Vaka Çalışmaları
Gerçek Sonuçlar: AI Ajanları ile Neler Değişti
5 farklı sektör, 5 farklı problem, 5 somut sonuç. Hepsi n8n, Claude Code ve AI ajanları ile kuruldu. Süre, maliyet ve içerik kapasitesindeki gerçek değişimleri aşağıda bulacaksınız.
01. 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
- Takip unutulan müşteri
- ~%30%2
- Aylık manuel iş gücü
- ~25 saat~5 saat
%100 ↓
%95+ ↓
%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.
02. 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 fikir → yayın aşaması ortalama 8-10 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
- —Yakında veri
- Haftalık yazı sayısı
- 512
- Editör darboğazı
- VarKalktı
%65 ↓ (tahmini)
%140 ↑
—
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.
03. 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 3 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
- ~3 saat8 dakika
- Teslim günü
- Pazartesi öğlePazartesi 06:30
- Analist serbest kalan saat/hafta
- 0~6 saat
%96 ↓
—
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.
04. 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
- Aylık nitelikli randevu
- ~25~60
- Akşam saatlerinde kayıp talep
- ~%40<%3
%99.9 ↓
%140 ↑
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.
05. 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
- Aylık freelance maliyet
- ~50K TL~7.5K TL
- Üretilen kısa video / hafta
- 570+
%95 ↓
%85 ↓
%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.
Şirketinize özel bir vaka oluşturalım
Yukarıdaki örneklere benzer bir süreç sizin için kurulabilir. Kurumsal eğitim + uygulama paketleri ile başlangıç haritanızı birlikte çıkaralım.
Bu konuyla ilgili okumak isteyebilirsin
n8n Öğrenme Yolu
Sıfırdan ileri seviyeye 14 bölümlük tam müfredat.
Devam etn8n Hazır Workflow'lar
13 sektör için 130+ kullanıma hazır workflow şablonu.
Devam etAI Otomasyon Merkezi
n8n, Zapier, MCP, RAG ve otomasyon yapı taşları.
Devam etYapay Zeka Ajanları — Kavramsal Rehber
Vakaların arkasındaki ajan mimarisi nasıl çalışır? Detaylı anlatım.
Devam et