Commencis Chief AI Officer Duru Kızılkayak ile “Bankacılığın Yeni İşletim Sistemi Fintek, Yapay Zekâ ve Veriyle Kuruluyor” dosya konusu için gerçekleştirdiğimiz röportaj yayında.
Duru Kızılkayak, yapay zekânın bankacılıkta müşteri hizmetlerini daha hızlı, daha akıllı ve aksiyon alabilen bir modele taşıdığını vurguluyor. Kızılkayak’a göre yeni sıçrama, sesli asistan, agent orkestrasyonu ve davranışsal içgörünün bankanın veri kaynaklarıyla aynı zekâ katmanında birleşmesiyle gelecek. Güven, açıklanabilirlik, insan kontrolü ve veri güvenliği bu yapının temel şartları arasında yer alıyor. Geleceğin müşteri hizmetleri modelini ise insan ile yapay zekânın güçlü yönlerini bir araya getiren hibrit yapı belirleyecek.
Sesli asistanlar, chatbotlar, çağrı merkezi otomasyonu ve müşteri temsilcisi destek sistemleri bankacılık deneyimini nasıl değiştiriyor? Finansal hizmetlerde yapay zekânın müşteri deneyiminde en yüksek değer yarattığı alanlar hangileri?
Yapay zekâ, bankacılıkta müşteri hizmetlerini yalnızca daha hızlı yanıt veren bir yapıya değil, müşterinin ihtiyacını anlayan ve gerekli aksiyonu alabilen bir hizmet modeline dönüştürüyor. Sesli asistanlar ve chatbotlar bakiye sorgulama, kart işlemleri, ödeme bilgileri, başvuru takibi ve şifre işlemleri gibi yüksek hacimli talepleri karşılayabilme potansiyeline sahip. Böylece müşteriler daha kısa sürede sonuç alırken, çağrı merkezi ekipleri daha karmaşık ve değer yaratan konulara odaklanabiliyor.
Asıl değer, bu sistemlerin yalnızca soru yanıtlamasının ötesine geçmesiyle ortaya çıkıyor. Müşterinin niyetini anlayan, kimliğini güvenli biçimde doğrulayan, bankanın sistemleriyle entegre çalışan ve işlem başlatabilen yapılar müşteri yolculuğundaki kesintileri önemli ölçüde azaltıyor. Ayrıca, konuşma sırasında ihtiyaç duyulan bilgilerin müşteri temsilcisine aktarılması, görüşmenin özetlenmesi ve sonraki en doğru aksiyonun önerilmesi de çalışan deneyimini güçlendiriyor.
Finansal hizmetlerde yapay zekânın en yüksek değeri; yüksek hacimli müşteri taleplerinin yönetimi, kişiselleştirilmiş hizmetler, temsilci destek sistemleri, şikâyet ve memnuniyetsizlik sinyallerinin erken tespiti, doğru yönlendirme ve proaktif müşteri iletişimi gibi alanlarda yarattığını görüyoruz. Buradaki hedef, insan temasını tamamen ortadan kaldırmak değil; otomasyonu doğru noktada kullanarak hem müşteriye hem de çalışana daha akıcı ve doğal bir deneyim sunmak.
Commencis’in Voice AI ürünü ‘Phoebe’ de bu yaklaşım doğrultusunda sesli müşteri etkileşimlerini yalnızca yanıt veren konuşmalar olmaktan çıkararak aksiyona dönüştürüyor. ‘Phoebe’, müşteri niyetini ve konuşmadaki önemli sinyalleri gerçek zamanlı olarak anlayabiliyor, kurumsal sistemlerle entegre biçimde işlem başlatabiliyor. Doğal ve akıcı Türkçe konuşarak; ‘inbound’ ve ‘outbound’ çağrılar gerçekleştirebiliyor.
Müşteriler yapay zekâ ile iletişim kurarken hız kadar hangi unsurları bekliyor? Güven, doğru yönlendirme, empati, şeffaflık ve kesintisiz hizmet deneyimi bu noktada nasıl bir rol oynuyor?
Commencis Chief AI Officer Duru Kızılkayak
Hız önemli olmakla birlikte, finansal hizmetlerde tek başına yeterli değil. Müşteriler öncelikle doğru anlaşıldıklarını, güvenli bir ortamda işlem yaptıklarını ve ihtiyaçlarına uygun şekilde yönlendirildiklerini hissetmek istiyor. Hızlı ancak yanlış veya bağlamdan kopuk bir yanıt, müşteri deneyimini iyileştirmek yerine güven kaybına neden olabiliyor.
