Gelen e-postaları yapay zekâ ile sınıflandırma ve doğru ekibe yönlendirme

Kurumsal e-posta kutuları çoğu ekipte görünmez bir iş akışı veritabanı gibi çalışır. Talep, şikâyet, sipariş değişikliği, fatura eki, teknik arıza, sözleşme sorusu ve yönetici notu aynı kanaldan gelir. İnsanlar mesajı okur, anlamını çıkarır, bir ekibe iletir, takvime veya görev sistemine kaydeder ve bazen aynı bilgiyi başka bir uygulamaya tekrar girer. Hacim büyüdükçe geciken mesajlar yalnız verimlilik değil müşteri deneyimi ve uyum riski oluşturur.

Yapay zekâ ile e-posta sınıflandırma bu karmaşayı tek bir modele teslim etmek değildir. Sağlam çözüm; mesajı güvenli biçimde alır, niyeti ve bağlamı yapılandırır, sınıf ve güven skoru üretir, ekleri işleme alır, doğru kuyruğa görev açar ve belirsizlikte insanı devreye sokar. alfi Automate içindeki orchestrator ve approve yetenekleri, alfi Work inbox ve task akışlarıyla birleştirilerek bu deneyim ürünleşebilir.

E-posta sınıflandırma otomasyonu nedir?

Sınıflandırma, her mesajı önceden tanımlanmış konu, niyet, öncelik, sahiplik veya risk sınıflarından birine yerleştirmektir. Yönlendirme ise bu sınıfı operasyonel bir karara dönüştürür: hangi ekip, hangi SLA, hangi şablon, hangi ek sistem ve hangi onay? Bir e-postayı “satın alma” olarak etiketlemek yetmez; talep mi, teklif mi, teslimat gecikmesi mi, fatura istisnası mı olduğunu ayırmak gerekir.

Modern akış iki yönlüdür. Mesajdan yapılandırılmış kayıt üretir, kayıttan da çalışan için bağlamlı bir görev ekranı açar. Böylece ekip gelen kutusunda kaybolmak yerine müşteri, sipariş, sözleşme veya vaka bağlamında çalışır. E-posta hâlâ iletişim kanalı olarak kalır; ancak karar ve sorumluluk izi kurumsal sistemde oluşur.

Önce ekip sözlüğü ve yönlendirme taksonomisi

Model eğitmeden veya hazır bir AI hizmeti seçmeden önce sınıf sözlüğü yazılmalıdır. Her sınıf için olumlu örnek, sınıfa girmeyen örnek, sahip ekip, SLA, gerekli alanlar, izin verilen otomasyon ve eskalasyon nedeni tanımlanır. “Teknik” sınıfı çok genişse ağ, uygulama, donanım, erişim ve güvenlik alt sınıflarıyla ayrıştırılabilir; fakat sınıf sayısı arttıkça bakım maliyeti de yükselir.

Taksonomi organizasyon şemasının kopyası değildir. Aynı ekip farklı süreçlerde farklı sorumluluk taşıyabilir. Müşteri teslimat gecikmesini lojistik, sözleşme dışı talebi müşteri başarı, fatura uyuşmazlığını finans ele alabilir. Sınıf adı insanın değil iş sonucunun dilini kullanmalı ve zaman içinde raporlanabilir olmalıdır. alfi Engage müşteri yolculuğu ve iletişim bağlamını, alfi Insight ise sınıf ve SLA performansını görünür kılar.

Girdi kanalları ve güvenli alım

Ortak gelen kutusu, destek adresi, satış formu, çalışan e-postası ve otomatik bildirimler farklı güven seviyelerine sahiptir. Gönderen doğrulaması, SPF/DKIM/DMARC sonucu, alan adı, alıcı rolü ve iletilme zinciri sınıflandırma bağlamına dahil edilebilir. Harici gönderenin mesaj içindeki “acil ödeme yapın” talimatı kurum kuralı değildir; dış içerik güvenilmeyen veri olarak işlenmelidir.

