Senior Product Owner Kahraman Anıl Tanış, Fintechtime Haziran sayısı için yazdı “Otonom Finans: Yapay Zekâ Karar Vermeyi Fintech’in Merkezine Taşırken & Küresel Perspektif ve Türkiye Yansımaları”.
“Otonom finans, yapay zekânın fintek içinde yalnızca öneri sunan bir katman olmaktan çıkıp karar alan ve uygulayan bir yapıya evrildiği yeni dönemi anlatıyor. Kredi skorlama, dolandırıcılık tespiti, portföy yönetimi ve regülasyon raporlaması gibi alanlarda yapay zekâ artık bağlamı okuyup milisaniyeler içinde aksiyon üretebiliyor. ABD hız ve kurumsal ölçekle, Avrupa regülasyon ve açıklanabilirlik odağıyla, Asya ise veri gücü ve operasyonel çeviklikle bu dönüşümü farklı biçimlerde ilerletiyor. Türkiye tarafında FAST, açık bankacılık altyapısı ve genç dijital kullanıcı tabanı önemli fırsatlar sunarken; veri paylaşımı, insan kaynağı ve yapay zekâ kararlarına ilişkin düzenleyici netlik kritik başlıklar olarak öne çıkıyor. Asıl soru artık teknoloji kapasitesi değil; karar makineye devredildiğinde sorumluluğun nerede başlayıp nerede bittiği.”
“Fintech ekosisteminde karar almanın insan tercihinden makine çıktısına evrilmesi artık bir öngörü değil, gözlemlenebilir bir gerçek. Asıl soru şu: Bu evrimi kim yönetecek?”
1. Otonom Karar Almanın Yükselişi
Yapay zekânın fintech’te rolü çok katmanlı bir dönüşüm geçiriyor. İlk nesil uygulamalar kural tabanlı sistemler üzerine inşa edilmişti: belirli eşikleri aşan işlemler engelleniyor, belirli profiller kredi reddine uğruyordu. Sistem öngörülebilirdi, ancak esneksizdi.
Bugün tablonun büyük bölümü değişti. Büyük dil modelleri (LLM), pekiştirmeli öğrenme algoritmaları ve gerçek zamanlı veri akışlarının bir araya gelmesiyle fintech platformları artık bağlamı anlayan, senaryoları değerlendiren ve önerilerin ötesine geçerek kararları uygulayan sistemler kurabilir hale geldi. Bu dönüşüme “otonom finans” adı veriliyor.
Otonom finans üç temel bileşen üzerine duruyor: veri zenginliği, algoritmik kapasite ve regülatör uyum çerçevesi. Bu üçü aynı anda ve dengeli biçimde çalıştığında sistem gerçek anlamda otonom kararlar üretebiliyor. Üçünden herhangi biri zayıfladığında ise risk anında yüzeye çıkıyor.
2. Küresel Öncüler: Kim Ne Yapıyor?
ABD: Kurumsal Hız
JPMorgan Chase, COiN (Contract Intelligence) platformundan yıllar önce edindiği deneyimi bugün çok daha geniş bir alana taşıdı. Kredi analizinden hazine yönetimine, iç denetimden müşteri segmentasyonuna kadar karar destek sistemleri artık görünmez bir katman olarak her sürecin içinde çalışıyor. Goldman Sachs ise Marcus platformunda tamamen AI güdümlü kredi kararları almaya başladı. Burada ilginç olan nokta şu: insan onayı gerektiren işlemlerin oranı hızla düşüyor.
Stripe ve Brex gibi neofintech oyuncuları ise kendi modellerini kuruluşun başından itibaren AI merkezli tasarladı. Fraud detection, underwriting ve müşteri limiti güncellemeleri neredeyse tamamen model çıktılarına dayanıyor. Bu şirketlerde karar döngüsü milisaniyeler içinde kapanıyor.
