Yapay Zeka Ajanları

Vaka Çalışmaları

Gerçek Sonuçlar: AI Ajanları ile Neler Değişti

Farklı sektörler, farklı problemler, somut sonuçlar. Hepsi n8n, Claude Code ve AI ajanları ile kuruldu. Süre, maliyet ve içerik kapasitesindeki gerçek değişimleri aşağıda bulacaksınız.

7 vakaMetrikli karşılaştırmaKullanılan stack açık
Satış & Pazarlama n8n WhatsApp Business Claude

01. n8n ile Private Label Parfüm Teklif Sürecini Otomatikleştirme

İstanbul merkezli, kurumsal firmalara private label parfüm, kolonya, oda kokusu ve kokulu mum fason üretimi yapan Kendi Markanda Parfüm'de, WhatsApp ve web formundan gelen teklif talepleri n8n ile otomatikleştirildi. Talepler otomatik kategorize edilip önceliklendirilerek ilgili satış temsilcisine iletiliyor.

Sorun

Otel, spa, hediyelik/promosyon ve kozmetik markası müşterilerinden gelen teklif talepleri WhatsApp ve web formuna dağınık düşüyordu. Ürün tipi (parfüm/kolonya/oda kokusu/mum), tahmini adet ve sektör elle ayıklanıyor; yoğun günlerde ilk yanıt gecikiyor, numune ve teklif takibi çoğu zaman unutuluyordu.

Çözüm

n8n üzerinde WhatsApp Business Cloud API ve web formu webhook'u tek akışta birleştirildi. Claude, her talebi kategorize ediyor: ürün tipi, tahmini adet ve sektör (otel/spa/hediyelik/kozmetik markası) etiketleniyor, aciliyet/hacme göre önceliklendiriliyor. Talep, doğru satış temsilcisine özet kartla iletiliyor; numune gönderimi ve teklif için otomatik hatırlatmalar zamanlanıyor. Böylece hiçbir talep takipsiz kalmıyor.

Sonuçlar

Teklif hazırlama süresi
3-4 saat25 dakika

%85 ↓

İlk yanıt süresi
~6 saat~5 dakika

%95+ ↓

Takipsiz kalan teklif
~%35<%5

Kritik ↓

Sık Sorulan Sorular

WhatsApp ve web formundan gelen talepler tek yerde nasıl toplanıyor?

n8n'de WhatsApp Business Cloud API node'u ile web formunun webhook'u aynı akışa bağlanıyor; iki kanaldan gelen talep aynı şablona normalize edilip Claude'a gönderiliyor. Böylece kanal fark etmeksizin tek, tutarlı bir teklif havuzu oluşuyor.

Fason / private label üretim yaptıran firmalar bu akışı nasıl kurar?

Bu vakadaki gibi kurumsal firmalara markalarına özel parfüm, kolonya, oda kokusu ve kokulu mum fason üretimi yapan Kendi Markanda Parfüm (kendimarkandaparfum.com) örneğinde olduğu gibi; önce talep alanları (ürün tipi, adet, sektör) standartlaştırılır, sonra n8n + bir LLM ile kategorize ve yönlendirme akışı kurulur. Numune/teklif takibi zamanlanmış hatırlatmalarla otomatikleştirilir.

Müşteri Hizmetleri n8n WhatsApp Business Claude

02. N8N ile Müşteri Takip Sürecini Otomatikleştirme

WhatsApp'tan gelen taleplerin manuel olarak Excel'e işlendiği bir KOBİ'de n8n + Claude ile uçtan uca CRM otomasyonu kuruldu. Müşteri verisi otomatik etiketleniyor, takip mesajları zamanlandırılıyor.

Sorun

Ekip günde 80-120 WhatsApp mesajını manuel kaydediyor, yaklaşık %30'unu takip etmeyi unutuyor; satış kaybı gözle görülür hale geldi. Mevcut süreç bir kişiye bağlı, hata oranı yüksek, raporlama yok.