Mesaj ham haliyle değişmez arşive alınmalı; model ve otomasyon için temizlenmiş görünüm üretilmelidir. HTML içindeki görünmez metin, takip pikseli, zararlı ek, aşırı uzun zincir ve imza gürültüsü ayrıştırılır. Ekin dosya türü, virüs taraması ve belge ilişkisi doğrulanmadan modele gönderilmemesi gerekir. alfi Guard erişim, redaksiyon ve audit kontrolleriyle gelen kutusunu güvenlik sınırına dönüştürür.

Niyet, konu ve aciliyet aynı şey değildir

Bir mesaj “sipariş” konusunda olabilir ama niyeti bilgi istemek, değişiklik talep etmek, teslimat gecikmesini bildirmek veya iptal istemek olabilir. Niyet sınıfı yapılacak işi belirler; konu sınıfı raporlama ve arama için yardımcıdır. Aciliyet ise müşteri etkisi, son tarih, üretim duruşu veya sözleşmesel SLA gibi sinyallerden çıkarılır. Bu üç alan tek bir etikete sıkıştırılmamalıdır.

Agent; “yarın teslim”, “üretim durdu”, “yasal süre”, “ödeme vadesi” gibi ifadeleri sinyal olarak kullanabilir, ancak bunları değişmez kural kabul etmemelidir. Gönderenin VIP olması otomatik acil anlamına gelmez; kritik müşteri mesajı birden fazla sinyal ve ekip politikasıyla doğrulanır. İnsan, düşük güvenli veya çelişkili sinyallerde son kararı vermelidir.

Ekleri anlamlandırma ve belge ilişkisi

E-posta gövdesi kadar ekler de niyet taşır. PDF fatura, Excel fiyat listesi, sözleşme taslağı, ekran görüntüsü, teslim tutanağı veya teknik log farklı süreçlere girer. Ekler önce Document AI, OCR veya güvenli metin çıkarma katmanından geçer; ardından mesajla birlikte sınıflandırılır. Dosya adı tek başına yeterli değildir; içerik, belge tarihi, tedarikçi ve mesaj ilişkisinden yararlanılmalıdır.

Bir mesajda birden fazla ek varsa sistem her eki ayrı nesne, e-postayı da kapsayıcı vaka olarak saklamalıdır. Bir ek sözleşme, diğeri kimlik veya banka bilgisi olabilir; hepsini aynı ekip görmemelidir. alfi Engines docs ve search yetenekleri, doküman anlama hizmeti ile birleştiğinde ekten alan çıkarıp ilgili vaka kaydına bağlayabilir.

Güven skoru ve insan kuyruğu

AI sınıf üretirken olasılık veya güven skoru döndürebilir, fakat bu skor tek başına güvenilirlik kanıtı değildir. Eğitim verisinin kapsamı, sınıflar arası benzerlik, mesajın uzunluğu ve yeni bir konu olması skoru etkiler. Bu yüzden karar eşiği sınıf bazında tanımlanır. Fatura ekine sahip ödeme talebi için eşik, genel bilgi isteğinden daha yüksek tutulabilir.

İnsan kuyruğu “başarısız mesajlar” listesi gibi tasarlanmamalıdır. Kuyruk; neden gönderildiğini, modelin önerisini, alternatif sınıfları, ilgili geçmiş konuşmayı ve beklenen SLA'yı göstermelidir. Çalışan düzeltmeyi tek tıkla yaparken gerekçe seçebilirse veri kalitesi artar. Düzeltmeler doğrudan canlı modeli değiştirmemeli; onaylı değerlendirme ve sürüm sürecinden geçmelidir.

Yönlendirme motoru ve görev açma

Sınıf, ekip, dil, bölge, müşteri segmenti ve çalışma saatine göre yönlendirme kuralları işletilebilir. Aynı sınıfın birincil sahibi doluysa yedek kuyruk, SLA yaklaşınca yönetici eskalasyonu ve kritik mesajda telefon bildirimi tanımlanır. Bu kurallar kodun içine dağılmak yerine merkezi ve sürümlü tutulmalıdır.

