Erciyes Anadolu Holding Bilgi Teknolojileri Operasyon Direktörü Mert Çakar, Fintechtime Şubat 2026 sayısı için yazdı “Yapay Zeka Deney Alanının Dışına Çıkıyor”.
“2025’te finans sektöründe yapay zekânın deneme alanından çıkarak gerçek operasyonların içine yerleştiğini görüyorum. Çağrı merkezlerinden dolandırıcılık analizine, kredi süreçlerinden iç operasyonlara kadar pek çok başlıkta yapay zekâ artık destekleyici bir katman olmanın ötesine geçti. 2026’ya giderken asıl farkın, modellerden çok yönetişim, şeffaflık ve veri kalitesi üzerinden ortaya çıkacağını düşünüyorum. Kişiselleştirme, dinamik fiyatlama ve bütünleşik otomasyon gelir yaratmanın merkezine yerleşirken, kurumların dayanıklılık, maliyet yönetimi ve iş sürekliliğini birlikte ele alması kritik hale geliyor. Yapay zekâyı orkestre eden, sınırlarını net çizen ve sürdürülebilir bir mimari kuran kurumlar önümüzdeki dönemin kazananları olacak.”
Yapay Zeka Deney Alanının Dışına Çıkıyor
2025 yılı, finans sektöründe yapay zekanın deney alanından sıyrılıp, ufak ufak gerçek operasyonların içine yerleştiği bir kırılma yılı oldu diyebiliriz. Zira finans sektöründe hizmet sunmakta olan kurumlar, sürdürmekte oldukları müşteri hizmetleri operasyonlarının otomasyonu başta olmak üzere; dolandırıcılık tespiti, anlık işlem izleme, kredi skorlama vb. alanlarda kullanmakta oldukları karar destek sistemlerini yapay zeka senaryoları ile birleştirmeye başladılar. Tabi güvenliği her şeyin önünde tutmakta olan finansal kuruluşlar, mevcut regülasyonlara uyumlu, bir anlamda kapalı devre çalışan ve verinin dışarıya taşınmadığı sürdürülebilir yapay zeka çözümleriyle verimliliklerini arttırmayı hedeflediklerini en başta söylemek yerinde olacaktır.
Bu aşamada alt başlıklar şeklinde konunun ele alınması anlaşılırlığı arttıracağı için yazının akışı bu şekilde kurgulanmıştır. Mevcut süreçlerin yapay zeka ile harmanlanması, sunulan hizmetlerin tüm paydaşlarca kabulü açısından daha doğru olacağı kabul görmektedir.
Birebir iletişim içerisinde anlamlandırılmaya çalışılan taleplerin ele alındığı çağrı merkezi trafiğinin, müşteriler tarafından da kabul görmeye başlamasından hareketle yavaş yavaş sanal asistanlara yönlendirilmesi öne çıkan başlıca akımlardandır. Bununla birlikte şüpheli işlem analitiği benzeri karar destek aşamaları ile zenginleştirilebilen karmaşık iş süreçlerinde ise, nispeten statik kural mimarisinden içerisinde özetleme algoritmaları ve öğreti veri setleri kullanılarak davranışsal modellere geçişin yolu aranmaktadır.
Bu akış içerisinde fintekler ise, açık bankacılık servisleri ve çok çeşitli API imkanlarını kullanarak oluşturdukları alternatif veri setlerini (E-Ticaret, Elektronik Para, Mobil Cüzdan, POS Yapıları) seçtikleri modeller ile beslemeye ve bu sayede bireyselleşen finansmanda hız ve uygulanabilirlik dengesini yeniden tanımlamaya çalışmaktadır. Finansal sektör için asıl fark yaratacak unsur ise, önümüzdeki dönemde yapay zekanın ürünlerdeki özellik tandanslı yaklaşımları yerine, süreçleri uçtan uca koordine eden bir orkestra şefi haline gelmeye başlamasıyla ortaya çıkacaktır.
Yapay Zekanın Anahtar Kelimesi : Şeffaflık
2025 boyunca regülatörlerin, yapay zeka modelleri kullanılarak verilen algoritmik kararların açıklanabilirliğine, verilerin yerelleştirilmesine ve model yönetişimine hassasiyet göstermeye başladığına şahit olduk.
