Otomatik Ticket Sınıflandırma ve Yönlendirme

Modül MH-05 — Otomatik Ticket Sınıflandırma ve Yönlendirme

Bu sayfa, kurumunuzda hayata geçirebileceğim somut bir AI dönüşüm modülünün uçtan uca özetidir: problem ifadesinden ROI modeline, ön koşullardan risk yönetimine ve ilk 2 haftalık hızlı kazanım versiyonuna kadar her şey burada.

1. Problem Tanımı

Gelen ticket'lar manuel triyaja girer; %20-30'u yanlış departmana yönlendirilir; bu da çözüm süresini 1-3 gün uzatır. Volüm büyüdükçe triyaj insanı süreçte darboğaz olur.

2. Önerdiğim Çözüm

Müşteri başvurusu gelir gelmez (e-posta, web form, sosyal medya) konu, aciliyet ve duygu sınıflandırması yapan; ilgili ekibe SLA hedefleriyle otomatik atayan; çözüm önerisi de tutuşturan model.

3. Mimari ve Yaklaşım

Fine-tuned BERT veya LLM zero-shot classification, Zendesk/Freshdesk/ServiceNow entegrasyonu, e-posta gateway parse.

Seçilen bileşenler kurumunuzun mevcut altyapısına, veri olgunluğuna ve regülasyon profiline göre kalibre edilir. Açık kaynak yığınlar ile kurumsal SaaS platformları arasındaki tercih genellikle veri ikametgâhı, kontrol seviyesi ve toplam operasyon yüküne göre netleşir.

4. Süre ve Faz Yapısı

Süre aralığı geniş tutulmuştur çünkü mevcut bulut altyapı olgunluğu, iç ekip katılım yoğunluğu ve seçilecek entegrasyon hedefi (kaç sistem) toplam süreyi önemli ölçüde etkiler. Pilot fazında daraltılmış kapsamla başlar; kanıtlanan değere göre tam ölçek planı onaylanır.

**Tipik faz akışı:**

5. ROI ve KPI Beklentileri

Triyaj süresi %80+ azalır; yanlış yönlendirme oranı %25 → %5-8; SLA uyumu %15-25 artar.

Aralıkların alt bandı disiplinsiz uygulamayı, üst bandı ise süreç yeniden tasarımıyla birlikte yürütülmüş AI projelerini temsil eder. Yalnız teknoloji kurmak yetmez; mevcut iş akışlarının AI-öncesi mantığa göre yeniden tasarlanması en yüksek değer kaynağıdır.

6. Dünyadan Referans Vaka

Airbnb, Uber gibi platformlar otomatik ticket sınıflandırması ile günde milyonlarca etkileşimi yönetiyor; %95+ doğruluk yaygın bir hedeftir.

7. Ön Koşullar

En az 6 aylık etiketli ticket verisi, ekip-konu eşleştirmesi, SLA tanımları.

Ön koşullar tamamlanmadan ilerlemek, pilotun başarısız olma olasılığını dramatik biçimde artırır. Bunlar tamamlanmamışsa ilk fazı 2–3 haftalık bir hazırlık atölyesiyle başlatıyorum.

8. Risk ve Azaltma Planı

Az veri olan nadir konularda model zayıf → düşük güvende insan triyaja düşürme. Etiket kayması (drift) → düzenli yeniden eğitim.

KVKK ve AB AI Act 2026 uyumu doğrudan tasarım fazına gömülür; ISO/IEC 42001 (AI Yönetim Sistemi) çerçevesiyle uyumlu model dokümantasyonu (model cards), açıklanabilirlik (XAI) ve bias auditi süreçleri her teslimatın parçasıdır.

9. 2 Haftalık Hızlı Kazanım (Quick Win)

En sık 10 konu kategorisinde basit anahtar kelime + LLM zero-shot; 2 haftada.

Quick Win versiyonu küçümsenmemelidir: 2–4 haftalık prototipler hem yönetim kurulu için kanıt üretir hem de tam ölçek proje öncesi kritik öğrenme sağlar.

10. Çalışma Modelim ve Teslimatlar

Modülü uçtan uca hayata geçiriyorum: keşif atölyesi → mimari tasarım → veri ve entegrasyon hazırlığı → pilot inşa ve canlıya alım → ROI takibi ve ölçekleme. Her fazda KVKK uyum kontrolü, model gözlemlenebilirliği (LLMOps) ve değişim yönetimi planı dahildir.

**Tipik teslimatlar:**