Kısaca: Yapay zeka ile e-posta sınıflandırma, info@, satis@ veya muhasebe@ gibi ortak kutulara gelen mesajların konusunu ve aciliyetini okuyup her birini doğru ekibin iş kuyruğuna yönlendiren bir iş akışı otomasyonudur. İyi kurulmuş bir sistemde yapay zeka karar vermez, öneri üretir: emin olmadığı mesajlar ve ödeme, IBAN değişikliği gibi riskli talepler her zaman bir insana gider.
Birçok KOBİ’de ortak e-posta kutusu, gün içinde birkaç kişinin göz attığı ama kimsenin tam sahiplenmediği bir yerdir. Teklif isteği satışa, arıza bildirimi teknik ekibe, ekstre sorusu muhasebeye geç ulaşır; bazı mesajlar ise “birisi bakmıştır” düşüncesiyle hiç cevaplanmaz. Bu yazıda yapay zeka destekli sınıflandırmanın ne olduğunu, hangi durumlarda işe yaradığını ve KVKK ile güvenlik risklerini gözeterek nasıl adım adım kurulacağını anlatıyoruz.
İçindekiler
- E-posta sınıflandırma nedir?
- Kural tabanlı filtreden farkı
- Hangi e-postalar için uygun?
- 6 adımda kurulum
- KVKK, güvenlik ve insan onayı
- Özet ve kontrol listesi
Yapay zeka ile e-posta sınıflandırma nedir?
E-posta sınıflandırma, gelen her mesaja önceden tanımlanmış kategorilerden birini (örneğin “teklif talebi”, “arıza bildirimi”, “ödeme sorusu”) ve bir öncelik etiketi atayıp mesajı o kategorinin sorumlusuna iletme işidir. Yapay zeka destekli versiyonda bu etiketi, metnin anlamını yorumlayabilen bir dil modeli önerir. Dil modellerinin şirket verisiyle nasıl çalıştığını LLM ve RAG nedir yazımızda anlattık.
Sonuç, mesajın içeriğine dokunmadan sadece yönünü belirleyen küçük bir karardır: hangi kuyruk, hangi öncelik ve gerekirse mesajdan çıkarılan sipariş numarası veya müşteri kodu gibi birkaç alan.
Kural tabanlı filtreden farkı ne?
| Özellik | Kural tabanlı filtre | Yapay zeka ile sınıflandırma |
|---|---|---|
| Nasıl karar verir? | Anahtar kelime, gönderen veya konu satırı kuralıyla | Mesajın bütün anlamını yorumlayarak |
| Farklı ifadelere dayanıklılık | Düşük; “fiyat teklifi” kuralı “bize rakam verebilir misiniz” cümlesini kaçırır | Daha yüksek; aynı niyetin farklı ifadelerini tanıyabilir |
| Açıklanabilirlik | Yüksek; hangi kuralın çalıştığı bellidir | Daha düşük; gerekçe ve güven puanı kayda alınmalıdır |
| Bakım | Her yeni durum için yeni kural | Kategori tanımları ve örnekler güncellenir |
| En uygun kullanım | Net, değişmeyen durumlar (belirli bir tedarikçinin faturaları) | Serbest metinli, çeşitli müşteri talepleri |
Pratikte ikisi birlikte kullanılır: Kesin kurallar önce çalışır, kalan mesajlar yapay zekaya gider. Ekranlar arasında tekrarlayan tıklama işleri için ise robotik süreç otomasyonu (RPA) daha uygun bir araç olabilir.
Hangi e-postalar için uygundur?
- Satış talepleri: Teklif, fiyat ve stok soruları satış ekibinin kuyruğuna.
- Destek ve arıza bildirimleri: Teknik ekibe, gerekirse ürün veya cihaz bilgisi ayıklanarak.
- Muhasebe soruları: Ekstre, bakiye ve ödeme soruları finans ekibine.
- Tedarikçi yazışmaları ve belgeler: Satın alma ekibine.
- Başvurular, tanıtım ve spam: İlgili kişiye ya da ayrı bir klasöre.
Tek bir kişinin baktığı ve günde birkaç mesaj alan bir kutu için bu otomasyon gereksiz olabilir. Değer, mesaj sayısı ve kategori çeşitliliği arttıkça ortaya çıkar.
Yapay zeka ile e-posta sınıflandırma 6 adımda nasıl kurulur?

1. Kategorileri ve sahiplerini yazın
Beş ile on arasında, birbirine karışmayan kategori tanımlayın ve her birine bir sorumlu atayın. Mutlaka bir “diğer / emin değilim” kategorisi olsun; bu kuyruk insan tarafından boşaltılır.
2. Örnek mesaj seti hazırlayın
Geçmiş e-postalardan her kategori için gerçek örnekler seçin ve bir çalışan bunları elle etiketlesin. Kişisel verileri gereksizse maskeleyin; bu set hem modeli yönlendirmek hem de sonradan doğruluğu ölçmek için kullanılır.
3. Akışı tasarlayın
Mesaj gelir, kesin kurallar uygulanır, kalan mesaj sınıflandırılır ve kategori, öncelik ve güven puanıyla birlikte bir destek talebi veya CRM kaydı olarak ilgili kuyruğa düşer. ERP veya CRM ile bağlantı gerekiyorsa ERP entegrasyonu rehberimiz temel seçenekleri özetliyor.