Görev açıldığında mesajın tamamını kopyalamak yerine özet, kaynak linki, gerekli alanlar, ekler ve önerilen sonraki adım verilir. Görevde yapılan işlem tekrar e-posta zincirine yansıyabilir ama asıl durum tek yerde tutulmalıdır. alfi Work task ve inbox yetenekleri, ekiplerin e-posta, görev ve toplantı bağlamını birlikte görmesini sağlar.

Otomatik yanıt ve taslak politikası

Otomatik yanıtın güvenli olduğu alanlar sınırlıdır. Alındı bilgisi, çalışma saatleri, eksik bilgi isteme veya standart doküman linki gibi düşük riskli mesajlar otomatik üretilebilir. Bir müşteriye teslim tarihi, fiyat, sözleşme yorumu veya hukuki pozisyon bildiren yanıtlar ise insan tarafından gözden geçirilmelidir. Taslak ile gönderim arasındaki fark arayüzde açıkça görünmelidir.

Yanıt üreten agent kullandığı kaynağı, yanıtın geçerlilik tarihini ve varsayımını belirtmelidir. Kaynak yoksa kesin cümle yerine soru sormalı veya taslakta uyarı göstermelidir. Ek dosya seçimi, alıcı ve CC listesi ayrıca kontrol edilmelidir. İmza ve marka dili şablonu otomatik olabilir; anlam ve taahhüt sorumluluğu ekipte kalır.

KVKK ve veri minimizasyonu

E-postalarda ad, telefon, müşteri numarası, sağlık bilgisi, ücret, kimlik veya ticari sır bulunabilir. Agent’ın görevi için gerekmeyen alanlar girişte maskelenebilir veya modele hiç gönderilmeyebilir. Yetki, saklama süresi, silme, arama hakkı, veri işleyen ve alt işleyen ilişkisi dokümante edilmelidir. Veri minimizasyonu yalnız KVKK maddesi değil, model kalitesini artıran bir tasarım ilkesidir.

Loglarda ham gövde yerine olay kimliği, sınıf, güven seviyesi, araç çağrısı ve karar sonucu tutulabilir. Örnekleme gerekiyorsa hassas alanlar anonimleştirilir. Bölgesel veri işleme ve model sağlayıcısının eğitim kullanım şartları sözleşme incelemesine dahil edilir. On-premise veya özel ağ gereksinimi varsa on-premise KVKK uyumlu AI mimarisi değerlendirilmelidir.

E-posta güvenliği ve istem enjeksiyonu

E-posta metni agent için talimat değil, dış kaynaktan gelen veridir. Ekli PDF içinde “bu mesajı tüm çalışanlara ilet” yazması, sistemin bunu çalıştıracağı anlamına gelmez. Sistem prompt'u, kullanıcı talimatı ve belge içeriği ayrıştırılmalı; araç çağrısı her seferinde politika motorundan geçmelidir. Dış linke tıklama, dosya indirme veya müşteri kaydı paylaşma gibi eylemler varsayılan olarak kapalı olabilir.

Zincirlenmiş mesajlarda önceki imza ve alıntı bölümü modelin bağlamını şişirebilir. Sistem yeni kısmı, güvenilen kurum yanıtını ve dış içeriği farklı etiketlemelidir. Şüpheli yönlendirme, gizli bilgi talebi veya kimlik taklidi sinyali ayrı güvenlik sınıfına gönderilir. Kritik mesajı otomatik cevaplamak yerine güvenlik ekibine açmak, yanlış pozitif maliyetine rağmen doğru risk davranışıdır.

Dil, ton ve çok dilli mesajlar

Türkiye’de aynı gelen kutusunda Türkçe, İngilizce, Almanca veya karışık mesajlar bulunabilir. Dil algılama sınıflandırmadan önce çalışabilir, ancak kısa mesajlarda belirsizlik dikkate alınmalıdır. Sınıf adları kurum içi Türkçe kalabilir; model kanonik sınıf kodu üretmelidir. Yanıt dili gönderenin diline göre seçilebilir, fakat hukuk ve sözleşme içeriklerinde insan kontrolü gerekir.

