Kurumsal hediyeleşme süreçleri sonrasında, özellikle çalışanlara yan hak olarak sunulan Ramazan, yılbaşı gibi hediye paketlerinin dağıtımının ardından gelen şikayet e-postalarının manuel yönetimi, satın alma departmanları için ciddi bir operasyonel yük oluşturmaktadır. Bu çalışma, bu spesifik probleme odaklanarak, şikayet e-postalarının otomatik sınıflandırılması ve yönetimi için yapay zekâ (YZ) destekli, çok etiketli bir sistem geliştirmeyi amaçlamaktadır. Sistem, şikayetleri; ürün türü, paket türü, şikâyet türü ve sorumlu kişi olmak üzere dört ana kategoride sınıflandırmaktadır. Çalışmada, gerçek şirket verilerinin gizlilik kısıtları nedeniyle, büyük dil modelleri kullanılarak ve gerçek operasyonel senaryolar temel alınarak 1.870 adet sentetik şikâyet e-postası içeren özgün bir veri seti oluşturulmuş ve TF-IDF yöntemiyle metinler vektörleştirilmiştir. CatBoost, XGBoost ve Destek Vektör Makineleri (SVM) dâhil olmak üzere on farklı makine öğrenmesi algoritmasının performansı karşılaştırmalı olarak değerlendirilmiştir. Elde edilen bulgular, geliştirilen sistemin %87.75 ortalama F1-skoru başarısı gösterdiğini ortaya koymuştur. Literatürdeki spam ve oltalama odaklı çalışmaların aksine, bu çalışmanın özgün katkısı; çok etiketli kurumsal şikayet yönetimi problemine SHAP (SHapley Additive exPlanations) yöntemini uygulayarak model kararlarını şeffaf hale getirmesidir. Bu sayede, model tahminlerinin hangi kelimelere dayandığı açıklanarak sisteme duyulan güven artırılmıştır. Geliştirilen bu açıklanabilir YZ destekli sistem, kurumsal hediye paketleriyle ilgili şikayet yönetimi süreçlerinde otomasyon ve verimlilik artışı için etkin ve yorumlanabilir bir çözüm sunmaktadır.
İsmail Enes Parlak (Mon,) studied this question.