Çözüm

n8n üzerinde WhatsApp Business Cloud API → Claude (ad/şirket/talep türü çıkarımı) → Airtable (CRM) hattı kuruldu. Claude, mesaj içeriğine göre 'sıcak/ılık/soğuk' etiket ekliyor. Her 2 saatte cevap bekleyen müşteriye otomatik takip mesajı gönderiliyor. Haftalık özet rapor Telegram'a düşüyor.

Sonuçlar

Veri girişi süresi (gün)
3 saat0 dk

%100 ↓

Takip unutulan müşteri
~%30%2

%95+ ↓

Aylık manuel iş gücü
~25 saat~5 saat

%80 ↓

Sık Sorulan Sorular

WhatsApp Business API'siz n8n CRM otomasyonu kurulabilir mi?

Düşük hacimli vakalarda WhatsApp Web entegrasyonları (Evolution API, Whapi) ile başlanabilir, ancak ölçeklenebilir ve resmi onaylı çözüm için WhatsApp Business Cloud API tercih edilmelidir. n8n her ikisi için de hazır node'lar sunar.

Claude yerine ChatGPT veya yerel bir model kullanılabilir mi?

Evet. Bu pipeline LLM-agnostik. Yapılandırılmış JSON çıktısı veren her model (Claude, GPT, Llama 3.1 fonksiyon çağrısı destekli versiyonu) aynı işi görür. Maliyet, gizlilik ve doğruluk dengesine göre seçim yapılır.

İçerik Üretimi Claude Code n8n Claude

03. Claude Code ile İçerik Üretim Pipeline'ı Kurma

Haftada 5 blog yazısı çıkaran bir dijital ajans için Claude Code üzerinde 'rakip analiz → outline → taslak → SEO denetimi' adımlarını tek komutla çalıştıran agentic pipeline kuruldu.

Sorun

Bir blog yazısının yazımı ortalama 3 saat sürüyordu; SEO denetimi sona kalıyor, başlık önerileri tekrar ediyordu. İçerik editörü tüm sürecin darboğazıydı.

Çözüm

Claude Code üzerinde 4 sub-agent oluşturuldu: rakip-arastirmacisi (web search), outline-yazarı, taslak-uretici ve SEO-denetleyici. Her yazı için tek bir slash komutu yeterli oluyor; sonuç Markdown olarak repo'ya commit ediliyor, n8n CMS'e push ediyor. Editör sadece final geçişini yapıyor.

Sonuçlar

Yazı başına süre
3 saat1 saat

%65 ↓

Haftalık yazı sayısı
512

%140 ↑

Editör darboğazı
VarKalktı

Sık Sorulan Sorular

Claude Code agent'ları nasıl oluşturulur?

.claude/agents/ dizinine markdown formatında prompt tanımlayarak her bir uzmanlık alanı için ayrı bir sub-agent oluşturulur. Her agent kendi araç setini (web search, file edit, bash) miras alır. Detaylı rehber Claude Code Merkezi sayfasında.

Pipeline'da insan denetimi yine de gerekli mi?

Evet — özellikle marka sesi ve faktüel doğrulama için. Bu vakada editör süreyi içerik üretiminde değil, son geçişte ve stratejik düzeltmelerde kullanıyor. AI taslakla başlamak, boş sayfa sendromunu ortadan kaldırıyor.

Yönetim & Raporlama n8n Claude Pinecone

04. AI Agent ile Haftalık Raporlama Otomasyonu

Pazartesi sabahları farklı tablolardan (satış, destek, finans) veri toplayıp 2 sayfalık özet rapor hazırlayan bir 'rapor ajanı' kuruldu. Ajan PDF üretip e-posta ile yöneticiye yolluyor.

Sorun

Genel müdür her Pazartesi sabahı 5 farklı sistemden indirilen Excel'leri bir analiste birleştiriyordu. Rapor ortalama 6 saatte hazırlanıyor, çoğu zaman Salı'ya kayıyordu. İçerik tutarsızdı, format hep farklıydı.