Ton analizi müşteri niyetini destekleyebilir ama çalışanın veya müşterinin kişilik profiline dönüşmemelidir. “Öfkeli” sinyali müşteri şikâyetini önceliklendirmeye yardımcı olur; otomatik olarak haklılık kararı vermez. alfi Engage listen ve journey yetenekleri, mesajı müşteri yolculuğu bağlamında ele alırken sınıflandırmayı karar yerine sinyal olarak tutar.

KPI ve kalite ölçümü

Konu sınıflandırma doğruluğu önemli ancak yeterli değildir. Doğru ekip oranı, ilk yanıt süresi, SLA içinde kapanma, kritik mesaj kaçırma, insan düzeltme, otomatik yanıt geri dönüşü ve yanlış eskalasyon ayrı izlenmelidir. Bir model yüzde 95 sınıf doğruluğuna sahip olup kritik teslimat mesajlarının yüzde 5'ini kaçırıyorsa üretime uygun olmayabilir.

Sınıf bazlı hata matrisi hangi etiketlerin karıştığını gösterir. Yeni konu oranı ve “diğer” kuyruğunun büyümesi taksonominin güncellenmesi gerektiğine işaret eder. İnsan düzeltmeleri kalite geri beslemesidir; ancak aynı çalışanın kişisel tercihini kurum standardı sanmamak için örnekler birden fazla uzmanla doğrulanmalıdır. alfi Insight bu ölçümleri ekip ve kanal bazında görünür hale getirebilir.

Uygulama planı

İlk hafta sınıf sözlüğü, mevcut mesaj örnekleri ve sahiplik haritası hazırlanır. İkinci hafta temizleme, ek tarama, veri minimizasyonu ve değerlendirme kümesi oluşturulur. Üçüncü hafta model/kural hibritiyle yalnız öneri üretimi yapılır; insan yönlendirmeleri ölçülür. Dördüncü hafta düşük riskli sınıflarda otomatik görev açma, yüksek riskte insan kuyruğu ve sınırlı taslak üretimi devreye alınır.

Geçişte eski gelen kutusu tamamen kapatılmamalıdır. Agent sınıflandırması ile insan kararı bir süre paralel tutulur, farklar raporlanır. Ekipler hangi mesajın neden başka kuyruğa gittiğini görebilmeli, etiket düzeltmesi yapabilmeli ve yanlış sınıfları geri bildirebilmelidir. Yayın sonrası taksonomi bakımının sahibi ve aylık kalite toplantısı belirlenmezse ilk başarılı pilot birkaç ayda yeniden gürültülü bir gelen kutusuna dönüşür.

Satın alma ve mimari kontrol listesi

Bir e-posta AI çözümünü değerlendirirken şu senaryoları birlikte gösterin:

• Aynı konu zincirinde yeni talep ile eski alıntı ayrılabiliyor mu?
• Gönderen, ek, dil, müşteri ve niyet ayrı alanlar olarak çıkıyor mu?
• Düşük güvenli veya yüksek riskli mesaj insan kuyruğuna açıklamayla gidebiliyor mu?
• E-posta eki güvenli tarama ve Document AI akışından geçiyor mu?
• Sınıf değişikliği, ekip doluluğu, SLA ve eskalasyon kuralı sürümleniyor mu?
• Otomatik taslak ile otomatik gönderim arasında onay sınırı var mı?
• Kişisel veri maskeleniyor, log ve saklama politikası uygulanıyor mu?
• İstem enjeksiyonu, sahte gönderen ve zararlı ek testleri yapılıyor mu?
• İnsan düzeltmeleri kalite kümesine kontrollü biçimde geri besleniyor mu?
• Ekip, kanal, sınıf ve SLA bazında ölçülebilir rapor alınabiliyor mu?

E-posta sınıflandırma projesinin hedefi gelen kutusunu susturmak değildir. Hedef; doğru mesajı doğru sorumluyla, doğru bağlamla ve doğru zamanda buluşturmaktır. Yapay zekâ anlamlandırmayı hızlandırır, otomasyon işi taşır, insan ise belirsizlik ve sorumluluk gerektiren kararı korur. Bu denge kurulduğunda kurumun en dağınık iletişim kanalı ölçülebilir bir operasyon girişine dönüşür.

