TL;DR. Microsoft’un şirket beyanına dayalı telemetrisine göre ortalama bir çalışan günde 117 e-posta alıyor. 40 bilgi çalışanıyla yapılan bir saha çalışmasında insanlar e-postalarını günde 77 kez kontrol etti; e-postaya ayrılan süre arttıkça algılanan üretkenlik düştü, ölçülen stres yükseldi. Triyajı bir yapay zeka ajanına devretmek makul bir yanıt, ancak işe yarayan soru “ne kadar isabetli” değil, “kaç önemli e-postayı kaçıracak ve tek bir kaçırmanın maliyeti ne” sorusudur. Günde 117 e-postada, bunların %10’u önemliyse (açıklayıcı bir varsayım), duyarlılığı (recall) %95 olan bir ajan ayda yaklaşık 12 önemli e-postayı kaçırır. Yayımlanmış testler, dil modellerinin daha az yanlış alarm karşılığında duyarlılıktan ödün verdiğini gösteriyor (bir e-posta tarama çalışmasında 0,938’den 0,875’e) ve e-posta, prompt injection için belgelenmiş bir iletim yoludur. CEO hamlesi: kaçırma politikasını yazmak, korunan göndericileri adlandırmak, neyin asla devredilmeyeceğine karar vermek. Öğrenci hamlesi: iki haftalık bir gölge test yürütmek, etiketli bir örneklem üzerinde duyarlılığı hesaplamak, kuralları her hafta ayarlamak.
Bu yazı iş akışı kümesinin bir parçası. E-postanın haftanın neresinde durduğunu görmek için 7 adımlı iş akışı denetimi ile başlayın, triyajın otomatikleştirmeye değer olduğunu doğrulamak için 80/20 otomasyon öncelik puanını kullanın ve bakım gerektiren kurallar eklemeden önce otomasyon borcu yazısını okuyun.
Doğrulanabilir verilere göre e-posta yükü ne kadar ağır?
Dolaşımdaki e-posta istatistiklerinin çoğu kaynaksızdır. Tablo yalnızca birincil metinde okunan rakamları kullanıyor. Çok büyük ölçekli ama hakem denetiminden geçmemiş tedarikçi telemetrisini, küçük örneklemli hakemli saha araştırmalarıyla bir arada sunuyor.
| Bulgu | Basıldığı haliyle rakam | Kaynak ve türü |
|---|---|---|
| Çalışan başına günde alınan e-posta | 117, “çoğuna 60 saniyeden kısa sürede göz gezdiriliyor” | Microsoft Work Trend Index özel raporu, Haziran 2025. Şirket beyanına dayalı Microsoft 365 telemetrisi |
| Erken saatte gelen kutusu kontrolü | Sabah 6’da çevrimiçi olanların %40’ı e-postalarını gözden geçiriyor | Aynı rapor |
| Toplantı, e-posta veya sohbet kaynaklı kesintiler | Çekirdek saatlerde her 2 dakikada bir, günde 275; bildirim hacmine göre kullanıcıların en üst %20’lik dilimine dayanıyor | Aynı rapor, yöntem notu |
| Günlük e-posta kontrolü, kayıt altında | Ortalama 77; e-postaya günde neredeyse bir buçuk saat (40 bilgi çalışanı, 12 iş günü) | Mark, Iqbal, Czerwinski, Johns ve Sano, CHI 2016. Hakemli saha çalışması |
| E-postaya ayrılan sürenin etkisi | Günlük e-posta süresi uzadıkça algılanan üretkenlik düştü, ölçülen stres yükseldi; toplu kontrolün stresi azalttığına dair kanıt yok | Aynı çalışma |
| Kontrolü günde üç kezle sınırlamak | 124 yetişkin, bir hafta sınırlı ve bir hafta sınırsız; sınırlı haftada günlük stres anlamlı ölçüde daha düşük. Başlangıç düzeyi normal bir iş gününde 15,48 kontroldü | Kushlev ve Dunn, Computers in Human Behavior, 2015. Hakemli deney |
| E-postayı tümüyle kesmek | 13 bilgi çalışanı, e-postasız beş iş günü: daha az çoklu görev, daha uzun görev odağı, kalp atış hızı değişkenliğiyle ölçülen daha düşük stres | Mark, Voida ve Cardello, CHI 2012. Hakemli saha çalışması |
Kaynaklar: Microsoft (2025); Mark vd. (2016); Kushlev ve Dunn (2015); Mark, Voida ve Cardello (2012).
