CBOT Kurucu Ortağı ve CMO’su Çiler Ay ile Fintechtime Şubat 2026 sayısı “2025’te yapay zekayı nasıl kullandık, 2026’da hayatımızı nasıl yönetecek?” dosya konusu kapsamında gerçekleştirdiğimiz röportaj yayında.
“Finans dünyasında yapay zekanın sadece soruları yanıtlayan bir araç olmanın ötesine geçip, kurumun içine entegre bir iş gücü haline gelmesi 2025 yılının en somut kazanımı oldu. CBOT Kurucu Ortağı ve CMO’su Çiler Ay, yapay zekayı basit bir iletişim aracı olmaktan çıkarıp, operasyonel yükü sırtlanan sistemlere dönüştürme sürecini paylaşıyor. Sektördeki 30’dan fazla finans kurumuyla edindikleri saha tecrübesi ışığında Ay; verimlilik baskısı altındaki kurumların artık sadece hız değil, regülasyonlara uyumlu ve gerçek değer katan yapılar aradığını vurguluyor. Söz konusu saha gözlemleri, yapay zekanın 2026’daki otonom finans yolculuğunda güvenlik ve açıklanabilirlik eşiklerini nasıl aşacağına dair stratejik bir projeksiyon sunuyor.”
CBOT olarak 2025 yılında finans kurumlarına yapay zeka sistemleri kurarken önceliğiniz neydi? Kurumların ‘verimlilik’ ve ‘kârlılık’ baskısı altında yapay zekadan beklentileri nasıl bir değişim geçirdi?
2025 bizim için gerçekten dönüm noktası oldu. CBOT olarak hem büyüme hem de ürün tarafında hedeflediğimizin çok ötesine geçtik. 15’i banka olmak üzere 30 finans kurumuyla çalışır hale geldik. Ama asıl önemli olan şu: Üretken yapay zekanın finans sektöründe gerçekten işe yaradığını, sadece teoride değil pratikte de kanıtladık.
Bizim için 2025’in en büyük önceliği neydi? Yapay zekayı “chatbot” kafasından kurtarmak. Biliyorsunuz, yıllardır finans kurumları yapay zekayı “müşteri hizmetlerinde basit soruları yanıtlayan bir araç” olarak görüyordu. Biz bunu aştık. Yapay zekayı, kurumun farklı departmanlarında gerçekten iş yapan, ölçülebilir sonuçlar üreten dijital çalışanlara dönüştürdük.
Tabii burada dikkatli olmak gerekiyordu. “Hadi her yere yapay zeka koyalım” diye düşünmedik. Tam tersine, gerçekten değer katabileceği, insan kaynağının boğulduğu operasyonel işleri alabileceği ve regülasyonlara uygun çalışabileceği alanları seçtik.
Eskiden kurumların beklentisi çok basitti: 7/24 soru-cevap, çağrı merkezine destek, birkaç rutin işi otomatikleştirmek. Yapay zeka karar vermiyordu, sadece yardımcı oluyordu.
2025’te bu bakış açısı tamamen değişti. Artık kurumlar yapay zekayı sadece bir arayüz olarak görmüyor. Süreçleri gerçekten anlayan, bağlam kurabilen, operasyonun içine doğal olarak yerleşebilen bir sistem olarak bakıyorlar. Biz de CBOT olarak tam bu noktaya odaklandık: Dijital iş gücü yaratmak. Yılı 26.000 aktif dijital çalışanla kapattık.
2026’ya baktığımızda, finans kurumlarının bazı alanlara özel ilgi gösterdiğini görüyoruz. Mesela vadesi geçmiş alacak tahsilatı herkesin gündeminde. Bizim geliştirdiğimiz “Tahsildar” isimli yapay zeka çalışanı, tıpkı bir insan gibi müşteriyle konuşuyor, borç bilgilendirmesi yapıyor, ödeme sözü alabiliyor. Kurumlar artık sadece metin tabanlı çözümler değil, ses teknolojilerine de çok ilgi gösteriyor. Belirli uzmanlık alanlarına odaklanmış teknolojiler aranıyor.