Nerdeyse tümüyle otonom hale getirilen süreçlerden bazıları olan kredi kullandırım ve limit oluşturma kararları, müşteri segmentasyonu veya dolandırıcılık skoru gibi kritik alanlarda, “neden bu sonuca varıldı?” sorusuna verilemeyen cevaplar şeffaflık üzerinde soru işareti yarattığı için uygulanabilirlik ekseninden uzaklaşıldığı ele alınmaya başlandı. Bu süreci gerçekten içselleştiren ya da içselleştirmeye başlayan stratejik kurumların ise daha çok model katalogları oluşturmaya, bu katalogları kullanarak elde edilen anlamlı-anlamsız sonuçları yorumlamaya, versiyonlama yaklaşımı ile hareket etmeye başladıklarını söyleyebiliriz. Bunun biraz daha ötesine geçen fütüristik kurumların ise etik boyuta da kafa yorup; ayrımcılık testlerini oturtmaya çalıştığını, demografik parite girdileri ve adillik metriklerini içselleştirecek iç denetim bakış açısı ile önleyici ve tespit edici kontrol noktalarını oluşturmaya başladığını gözlemlediğimiz bir dönem yaşıyoruz.
Ürün Oluşturma ve Gelir Yaratma Modeli : Kişiselleştirme, Dinamik Fiyatlama ve Bütünleşik Otomasyon
Yapay zeka kullanım senaryolarının ticari boyutta en belirgin hedefi, çok kolay olmayan ve olgunlaşması önemli derecede kaynak ve zaman gerektirecek hususların en başlıcası kişiselleştirme-ilişkilendirme ve bütünleşik otomasyon olacaktır. Müşteri verilerinden içgörü oluşturma, iç görüden ön görüye geçiş ve doğrulama akışları sayesinde, bir anlamda girdi parametreleri olan harcama, konum, cihaz ve davranış vb. verilerle beslenen teklif motorları, artık kural tabanlı dünyadan sıyrılıp pekiştirmeli öğrenme (Reinforcement Learning) yaklaşımlarına göz kırpmaya başladığı bir dönemin bizleri beklediğini söyleyebilirim. Zira bu yaklaşım; sigorta sektöründe müşteri bazlı kullanım endeksli prim saptamayı imkanlı hale getirebilirken, bankacılıkta dinamik olarak faiz/limit yönetimini sağlayabilmekte ve kişiselleştirilen tasarruf yatırımında ise robo-danışman stratejileri daha uygulanabilir ve müşteri tarafından daha kabul görebilir hale getirebilecektir.
İç operasyonlarda ise kapsamı sınırlı hale getirilmiş görev odaklı asistanların; müşteri tanıma ve doğrulama süreçlerindeki evrak kontrolleri, itiraz/chargeback aktiviteleri, kredi dosyası hazırlıkları, standardize edilemeyen anlık rapor ihtiyaçları vb. hususları çok kısa sürede yapmayı öğrenir duruma gelebileceğini söyleyebiliriz.
Bunların olağan sonuçları olarak süreçlere müşteri ve işlem bazlı yaklaşım ele alındığında, maliyet artışlarının engellenmesi yanı sıra analiz süreçleri ve harcanan zaman önemli ölçüde düşürülebilecektir. Bu sayede kurumlar, çalışanlarını daha yüksek katma değer barındırabilecek ve an itibariyle fark edilmemiş karar aşamalarına yönlendirebilecektir.
Önümüzdeki Dönem : Operasyonel Mükemmellik – Veri Kalitesinden Dayanıklılığa
Önümüzdeki dönemde yapay zeka konumlandırma senaryolarında ve bu senaryoların işlenip sonuç üretme aşamasındaki ölçme kriterlerinde önemli değişiklikler olacağı öngörülmektedir. Bu sürecin olağan sonuçlarından biri ise, hangi modeli kullanmalıyız soruları yerini kurguladığımız sistemi ne şekilde çalıştırıyoruz hususuna bırakacaktır. Zira yapay zeka uygulamalarındaki kullanım arttıkça müşteri isterleri bir noktadan sonra benzeşmeye başlayacak olup, sınırlı olan kaynaklardan ötürü detay özelliklerin biraz daha sadeleşerek kullanım senaryoları bazında gruplaşmaya başlayacağı öngörülmektedir. Ayrıca model deneyimleri ve testler standartlaşacağı için kullanılacak kütüphaneler, entegrasyon havuzları ve çevresel ekosistemler daha standart yapılara evrilecektir.
Unutulmaması gereken yegane husus, modelden ziyade modelin kullanmakta olduğu bilgi alanlarının zenginleştirmesinin (RAG) önümüzdeki dönemde çok daha fazla öne çıkacağıdır. Ayrıca kendinizin geliştirmediği bir yapay zeka platformu kullanıyorsanız, bu noktada tedarikçi bağımlılığı yaratmayan bir yapı düşünülmesinde fayda olacaktır. Yapay zeka kullanım serüveninin önümüzdeki dönem daha da karmaşıklaşabileceği bilinenin malumudur. Gelinen noktada bir deney alanı gibi başlayan bu serüven için, enerji ve altyapı maliyetlerinin sürdürülemez noktalara kaymasından ötürü maliyet yönetiminin gözetilerek gerekli kullanım hassasiyetlerine duyarlı uygulanabilir bir orkestrasyon mimarisinin oluşturulması gerektiğini atlamamak son derece önemlidir. Son olarak kritik aşamalardan biri olan iş sürekliliği adına model ve erişim yedekliliği hususlarını çözüm bulunması gereken hususların başına yazarak, en azından orta vadede ele alınması gereken bir konu başlığı olarak not edilmesinde fayda olacaktır.