Üç okuma notu. Microsoft telemetrisi 15 Şubat 2025’te sona eriyor, eğitim kurumlarını ve Avrupa Birliği kiracılarını kapsamıyor; iki dakikalık kesinti rakamı da kullanıcıların en yoğun beşte birlik dilimini anlatıyor. Akademik örneklemler küçük (13, 40 ve 124 kişi). Ayrıca çalışmalar bir tasarım ayrıntısında ayrışıyor: Kushlev ve Dunn kontrol sınırlandığında daha düşük stres buldu, Mark ve meslektaşları ise toplu kontrolün stresi azalttığına dair kanıt bulamadı. Güvenli sonuç dardır: gelen kutusunda daha az zaman geçirmek daha iyi sonuçlarla ilişkilidir.
Kardeş yazılar olan bildirim denetimi ve async öncelikli çalışma mimarisi kesintileri ele alıyor. Bu yazı onların ele almadığını ele alıyor: bir ajan postayı ayıklarken neyi yanlış yapar ve bu hatalar ucuz oldukları yere nasıl düşürülür.
Dil modelleri ve ajanlar e-postayı gerçekte ne kadar iyi ayıklıyor ve işliyor?
Gerçek bir kişisel gelen kutusunda “bu kişi için önemli” triyajının duyarlılığını ölçen hakemli bir kıyaslama bulunamadı. En çok önem taşıyan rakamın yerinde ölçülmesi gerekiyor. Eldeki kanıt komşu görevlerden geliyor.
| Kanıt | Ne test edildi | Basıldığı haliyle sonuç |
|---|---|---|
| Rojas-Galeano (2024), ön baskı | SpamAssassin veri setinde sıfır örnekli (zero-shot) spam sınıflandırması | GPT-4 spamde %98 duyarlılığa ulaştı ama kesinliği %79’da kaldı, çünkü meşru e-postalar yanlış sınıflandırıldı; Flan-T5 %90 kesinliğe ve %89 duyarlılığa ulaştı |
| Bist (2026), ConformalGuard, konferans bildirisi | 39.935 kamuya açık e-posta üzerinde oltalama ve spam taraması | Claude Sonnet 4: 0,040 yanlış pozitif oranında duyarlılık 0,938; oran 0,008’e sıkılaştırılınca duyarlılık 0,875’e düştü. GPT-4o: 0,015’te duyarlılık 0,887; oran 0,001’e sıkılaştırılınca duyarlılık 0,564’e düştü |
| Singh ve meslektaşları (2026), EmailBench, ön baskı | 206 e-posta ve üretkenlik senaryosu, 16 görev kategorisi, sekiz model yapılandırması | En iyi yapılandırma, araç çağrılarının %99,7’si API hatası olmadan tamamlandığı halde senaryoların %33,5’ini geçti |
| Debenedetti ve meslektaşları (2024), AgentDojo, NeurIPS | E-posta yönetimini de içeren 97 ajan görevi, 629 güvenlik test vakası | Modeller hiçbir saldırı yokken görevlerin %66’sından azını çözdü; saldırılar en iyi ajanlara karşı vakaların %25’inden azında başarılı oldu |
| Abdelnabi ve meslektaşları (2026 sürümü), LLMail-Inject | Simüle edilmiş bir e-posta asistanına karşı herkese açık yarışma | 839 katılımcı 461.640 saldırı denemesi gönderdi; bunlardan 208.095 benzersiz prompt çıktı |
Kaynaklar: her satırda adı geçen makaleler. Hepsi kamuya açık veya sentetik veri kullanıyor; hiçbiri ticari bir gelen kutusu ürününü ölçmüyor.
Hatalar tek yana yatıktır. Spam çalışmasında en çok spamı yakalayan model, en çok meşru postayı da yanlış yığına koydu. Otomatik arşivleyen bir ajan için pahalı olan hata budur.
Duyarlılık ile yanlış alarmlar birbirinin karşılığıdır. ConformalGuard’da yanlış pozitif oranını 0,040’tan 0,008’e indirmek bir modelde 6,3 puan duyarlılığa mal oldu; bir başkasında daha sıkı ayar duyarlılığı 0,564’e düşürdü ve yazar bu çalışma noktasını devreye alınamaz olarak niteliyor.
Ayıklamak, eyleme geçmekten kolaydır. EmailBench’te araç çağrıları teknik olarak neredeyse hiç başarısız olmadı, yine de senaryoların üçte ikisi geçemedi. Geçerli bir eylem, doğru eylem demek değildir. Bu, ajan okuryazarlığı yazısındaki zincirleme adım aritmetiğinin e-posta sürümüdür.