Konuşma zincirleri ve vaka bütünlüğü

Uzun bir e-posta zincirinde konu satırı aynı kalırken niyet birkaç kez değişebilir. Sistem yeni mesaj bölümünü önceki alıntıdan ayırır, ekleri hangi mesaja ait olduklarıyla tutar ve aynı müşteri veya sipariş için tek bir vaka görünümü üretir. Her mesajı ayrı görev açmak ekipte çoğaltılmış iş ve çelişkili yanıt oluşturur; bütünlük anahtarı konu değil iş kaydı olmalıdır.

Vaka açıldığında ilk mesaj, sonraki yanıtlar, ekler ve insan düzeltmeleri ilişkilendirilir. Müşteri aynı sorunu tekrar yazarsa agent önceki çözüm ve açık görevi gösterir. Ancak eski cevabı otomatik doğru kabul etmez; yeni bilgi, tarih ve yetkiyle yeniden değerlendirir. Böylece geçmiş bağlam faydalı olurken geçersiz veya hassas içerik sınırsız biçimde taşınmaz.

Taksonomi bakımı ve sınıf yaşam döngüsü

Ekipler yeni konu çıktığında “diğer” etiketine yüklenmek yerine sınıf sözlüğünü periyodik gözden geçirmelidir. Her sınıfın hacmi, hata oranı, sahipliği ve iş sonucu incelenir; gereksiz sınıflar birleştirilir, büyüyen sınıf kontrollü alt sınıflara ayrılır. Sınıf kodu değiştiğinde eski raporlarla uyumluluk ve geçmiş mesajların yeniden etiketlenmesi planlanır.

Taksonomi komitesi yalnız veri bilimi ekibinden oluşmamalıdır. Operasyon sahibi, müşteri deneyimi, güvenlik, hukuk ve raporlama ekipleri sınıfın gerçekten eyleme dönüştürülebilir olup olmadığını değerlendirir. Yeni bir sınıf açmak, yeni kuyruk, SLA, örnek kümesi ve eğitim ihtiyacı yaratır. Sınıf isimleri moda kelimeler değil, karar ve sorumluluk tanımlarıdır.

Ek güvenliği ve belge akışı

E-posta eki zararlı dosya, makro, parola korumalı arşiv veya dış link içerebilir. Dosya güvenli taramadan, içerik türü doğrulamasından ve gerekirse sandbox analizinden geçmeden AI bağlamına alınmamalıdır. PDF içindeki görünmez talimat veya Excel hücresindeki komut metin değil, güvenilmeyen içerik olarak etiketlenir. Araç kullanan agent bu içeriği doğrudan çalıştırmaz.

Ek işlendikten sonra orijinal ve türetilmiş dosyanın hash’i, işlem sonucu, model sürümü ve erişim sınıfı saklanır. Belge bir CRM veya Procure kaydına bağlanıyorsa yalnız yetkili ekip görür. E-posta sınıflandırma ile Document AI birlikte kullanıldığında ekin mesaj niyetini nasıl değiştirdiği de değerlendirilmelidir; bir faturanın eklenmesi mesajı yalnız “bilgi” sınıfından finans istisnasına taşıyabilir.

SLA ve kuyruk kapasitesi

Doğru ekip seçimi, kuyruk kapasitesiyle tamamlanır. Sınıflandırma motoru ekip doluluğunu, çalışma saatini, tatili, bölgeyi ve uzmanlık seviyesini dikkate alabilir. Kritik müşteri mesajı yalnız doğru sınıfa değil, erişilebilir bir sorumluya gitmelidir. SLA yaklaşırken sistem yedek kuyruğa ve yöneticinin görünümüne eskale eder.

