Yapay zeka ile e-posta yazma, bir dil modelinin gelen mesajı ve şirketin kendi bilgisini kullanarak yanıt taslağı hazırlaması, metni kısaltması, tonunu düzeltmesi ya da başka bir dile çevirmesidir. Taslağı yapay zeka hazırlar; içeriği doğrulayan, taahhüdü veren ve "Gönder"e basan kişi ise çalışandır.
Yanıt yazmak neden bu kadar zaman alıyor?
Bir satış temsilcisinin sabahını düşünün. Müşteri teslim tarihini soruyor, tedarikçi fiyat farkını açıklamanızı istiyor, yurt dışındaki bir alıcı İngilizce teknik şartname göndermiş. Her yanıt için önce eski yazışmayı okumak, ERP'den bilgi bakmak, doğru tonu bulmak ve metni kurmak gerekiyor.
Asıl zaman kaybı yazmanın kendisinde değil, çevresindedir. Aynı "sipariş gecikmesi" yanıtı her hafta sıfırdan yazılır, kıdemli bir çalışanın iyi kurduğu cümleler yenilere aktarılmaz. İngilizce yazışmada kendini rahat hissetmeyen çalışan maili bekletir ya da işi başkasına devreder.
Bu yazı gelen maile yanıt yazma tarafını ele alıyor. Maillerin konuya ve sorumluya göre ayrılması ayrı bir iştir; onu yapay zeka ile e-posta sınıflandırma yazısında anlattık. Destek ekibinde temsilcinin ekranına yerleşen, vaka özetleyen asistan içinse müşteri temsilcisi yapay zeka asistanı rehberine bakın.
Yavaş ve tutarsız yazışmanın maliyeti
E-posta hacmi, yazma işinin küçük bir kalem olmadığını gösteriyor:
Microsoft'un 2025 Work Trend Index özel raporuna göre ortalama bir çalışan günde 117 e-posta alıyor; Microsoft 365 kullanan çalışanlar her 2 dakikada bir toplantı, e-posta ya da bildirimle bölünüyor. (Microsoft Work Trend Index, "Breaking Down the Infinite Workday")
Yazma işinde yapay zekanın etkisi kontrollü deneyle de ölçüldü. MIT'de 444 üniversite mezunu profesyonelle yapılan ön kayıtlı deneyde (2023) ChatGPT kullananlar mesleki yazma görevini kontrol grubuna göre 10 dakika (%37) daha kısa sürede bitirdi, değerlendirici notları da 0,45 standart sapma yükseldi (Noy ve Zhang, MIT çalışma kağıdı). Bu sonuç belirli yazma görevlerinde ölçüldü; her maile genellenmemeli.
Müşteriyle yazışan ekiplerde benzer bir tablo var. 5.179 müşteri destek temsilcisini kapsayan NBER "Generative AI at Work" çalışmasında yanıt öneren asistana erişim, saat başına çözülen talep sayısını ortalama %14 artırdı; artış yeni başlayan ve düşük becerili temsilcilerde %34'e ulaştı. Araştırmacılar bunu, aracın deneyimli temsilcilerin iyi uygulamalarını yeni başlayanlara taşımasıyla açıklıyor.
Kurum kendi aracını sunmazsa çalışan yine de yapay zeka kullanıyor. Microsoft ve LinkedIn 2024 Work Trend Index raporuna göre işte yapay zeka kullananların %78'i kendi aracını işe getiriyor; KOBİ'lerde oran %80. Müşteri adı, fiyat ve sözleşme maddesi içeren bir mail kişisel bir sohbet aracına yapıştırıldığında riskin ne olduğunu ChatGPT ve şirket verisi güvenliği yazısında anlattık.
Yapay zeka ile e-posta yazma: hangi iş devredilir, hangisi insanda kalır?
Yapay zeka mail yazarken üç farklı iş yapar: dil işi (kısaltma, ton, yazım, çeviri), bilgi işi (doğru teslim tarihini, fiyatı, prosedürü bulup metne koymak) ve karar işi (indirim vermek, özür dilemek, sorumluluk kabul etmek). İlki büyük ölçüde devredilebilir, ikincisi kaynağa bağlanırsa devredilebilir, üçüncüsü insanda kalmalıdır.