Bu nedenle yapay zekâ sistemlerinin görüşme boyunca bağlamı koruması, müşteriyi aynı bilgileri tekrar vermek zorunda bırakmaması ve farklı kanallar arasında tutarlı bir deneyim sunması gerekiyor. Sistem emin olmadığı bir noktada bunu açıkça ifade edebilmeli ve müşteriyi doğru insan desteğine kesintisiz biçimde aktarabilmeli. Temsilciye geçiş yapıldığında görüşmenin geçmişi, müşterinin ihtiyacı ve gerçekleştirilen işlemler korunmalı.
Empati de özellikle kayıp kart, şüpheli işlem, ödeme problemi veya finansal zorluk gibi hassas konularda kritik önem taşıyor. Yapay zekânın insan gibi davranmaya çalışmasından çok, müşterinin duygu durumunu ve yaşadığı problemin hassasiyetini anlayarak uygun dili, yönlendirmeyi ve hizmet akışını seçmesi gerekiyor.
Şeffaflık ise güvenin temel bileşenlerinden biri. Müşteri karşısındaki sistemin yapay zekâ olduğunu bilmeli, hangi işlemin gerçekleştirildiğini görebilmeli ve gerektiğinde işlemi durdurabilmeli veya insan desteği talep edebilmeli. ‘Phoebe’ de bu yaklaşım doğrultusunda, ihtiyaç duyulan durumlarda görüşmenin insan desteğine yönlendirilmesine imkân tanıyacak şekilde kurgulandı. Örneğin, emin olmadığı ya da hassasiyet taşıyan durumlarda görüşmeyi o ana kadarki bağlam ve yapılan işlemlerle birlikte temsilciye devrediyor, böylece müşteri aynı bilgileri baştan anlatmak zorunda kalmıyor.
Bankalar için doğal dil işleme, konuşma analitiği ve ses teknolojileri hangi operasyonel kazanımları sağlıyor? Bu teknolojiler çağrı merkezi verimliliği, müşteri memnuniyeti, kalite yönetimi ve satış süreçlerine nasıl katkı sunuyor?
Doğal dil işleme, konuşma analitiği ve ses teknolojileri, çağrı merkezlerinde üretilen büyük miktardaki yapılandırılmamış veriyi anlamlandırılabilir ve aksiyona dönüştürülebilir hale getiriyor. Görüşmelerdeki müşteri niyeti, konu başlıkları, duygu değişimleri, memnuniyetsizlik sinyalleri ve tekrar eden sorunlar otomatik olarak analiz edilebiliyor.
Bu teknolojiler sayesinde çağrıların doğru ekibe yönlendirilmesi, görüşme özetlerinin otomatik hazırlanması, müşteri temsilcisine gerçek zamanlı bilgi ve sonraki en doğru aksiyon önerilerinin sunulması mümkün hale geliyor. Böylece görüşme sonrası manuel işlemler azalıyor, temsilcilerin bilgiye erişimi hızlanıyor ve ilk temasta çözüm oranı güçleniyor.
Kalite yönetimi tarafında ise yalnızca sınırlı sayıda örnek görüşme yerine çok daha geniş bir çağrı hacmi değerlendirilebiliyor. Kurumun belirlediği iletişim standartlarına, yasal bilgilendirmelere ve hizmet prosedürlerine uyum daha sistematik biçimde izlenebiliyor. Riskli ifadeler veya müşteri memnuniyetsizliği yaratan noktalar erken aşamada tespit edilebiliyor.
Bu noktada Commencis’in veri zekâsı ürünü ‘Verity’, çağrı merkezi görüşmeleri dahil olmak üzere kurumun mevcut sistemlerinde oluşan sinyalleri analiz ederek anlamlı örüntüleri ve aksiyon alınabilecek noktaları belirliyor. Elde edilen içgörüleri sonraki en doğru aksiyona dönüştürerek müşteri hizmetleri, kalite yönetimi ve satış ekiplerinin daha proaktif hareket etmesini destekliyor.
Satış süreçlerinde de konuşmalarda ortaya çıkan ihtiyaç sinyalleri, ürün ilgisi ve müşteri davranışları doğru şekilde analiz edildiğinde daha ilgili ve zamanında teklifler geliştirilebiliyor. Burada önemli olan, satış fırsatı yaratırken müşteri ihtiyacını ve uygunluk kriterlerini merkeze alan bir yaklaşım benimsemek.
