ekibin elinde tuttuğu ince destek uzmanlığı bilgisi gerektiren bir iş.

Bu iş paylaşımı, human-in-the-loop olarak adlandırılan şeye karşılık geliyor: ajan triyajın hacmini ve tekrarını üstlenir, insan yanıt üzerindeki ve kuralların kendisi üzerindeki kararı elinde tutar. Ajanın gerçekleştirdiği her entegrasyon çağrısı (bir talebin okunması, kategori güncellemesi, Slack uyarısı) durumuyla birlikte günlüğe kaydedilir, ajanın etkinlik zaman çizelgesinde görünür ve bir yönetici tarafından tüm şirketin entegrasyon günlüğünde ayrıntılı olarak incelenebilir.

Ölçülebilir Sonuç

Ana fayda tutarlılıktır: pazar gecesi yarısı gelen bir talep, salı sabahı saat 10'da gelen bir talep kadar hızlı sınıflandırılır ve yönlendirilir. Artık o an kimin uygun olduğuna, kuyruğu açıp elle triyaj yapmasına bağlı değil. Yukarıda anılan McKinsey araştırmasının işaret ettiği gibi büyüyen bir talep hacmi alan bir ekip için, bu, aynı hızda işe alım yapmadan hacim artışını en iyi emen kısım; talep sayısı bir çeyrekten diğerine iki katına çıksa bile sabit bir triyaj süresi koruyarak.

Atako'nun Standard planı, ajan yeri (slot) başına ayda 20 avro faturalandırır; her talebin okuma, sınıflandırma ve zenginleştirme adımlarında kullanılan model çağrılarını karşılayacak her ay dahil 1000 kredi ile birlikte. Bu maliyet, ne işlenen talep hacmine ne de sınıflandırmaları inceleyen destek ekibindeki kişi sayısına bağlı; yalnızca aynı anda aktif ajan sayısı sayılır. Eksiksiz ayrıntılar fiyatlar sayfasında.