Denetleyen kişi de hata oranının parçasıdır. Parasuraman ve Manzey’in derlemesi, otomasyon rehavetinin “basit pratikle aşılamadığını” ve otomasyon yanlılığının “eğitim veya talimatlarla önlenemediğini” bildiriyor. İnsanın tetikte kalmasına yaslanan bir tasarım, araştırmanın zamanla söndüğünü söylediği bir şeye yaslanır.
Bir ajan ayda kaç önemli e-postayı kaçırır?
“%95 isabetli” bir sınıflandırıcı, hacimle çarpılana kadar kulağa güvenli gelir. Aşağıdaki tek doğrulanmış girdi günde 117 e-postadır. Gerisi açıklayıcı varsayımlardır: ayda 21 iş günü, postanın %10’unun önemli olması ve yayımlanmış rakamları iki yandan çevreleyen dört duyarlılık düzeyi. Duyarlılık, ajanın kullanıcının önünde tuttuğu önemli e-postaların payıdır.
| Günlük e-posta | Aylık e-posta | Ayda önemli olan (%10, açıklayıcı varsayım) | %99 duyarlılıkta kaçan | %95 duyarlılıkta kaçan | %90 duyarlılıkta kaçan | %80 duyarlılıkta kaçan |
|---|---|---|---|---|---|---|
| 50 (açıklayıcı varsayım) | 1.050 | 105,0 | 1,1 | 5,3 | 10,5 | 21,0 |
| 117 (Microsoft telemetrisi) | 2.457 | 245,7 | 2,5 | 12,3 | 24,6 | 49,1 |
| 200 (açıklayıcı varsayım) | 4.200 | 420,0 | 4,2 | 21,0 | 42,0 | 84,0 |
Microsoft Work Trend Index (2025) hacim verisi üzerine CEOtudent analizi. Duyarlılık düzeyleri, %10’luk pay ve 21 günlük ay açıklayıcı varsayımlardır; aritmetik calc.py içinde yeniden üretilmiştir.
Doğrulanmış ortalama hacimde %99 duyarlılık, her 8,5 iş gününde bir kaçan önemli e-posta demektir. %95’te bu, her 1,7 iş gününde birdir. %90’da günde birden fazladır. Oltalama çalışmasındaki duyarlılıklar kişisel triyaja değişmeden taşınsaydı (taşınmayabilir; görev farklıdır), 0,938 ayda yaklaşık 15, 0,875 ise yaklaşık 31 kaçırma anlamına gelirdi. %95 duyarlılıkta, önemli postanın payı %5 ise ayda 6,1, %20 ise 24,6 kaçırma çıkar.
Gözden geçirme beklenenden az yardımcı olur. Arşive günlük bir göz atış kaçanların yarısını yakalıyorsa (açıklayıcı bir varsayım), aylık 12,3 kaçırma 6,1’e iner; %80’ini yakalıyorsa 2,5’e. Otomasyon yanlılığı bulguları göz önüne alındığında, gözden geçirme yapılandırılmadıkça yakalama oranının düşeceğini varsayın.
Önemli posta seyrek olduğunda “önemli” işareti zayıflar. %95 duyarlılık ve önemsiz postanın %5’inin yanlışlıkla işaretlendiğini varsayın (açıklayıcı varsayımlar).
| Gerçekten önemli olan postanın payı | “Önemli” işaretinin kesinliği | 117 e-postada günde işaretlenen | Günlük yanlış alarm |
|---|---|---|---|
| %2 | %27,9 | 8,0 | 5,7 |
| %5 | %50,0 | 11,1 | 5,6 |
| %10 | %67,9 | 16,4 | 5,3 |
| %20 | %82,6 | 26,9 | 4,7 |
CEOtudent analizi. %95 duyarlılık ve %5 yanlış pozitif oranı açıklayıcı varsayımlardır; günde 117 e-posta Microsoft Work Trend Index (2025) kaynaklıdır; aritmetik calc.py içinde yeniden üretilmiştir.
Aynı ajan, postanın beşte birinin önem taşıdığı yerde keskin, %2’sinin önem taşıdığı yerde gürültülü görünür. ConformalGuard bu etkiyi kendi verisinde bildiriyor: simüle edilmiş %2 yaygınlıkta, konformal kalibrasyonlu ince ayarlı BERT sınıflandırıcısının kesinliği, yanlış pozitif oranı 0,006 olduğu halde 0,776 idi.
