ITSM'de Ajan Tabanlı Yapay Zeka: 10 Kullanım Örneği ve Senaryo

BT hizmet yönetiminde ajan tabanlı yapay zeka, kuruluşların BT operasyonlarını ve hizmet sunumunu yönetme biçiminde pratik bir değişim anlamına gelir. Statik otomasyona veya önceden tanımlanmış iş akışlarına güvenmek yerine, ajan tabanlı yapay zeka bağlamsal akıl yürütmeyi mümkün kılarak yapay zeka ajanlarının BT ortamlarında özerk bir şekilde hareket etmesine olanak tanır.

BT Hizmet Yönetimi'nde (ITSM) ajansal yapay zekanın nasıl çalıştığını, kullanım örneklerini ve gerçek hayattan örnekleri keşfedin. Bu örnekler, BT ekiplerinin sorunları tespit etmesine, çözümler önermesine veya uygulamasına ve zaman içinde iyileşmek için geçmiş verilerden öğrenmesine nasıl yardımcı olduğunu gösterir.

ITSM araçlarında ajansal yapay zeka

Atomik çalışma

Atomicwork ITSM, evrensel bağlam katmanı aracılığıyla etkileşimlerden ve sistem verilerinden öğrenerek kurumsal bilgi grafiğini geliştirir.

Lansweeper aracılığıyla varlık keşfini birleştiren sürekli aktif algılama ajanlarını içerir. Sağlama ve iş akışı otomasyonu görevlerini yürütebilir, ancak yerleşik yama yönetimi yeteneklerinden yoksundur.

Şekil 1: Atomicwork Agentic ITSM kontrol paneli. ¹

Freshworks Freshservice

Freshservice öncelikle bilet kalıplarından öğrenir ve Freddy yapay zeka katmanı aracılığıyla bilgi eksikliklerini belirler.

Dijital Çalışan Deneyimi (DEX) izleme ve hizmet sağlığı anormallik tespiti yoluyla proaktif algılama sunar. İş Akışı Otomasyonu süreç yürütmeyi mümkün kılar, ancak altyapı düzeyinde otomasyon sınırlı kalmaktadır.

Şekil 2: Freshservice Freddy yapay zeka ajanı iş akışı örneği. ²

Ivanti Nöronları

Ivanti Neurons, cihaz performansındaki ve kullanıcı deneyimindeki bozulmaları tespit eden otonom uç nokta izleme çözümü sunar. Yerel yama uygulama, yazılım dağıtımı ve kendi kendini onaran düzeltme özellikleri sağlar.

ManageEngine Sitesi 7/24

Site24x7, tüm sistem genelindeki altyapı izleme modellerinden öğrenir. Proaktif tespiti, alan odaklı nedensel korelasyonla birleştirilmiş tahmine dayalı anormallik tespiti kullanır.

Karar verme sürecinde, bu araç temel nedenleri belirlemek ve uyarı gürültüsünü azaltmak için nedensel zekaya dayanmaktadır.

New Relic SRE Temsilcisi

New Relic'in SRE Agent'ı, arıza senaryoları için tasarlanmış bir değerlendirme motoru kullanarak çalışma zamanı koşullarına dinamik olarak uyum sağlar. Akıllı uyarılar ve performans analizi yoluyla riskleri tespit ederek kesintileri önceden tahmin eder.

Bu araç, temel nedenleri belirlemek için olasılıksal nedensel modellemeyi kullanır. Düzeltme eylemleri önerir ancak üretim ortamlarında değişiklik uygulamaz.

Salesforce Agentforce BT Hizmeti

Salesforce Agentforce BT Hizmeti, çalışan sinyallerini CMDB etki verileriyle birlikte analiz ederek yaygın sorunları tespit eder. ITIL iş akışlarını otomatikleştirir ancak yama uygulama gibi uç nokta düzeyindeki işlemler için harici ortaklara güvenir.

SysAid Yardımcı Pilot Yapay Zeka

SysAid Copilot AI, Veri Havuzu aracılığıyla biletlerden, bilgi tabanlarından ve dahili dokümanlardan öğrenir.

Karar verme sürecinde SysAid, SLA gereksinimlerini, risk seviyelerini ve duygu sinyallerini birleştiren çok faktörlü aciliyet puanlaması kullanır. Hesap ve cihaz düzeyinde işlemler gerçekleştirebilir, ancak otomatik yama yönetimi özelliği bulunmamaktadır.