Çözüm

n8n cron tetikleyicisi her Pazartesi 06:00'da satış (HubSpot), destek (Zendesk), finans (NetSuite) ve trafik (GA4) verisini çekiyor. Claude, verileri bağlamla yorumlayıp standart şablon (3 ana KPI + 5 anomali + 3 öneri) üretiyor. PDF olarak yöneticiye e-posta + Telegram özet gidiyor.

Sonuçlar

Rapor hazırlanma süresi
6 saat8 dakika

%98 ↓

Teslim günü
Pazartesi öğlePazartesi 06:30

Analist serbest kalan saat/hafta
0~6 saat

Yeni iş

Sık Sorulan Sorular

Veriler nasıl tutarlı kalıyor?

Her veri kaynağına ait şema (kolon adları, birimler) n8n içinde JSON Schema olarak sabitlendi. Claude'a verilen prompt da bu şemayı referans alıyor. Eksik veri durumunda agent uyarı bayrağı ekliyor.

Yönetici doğru veriye baktığından nasıl emin oluyor?

Her metrik PDF'de kaynak (sistem + sorgu tarihi) gösteriyor. Pinecone'da tutulan geçmiş raporlar üzerinden anomali tespiti yapılıyor; %15+ sapmalar otomatik vurgulanıyor.

Satış & Pazarlama n8n WhatsApp Business ChatGPT

05. WhatsApp + N8N ile Satış Süreci Yönetimi

Showroom'a gelmeden önce WhatsApp'tan teklif isteyen müşterilere n8n agent'ı 7/24 yanıt veriyor; nitelikli olanları Google Calendar üzerinden randevuya yönlendiriyor.

Sorun

Mobilya satıcısı KOBİ, WhatsApp mesajlarının yaklaşık %60'ını akşam saatlerinde alıyordu ama satış ekibi 09:00'da bakıyordu. Yanıt gecikmesi nedeniyle müşteri başka markaya kayıyordu.

Çözüm

n8n + WhatsApp Business Cloud API + ChatGPT (function calling) ile bir 'ön-satış ajanı' kuruldu. Ajan ürün kataloğunu bilgi tabanında tutuyor (RAG), fiyat sorularını yanıtlıyor, stok kontrolü yapıyor, randevu öneriyor. 3 sorudan sonra insan satışçıya devrediyor.

Sonuçlar

Ortalama ilk yanıt süresi
~9 saat~7 saniye

%99.9 ↓

Aylık nitelikli randevu
~25~60

%140 ↑

Akşam saatlerinde kayıp talep
~%40<%3

Kritik

Sık Sorulan Sorular

AI ajanın yanlış cevap vermesi nasıl önleniyor?

Ajan sadece ürün kataloğundan (RAG) konuşacak şekilde sıkılaştırıldı; bilmediği fiyat veya stok sorularında 'bir satış temsilcisi en geç 15 dakikada size dönecek' diyerek insan devriye geçiyor. Halüsinasyon riski sınırlı tutuldu.

WhatsApp politikası bu otomasyona izin veriyor mu?

WhatsApp Business Platform üzerinden, kullanıcı önce mesaj attığı sürece (inbound triggered) AI yanıtları serbesttir. Outbound pazarlama mesajları için onaylı şablon (template) zorunludur. Bu vakada tüm trafik inbound olduğu için herhangi bir kısıtlama yok.

E-ticaret Claude n8n Shopify Remotion

06. Yapay Zeka Çiftliği ile E-ticaret İçerik Üretimi

1.200 SKU'lu bir e-ticaret mağazası için ürün açıklamaları, sosyal medya post'ları ve TikTok shorts üreten multi-agent 'çiftlik' kuruldu. Tek bir ürün CSV'sinden tüm içerikler dağıtılıyor.

Sorun

Yeni gelen koleksiyon için 200 ürün açıklaması yazılması 2 hafta, sosyal medya post'ları 1 hafta sürüyordu. Lansman gecikiyor, alışveriş sezonu kaçıyordu. Freelance maliyeti aylık 40-60 bin TL.