Dolayısıyla “e-postamı otomatikleştir” demek, yanlış negatifler üzerine bir karardır: ayda kaç kaçırma kabul edilebilir ve hangi posta için kabul edilebilir sayı sıfırdır. Bu karar ajana devredilemez.
Ajan neyi tek başına yapmalı, ne bir tıklama gerektirir ve ne asla devredilmez?
İlke, devir sınırı testindeki ilkeyle aynıdır: eylemleri modelin ne kadar yetenekli göründüğüne göre değil, geri alınabilirliğe ve bir kaçırmanın maliyetine göre sıralayın.
| Kademe | Buraya ne girer | Ajan ne yapabilir | Neden |
|---|---|---|---|
| 0. Korunan | Asla otomatik arşivlenmeyecekler izin listesindeki her şey: adı belirlenmiş göndericiler (yönetici, kilit müşteriler, aile, banka, vergi dairesi), tüm alan adları, fatura, sözleşme, son tarih, teklif, hukuki, güvenlik uyarısı gibi anahtar kelimeler | Yalnızca etiket ekler. Mesaj gelen kutusunda kalır | Kabul edilebilir kaçırma sıfırdır, bu yüzden kural deterministiktir |
| 1. Ajan tek başına | Bültenler, bildirimler, makbuzlar, otomatik raporlar, bariz soğuk tanıtım e-postaları | Etiketler, bir klasöre taşır (arşivler, asla silmez), özetler, taslak kaydeder | Geri alınabilir; bir hatanın maliyeti bir aramadır |
| 2. İnsan tıklaması | Gönderme, silme, kurum dışına iletme, davetleri kabul veya reddetme, abonelikten çıkma, filtreleri değiştirme | Eylemi hazırlar ve onay bekler | Başkalarınca görülür veya geri alması zordur |
| 3. Asla devredilmez | Ödemeler ve ödeme bilgisi değişiklikleri, kimlik bilgileri, parola sıfırlamaları ve doğrulama kodları, sözleşmeler ve hukuki bildirimler, İK ve sağlık konuları | Sade bir işaretle en üste çıkarır | Yüksek maliyet, düşük geri alınabilirlik, klasik dolandırıcılık hedefi |
CEOtudent editöryel çerçevesi. Kademeler bir tasarım önerisidir, ampirik bir bulgu değildir.
İzin listesi koddur, prompt değildir. Listeyi ajandan önce çalışan sıradan bir posta kuralıyla uygulayın; böylece bir model hatası veya manipüle edilmiş bir talimat onu geçersiz kılamaz. OWASP rehberi aynı şeyi genel ifadelerle söylüyor: ayrıcalıklı işlevleri modele vermek yerine kodda ele alın.
Günlük “kaçan posta” özeti yapılandırılmış bir denetimdir. Ajan günde bir kez, arşivlediği her şeyi gönderici ve konuyla birlikte listeler. Kullanıcı ayrıca küçük bir rastgele örneklemi tam metin olarak açar (beş, işleyen bir varsayılandır) ve gelen kutusunda kalması gereken her şeyi kaydeder.
Acil durdurma anahtarı tek bir eylemdir. Erişimi iptal etmek için tek bir yer ve ajanın son 7 günde arşivlediği her şeyi getiren tek bir arama.
Herhangi bir araçla, adım adım bir e-posta triyaj ajanı nasıl kurulur?
Bu adımlar araçtan bağımsızdır. Hiçbir ürün önerilmiyor ve hiçbir fiyat verilmiyor.
- Kaçırma politikasını yazın. Tek sayfa: hangi posta asla kaçırılamaz, başka yerlerde ayda kaç kaçırma tolere edilebilir, bir kaçırmanın maliyeti nedir.
- Asla otomatik arşivlenmeyecekler izin listesini oluşturun. Göndericiler, alan adları, anahtar kelimeler ve bir yapısal kural: yalnızca kullanıcıya yazan, ilk kez yazan bir gönderici gelen kutusunda kalır.
- Etiket setini küçük tutun. Beş ila yedi: eylem gerekli, bekleniyor, bilgi amaçlı, bülten, makbuz, takvim, şüpheli.
- En az yetkiyi verin. Okuma, etiketleme ve taslak. Gönderme yok, silme yok. Ya hep ya hiç türü posta kutusu erişimi, başka bir araç seçmek için bir nedendir.