ITSM kullanım durumlarında ajansal yapay zeka

1. Çalışanların kendi kendine hizmet vermesi ve taleplerin çözümlenmesi

Yapay zekâ destekli sohbet robotları ve sanal asistanlar, çalışanlara olaylar ve hizmet talepleri için gerçek zamanlı, kişiselleştirilmiş destek sağlar. Son kullanıcıların parola sıfırlama veya uygulama erişimi gibi sorunları insan müdahalesi olmadan çözmelerini sağlarlar. Faydaları şunlardır:

• Servis masasındaki iş yükü azaldı.
• Daha hızlı hizmet sunumu ve daha yüksek kullanıcı memnuniyeti.
• Tekrarlayan görevlerin otomasyonu sayesinde operasyonel verimlilik artırıldı.

2. Olayın otomatik çözümü

Ajan tabanlı yapay zeka sistemleri sorunları otomatik olarak tespit edip düzeltebilir. Örneğin, sunucu aşırı yüklenmesini algılayıp insan müdahalesi olmadan kaynakları yeniden tahsis edebilir. Şu konularda yardımcı olur:

• Ortalama çözüm süresini (MTTR) düşürün.
• Kesintisiz hizmet kullanılabilirliği.
• Manuel müdahaleye olan bağımlılığın azalması.

3. Akıllı önceliklendirme ve bilet oluşturma

Olaylar meydana geldiğinde, ajansal yapay zeka bağlamsal verileri, günlükleri ve ekran görüntülerini derleyerek ayrıntılı biletler oluşturur. Doğru yönlendirmeyi sağlamak için kullanıcı rolüne, etkiye ve geçmiş verilere göre önceliklendirme yapar. ITSM araçlarındaki ajansal yapay zeka şunlara olanak tanır:

• Kullanıcılar ve temsilciler arasındaki karşılıklı iletişimi en aza indirmek.
• Intelhizmet taleplerinin doğru önceliklendirilmesi.
• BT operasyonlarında tutarlı hizmet kalitesi.

4. Otomatik problem tespiti

Tekrarlayan olaylar arasındaki korelasyonları analiz ederek, yapay zeka ajanları birden fazla sistem sorununa katkıda bulunan temel nedeni belirleyebilir ve şunları destekleyebilir:

• Benzer sorunların tekrarlanma olasılığı azalır.
• Karmaşık sorunların uzun vadeli çözümü yoluyla maliyet tasarrufu.

5. Proaktif izleme ve önleme

Ajan tabanlı yapay zeka araçları, altyapıyı ve kullanıcı davranışını sürekli olarak izleyerek potansiyel aksaklıklar için erken uyarılar sağlar ve şu konularda yardımcı olur:

• Arıza süresinde azalma.
• Sistem güvenilirliği ve hizmet sunumu iyileştirildi.
• Öngörücü bakım yoluyla artırılmış dayanıklılık.

6. Birleşik uç nokta yönetimi

Yapay zekâ ajanları, Intune, JAMF veya Nexthink gibi sistemlerle entegre olarak uyumluluğu sağlar, yamaları yönetir ve uç nokta sağlığını korur:

• Daha yüksek güvenlik standartları ve azaltılmış güvenlik açıkları.
• Manuel kontroller olmadan cihaz performansında iyileşme.
• Bilgi işlem operasyonlarının uyumluluk politikalarıyla uyumlu hale getirilmesi.

7. Müşteri hizmetleri personeli için yapay zeka asistanları

Yapay zekâ destekli çözümler, biletleri özetleyerek, bilgi tabanından çözüm önerileri sunarak ve temel neden analizleri hazırlayarak insan temsilcilerine destek sağlar. Bu araçlar şunları mümkün kılar:

• Dokümantasyonda insan hatasının azaltılması.
• Hizmet taleplerine daha tutarlı yanıtlar verilmesi.
• BT ekibi için daha yüksek verimlilik.

8. Dinamik iş akışı otomasyonu

Ajan tabanlı yapay zeka, önceden tanımlanmış kurallar olmaksızın sistemler genelinde uyarlanabilir iş akışlarını yürütebilir. Bu iş akışları, veriler, uygulamalar veya kullanıcı bağlamı değiştikçe gelişir.

• Daha hızlı ve daha doğru olay çözümü.
• Statik iş akışlarının daha az bakım gerektirmesi.
• Hibrit çalışma modelleri için geliştirilmiş esneklik.

