Destek Ticket Otomasyonu için Yapay Zeka Ajanı: Yanıttan Kapanışa

İyi triyaj edilmiş ama yanıtsız kalan bir ticket işe yaramaz. Ne hakkında olduğu ve ne kadar acele ettiği belli olduktan sonra, hâlâ yanıtı yazmak, göndermek, süre patlamadan önce takip etmek ve ticket'ı düzgünce kapatmak gerekir. Otonom bir yapay zeka ajanının üstlenebileceği şey, işin bu en tekrar eden ve hacme en duyarlı kısmıdır.

Sorun

Kötü işlenen bir ticket'ın maliyeti, müşteri davranışında hızla görünür hale gelir. Zendesk'in aktardığı Zendesk Benchmark verilerine göre, tüketicilerin yüzde 73'ü birkaç kötü hizmet deneyiminden sonra marka değiştiriyor ve yarısından fazlası bunu tek bir kötü deneyimden sonra yapıyor (https://www.zendesk.fr/blog/customer-service/satisfaction/customer-service-statistics/). Zendesk'in 22 ülkede 11 000'den fazla katılımcıya dayanan CX Trends 2026 raporu da aynı yönde: görüşülen CX sorumlularının yüzde 85'i, ilk temasta bile olsa, müşterilerin çözülmemiş bir sorundan sonra ayrıldığını düşünüyor (https://cxtrends.zendesk.com/).

İyi haber şu ki aynı Zendesk Benchmark verileri, yapay zekanın tam da bu alanda zaten faydalı görüldüğünü gösteriyor: her 10 tüketiciden neredeyse 8'i basit sorunlar için bir yapay zeka botunu faydalı buluyor ve görüşülen yöneticilerin üçte ikisi, müşteri hizmetlerindeki yapay zeka yatırımlarının anlamlı performans iyileştirmeleri getirdiğini söylüyor. Somut bir sonuç sinyali sektördeki bir tedarikçiden geliyor: kendi yapay zeka destek ajanını (Fin) satan Intercom, haziran 2026'da 7 000'den fazla müşteri ekibinin tamamında ortalama yüzde 76'lık bir çözüm oranı bildirdi; sağlayıcıya göre bu rakam her ay ilerledi (https://www.intercom.com/blog/from-resolutions-to-outcomes-evolving-how-fin-delivers-value/). Bu, bir tedarikçinin kendi ürünü hakkında açıkladığı bir rakam, bağımsız bir ölçüm değil; bu çekinceyle okunmalı, ama büyüklük mertebesi, yapay zeka destekli bir işlemenin bilgi tabanına dayalı ticket'larda neyi kapsayabileceği konusunda bir fikir veriyor.

Bu rakamların göstermediği şey, yüksek bir çözüm oranına ulaşılabilmesi için önceden gereken çalışmadır: güncel bir bilgi tabanı, tekrar eden vakalar için uygun makrolar, süresinden sonra değil önce uyaran bir SLA takibi. Bu hazırlık olmadan otomatik işleme, esas olarak genel geçer veya konu dışı yanıtlar üretir; bu da güveni artırmak yerine zayıflatır. Bu ajanın kapatmak üzere tasarlandığı fark tam olarak bu: sıfırdan bir yanıt icat etmek yerine zaten var olana dayanmak.

Ajan adım adım ne yapar

Atako'da bu ajan, bir kişi tarafından ya da özel bir triyaj ajanı tarafından triyaj edilmiş olsun, zaten açık ve kategorilendirilmiş ticket'lar üzerinde çalışır. Ekibin çalışma saatlerine bağlı kalmadan, bağlı tüm ticketing kanalları genelinde kuyruğu sürekli izler.

Her ticket için, şirketin bilgi tabanında en uygun makaleyi arar, ardından ticket'ın kesin bağlamına ve şirketin tanımladığı tona uygun bir yanıt yazar. Ticketing konektöründeki grant yazma izni veriyorsa yanıtı doğrudan işler; vermiyorsa, insan onayı için taslak olarak hazırlar. Buna paralel olarak, her ticket'ın kalan SLA süresini önceliğine göre hesaplar ve takip eder, bir ticket yeterli bir yanıt olmadan süresine yaklaştığında ekibi Slack'te uyarır. Bir ticket'ın konusu daha önce birkaç kez çözülmüş bir örüntüye uyduğunda, sıfırdan yanıt yazmak yerine bir makro uygular veya önerir. Ticket çözüldükten sonra, CRM'deki müşteri kaydını çözümün özetiyle günceller.