4. İnsan onayı noktalarını belirleyin
Güven puanı belirlediğiniz eşiğin altındaki mesajlar, şikayetler, hukuki yazışmalar ve ödeme bilgisi içeren talepler otomatik yönlendirilmez; bir kişinin onayına düşer.
5. Önce gölge modda deneyin
İlk haftalarda sistem sadece öneri üretsin, yönlendirmeyi yine ekip yapsın. Öneriler ile ekibin kararlarını karşılaştırarak hangi kategorilerin karıştığını görün ve tanımları düzeltin.
6. Ölçün ve iyileştirin
Kuruluştan önce kendi başlangıç değerlerinizi kaydedin: ilk yanıt süresi, yanlış kişiye giden mesaj sayısı, cevapsız kalan mesajlar. Canlıya geçtikten sonra aynı ölçümleri tekrarlayın ve “diğer” kuyruğuna düşen mesajları düzenli inceleyin.
KVKK, güvenlik ve insan onayı: nelere dikkat edilmeli?
E-postalar ad, telefon, adres ve bazen sağlık veya finans bilgisi gibi kişisel veriler içerir. Kişisel Verileri Koruma Kurumu’nun Yapay Zekâ Alanında Kişisel Verilerin Korunmasına Dair Tavsiyeler dokümanı; ölçülülük, şeffaflık, hesap verebilirlik ve amaçla sınırlılık ilkelerini, tasarımdan itibaren veri korumayı ve yüksek risk öngörülen durumlarda mahremiyet etki değerlendirmesi yapılmasını önerir. Pratikte şunlara bakın:
- Asgari veri: Sınıflandırma için mesajın tamamı gerekmiyorsa ekleri ve imza bloklarını modele göndermeyin.
- Verinin nerede işlendiği: Modeli sağlayan hizmetin veriyi nerede işlediğini, saklayıp saklamadığını ve sözleşmedeki veri işleyen hükümlerini kontrol edin.
- Mesajdaki talimatlar: E-posta metnine gizlenmiş talimatlar modeli yanıltmaya çalışabilir. Modelin çıktısı sadece kategori ve öncelik olsun; ödeme yapmak veya yanıt göndermek gibi bir eylemi tek başına tetiklemesin.
- Dolandırıcılık: IBAN değişikliği ve acil ödeme talepleri her zaman insan kontrolüne düşmeli; bu saldırı tipini iş e-postası dolandırıcılığı (BEC) yazımızda ele aldık.
- Kayıt: Her önerinin kategorisini, güven puanını ve son kararı veren kişiyi saklayın.
Özet ve kontrol listesi
- Kategoriler net mi, her birinin bir sahibi var mı?
- Elle etiketlenmiş bir örnek set ve başlangıç ölçümleri hazır mı?
- Düşük güvenli ve riskli mesajlar için insan onayı tanımlandı mı?
- Gölge mod sonuçları incelendi mi?
- KVKK açısından veri akışı, saklama ve sözleşme kontrol edildi mi?
Özetle yapay zeka ile e-posta sınıflandırma, ortak kutulardaki talepleri bekletmeden doğru kişiye taşıyan, küçük ve ölçülebilir bir başlangıç projesidir. ÇAP Teknoloji olarak kategori tasarımından KVKK kontrolüne ve ERP/CRM bağlantısına kadar bu akışı yapay zeka ile iş akışı otomasyonu hizmetimiz kapsamında birlikte kurabiliriz; iletişim sayfamızdan bize ulaşın.
Sıkça Sorulan Sorular
Yapay zeka e-postalara kendisi cevap verebilir mi?
Teknik olarak taslak yanıt üretebilir, ancak sınıflandırma projesinde önerilen yaklaşım modelin sadece kategori ve öncelik önermesi, yanıtı ise ekibin göndermesidir. Otomatik yanıt istenirse yalnızca düşük riskli, standart konularla sınırlanmalı ve düzenli olarak kontrol edilmelidir.
Kişisel veri içeren e-postaları yapay zekaya göndermek KVKK’ya uygun mu?
Bu, verinin hangi amaçla, hangi hukuki sebeple ve nerede işlendiğine bağlıdır. Asgari veri ilkesine uyun, modeli sağlayan hizmetin veriyi nerede işlediğini ve sözleşme hükümlerini kontrol edin; gerekirse hukuk danışmanınızla birlikte değerlendirin.
Model yanlış kategori seçerse ne olur?
Bu yüzden güven eşiği, ’emin değilim’ kuyruğu ve gölge mod kullanılır. Yanlış yönlendirilen mesajlar kayda alınır, kategori tanımları ve örnekler bu kayıtlarla düzeltilir. Riskli konular zaten her zaman insan onayından geçer.
Kurulum için yeni bir yazılım satın almak gerekir mi?
Her zaman değil. Kullandığınız e-posta, destek veya CRM sisteminin sunduğu otomasyon özellikleri ve mevcut entegrasyon araçlarıyla başlamak mümkün olabilir. Doğru seçim; mesaj hacmine, verinin nerede işlenebileceğine ve bağlanması gereken sistemlere göre yapılır.