Kuyruk metriği yalnız bekleyen mesaj sayısı değildir. Yaş, önem, ilk temas, tekrar açılma, yeniden yönlendirme ve ekip başına dağılım ölçülür. Agent yanlış sınıf seçtiğinde mesajın iki ekip arasında gidip gelmesi “işlendi” sayılmamalıdır. alfi Work görev yaşam döngüsünü, alfi Insight ise SLA ve sahiplik performansını görünür kılabilir.

Otomatik taslaklarda kaynak disiplini

Yanıt taslağı üreten agent, kurum politikasını, güncel ürün bilgisini ve müşteri kaydını kaynak olarak kullanabilir. Kaynakların tarih ve yetki etiketi taslağa eklenir; modelin dış genel bilgisinden gelen iddia ayrı tutulur. Fiyat, teslimat, iade veya sözleşme maddesi kaynakta yoksa agent boşluğu uydurmamalı, eksik bilgi istemelidir.

Taslak ekranında değişiklik farkı, alıcı ve ek listesi görünür. İnsan yanıtı düzenlediğinde hangi cümlenin modelden geldiği denetim için saklanabilir; müşteriye bu teknik ayrıntının gösterilip gösterilmeyeceği iletişim politikasına bağlıdır. Gönderim sonrası müşteri tepkisi, tekrar arama veya yeniden açılan vaka taslağın kalite metriğine beslenir.

Çalışan mahremiyeti ve performans kullanımı

E-posta analitiği çalışan mesajlarını da işleyebilir. Sistem iş verimliliği için kurulup gizli çalışan izleme aracına dönüşmemelidir. Hangi içeriklerin incelendiği, kişi bazlı skorun nerede kullanılacağı, kimlerin göreceği ve itiraz süreci açıkça belirlenir. AI önerisi otomatik disiplin veya performans kararı için tek kanıt olmamalıdır.

Kişi bazlı metrik yerine ekip ve süreç metriği önceliklendirilebilir. Temsilcinin sınıflandırmayı düzeltmesi, sistem kalitesine katkı olarak değerlendirilir; “modeli çok düzeltti” diye cezalandırılmaz. alfi Guard erişim ve maskeleme katmanı, kurumsal yapay zekâ danışmanlığı ise amaç ve yönetişim çerçevesini birlikte ele alabilir.

Model, kural ve insan dengesi

Konu etiketleri tamamen modelle üretildiğinde yeni ve belirsiz ifadeler yakalanabilir; tamamen kuralla üretildiğinde bakım yükü artar. Hibrit tasarımda yüksek kesinlikli kural önce çalışır, model kalan mesajlar için sınıf ve güven üretir, politika motoru son kararı sınırlar. Örneğin belirli bir güvenlik anahtar kelimesi bulunuyorsa model ne derse desin güvenlik kuyruğu açılır.

Kural değiştiğinde model davranışı, model güncellendiğinde kural sonucu test edilir. Bir sınıfın hacmi artarsa model güveni değil süreç nedenleri araştırılır. Değerlendirme kümesi, yeni mesaj örnekleri ve insan düzeltmeleri kontrollü sürümlenir. LLMOps yaklaşımı bu değişiklikleri üretim metrikleri ve geri dönüş planıyla işletir.

İzlenebilirlik ve olay müdahalesi

Her mesajın sınıflandırma sonucu, kullanılan model/prompt sürümü, ek özeti, politika kararı, yönlendirme, insan düzeltmesi ve SLA durumu olay kaydıyla tutulur. Ham gövdeyi sınırsız loglamak yerine veri minimizasyonu uygulanır. Bir müşteri “mesajım neden gecikti?” dediğinde süreç zaman çizgisi kişisel veriyi gereksiz çoğaltmadan gösterilebilir.

Yanlış yönlendirme dalgası, zararlı ek veya veri sızıntısı şüphesinde agent sınıfı, ek işleme veya otomatik yanıt durdurulabilir. Açık görevler insan kuyruğuna alınır, etkilenen mesajlar belirlenir, erişim anahtarları ve policy sürümü incelenir. Olay sonrası düzeltme değerlendirme kümesine eklenir; sessizce silmek gelecekteki riski büyütür.