Bir de maliyet tarafı var tabii. GPU ve işlem maliyetleri artık sadece IT’nin değil, finans departmanının da konusu. Çünkü yapay zeka yatırımları ciddi bütçe gerektiriyor. Biz CBOT olarak özel inference mimarilerimizle GPU verimliliğini artırıyoruz. Böylece kurumlar hem performanstan ödün vermiyor hem de maliyetleri kontrol altında tutuyor. Verimlilik ve karlılık artık birbirine zıt değil, birlikte giden iki hedef.
Özetlemek gerekirse: 2025, yapay zekanın “destek aracı” olmaktan çıkıp, kurum içinde somut iş değeri üreten bir sistem mimarisine dönüştüğü yıl oldu. CBOT olarak biz de sadece teknoloji satmadık; bu dönüşümü kurumlarla birlikte yaşadık, birlikte inşa ettik.
“Dosya konumuzda 2026 yılını ‘asistanlıktan patronluğa geçiş’ ve ‘Otonom Finans Çağı’ olarak tanımlıyoruz. Bir sistem kurucu olarak, finans kuruluşlarının yapay zeka ajanlarına kritik kararlarda (kredi onayı, portföy yönetimi vb.) tam yetki vermeye ne kadar hazır olduklarını gözlemliyorsunuz?”
Açıkçası, bugün finans kurumlarının çoğu yapay zekaya “tamam, sen karar ver” diyecek noktada değil. Ama bunu bir eksiklik olarak görmüyorum. Aksine, çok sağlıklı bir hazırlık sürecinden geçiyorlar.
Düşünün, finans sektörü dünyanın en çok regüle edilen, en riskten kaçınan sektörlerinden biri. Bir kredi kararını ya da portföy yönetimini tamamen yapay zekaya bırakmak, tek tuşla olacak bir şey değil. Ama şunu net söyleyebilirim: İlgi ve merak inanılmaz boyutlarda.
Kurumlar artık kenarda bekleyip “bakalım ne olacak” demiyor. Aktif olarak araştırıyorlar, senaryolar geliştiriyorlar, kontrollü denemeler yapıyorlar. Yapay zekaya daha fazla sorumluluk verme fikri, eskiye göre çok daha cesur ve açık bir şekilde konuşuluyor. 2026’da kartopunun etkisini göreceğimizi düşünüyorum.
Size bir örnek vereyim: 2017’de Türkiye’deki ilk yüzde yüz yapay zeka tabanlı bankacılık sanal asistanını devreye aldığımızda, başka hiçbir bankada bu teknoloji yoktu. Şimdi ise olmazsa olmaz haline geldi. Aynı senaryo şimdi de yaşanacak, ama çok daha hızlı.
Bizim yaklaşımımız nedir?
CBOT olarak “yarın sabah her şeyi yapay zekaya devret” demiyoruz. Bunun kademeli, kontrollü bir süreç olması gerektiğine inanıyoruz.
İlk aşamada yapay zeka insanla birlikte çalışıyor. Kararları simüle ediyor, sonuçları açıklanabilir şekilde sunuyor. Hibrit bir yapı kuruyoruz. Sonra belirli karar alanlarını pilot olarak seçiyoruz ve bu alanlarda otonomlaşma senaryolarını insan gözetiminde test ediyoruz.
Mesela Tahsildar, 2026’da bu konuda çok konuşulacak bir örnek olacak. Çünkü alacak tahsilatı gibi spesifik, ölçülebilir, tekrarlanan bir süreçte yapay zekanın gerçekten sorumluluk alabileceğini gösteriyor.
2026’yı farklı kılan ne?
Finans kurumları ilk kez şunu somut olarak deneyimliyor: Yapay zeka sadece yardımcı olmakla kalmıyor, sorumluluk üstlenebiliyor. Çıktıları ölçülebilir, hesap verebilir şekilde üretiyor. Bu “asistanlıktan patronluğa geçiş” bir anda olmuyor tabii. Kontrollü, izlenebilir ve gerekirse geri alınabilir bir yetki paylaşımından bahsediyoruz.