| Görev | Yapay zekaya uygunluk | İnsan kontrolü | Dikkat edilecek nokta |
|---|---|---|---|
| Uzun maili kısaltma, tonu düzeltme | Yüksek | Hızlı okuma yeter | Anlam kaymasın, önemli ayrıntı düşmesin |
| Yabancı dile çeviri | Yüksek | Teknik terim ve rakam kontrolü | Birim, tarih biçimi, ürün adı |
| Tekrarlayan yanıtın ilk taslağı | Yüksek | Kişiye ve duruma uyarlama | Şablon kokan, soğuk metin |
| Sipariş, stok, teslim tarihi içeren yanıt | Orta; sisteme bağlıysa yüksek | Rakamın kaynağını doğrulama | Model bilmediği tarihi uydurabilir |
| Fiyat, indirim, iade, sözleşme taahhüdü | Düşük | Yetkili onayı şart | Kurumu bağlayan ifade |
| Şikâyet, hukuki yazışma, kriz iletişimi | Düşük; yalnızca dil desteği | Tam insan yazımı ve onay | Sorumluluk kabulü, kişisel veri |
Tablonun dördüncü satırı en çok hata üreten yerdir. Kaynağa bağlanmamış bir model, "siparişiniz perşembe günü sevk edilecek" cümlesini akıcı biçimde uydurabilir. Bu riskin nedenlerini ve önlemlerini yapay zeka halüsinasyonu yazısında topladık.
Yanıtı şirket bilgisine dayandırmanın yolu, modelin taslağı yazmadan önce ilgili belgeyi ya da kaydı bulup okumasıdır. Bu mimarinin adı RAG'dir; nasıl çalıştığını RAG ve kurumsal LLM yazısında anlattık.
Yapay zeka ile e-posta yanıtı nasıl kurulur? 6 adım
- Yazışma türlerini sayın. Bir ay boyunca ekibin en sık yazdığı 10–15 yanıt türünü çıkarın: teslim tarihi sorusu, fiyat teyidi, eksik belge talebi, randevu, İngilizce teknik soru gibi. Hacmi yüksek ve bilgisi belli olan türler ilk adaydır.
- Kırmızı çizgileri yazın. Hangi konularda taslak üretilmeyeceğini, hangi ifadelerin (fiyat, süre, iade, sorumluluk) yetkili onayı olmadan gönderilemeyeceğini belirleyin. Bu kurallar şirket yapay zeka kullanım politikası belgesinin parçası olmalı.
- Ses ve üslup rehberi hazırlayın. Hitap, imza, "siz" dili, yasak ifadeler ve iyi yazılmış 20–30 örnek mail. Model taslak yazarken bu örnekleri referans alır ve kurumun üslubuna yaklaşır; aynı rehber yeni çalışanın da işine yarar.
- Bilgi kaynağını bağlayın. Taslağın kullanacağı ürün kataloğu, prosedür belgeleri ve CRM ya da ERP kaydı yetkiye göre açılmalı. Çalışan yalnızca görmeye yetkili olduğu bilgiden taslak alabilmeli.
- Kişisel veri ve güvenlik kurallarını uygulayın. Hangi mail içeriğinin hangi modele, hangi ülkedeki sunucuya gittiği baştan netleşmeli. Mailde kişisel veri varsa bu işleme KVKK kapsamındadır; kanun, verinin yurt dışına aktarımını da belirli şartlara bağlar. Gelen maildeki gizli talimatların modeli yönlendirmesi ayrı bir risktir; prompt enjeksiyonu yazısında örnekleriyle anlattık.
- Pilotta ölçün. Tek ekip, birkaç yanıt türü ve dört ila altı haftalık bir deneme. Taslağın ne kadarının değiştirilmeden gönderildiğini, ilk yanıt süresini ve hatalı bilgi içeren taslak sayısını izleyin.
Pilotun sonucunu yatırım kararına çevirmek için yapay zeka projesinde ROI yazısındaki ölçüm yöntemini kullanabilirsiniz. Yapay zekanın şirketteki diğer kullanım alanlarını görmek isterseniz yapay zeka ile yapılabilecek işler listesine bakın.
Göndermeden önce: taslak kontrol listesi
Yapay zeka taslağı ne kadar iyi olursa olsun, "Gönder" düğmesine basan kişinin şu soruları cevaplaması gerekir:
- Metindeki her rakam, tarih ve ürün adı bir kaynakta var mı?
- Mail kurumu bağlayan bir taahhüt içeriyor mu; içeriyorsa onay alındı mı?
- Alıcı listesinde olmaması gereken biri var mı, ek doğru dosya mı?
- Gelen mail bir ödeme ya da banka bilgisi değişikliği istiyorsa yanıt vermeden önce telefonla teyit edildi mi?