E-posta otomasyonunda olgunluk seviyeleri

İlk seviye güvenli gelen kutusu ve manuel etiket standardıdır. İkinci seviye AI önerisi ve insan yönlendirmesidir. Üçüncü seviye düşük riskli sınıflarda otomatik görev açmadır. Dördüncü seviye eklerden alan çıkarma, CRM/ERP bağlama ve taslak üretimidir. Beşinci seviye SLA, müşteri sonucu, kalite geri beslemesi ve sürekli taksonomi yönetimidir.

Kurum bu seviyeleri veri ve politika hazır olmadan atlamamalıdır. Pilotun başarısı mesaj hacmini azaltmak değil, kritik iletişimin doğru sorumluya daha hızlı ve daha az hatayla ulaşmasıdır. Her yeni kanal, dil veya departman aynı sınıf sözlüğü, erişim ve değerlendirme standardından geçer. Böylece gelen kutusu otomasyonu dağınık bir bot koleksiyonu değil, ölçülebilir iletişim platformu olur.

Müşteri ve çalışan mesajını ayıran politika

Harici müşteri mesajı ile kurum içi çalışan mesajı aynı sınıf sözlüğünü kullanabilir, fakat erişim ve SLA kuralları farklı olabilir. Müşteri şikâyeti, çalışan yardım talebi, tedarikçi bildirimi ve otomatik sistem uyarısı ayrı kaynak sınıflarıdır. Gönderen alan adına bakmak yararlı sinyal olsa da kimlik taklidi veya yönlendirilmiş mesaj ihtimali nedeniyle tek karar olmamalıdır.

İç mesajların tamamını model bağlamına almak da doğru değildir. İnsan kaynakları, hukuk veya yönetim yazışmaları amaç ve rol bazlı ayrılır. Bir çalışanın e-postası teknik bir talep taşısa bile zincirde özel bir ek bulunabilir; agent yalnız görev için gereken parçayı görür. Kaynağın türü, hassasiyeti ve sahipliği sınıflandırma sonucuyla birlikte taşınır.

Arama ve sınıflandırma birlikte çalışmalı

Gelen mesajın doğru ekibe gitmesi, geçmiş vaka ve benzer çözüme erişimle güçlenir. Arama katmanı yalnız metin eşleştirme değil, konu, müşteri, ürün, SLA ve önceki karar filtreleriyle çalışır. Bir müşteri “geçen seferki kurulum” dediğinde sistem ilgili vakayı bulur; başka müşterinin benzer mesajını bağlam olarak kullanmaz.

Arama sonucu sınıflandırıcıya kanıt sunar, fakat eski cevabı otomatik kopyalamaz. Ürün veya politika değişmişse tarih ve sürüm kontrolü yapılır. RAG yaklaşımıyla kaynaklı taslak üretilecekse erişim filtresi aramadan önce uygulanır. Böylece e-posta otomasyonu, kurumun bilgi yönetimini ve müşteri deneyimini aynı akışta güçlendirir.

Dil tonu ve marka yönetişimi

Otomatik veya yarı otomatik taslaklar kurumun marka sesiyle uyumlu olabilir, ancak ton şablonu gerçek taahhüt üretmez. Özür, gecikme açıklaması, fiyat, iade ve güvenlik bildirimi için ayrı metin politikaları hazırlanır. Agent, kaynakta olmayan telafi, indirim veya tarih uydurmamalıdır. İnsan onayı gereken taslakta belirsiz veya kritik cümleler görsel olarak işaretlenir.

Marka dili ekibi örnek yanıtları onaylar, hukuk ve müşteri operasyonu riskli şablonları gözden geçirir. Çalışan taslağı değiştirdiğinde müşteri geri dönüşü, tekrar iletişim ve çözüm süresi izlenir. alfi Engage iletişim bağlamını, alfi Work görevin sahibini ve SLA'yı taşır. Bu ayrım yapay zekânın yazı üretmesini değil, doğru zamanda doğru sözün söylenmesini hedefler.