Yani “Otonom Finans Çağı” dediğiniz şey, yapay zekanın başına buyruk hareket etmesi değil. İnsan-yapay zeka işbirliğinin en olgun halinin kurulması.
“Sektörde küresel modellerden ziyade yerel verilerle eğitilmiş ‘Dikey Yapay Zeka’ (Vertical AI) modellerinin yükselişini konuşuyoruz. Türkiye pazarındaki enflasyon, tüketici alışkanlıkları ve regülasyonlar düşünüldüğünde, yerel modeller finans kurumlarına nasıl bir rekabet avantajı sunacak?”
Küresel modeller harika, onu zaten tartışmıyoruz. Ama finans gibi her detayın kritik olduğu bir alanda, “genel kültür” yetmiyor. Yerel gerçeklikleri okuyamadıkları noktalar mutlaka çıkıyor.
Türkiye’ye bakalım mesela. Enflasyon dinamiklerimiz, tüketici davranışlarımız, finansal reflekslerimiz dünyadan çok farklı. Aynı gelir seviyesindeki bir Türk tüketiciyle Avrupalı tüketicinin harcama alışkanlıkları, borçlanma yaklaşımı, ödeme disiplini bambaşka. Regülasyonlar zaten hiç benzemiyor.
Peki bu neden önemli? Çünkü yapay zeka modeli ne kadar akıllı olursa olsun, eğer Türkiye’deki bir müşterinin “ay sonunu zor getirme” refleksini, “enflasyon var, hemen harcayayım” psikolojisini ya da “vadesiz hesapta para tutmam” mantığını anlamıyorsa, vereceği kararlar havada kalır.
Yerel modellerin vaadi işte tam burada. Türkiye’ye özel verilerle eğitilmiş dikey yapay zeka modelleri geliştirildiğinde bu bağlamı çok daha iyi yakalayacak. Kredi risk değerlendirmesinde sadece gelir-gider oranına bakmayacak, kişinin hangi sektörde çalıştığını, o sektördeki dalgalanmaları, geçmiş ödeme davranışlarındaki kültürel kalıpları da görecek.
Ama gerçekçi olalım: Bu modelleri geliştirmek çok pahalı. Şu an piyasada tam anlamıyla Türkiye’ye özgü, finans sektörüne özel geliştirilmiş büyük ve “gerçek” bir yerel model yok çünkü böyle bir modeli sıfırdan eğitmek ciddi bir yatırım gerektiriyor. Veri toplama, temizleme, etiketleme, model eğitimi, test süreçleri… Hem maliyet hem zaman açısından ağır bir iş. Ama bu, geleceğin buraya doğru gitmeyeceği anlamına gelmiyor. Tam tersine gelecekte yerel modeller devreye girdiğinde ciddi fark yaratıldığını göreceğiz.
Ödeme alışkanlıklarında mesela; Türkiye’de “maaş yattığında öde” kültürü var, Batı’da “fatura geldiğinde öde” kültürü var. Yerel bir model bunu okuyabilecek. Müşteri segmentasyonunda yaş, gelir, eğitim seviyesi önemli elbette, ama hangi mahalleden olduğu, hangi dönemde ne tip harcama yaptığı, hangi kanalları kullandığı çok daha derin içgörüler verecek. Örneğin: Global bir model Türkiye’deki bir KOBİ’ye kredi verirken, sadece bilançoya bakar. Yerel bir model ise o KOBİ’nin hangi sektörde olduğunu, o sektördeki mevsimsel dalgalanmaları, tedarikçi ödeme alışkanlıklarını, hatta o bölgedeki ekonomik atmosferi de okuyabilecek. Bu da kuruma öngörü avantajı sağlayacak. Yerel model kullanan bir finans kurumu, müşterisine daha isabetli ürün önerebilecek, riski daha doğru hesaplayabilecek, tahsilat zamanlamasını daha akıllıca planlayabilecek. Sadece hızlı değil, aynı zamanda doğru kararlar alabilecek.