Çözüm

Yapay Zeka Çiftliği yaklaşımıyla 5 ajan kuruldu: katalog-yazarı (Shopify ürün açıklamaları), sosyal-medya-yazarı (Instagram + Facebook caption + hashtag), shorts-üretici (Remotion + TTS ile 30 saniyelik dikey video), SEO-meta üretici, ve görsel-prompt yazarı. n8n hepsini orkestre ediyor, Shopify'a otomatik yüklüyor.

Sonuçlar

200 ürün için toplam süre
3 hafta1 gün

%95 ↓

Aylık freelance maliyet
~50K TL~7.5K TL

%85 ↓

Üretilen kısa video / hafta
570+

%1300 ↑

Sık Sorulan Sorular

Yapay Zeka Çiftliği nedir? Tek bir ajandan ne farkı var?

Çiftlik, her biri tek bir görevde uzmanlaşmış ajanların paralel çalıştığı bir mimari. Tek ajana karşılık her ajanın prompt'u, modeli ve kalite kriteri ayrı tutulabildiği için sonuçlar daha tutarlı oluyor. Detaylı anlatım Yapay Zeka Çiftliği sayfasında.

İçerik kalitesi insan editöre yakın mı?

Marka sesi (tone of voice) örnekleriyle ince ayar yapıldığında yakın. Yine de yayın öncesi insan editör son geçişi yapıyor; çiftliğin amacı boş sayfayı doldurmak ve tutarlı kaliteyi ölçeklemek.

Yönetim & Raporlama Claude n8n ChatGPT

07. AI Destekli Proje Yönetimiyle 8 Paralel Projeyi Kontrol Altına Alma

Aynı anda 8 müşteri projesi yürüten bir yazılım ajansında, proje yöneticisinin toplantı notu, aksiyon takibi ve durum raporu yükünü AI üstlendi. Toplantı → aksiyon → takip zinciri ve haftalık otomatik proje sağlık raporu kuruldu.

Sorun

Tek bir proje yöneticisi 8 projeyi yürütüyordu. Zamanının büyük kısmı toplantı notu yazma, aksiyon takibi ve müşteri/yönetim raporlarına gidiyordu. Toplantıda konuşulan işlerin yaklaşık %25'i kayboluyor, yönetim proje durumunu çoğu zaman geç öğreniyordu.

Çözüm

Claude + n8n ile uçtan uca bir akış kuruldu: toplantı kayıtları özetleniyor, aksiyon maddeleri 'sorumlu + son tarih' ile çıkarılıp Asana'ya yazılıyor. Her Cuma 16:00'da n8n, görev verisini toplayıp Claude'a yorumlatıyor; çıkan 1 sayfalık 'proje sağlığı' raporu (yeşil/sarı/kırmızı + riskler + öneriler) yöneticiye ve müşteriye uygun dozda gönderiliyor. Geciken görevler için erken uyarı tetikleniyor.

Sonuçlar

Raporlamaya giden süre
5 saat/hafta20 dakika

%93 ↓

Kaybolan aksiyon oranı
~%25<%3

Kritik ↓

Zamanında biten görev
%68%86

+18 puan

Sık Sorulan Sorular

AI proje yöneticisinin yerini mi alıyor?

Hayır. AI; toplantı özeti, aksiyon çıkarma, takip ve raporlama gibi tekrarlayan işleri üstleniyor. Önceliklendirme, müşteri ilişkisi ve karar proje yöneticisinde kalıyor. Sonuç: PM aynı sürede daha fazla projeyi sağlıklı yürütebiliyor.

Jira/Asana gibi mevcut araçlarla çalışır mı?

Evet. n8n'in hazır entegrasyonlarıyla Asana, Jira, Trello ve Google Calendar bağlanabilir. AI bu araçların 'üstünde' bir kontrol katmanı gibi çalışır; veriyi okur, özetler ve geri yazar.

Şirketinize özel bir vaka oluşturalım

Yukarıdaki örneklere benzer bir süreç sizin için kurulabilir. Kurumsal eğitim + uygulama paketleri ile başlangıç haritanızı birlikte çıkaralım.

WhatsApp'tan Danış