9. Sesli ve çok dilli etkileşim

Sesle etkinleştirilen yapay zeka ajanları, kullanıcıların kimliğini doğrulayabilir, yaygın sorunları giderebilir ve çok dilli kullanıcılar için yapay zeka destekli otomasyon sağlayabilir:

• Daha iyi küresel erişilebilirlik.
• Destek aramaları sırasında bekleme süresi azaltıldı.
• Diller arası tutarlı kullanıcı deneyimi.

10. Destek temsilcileri için özerk mod

Yapay zekâ destekli sistemler, insan temsilcileri operasyonları denetlerken görevleri baştan sona yürütebilir. BT ekibi gerektiğinde müdahale edebilir ve zaman içinde yapay zekâ mantığını iyileştirebilir. Bu sistemler şunları yapabilir:

• Yapay zeka ve insan uzmanlığı arasında dengeli bir iş birliği.
• Elde edilen sonuçlardan sürekli öğrenme.
• Tekrarlayan işlemlerden ziyade önleyici bakıma odaklanın.

Agentic ITSM'nin gerçek hayattan örnekleri

Atlassian Jira Servis Yönetiminin Rovo Hizmeti

Atlassian, Rovo Service çatısı altında Jira Service Management (JSM) için yapay zeka destekli özelliklere erken erişim imkanı sunuyor. Bu özellikler, dahili hizmet ekiplerinin talepleri ele alma ve son kullanıcılarla etkileşim kurma biçimini iyileştirmeyi amaçlıyor:

Rovo Servis Talebi Çözümü

Rovo Service, JSM iş öğeleri içinde doğrudan adım adım çözüm planları oluşturacaktır. Bu planlar, kuruluşun dahili dokümantasyonuna dayanır ve temsilcileri olay ve talep çözümü sürecinde yönlendirebilir.

Ayrıca, insan temsilcilerinin onayı ve gözetimiyle çok adımlı dahili destek işlemlerini otomatikleştirerek manuel çabayı azaltmaya ve potansiyel olarak tutarlılığı artırmaya yardımcı olabilir.

Katılmak için, kuruluşun JSM sitesinde yapay zekayı etkinleştirmiş olması, Rovo'ya erişilebilir dahili bilgi kaynaklarına sahip olması, Rovo yapılandırması için uygun izinlere sahip olması ve özelliği etkinleştirecek bir proje yöneticisine sahip olması gerekir.

Çalışanlarla canlı sohbet

Çalışan Canlı Sohbeti, kullanıcıların Rovo ile ilk etkileşim kurdukları self-servis portalından bir insan temsilciyle canlı sohbet oturumuna geçiş yapmalarına olanak tanıyacak. Sohbetteki mesajlar, bağlam, SLA'lar ve raporlamanın bozulmadan kalması için bir JSM iş öğesine bağlıdır. Temsilciler, mevcut kuyruklarının yanı sıra birden fazla canlı sohbet görüşmesini yönetebilir ve iş öğesi içinde tam transkriptleri görüntüleyebilir. ³

Salesforce Agentforce BT Hizmeti

Salesforce'in Agentforce BT Hizmeti, yapay zeka destekli bir hizmet masası, otonom yapay zeka ajanları ve olay yönetimini ve hizmet taleplerini otomatikleştirmek için bir yapılandırma yönetim veritabanı (CMDB) dahil olmak üzere birden fazla BT destek özelliğini birleştirmek üzere tasarlanmıştır.

Bu, Slack veya Teams gibi iş ortamlarında doğrudan gerçek zamanlı konuşma desteği sağlamayı ve manuel bilet tabanlı iş akışlarına olan bağımlılığı azaltmayı amaçlamaktadır.

Şekil 3: Agentforce BT Hizmetleri kontrol paneli örneği. ⁴

ServiceNow ITSM yapay zeka ajanları ve ajan tabanlı iş akışları

ServiceNow'un BT Hizmet Yönetimi yapay zeka ajanı koleksiyonu ⁵ , olay sınıflandırmasından değişiklik yönetimine kadar temel ITSM süreçlerini otomatikleştiren çok sayıda ajan tabanlı iş akışı içerir. Her iş akışı, veri doğruluğunu ve uyumluluğunu korurken sorunları sınıflandırmak, araştırmak ve çözmek için otonom olarak çalışan çeşitli yapay zeka ajanlarını bir araya getirir.