Finans kurumları şimdilik lokal yapıda kullanılabilen küresel modelleri kullanıyor ve bunları kendilerine adapte etmeye çalışıyor. Prompt engineering, fine-tuning gibi yöntemlerle yerelleştirme yapılıyor ama bu, tam bir yerel model geliştirmekten farklı.
Ancak farkındalık var, iştah var. Kurumlar bu ihtiyacı görüyor. Maliyet ve kaynak gereklilikleri düştükçe, ya da birkaç büyük oyuncu bu yatırımı yaptıkça, sektörde hızlı bir geçiş yaşanacak.
Özetle: Küresel modeller otomobil sürmeyi öğretir. Yerel modeller ise İstanbul trafiğinde nasıl hayatta kalacağını öğretecek. Finans kurumları için asıl değerli olan ikincisi. Şimdi soru şu: Bu yatırımı kim, ne zaman yapacak?
“2026’da siber güvenlik savaşlarının ‘Yapay Zekaya Karşı Yapay Zeka’ ekseninde geçmesini bekliyoruz. Finans kurumları, özellikle deepfake ve sentetik kimlik dolandırıcılığı gibi yeni nesil tehditlere karşı ‘Sıfır Güven’ mimarisine geçerken en çok hangi teknolojik eşiklerde zorlanacak?”
Siber güvenlik konusu “yapay zekaya karşı yapay zeka” savaşına dönüşebilir. Finans kurumları için bunun sadece teknoloji değil, düşünce şekli değişikliği olduğunu düşünüyorum.
En büyük zorluk ne biliyor musunuz? Güvenlik anlayışını “kapıda kimlik kontrolü” mantığından çıkarmak. Artık “doğru şifreyi girdin, geç” yetmeyecek. Deepfake ve sentetik kimlik gibi tehditler sadece “doğru bilgiyi” değil, “doğru davranışı” da taklit edebiliyor. Bir müşteri doğru şifreyi girebilir, ses ve yüz tanımadan geçebilir ama aslında bir deepfake olabilir. Geleneksel güvenlik bu tehditlere karşı büyük ölçüde çaresiz. İyi haber: Bunları tespit edecek yeni teknolojiler sürekli çıkıyor. Kötü haber: Entegrasyonu zor.
İkinci büyük eşik bana göre “Açıklanabilirlik” kavramı çünkü yapay zeka bir karar verdiğinde “neden?” sorusuna da cevap vermesini bekliyoruz. “Algoritmam alarm verdi” yetmiyor. Regülatörler, iç denetim, bazen müşteri soruyor. Örneğin, sistem para transferini engelledi diyelim: “Bu müşteri 3 yılda hiç gece yarısı işlem yapmadı, şimdi 3 farklı ülkeye arka arkaya transfer başlattı, davranış kalıbı %87 dolandırıcılık vakalarına benziyor” demesi lazım. “Sistem riskli gördü” ne yazık ki kabul gören bir açıklama olmayacak.
Üçüncü zorluk ise “Bütüncül entegrasyon” . Belirttiğin “Sıfır Güven” aslında bir yazılım değil, “Kimseye güvenme, her şeyi sürekli doğrula” diyen bir felsefe. Bu demek ki sadece giriş noktasında değil her işlem adımında kontrol, sadece dışarıdan değil içerideki anormalliklere de bakış, sadece kullanıcıyı değil cihazı, konumu, zamanlamayı da değerlendirme. Tek bir ürün satın alıp kurmakla olmaz. Kurumun tüm dijital akışlarını kapsayan, katmanlı, sürekli bir strateji gerekiyor. Ve bu sadece teknoloji değil. Organizasyonel dönüşüm gerekiyor. Mobil, backend, veri, güvenlik ekipleri… Hepsinin bu yeni dünyaya hızla adapte olması, ortak dil konuşması lazım. Tüm kurumun sindirmesi gerekiyor. Kolay değil. Ama yapılmazsa? Deepfake’li dünyada geleneksel güvenlikle çalışmak, zırh yerine karton kutu taşımak gibi olacak.