Kullanılan entegrasyonlar

Zendesk ve Freshdesk, grant yazma izni veriyorsa update_ticket üzerinden yazılan yanıtı alır ve ajanın ticket'ın durumunu kapanışa kadar takip etmesini sağlar. Notion bilgi tabanı görevi görür: ajan, herhangi bir şey yazmadan önce search veya query_database ile ilgili makaleyi orada arar, bu da kaynaksız bir yanıt uydurmasını engeller.

HubSpot, ticket çözüldükten sonra müşteri kaydını, ilgili kişiye veya deal'e işlenen bir çözüm özetiyle günceller. Slack, bir ticket yeterli bir yanıt olmadan SLA süresine yaklaştığında uyarıyı alır, böylece süre patlamadan önce bir insan yeniden devreye girebilir.

İnsana kalan

Ajan hiçbir zaman sıfırdan bir yanıt yazmaz: mevcut bilgi tabanına dayanır ve o, ticket'ın konusunu kapsamıyorsa, önerecek güvenilir bir şeyi yoktur. Kullandığı her entegrasyon kesin bir grant'e bağlıdır: örneğin Zendesk üzerinde salt okunur bir grant, ajanı yanıtlarını doğrudan göndermek yerine taslak olarak hazırlamaya zorlar, bu da ekip istediği sürece sistematik bir insan kontrol noktası bırakır.

Üç sorumluluk açıkça insanda kalır. Öncelikle, ekip tarafından zaten onaylanmış bir makroya uymayan her şeyde, gönderim öncesi üretilen yanıtları onaylamak veya düzeltmek. Ardından, bilgi tabanının kapsamadığı karmaşık veya yükseltilmiş ticket'ları işlemek; bu, müşterinin durumu üzerine gerçek bir muhakeme ve bazen ajanın tek başına verme yetkisi olmayan bir ticari karar gerektirir. Son olarak, bilgi tabanını güncel tutmak: ne kadar iyi tasarlanmış olursa olsun bir ajan, eski veya eksik bir dokümantasyondan doğru yanıt veremez.

Bu işleyiş human-in-the-loop ilkesini izler: ajan tekrar eden yazımı ve süre takibini üstlenir, vaka bilinen çerçevenin dışına çıkar çıkmaz müşteriye gerçekten gidenin kontrolü insanda kalır. Ajanın her eylemi, gönderilen yanıt, uygulanan makro, CRM güncellemesi, durumuyla birlikte kayıt altına alınır ve ajanın etkinlik zaman çizelgesinde, ayrıca bir yönetici için şirket geneli entegrasyon günlüğünde görülebilir.

Ölçülebilir sonuç

Zamanla, bu düzenlilik destek ekibinin iş yükünü yaşama biçimini de değiştirir: sessizce patlayan SLA sürelerine bağlı stres pikleri azalır, başka yerde zaten yazılmış bir yanıt yerine gerçekten insan muhakemesi gerektiren ticket'lara ayrılan zaman artar.

Ana fayda iki eksende ölçülür: SLA sürelerine uyum, çünkü ajan her ticket'ı sürekli izler ve süresinden sonra değil önce uyarır; ve yanıt kalitesinin düzenliliği, çünkü her seferinde farklı kişiler tarafından farklı biçimde yeniden ifade edilmek yerine hep aynı bilgi tabanından çekilirler. Bu, bilgi tabanını güncel tutmaktan muaf tutmaz, sonucun zamanla dayanması için bir koşuldur bile: ne kadar iyi tasarlanmış olursa olsun bir ajan, kendisine okunması için verilenin kalitesine bağlı kalır, bu da dokümantasyonu, proje başında bir kez halledilip sonraki olaya kadar unutulan tek seferlik bir görev yerine sürekli bir yatırım haline getirir.

Atako'nun Standard planı, ajan yuvası (slot) başına ayda 20 euro faturalandırıyor; makale arama, yazım ve SLA takibi için mobilize edilen model çağrıları için her ay dahil 1000 kredi ile birlikte. Bu maliyet, ay içinde işlenen ticket hacmi ne olursa olsun aynı kalır, yalnızca aynı anda aktif ajan sayısı hesaba katılır. Ayrıntılar tarifeler sayfasında.