ServiceNow, yöneticilerin Now Assist becerilerini ve yapay zeka aracılarını desteklemek için Now LLM Service, Azure OpenAI, Google Gemini ve Anthropic Claude on AWS dahil olmak üzere çeşitli Büyük Dil Modelleri (LLM) arasından seçim yapmasına olanak tanır. Yapılandırma, AI Control Tower ve Now Assist Admin Console aracılığıyla yönetilir; burada tercihler beceri veya iş akışı başına ayarlanabilir.

Bu ajan tabanlı iş akışlarına erişim, Erişim Kontrol Listeleri (ACL'ler) ve kullanıcı kimlikleri tarafından yönetilir. "Farklı Kullanıcı Olarak Çalıştır" özelliği, eylemlerin dinamik bir kullanıcı veya yapay zeka kullanıcısı olarak yürütülmesine olanak tanıyarak ITSM ortamında güvenli otomasyon sağlar.

Olayların önceliklendirilmesi ve sınıflandırılması

Bu iş akışı, uygun kategori, alt kategori ve yapılandırma öğesini (CI) belirleyerek olayları otomatik olarak sınıflandırır. Ardından ilgili büyük olayları veya bilinen sorunları arar ve bunları yeni olayla ilişkilendirir. Dahil edilen yapay zeka ajanları:

• ITSM olay yapay zeka aracısını kategorize edin
• Sınıflandırma hizmeti ve CI yapay zeka ajanı
• Büyük olay yapay zeka ajanını bağlayın
• Olayı sorunlu yapay zeka ajanıyla ilişkilendirin.

Aisera'nın BT Hizmet Yönetimi için Ajan Tabanlı Yapay Zekası

Aisera'nın BT Hizmet Yönetimi için Yapay Zeka Tabanlı Çözümü, otonom yapay zeka ajanları ve akıllı otomasyon aracılığıyla geleneksel BT hizmet yönetimini modernize eder. Üretken yapay zeka ve makine öğrenimi kullanarak BT, İK ve diğer iş fonksiyonlarını tek bir platformda birleştirir, koordinasyonu iyileştirir ve manuel müdahaleyi azaltır.

Temel yetenekler:

• Otomatik olay çözümü: Yapay zeka ajanları, hizmet taleplerini gerçek zamanlı olarak sınıflandırır, teşhis eder ve çözer; böylece tespit ve onarım sürelerini kısaltır.
• Proaktif operasyonlar: Arızaları önceden tahmin eder ve önleyici bakımı destekler.
• Bilgi ve varlık yönetimi: Otomatik olarak bilgi makaleleri oluşturur, varlıkları takip eder ve yaşam döngülerini optimize eder.
• Değişim ve problem yönetimi: Daha güvenli dağıtımlar için temel nedenleri belirler, riskleri değerlendirir ve test ve onay süreçlerini otomatikleştirir.

Aisera ile BDO:

Kanada'nın en büyük muhasebe ve danışmanlık firmalarından biri olan BDO, yüksek talep hacmi ve sınırlı self-servis seçenekleri nedeniyle sürekli BT darboğazlarıyla karşı karşıya kaldı. Rutin hizmet talepleri, değerli personel zamanını tüketerek yanıt sürelerini yavaşlattı ve BT ekibinin daha yüksek değerli girişimlere odaklanmasını engelledi.

Bu zorlukların üstesinden gelmek için BDO, Aisera'nın alan odaklı yapay zeka ajanları tarafından desteklenen bir yapay zeka asistanı olan EVA'yı uygulamaya koydu. EVA, yazılım tedariki, hesap sorun giderme ve donanım talepleri gibi günlük BT görevlerini proaktif öz hizmet yoluyla otonom olarak yönetir. Platformun analitik paketi, performansı sürekli olarak ölçerek BT departmanının iş akışlarını optimize etmesine ve operasyonel verimliliği artırmasına yardımcı olur.

Sonuçlar oldukça önemli oldu:

• BT taleplerinin %82'si otomatik olarak çözümleniyor.
• Çalışan verimliliğinde %72 artış
• Yıllık 1,9 milyon dolarlık maliyet tasarrufu öngörülüyor.

Şekil 4: EVA'dan erişim sorunlarının nasıl çözüleceğine dair bir örnek. ⁶

Kore.ai, süreçler için yapay zeka.