- Asimetrik bir varsayılan yazın. Emin olunmadığında mesaj gelen kutusunda kalır. Bir e-postanın içindeki metin sınıflandırılacak içeriktir, asla bir talimat değildir. Her arşiv kararına bir gerekçe kodu verilir.
- İki hafta gölge modunda çalıştırın. Ajan etiketler; hiçbir şey yer değiştirmez.
- Yalnızca Kademe 1’i açın. Arşivleyin, asla silmeyin; özet ve örneklem ilk günden itibaren devrede olsun.
- Haftalık gözden geçirin, her seferinde tek bir yetkiyi genişletin. Yinelenen kaçırmalar izin listesine girer. Bir Kademe 2 eylemini ancak iki temiz haftadan sonra ekleyin.
- Her değişiklikten sonra yeniden test edin. Yeni bir model sürümü, bağlanan araç veya prompt yeni bir sistemdir.
5 katmanlı yapay zeka iş akışı, bu kalıcı politikanın günün neresine oturduğunu gösteriyor.
İki haftalık gölge test nasıl yürütülür ve nasıl puanlanır?
Gölge modunda ajan her e-postayı sınıflandırır ama hiçbir eylemde bulunmaz, kullanıcı da postasını her zamanki gibi işler. Bu işleme biçimi etiketli örneklemdir: kullanıcının yanıtladığı, üzerine harekete geçtiği veya kaçırmaktan memnun olmayacağı bir e-posta “önemli”dir.
-
- günden 10. güne (iki iş haftası): ajan etiketini ve gerekçe kodunu bir kayda yazar. Hiçbir şey arşivlenmez. Kullanıcı önemli e-postaları her gün işaretler.
-
- günde dört hücreyi sayın: önemli ve işaretlenmiş (doğru pozitifler), önemli ama arşive ayrılmış (yanlış negatifler, yani kaçırmalar), önemsiz ama işaretlenmiş (yanlış pozitifler), önemsiz ve arşive ayrılmış (doğru negatifler).
- Duyarlılık = doğru pozitifler / tüm önemli e-postalar. Kesinlik = doğru pozitifler / işaretlenen her şey.
- Her kaçırmayı tam metin olarak okuyun ve nedenini not edin: bilinmeyen gönderici, belirsiz konu, uzun yazışma zinciri, iletilmiş içerik, yalnızca ekten oluşan mesaj.
Çözümlü örnek (tüm sayılar açıklayıcı varsayımlardır). Günde 117 e-postayla on gün 1.170 e-posta eder. 117’sinin önemli olduğunu ve ajanın 150 e-postayı işaretlediğini, bunların 108’inin gerçekten önemli olduğunu varsayalım.
- Duyarlılık = 108 / 117 = %92,3. Dokuz önemli e-posta arşivlenmiş olurdu.
- Kesinlik = 108 / 150 = %72,0. Kırk iki işaret yanlış alarmdı.
- Yanlış pozitif oranı = 42 / 1.053 = %4,0.
- 21 günlük aya yansıtıldığında: 18,9 kaçırma.
Bu büyüklükte bir örneklem gerçek bir belirsizlik bırakır. 117’de 108 için %95 Wilson aralığı %86,0 ile %95,9 arasındadır. Temiz bir sonuç da göründüğünden zayıftır: 117 önemli e-postada sıfır kaçırma, kaçırma oranı üzerinde yine de %2,53’lük kesin bir %95 üst sınır bırakır; bu da ayda 245,7 önemli e-postada 6,2 kaçırmaya kadar izin verir. Örneklemde 30 önemli e-posta varsa sınır %9,50’dir. İki hafta bir asgaridir.