Raporlamada sınıf ile sonuç arasındaki bağ

Yöneticinin görmek istediği yalnız “kaç e-posta sınıflandırıldı?” değildir. Her sınıfın ilk yanıt süresi, çözüm süresi, yeniden yönlendirme, müşteri memnuniyeti, SLA ihlali ve otomatik yanıt sonrası tekrar başvuru oranı bulunur. Sınıf doğruluğu yüksek olsa da yanlış sahiplik veya yetersiz kapasite iş sonucunu bozabilir.

Raporlama taksonomi sürümüyle birlikte yapılır. Sınıf isimleri değiştiğinde geçmiş metriklerin kopmaması için eşleme ve geçerlilik tarihi saklanır. alfi Insight dashboard'u operasyon ve müşteri deneyimi verisini birleştirirken, alfi Boardroom yatırım veya ekip kapasitesi kararına bağlanabilir. Böylece sınıflandırma projesi yalnız gelen kutusu temizliği olmaktan çıkar.

Son karar çerçevesi

E-posta otomasyonu için en iyi başlangıç, sınıfı net, sahibi belli ve sonucu ölçülebilen bir kuyruktur. Pilot; gerçek mesaj örnekleri, hassas veri politikası, düşük güvenli insan akışı, ek güvenliği ve SLA metriğiyle başlar. Başarı kanıtlandıktan sonra yeni dil, departman, otomatik taslak veya CRM aksiyonu eklenir. Bu sıralama ekip güvenini ve veri kalitesini birlikte korur.

Çok dilli, çok kanallı ve vardiyalı operasyon tasarımı

Kurumlar aynı e-posta adresinden farklı ülkelere, markalara ve müşteri segmentlerine hizmet verir. Bu nedenle model yalnızca Türkçe konu başlıklarıyla eğitilirse İngilizce ek, bölgesel tarih biçimi veya karma dil içeren mesajlarda güven kaybeder. Dil tespiti ilk sınıf olarak ele alınır; çeviri gerektiğinde orijinal metin, çeviri sürümü ve kullanılan motorun kimliği birlikte saklanır. Hukuki veya finansal ifadelerde çeviri, kararın tek kaynağı yapılmaz; insan incelemesi için orijinal paragraf görünür kalır.

Vardiya ve çalışma saatleri yönlendirme politikasının parçasıdır. Kritik bir üretim arızası gece geliyorsa yalnızca “üretim” sınıfına düşmesi yeterli değildir; nöbetçi ekip, yedek kişi, telefon bildirimi ve kabul edilmezse eskalasyon süresi de tanımlanır. Düşük riskli talepler bir sonraki iş gününe planlanabilir, ancak müşteriye otomatik verilen taahhüt bu politikayla uyumlu olmalıdır. alfi Work görev sahibini, SLA sayacını ve devir zincirini görünür tutarken alfi Engage müşteri bağlamının kaybolmamasını sağlar.

Ekler için kanal güvenliği ayrı işletilir. Makro içeren ofis dosyaları, çalıştırılabilir arşivler, parola korumalı PDF'ler ve şüpheli bağlantılar sınıflandırma sonucundan bağımsız karantinaya alınabilir. Model, eki okumadan önce dosya türünü ve güvenlik taramasını kontrol eder; içerik güvenilir olmadığı halde talimat gibi yorumlanmaz. Şüpheli mesajların özellikleri güvenlik ekibine aktarılır, fakat modelin ürettiği açıklama tehdit istihbaratı kanıtı yerine geçmez.

Kalite ölçümü dil, kanal, vardiya ve ekip kırılımında yapılır. Ortalama doğruluk, küçük ama kritik bir dil grubundaki yanlış yönlendirmeyi gizleyebilir. Bu nedenle makro sınıf performansı yanında düşük frekanslı güvenlik ve uyum sınıfları için geri çağırma, insan devri ve yanlış otomatik yanıt metriği raporlanır. Böyle bir tasarım, gelen kutusunu boşaltmakla yetinmeyip farklı coğrafyalarda tutarlı, denetlenebilir ve müşteri deneyimini koruyan bir iletişim operasyonu kurar.