Kore.ai'nin süreç odaklı yapay zeka platformu, bağlamsal anlayış ve uyumluluk bilinci gerektiren karmaşık iş akışlarını otomatikleştirir. Otonom yapay zeka ajanlarını, analitiği ve kurumsal sistemlerle entegrasyonu birleştirerek, bilgi yoğun süreçlerdeki manuel müdahaleyi azaltmak üzere tasarlanmıştır. Amaç, kuruluşların tekrarlayan, karar odaklı işleri daha verimli bir şekilde yönetmelerine yardımcı olurken, doğruluk ve hesap verebilirliği de korumaktır.

Platform, BT ekiplerinin ve iş kullanıcılarının programlama becerisine ihtiyaç duymadan otomasyon iş akışları oluşturmasına olanak tanıyan , kod gerektirmeyen bir süreç oluşturucu sunar. Önceden oluşturulmuş şablonlar ve bağlantı elemanları, finans, tedarik ve müşteri hizmetleri gibi standart iş fonksiyonları için daha hızlı kurulumu destekler. Kullanıcılar, mevcut sistemleri bozmadan bu iş akışlarını kurumsal gereksinimlere uyacak şekilde değiştirebilir ve genişletebilirler.

Başlıca yetenekler şunlardır:

• Bağlam odaklı otomasyon: Yapay zeka ajanları iş mantığını anlar, hafızayı korur ve iş akışları genelinde bağlama dayalı kararlar alır.
• Görünürlük ve kontrol: Dahili analiz araçları otomasyon performansını izler, sonuçları takip eder ve uyumluluk denetimleri için her işlemi kaydeder.
• Güvenlik ve yönetişim: Erişim kontrolü ve insan müdahalesiyle yapılan inceleme, otomasyonun kurumsal uyumluluk ve veri güvenliği politikalarıyla uyumlu olmasını sağlar.
• Dağıtım: Bulut, hibrit ve şirket içi ortamları destekleyerek kuruluşların hassas süreçler üzerindeki kontrolü sürdürmesine olanak tanır. ⁷

ITSM'de ajansal yapay zeka nedir?

BT Hizmet Yönetimi'nde (ITSM) ajan tabanlı yapay zeka, kuruluşların BT operasyonlarını ve hizmet yönetimini nasıl yönettikleri konusunda önemli bir ilerlemeyi temsil etmektedir. Görev yönetimi, iş akışı ve süreç otomasyonu gibi geleneksel yapay zeka özelliklerinin aksine, ajan tabanlı yapay zeka , bağlama duyarlı kararlar almak ve özerk bir şekilde hareket etmek için makine öğrenimi ve doğal dil işlemeyi kullanır. BT Hizmet Yönetimi ( ITSM ) içinde, yapay zeka ajanlarının daha önce insan müdahalesi gerektiren hizmet taleplerini, olayları ve rutin görevleri yönetmesini sağlar.

Bu yaklaşım, BT ekiplerinin manuel süreçlerden gerçek zamanlı sistem koşullarına uyum sağlayan akıllı otomasyona geçmesine olanak tanır. Geçmiş verilerden ve olaylardan öğrenen otonom yapay zeka ajanları kullanarak, servis masaları tekrarlayan görevleri azaltabilir, işletme maliyetlerini düşürebilir ve verimliliği artırabilir. Sonuç olarak, BT departmanları uyumluluğu korurken ve kaynak tahsisini optimize ederken daha güvenilir hizmet sunabilir, kullanıcı memnuniyetini artırabilir.

Ajan tabanlı yapay zeka araçları, insan ajanların yerini almak yerine, onlara akıllı ortaklar olarak hizmet eder. Tekrarlayan veya veri odaklı kararları üstlenerek insan uzmanlığını tamamlar ve BT personelinin stratejik planlamaya ve iş operasyonlarının proaktif yönetimine odaklanmasını sağlar.

Temel yetenekler ve bileşenler

Otonom yapay zeka ajanları ağı üzerinden çalışan ajan tabanlı yapay zeka, operasyonel verileri gözlemler, analiz eder ve bunlara göre hareket eder. Bu yapay zeka sistemleri, bağımsız kararlar almak için doğal dil işleme, bağlamsal akıl yürütme ve sürekli öğrenmeyi birleştirir. Temel yetenekleri şunlardır:

• Öğrenme ve uyum: Yapay zekâ ajanları, gelecekteki eylemleri iyileştirmek için olaylardan, hizmet taleplerinden ve operasyonel verilerden sürekli olarak öğrenir. Bu öğrenme, sistem performansının proaktif yönetimini sağlar ve gelecekteki olay riskini azaltır.
• Proaktif tespit: Yapay zeka destekli otomasyon sayesinde, ajansal yapay zeka, sistemdeki anormallikleri ve hataları aksamaya neden olmadan önce belirler. Bu özellik, kendi kendini onaran sistemleri ve olayların daha hızlı çözülmesini destekler.
• Dinamik karar verme: Statik iş akışlarını yürütmek yerine, ajan tabanlı yapay zeka araçları durumu değerlendirir ve uygun yanıtları belirler. Örneğin, bir yapay zeka ajanı, kullanıcı davranışına ve iş operasyonları üzerindeki etkiye göre destek çağrılarını önceliklendirebilir.
• Otonom işlem ve izleme: Yapay zeka destekli otomasyon, ajanların yama yönetimi veya yazılım yüklemeleri gibi değişiklik yönetimi görevlerini yürütmesine, sonuçları izlemesine ve uyumluluğu sağlamasına olanak tanır.
• BT ekosistemleriyle entegrasyon: ITSM'deki ajansal yapay zeka, birleşik uç nokta yönetim araçları ve mevcut ITSM platformlarıyla bağlantı kurarak, yapay zeka destekli sistemlerin manuel müdahaleye gerek kalmadan cihazlar, kullanıcılar ve hizmetler genelinde çalışmasını sağlar.

Uygulama ve benimseme yolu

Ajan tabanlı yapay zekayı BT hizmet yönetimine etkili bir şekilde entegre etmek için kuruluşlar şunları yapmalıdır:

1. Basit otomasyonlarla başlayın: Parola sıfırlama veya temel erişim talepleri gibi 1. seviye görevlere odaklanın.
2. Tanıdık araçlara entegre edin: Yapay zekâ sohbet botlarını ve sanal asistanları Teams veya Slack gibi iş birliği platformlarına yerleştirin.
3. Performansı ölçün: Önlenen destek talebi sayısı, çözüm süresi ve kullanıcı memnuniyeti gibi göstergeleri takip edin.
4. Tekrarlayın ve genişletin: Erken dönemde elde edilen verimlilik kazanımlarını kullanarak yapay zekanın benimsenmesini, değişim yönetimi veya öngörücü bakım gibi daha karmaşık iş akışlarına genişletin.
5. Yönetişimi sağlayın: Yapay zekayı geniş ölçekte benimserken kontrolü elinizde tutmak için yapay zeka destekli sistemleri güvenlik ve uyumluluk politikalarıyla uyumlu hale getirin.

Ajan Tabanlı Yapay Zeka ile BT Hizmet Yönetiminin Geleceği

Hizmet yönetiminin geleceği, karmaşık BT ortamlarında yapay zekanın nasıl gelişeceğine bağlı olacaktır. Yapay zeka ajanları verilerden öğrenmeye devam ettikçe, BT hizmet yönetimi reaktif destekten proaktif, önleyici operasyonlara doğru kayacaktır.

Ajan tabanlı yapay zekayı erken entegre eden kuruluşlar, operasyonel verimliliği artırarak, maliyetleri düşürerek ve kullanıcı ihtiyaçlarına uyum sağlayan özel çözümler sunarak rekabet avantajı elde ederler. Dijital dönüşüm derinleştikçe, ajan tabanlı yapay zeka, daha güvenilir, ölçeklenebilir ve uyarlanabilir BT hizmetleri sağlayan akıllı otomasyonun temel bir bileşeni haline gelecektir.

Referans Linkleri

1.

All-in-one Modern ITSM Solution | Atomicwork

2.

Freddy AI Agent: Smart, Secure & Autonomous Customer Support

3.

Live Chat, AI resolution, Rovo Service

4.

Salesforce Announces Agentforce IT Service - Salesforce

Salesforce

5.

Docs | ServiceNow

6.

BDO Canada Customer Story | Improved Employee Experience

Aisera

7.

AI for Process | Agentic AI for Business Process Automation | Kore.ai

Kore.ai

Sıla Ermut

Sektör Analisti

Takip Et

Sıla Ermut, AIMultiple'da e-posta pazarlama ve satış videoları üzerine odaklanan bir sektör analistidir. Daha önce proje yönetimi ve danışmanlık firmalarında işe alım uzmanı olarak çalışmıştır. Sıla, Sosyal Psikoloji alanında Yüksek Lisans ve Uluslararası İlişkiler alanında Lisans derecesine sahiptir.

Tam Profili Görüntüle

Yorum yapan ilk kişi olun

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir.

Ad

E-posta Adresi

Yorum

0/450

Yorumu Gönder