Yapay Zeka Kullanımı İçin Kurumsal Yol Haritası
- Stratejinin Oluşturulması : Tercih edilecek kullanım senaryolarının kurumun stratejik planı ile uyumlu olmasına dikkat edilmelidir. Zira bir yaraya merhem olmayan denemelerinin maliyetler ile birleşince kurumun yapay zeka kullanım yaklaşımını tümüyle durdurabileceği unutulmamalıdır. Ayrıca sınırlı tutulan kapsam ile netleştirilen görev bazlı kullanım senaryolarının önceliklendirilmesi önemli bir husus olup, mevcut iş aktivitelerinden kullanım etkisi yüksek ve ilk etapta çok fazla efor gösterilmeden uygulanabilen iş süreçlerine odaklanılması faydalı olacaktır. Zira çok fazla bilinmeyen içeren bu dönüşümün karmaşık süreçler ile tetiklenmesi başarılı iş sonuçlarına ulaşmayı zorlaştırabilecektir.
- Yönetişim : Model kataloğunun olabildiğince yalın oluşturulması hedeflenmeli ve tümüyle sınırsız akışlar yerine nispeten daha basit ve ara onay döngüleri ile zenginleştirilen bir öğreti akışı ile süreci yönetmek faydalı olacaktır. Öğreti eğilimi yükseldikçe model özelleştirmelerine daha fazla zaman ayrılabilecek iken, paralel zamanda da döngüsü istenen hedeflere yaklaşan süreçlerde onay yapıları ise bilinçli şekilde terk edilebilecektir.
- Model Yönetimi Komitesi : Mutlaka farklı uzmanlıkların süreç içerisine dahil edildiği bir kurgu ile hareket ederek temel risklerin belirlenmesi, kabul kriterlerinin belirlenmesi ve sürecin mümkün olduğunca komite yapısı üzerinden yönetilmesi önemli katkılar sağlayacaktır. Daha yönetilebilir, gözlemlenebilir, denetlenebilir ve güvenilir sistemler kapsamında bir kurgunun ileride yaşanabilecek risklere karşı direnç kazandırabileceği bilinmelidir.
- Altyapı Seçimi : Kısa vadede olmasa bile orta vadede tekil bir tedarikçi ile çalışılamayacağı bilinerek bu yaklaşıma uygun bir yapay zeka platformu doğrultusunda, tek bir LLM yerine farklı uzmanlıklara haiz modellerin maliyet eksenli şekilde öne çıkan güçlü özelliklerinin birlikte kullanılabileceği bir yapının tercih edilmesi en kritik hususların başında gelmektedir. Bu sayede kurumlar, kendisine özgü bir anlamda terzi usulü bir model yığınını kullanarak daha net sonuçlara erişebilmektedir. Bu konumlandırma yapılırken, bilginin zenginleştirilebilmesi ve doğru çıktı üretebilmesi adına model mimarilerinin doğru yapılandırılması ve tercihlerin önemli etkileri olacağı unutulmamalıdır. (Retrieval, Generative, Retrieval-Augmented Generation Model vb.) Tabi bu süreçlere kafa yorarken imkanlar ölçüsünde mutlaka uzman kaynağın tüketilmesi faydalı olacaktır.
- Regülasyon, Güvenlik ve Uyumum Sağlanması : Oldukça hassas bir mimari içerdiğinden ve günümüzün en dikkat çeken dönüşümlerinden biri olduğundan, kullanım öncesinde sektörel denetleyici ve düzenleyicilerin çıkardıkları mevzuat mutlaka detaylıca araştırılmalı ve bu alandaki sınırlar bilinmelidir. Zira bu her şeyi kökten değiştirebilecek bir etken olduğu için bu süreci işletmeden projeye başlanılmaması tavsiye edilmektedir.
Regülasyon uyum kararları oluşması akabinde diğer çok kritik ve aslında iç içe girmiş husus olan veri ve erişim güvenliği konusunda sektörel uygulamalar gözden geçirilmelidir. Doğru teknoloji tedarikçileri kullanılması halinde bu süreçte deneyim sayesinde önemli zaman alması beklenen aktivitelerde hızlı hareket edilecektir. Bunlarla birlikte, erişim ve girdi güvenliğinin sağlanması, veri sınıflandırma mekanizmalarının netleştirilmesi ve veri maskeleme süreçlerinin başarılı uygulanması son derece kritik olup, rol tabanlı erişimin projenin olmazsa olmazı olacağı unutulmamalıdır.