Avrupa: Regülasyon ile Yenilik Arasında
Avrupa, yapay zekâya ilişkin düzenleyici çerçeveyi dünyada ilk kez yasal zemine oturtan bölge oldu. AB Yapay Zekâ Yasası, fintech uygulamalarını ‘yüksek riskli sistemler’ kategorisinde ele alıyor. Bu çerçevede kredi kararları, sigorta primlendirmesi ve kimlik doğrulama süreçleri belirli şeffaflık ve açıklanabilirlik standartlarına tabi tutuluyor.
N26, Revolut ve Klarna gibi neobank ve BNPL oyuncuları bu uyum yüküyle boğuşurken aynı zamanda AI kapasitelerini geliştirmeye devam ediyor. Rekabetçi baskı ile regülatör kısıtının aynı anda hissedildiği bu denge, Avrupa fintech ekosisteminin karakteristik gerilimini oluşturuyor.
Asya: Ölçek ve Hız
Çin’de Ant Group ve WeBank, AI güdümlü mikro kredi modellerini milyarlarca işleme uyguluyor. Karar süreleri saniyenin altında, teminat gereksinimleri neredeyse sıfır; kararı veren model, borcun geri ödenip ödenmeyeceğini şaşırtıcı bir doğrulukla tahmin ediyor. Bu yapının arkasında muazzam miktarda davranışsal veri yatıyor.
Singapur ise farklı bir model izliyor: MAS (Monetary Authority of Singapore) regtech ve AI entegrasyonunu teşvik eden bir sandbox ortamı kurdu. DBS ve OCBC gibi köklü bankalar bu ortamda AI modellerini test edip üretime alıyor. Model şeffaflığı ve açıklanabilirlik burada da gündemde, ancak inovasyon kısıtlanmıyor.
3. Otonom Kararın Kritik Kullanım Alanları
Kredi Skorlama ve Underwriting
Geleneksel kredi notu modellerinin yetersiz kaldığı kitlelerde — genç nüfus, serbest meslek sahipleri, göçmenler — AI tabanlı alternatif veri kullanımı kredi erişimini dönüştürüyor. Kira ödeme geçmişi, fatura düzenliliği, sosyal davranış örüntüleri ve hatta cihaz kullanım alışkanlıkları modelin girdisi haline geliyor. Bu yaklaşım finansal kapsayıcılık açısından dönüştürücü bir potansiyel taşıyor.
Anlık Dolandırıcılık Tespiti
Fraud detection sistemleri artık reaktif değil, proaktif. Model bir işlem tamamlanmadan önce onlarca sinyali değerlendiriyor: cihaz parmak izi, konum tutarsızlığı, işlem hızı, geçmiş davranış örüntüsü. Mastercard’ın Decision Intelligence sistemi milyarlarca işlemi gerçek zamanlı taradığını açıkladı. Yanlış pozitif oranlarının düşürülmesi hem güvenliği hem müşteri deneyimini iyileştiriyor.
Kişiselleştirilmiş Portföy ve Servet Yönetimi
Robo-advisor kavramı 2010’larda doğdu; bugün çok daha güçlü. Betterment, Wealthfront ve Nutmeg gibi platformlar kullanıcıya özel portföy optimizasyonu sunarken AI artık piyasa koşullarına göre gerçek zamanlı yeniden dengeleme yapabiliyor. Agentic yapılar ise bir adım öteye geçerek kullanıcının onayı olmaksızın belirlenen eşiklerde otomatik alım-satım gerçekleştirebiliyor.
Düzenleyici Raporlama ve Uyum
Regtech alanında AI’ın rolü giderek genişliyor. Büyük finansal kurumlar regülatör raporlarını hazırlamak için artık kısmen AI tabanlı sistemlere başvuruyor. Yüksek veri hacminin işlenmesi, anomali tespiti ve uyumluluk boşluklarının erken yakalanması bu sistemlerin temel katkısı.
4. Riskler ve Açık Sorular
Otonom finans tartışmasının en kritik boyutu etik ve hesap verebilirlik meselesi. Bir kredi reddedildiğinde ya da bir işlem bloke edildiğinde kararın gerekçesi açıklanabilmeli. Avrupa’nın GDPR çerçevesinde tanımladığı ‘açıklanabilir karar’ hakkı, AI sistemleri için ciddi bir teknik ve hukuki gerilim yaratıyor. Kara kutu modellerin regülatörler tarafından kabul görmemesi giderek daha belirgin bir eğilim haline geliyor.