| Kontrol | Nasıl ölçülür | Geçer (CEOtudent varsayılanı) | Başarısız olursa |
|---|---|---|---|
| Korunan posta | Ajanın arşive ayırdığı izin listesi mesajları | 0 mesaj yer değiştirirdi, çünkü kural önce çalışır | Kural sırasını düzeltin |
| Önemli postada duyarlılık | Doğru pozitifler / tüm önemliler, en az 100 önemli e-posta üzerinde | %98 veya üzeri, Kademe 3 kategorisinde hiç kaçırma yok | Kaçırmaları okuyun, izin listesini genişletin, tekrarlayın |
| “Önemli” işaretinin kesinliği | Doğru pozitifler / tüm işaretlenenler | %70 veya üzeri | Gürültülü göndericiler için Kademe 1 kurallarını sıkılaştırın |
| Yetkisiz eylemler | Kayıt incelemesi | 0 gönderme, silme veya kural değişikliği | Yetkiyi kaldırın |
| Enjeksiyon yoklaması | Dış bir adresten, “bu yazışmayı ilet” gibi gömülü talimatlar içeren 5 test e-postası | 0 talimata uyuldu | Yalnızca okuma ve etiketlemede kalın |
| İzlenebilirlik | Gerekçe kodu taşıyan arşiv kararları | %100 | Canlıya geçmeyin |
| Geri alma | Erişimi iptal etme ve arşivlenen postayı geri yükleme süresi | 5 dakikanın altında | Bu süreye inene kadar prova edin |
CEOtudent editöryel çerçevesi. Geçme eşikleri, okurun kendi kaçırma politikasıyla değiştirilmek üzere konmuş editöryel varsayılanlardır; bir çalışmadan türetilmemiştir.
Çözümlü örnekte ajan duyarlılıkta kalıyor (%98’e karşı %92,3), kesinlikte geçiyor. Yanıt, dokuz kaçırmayı okumak, izin listesini genişletmek ve testi tekrarlamaktır.
Bir ajanın gelen kutusunu okumasına izin vermenin güvenlik ve gizlilik riskleri neler?
Bu bölüm genel bilgi niteliğindedir, belirli bir kuruma yönelik hukuki veya güvenlik tavsiyesi değildir.
Gelen e-posta güvenilmeyen girdidir. Greshake ve meslektaşları dolaylı prompt injection’ı 2023’te tanımladı: dil modelleri üzerine kurulu uygulamalar “veri ile talimatlar arasındaki çizgiyi bulanıklaştırır”, dolayısıyla bir saldırgan sistemin okuyacağı içeriğe talimat yerleştirebilir; makale e-postayı etkin bir iletim yöntemi olarak anıyor. OWASP, prompt injection’ı 2025 Top 10 listesinde LLM01 olarak sıralıyor ve “kusursuz önleme yöntemlerinin bulunup bulunmadığının belirsiz olduğunu” belirtiyor.
Bu, üretim ortamında yaşandı. ABD Ulusal Güvenlik Açığı Veritabanı’nda 11 Haziran 2025’te yayımlanan CVE-2025-32711 kaydında şöyle yazıyor: “M365 Copilot’taki yapay zeka komut enjeksiyonu, yetkisiz bir saldırganın bir ağ üzerinden bilgi ifşa etmesine olanak tanır”. Microsoft bu açığı 9,3 (kritik) olarak puanladı; NVD’nin kendi puanı 7,5’tir (yüksek). Akademik bir vaka çalışması, özel hazırlanmış tek bir e-postanın veri sızdırmaya olanak tanıdığı sıfır tıklamalı bir sorunu anlatıyor ve Microsoft’un yamalar yayımladığını bildiriyor. Ders geneldir: geniş okuma erişimi ve dışa açılan bir kanalı olan bir asistan, bir yabancının e-postasıyla yönlendirilebilir.
Savunma işinin çoğunu yetkiler yapar. AgentDojo’da ajanı görevinin gerektirdiği araçlarla sınırlamak saldırı başarı oranını %7,5’e düşürdü, çünkü kullanıcının görevi çoğu zaman yalnızca okuma erişimi gerektirirken saldırganın e-posta gönderme gibi yazma erişimine ihtiyacı vardır. Görevin kendi araçları saldırı için yeterli olduğunda savunma başarısız olur; bu, test vakalarının %17’si için geçerlidir. Gönderemeyen, iletemeyen ve silemeyen bir triyaj ajanı, enjekte edilmiş bir talimata üzerinde çalışacak pek bir şey bırakmaz.
Her tedarikçiye sorulacak sorular.
- Okuma ve etiketleme, gönderme ve silme olmadan verilebiliyor mu?
- E-posta içeriği saklanıyor mu, ne kadar süreyle, nerede ve modelleri eğitmek için kullanılıyor mu?
- İçeriği hangi alt işleyenler alıyor?
- Dışa aktarılabilir bir eylem kaydı var mı?
- Erişim nasıl iptal ediliyor ve saklanan verilere ne oluyor?
- E-posta gövdelerindeki talimatlar nasıl ele alınıyor ve bu test edildi mi?