Son madde özellikle önemlidir: yapay zeka ikna edici bir yanıtı saniyeler içinde yazar, ama karşıdaki mailin sahte olup olmadığını bilemez. Bu saldırı türünü IBAN değişikliği maili dolandırıcılığı yazısında ayrıntılı ele aldık. Kurum adına çıkan hassas maillerde ikinci bir gözün nasıl devreye gireceğini ise e-posta onay akışı rehberi anlatıyor.
Digital Bridge'de bu işi nasıl yapıyoruz?
E-posta yazma asistanını bir eklenti kurulumu olarak değil, şirketin yazışma bilgisini düzenleme işi olarak ele alıyoruz:
- Keşif ve ihtiyaç analizi. En sık yazılan yanıt türlerini, bilginin hangi sistemde durduğunu ve hangi ifadelerin onay gerektirdiğini birlikte çıkarıyoruz. Sonunda kapsamı, aşamaları ve bedeli yazan bir teklif sunuyoruz.
- Kurum bilgisine dayalı asistan. Taslağı ürün belgelerinize, prosedürlerinize ve örnek yazışmalarınıza dayandıran yapıyı kurumsal LLM asistanı hizmetimizle kuruyoruz; kullanıcı yalnızca yetkili olduğu belgelerden yanıt alır, asistan gerekirse kendi sunucunuzda çalışabilir.
- Entegrasyon. Teslim tarihi, stok ya da cari bilgisi gerektiren yanıtlar için modeli yapay zeka entegrasyonu ile ERP'ye ve CRM sistemine bağlıyoruz; taslaktaki rakam sistemden gelir, modelin tahmininden değil.
- Veri koruma. Mail içeriğinin nerede işleneceğini, maskeleme ve saklama kurallarını KVKK uyum danışmanlığı çerçevesinde belirliyoruz.
- Pilot. Tek ekip ve birkaç yanıt türüyle başlıyor, değiştirilmeden gönderilen taslak oranını ve hata sayısını ölçüp genişletme kararını veriyle alıyoruz.
Teklif metni gibi uzun ve çok bölümlü belgeler için yöntem farklıdır; onu yapay zeka ile teklif hazırlama yazısında anlattık.
SmartMail ile yazım desteği ve çeviri
Her şirketin özel bir asistana ihtiyacı yoktur; çoğu zaman günlük yazışmanın dil tarafı e-posta ürününün içinde çözülebilir. Kendi geliştirdiğimiz Smart360 ailesinin e-posta ürünü SmartMail, ortak ve kişisel posta kutularını tek web panelinde yönetir; yapay zeka özellikleri arasında mesaj özeti, mesaja soru sorma, yazım desteği ve 30 dile çeviri bulunur.
Somut bir senaryo: ihracat@ kutusuna Almanca bir teknik soru gelir. Sorumlu çalışan önce mesaj özetini okur, ayrıntıyı mesaja soru sorarak netleştirir, yanıtını Türkçe kurar, yazım desteğiyle düzeltir ve çeviriyle alıcının diline aktarır. Yanıt fiyat ya da teslim süresi içeriyorsa çalışan gönderim onayı başlatır: mesaj gönderilmeden önce bir ya da birden çok yetkilinin onayına sunulur; onay, gerekçeli revizyon ya da ret her adımda tarih-saatle kaydedilir.
SmartMail'de her posta kutusu için dokuz ayrı izin tanımlanır; "yapay zeka ile yeniden yorumlama" ve "yapay zeka sohbeti" bunlardan ikisidir, yani yapay zeka özelliklerini kutu bazında kimin kullanacağına kurum karar verir. Kutu başına imza, kurumsal e-posta imzası düzenini korur. Yanıtın dayandığı ürün belgeleri SmartFiles'ta duruyorsa çalışan belgeye ya da klasörün tamamına soru sorarak doğru bilgiyi bulabilir.
Sonraki adım
Bir hafta boyunca ekibinizin en çok yazdığı beş yanıt türünü ve her birinin ortalama kaç dakika sürdüğünü not edin; bu liste pilotun kapsamını belirler. Ardından bizimle iletişime geçin: kendi kutularınızla SmartMail'in yazım desteğini ve çevirisini gösterelim, kurum bilgisine bağlı bir asistan gerekiyorsa keşif çalışmasını planlayalım. Diğer uygulamalar için Yapay Zeka konu sayfamıza göz atabilirsiniz.