Model önyargısı (algorithmic bias) meselesi de gündemin üst sıralarında. Eğitim verisi tarihsel örüntüleri yansıttığında model bu örüntüleri yeniden üretiyor. Belirli demografik grupların sistematik biçimde dezavantajlandırılması hem etik hem hukuki risk taşıyor. Bu nedenle model denetimi ve adil AI standartları konusundaki uluslararası çalışmalar hız kazanıyor.
Operasyonel risk boyutu da göz ardı edilemez. Milyonlarca kararı gerçek zamanlı üreten bir sistemde model hatası ya da veri zehirlenmesi son derece geniş bir alana zarar verebilir. Kontrollü devre kesici mekanizmaları ve insan gözetimi katmanları bu riski yönetmek için kritik.
5. Türkiye Perspektifi: Altyapı Hazırlığı ve Fırsatlar
Türkiye bu tabloya nereden bakıyor? Birkaç açıdan küresel gelişmelere paralel, birkaç açıdan ise kendine özgü koşullarla.
Önce güçlü yanlar. Türkiye’nin bankalararası ödeme altyapısı (FAST sistemi) ve açık bankacılık çerçevesi, AI uygulamaları için gerçek zamanlı veri akışını mümkün kılan bir temel oluşturuyor. BKM’nin ödeme ekosistemi, Garanti BBVA’nın yapay zekâ yatırımları ve neobank girişimlerinin hız kazanması sektörün AI adaptasyonuna açık olduğunu gösteriyor.
Türkiye’nin genç ve dijital kullanıcı tabanı da önemli bir avantaj. Mobil bankacılık penetrasyonunun yüksekliği, kullanıcıların AI güdümlü finansal hizmetlerle etkileşime geçmesini kolaylaştırıyor. Mikro kredi, sigorta ve yatırım ürünleri özelinde AI tabanlı ürünlerin potansiyel kitlesi oldukça geniş.
Öte yandan yapısal kısıtlar da gerçek. Veri paylaşım ekosisteminin olgunlaşması zaman alıyor. Yerel AI yeteneğinin derinleşmesi için insan kaynağı yatırımı şart. Regülatör çerçevesinin AI kararları özelinde netleşmesi ise hem kurumların hem de girişimlerin ihtiyaç duyduğu öngörülebilirliği sağlayacak.
BDDK ve TCMB’nin açık bankacılık sürecindeki yaklaşımı ilerideki AI düzenlemelerinin tonunu da belirleyecek. Avrupa modelinden ilham alan, ancak yerel dinamiklere uyarlanmış bir çerçeve Türkiye için en makul senaryo olarak görünüyor.
6. Sonuç: Kararın Sahibi Kim?
Otonom finans tartışmasının özünde şu soru yatıyor: Karar almanın giderek makinelere devredildiği bir dünyada sorumluluk nerede başlar, nerede biter?
Teknik yanıt bellidir: insanın tasarladığı model, insanın seçtiği veriyle çalışır; sorumluluk bu zincirin tamamına aittir. Ancak bu yanıt hukuki, etik ve düzenleyici tartışmalara tam karşılık vermiyor. Dünyanın dört bir yanındaki regülatörler ve mahkemeler bu soruyu farklı biçimlerde yanıtlamaya çalışıyor.
Fintech ekosistemi için kritik öngörü şu: Önümüzdeki beş yılda otonom karar kapasitesi fark yaratan bir avantajdan olmazsa olmaz bir altyapı bileşenine dönüşecek. Bu evrimi hızlı ve sorumlu biçimde yönetenler kazanacak; geç kalanlar ise sadece rekabetçi değil, düzenleyici baskıyla da baş etmek zorunda kalacak.
Paranın zekâsı artık veri akışının içinde. Ve bu akışı kim kontrol ederse, kararı o veriyor.