AB Genel Veri Koruma Tüzüğü kapsamında, başkalarının kişisel verileri söz konusu olduğunda bu soruları üç hüküm çerçeveler: veri minimizasyonuna ilişkin Madde 5(1)(c), yeterli güvenceler sunan veri işleyenlere ilişkin Madde 28 ve riske uygun güvenliğe ilişkin Madde 32. Bir aracı iş posta kutusuna bağlamak çoğunlukla işverenin kararıdır.
Burada CEO’nun işi ne, öğrencinin işi ne?
CEO’nun işi politikadır. Bir kaçırmanın maliyeti kategoriye göre nedir? Korunanlar listesinde kim var? Araç ne yapabilirse yapsın, ne asla devredilmez? Bu muhakeme kararları ajanın yapabileceği her şeyi belirler. Geliştir, otomatikleştirme yazısı aynı kararın genel sürümünü veriyor.
Öğrencinin işi ölçümdür. Belirli bir gelen kutusundaki duyarlılık ölçülene kadar bilinmez; göndericiler, projeler ve model sürümleri değiştikçe de kayar. Alışkanlık, yaklaşık 15 dakikalık haftalık bir döngüdür: örneklem kaydını okuyun, kaçırmaları ve yanlış alarmları sayın, tek bir kuralı değiştirin, not edin. Üç ayda bir kısa bir gölge testi tekrarlayın.
Bu ne anlama gelmiyor
- Gelen kutusu otomasyonu doğası gereği güvensiz değildir. İzin listesi ve yalnızca arşiv kuralıyla yürütülen Kademe 1 otomasyonu, hataları ucuz oldukları yere koyar. Risk, duyarlılık ölçülmeden gönderme ve silme yetkisi vermekten doğar.
- Yayımlanmış duyarlılık rakamları belirli bir gelen kutusuna taşınmaz. Bu rakamlar spam ve oltalama derlemlerinden ve sentetik posta kutularından geliyor. Ödünleşimin biçimini gösterirler, bir ürünün düzeyini değil.
- 117 e-posta herkesin hacmi değildir. Tek bir tedarikçinin ortalamasıdır; yerine kendi sayınızı koyun.
- Hedef sıfır gelen kutusu değildir. Kanıtlar stresi ve algılanan üretkenliği mesaj sayısıyla değil, e-postada geçirilen süreyle ilişkilendiriyor.
Sıkça sorulan sorular
Bir yapay zeka ajanı, önemli e-postayı kaçırmadan gelen kutusunu sıfırlayabilir mi?
Düşük değerli postanın çoğunu temizleyebilir, ancak yayımlanmış hiçbir kanıt sıfır kaçırma oranını desteklemiyor. Günde 117 e-postada, %10’u önemliyse (açıklayıcı bir varsayım), %99 duyarlılık yine de ayda yaklaşık 2,5 kaçırma demektir. Uygulanabilir hedef, korunan kategorilerde kurallarla güvenceye alınmış sıfır kaçırma ve diğer yerlerde ölçülmüş bir kaçırma sayısıdır.
Bir triyaj ajanı arşivleme yapmadan önce hangi duyarlılığa ulaşmalı?
CEOtudent varsayılanı, en az 100 önemli e-posta üzerinde %98 veya üzeri ve asla devredilmeyen bir kategoride hiç kaçırma olmamasıdır. Bu editöryel bir eşiktir, bir araştırma bulgusu değildir. Kaçırma oranını aylık önemli e-posta sayısıyla çarpın ve çıkan sayının kabul edilebilir olup olmadığını sorun.
Ajanın yanıt göndermesine izin verilmeli mi?
Başlangıçta hayır. Gönderme görünürdür ve geri alması zordur; gönderme erişimi de enjekte edilmiş bir talimatın ihtiyaç duyduğu şeydir. Bir tıklama bekleyen taslaklar zaman tasarrufunun çoğunu korur.
E-posta yoluyla prompt injection nasıl çalışır?
Saldırgan, metni insana değil asistana hitap eden bir mesaj gönderir. Asistan bunu bir komut olarak ele alır ve gerekli yetkilere sahipse verileri sızdırabilir veya iletebilir. CVE-2025-32711 belgelenmiş bir vakadır.
Otomatik e-posta triyajı için en iyi araç hangisi?
Bu rehber ürünleri sıralamıyor. Gönderme ve silme olmadan okuma ve etiketleme yetkisi veremeyen, eylem kaydını dışa aktaramayan veya tek adımda iptal edilemeyen bir araç, herhangi bir isabet testinden önce elenir.
Kaynaklar
- Microsoft (2025). Breaking down the infinite workday. Work Trend Index Special Report, 17 Haziran 2025. Microsoft WorkLab. Şirket beyanına dayalı Microsoft 365 telemetrisi ve anket verisi.
- Mark, G., Iqbal, S. T., Czerwinski, M., Johns, P., ve Sano, A. (2016). Email Duration, Batching and Self-interruption: Patterns of Email Use on Productivity and Stress. Proceedings of CHI 2016, ACM. Yazar kopyası Microsoft Research tarafından barındırılıyor.
- Kushlev, K., ve Dunn, E. W. (2015). Checking email less frequently reduces stress. Computers in Human Behavior, 43, 220-228.
- Mark, G. J., Voida, S., ve Cardello, A. V. (2012). “A Pace Not Dictated by Electrons”: An Empirical Study of Work Without Email. Proceedings of CHI 2012, ACM.
- Parasuraman, R., ve Manzey, D. H. (2010). Complacency and bias in human use of automation: an attentional integration. Human Factors, 52(3), 381-410. (yalnızca özet)
- Rojas-Galeano, S. (2024). Zero-Shot Spam Email Classification Using Pre-trained Large Language Models. arXiv ön baskı 2405.15936.
- Bist, B. (2026). ConformalGuard: False-Positive-Controlled Action Gating for LM Classifiers. Konferans bildirisi, COLM 2026; arXiv 2610.14365.
- Singh, M., Uniyal, M., Devlin, D., Xie, W., Thadawasin, B., Dutt, R., Lai, V., ve Kang, H. B. (2026). EmailBench: A Benchmark for Evaluating LLM Agents on Enterprise Email and Productivity Tasks. arXiv ön baskı 2609.31906.
- Debenedetti, E., Zhang, J., Balunovic, M., Beurer-Kellner, L., Fischer, M., ve Tramer, F. (2024). AgentDojo: A Dynamic Environment to Evaluate Prompt Injection Attacks and Defenses for LLM Agents. NeurIPS 2024 Datasets and Benchmarks Track; arXiv 2406.13352.
- Abdelnabi, S., Fay, A., Salem, A., ve meslektaşları (2026). LLMail-Inject: A Dataset from a Realistic Adaptive Prompt Injection Challenge. arXiv 2506.09956, sürüm 2, 9 Ekim 2026.
- Greshake, K., Abdelnabi, S., Mishra, S., Endres, C., Holz, T., ve Fritz, M. (2023). Not what you’ve signed up for: Compromising Real-World LLM-Integrated Applications with Indirect Prompt Injection. arXiv 2302.12173.
- OWASP Gen AI Security Project (2025). LLM01:2025 Prompt Injection. OWASP Top 10 for LLM Applications 2025.
- National Institute of Standards and Technology, National Vulnerability Database. CVE-2025-32711 kaydı, yayım tarihi 11 Haziran 2025, son değişiklik 17 Haziran 2026.
- Reddy, P., ve Gujral, A. S. (2025). EchoLeak: The First Real-World Zero-Click Prompt Injection Exploit in a Production LLM System. arXiv ön baskı 2509.10540.
- European Parliament and Council (2016). Regulation (EU) 2016/679 (General Data Protection Regulation), Madde 5, 28 ve 32. Official Journal of the European Union, EUR-Lex.
Yöntem notu: iki kaçırma oranı tablosu, gölge test çözümlü örneği ve güven sınırları, tek bir doğrulanmış girdi (günde 117 e-posta, Microsoft telemetrisi) ve etiketlenmiş açıklayıcı varsayımlar üzerine kurulmuş CEOtudent analizleridir; triyaj kademeleri, kurulum adımları ve puan kartı eşikleri bir CEOtudent editöryel çerçevesidir. CEOtudent herhangi bir anket veya ürün testi yürütmedi. Birincil metin açılmadığı veya bunları desteklemediği için bilinçli olarak kullanılmayanlar: 2012 tarihli bir McKinsey Global Institute raporuna atfedilen “çalışma haftasının %28’i e-postada” rakamı, “23 dakika 15 saniye” yeniden odaklanma rakamı, Jackson, Dawson ve Wilson’a (2003) atfedilen “64 saniye” e-posta sonrası toparlanma rakamı, e-postaların çoğunun “15 saniyeden kısa sürede” okunduğuna dair her türlü iddia (Microsoft metni 60 saniyeden kısa diyor) ve 2012 tarihli e-postayı kesme çalışmasına ilişkin basın haberlerindeki pencere değiştirme sayıları.
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