Finans sektöründe yapay zekâ kullanımında güveni artırmak için hangi tasarım ilkeleri kritik? Açıklanabilirlik, denetlenebilirlik, insan kontrolü ve hata yönetimi nasıl kurgulanmalı?
Finans sektöründe yapay zekâ sistemleri tasarlanırken güvenlik ve uyumluluk sonradan eklenen kontroller değil, mimarinin temel bileşenleri olmalı. Sistemin hangi verilere erişebildiği, hangi işlemleri gerçekleştirebildiği ve hangi koşullarda insan onayına ihtiyaç duyduğu en baştan açık biçimde tanımlanmalı.
Açıklanabilirlik, her modelin teknik detaylarının müşteriye aktarılması anlamına gelmiyor. Önemli olan, sistemin neden belirli bir yönlendirme veya öneri sunduğunun anlaşılabilir olması. Özellikle kredi, yatırım, sigorta veya risk değerlendirmesi gibi müşteri açısından önemli sonuçlar doğuran alanlarda kararın hangi bilgi ve kurallara dayandığı izlenebilmeli.
Denetlenebilirlik için tüm yapay zekâ aksiyonlarının kayıt altına alınması, kullanılan veri kaynaklarının takip edilebilmesi ve işlemlerin sonradan incelenebilmesi gerekir. Yetkilendirme seviyeleri, işlem limitleri ve güven skorlarına dayalı eşikler oluşturulmalı. Yüksek riskli veya geri döndürülmesi zor işlemlerde insan onayı mutlaka korunmalı.
Hata yönetimi de en az doğruluk kadar önemli. Sistem emin olmadığı durumlarda tahminde bulunmak yerine durabilmeli, güvenli bir alternatif sunabilmeli veya süreci insana devredebilmeli. Düzenli model izleme, senaryo testleri, guardrail mekanizmaları ve geri bildirim döngüleri sayesinde hatalar yalnızca düzeltilecek olaylar olarak değil, sistemi geliştiren öğrenme alanları olarak ele alınmalı.
Kişiselleştirilmiş finansal öneriler ile yanlış yönlendirme riski arasında nasıl bir denge kurulmalı? Finans kurumları yapay zekâyı müşteri deneyiminde kullanırken hangi veri, güvenlik ve uyum sınırlarına dikkat etmeli?
Kişiselleştirme, müşteriye daha ilgili ve zamanında bir deneyim sunma potansiyeline sahip. Ancak finansal ürünlerde sunulan her önerinin müşterinin bütçesi, risk profili, uygunluk koşulları ve gerçek ihtiyacıyla örtüşmesi gerekiyor. Bu nedenle kişiselleştirilmiş öneriler yalnızca davranışsal verilere veya geçmiş işlemlere dayalı tahminler olarak kurgulanmamalı; kurumun ürün kuralları, uygunluk kriterleri ve risk politikalarıyla da birlikte çalışmalı.
‘Verity’ de kurumun mevcut veri platformunda oluşan sinyalleri anlamlandırarak müşterinin ihtiyacına uygun sonraki en doğru aksiyonun belirlenmesini destekliyor. Ancak bu aksiyonların kurumun iş kuralları, yetkilendirme mekanizmaları ve uyum gereklilikleri içinde üretilmesi, kişiselleştirmenin güvenli ve kontrollü biçimde uygulanması açısından kritik önem taşıyor.
Bilgilendirme, öneri ve bağlayıcı finansal tavsiye arasındaki sınır müşteriye açık biçimde gösterilmeli. Yapay zekâ, sunduğu önerinin hangi verilere veya varsayımlara dayandığını açıklayabilmeli; müşteri de verilerinin nasıl kullanıldığı konusunda kontrol sahibi olabilmeli.
Veri minimizasyonu, açık rıza, amaçla sınırlı kullanım, rol bazlı erişim, veri güvenliği ve kayıtların izlenebilirliği temel gereklilikler arasında yer alıyor. Türkiye’de bu çerçeve KVKK ve BDDK’nın bilgi sistemleri düzenlemeleriyle, yükselen risk temelli beklentiler açısından ise AB Yapay Zekâ Yasası (EU AI Act) ile şekilleniyor. Hassas müşteri verilerinin, model eğitiminde veya üçüncü taraf sistemlerde nasıl kullanılacağının da bu düzenlemeler ve kurumun uyum politikaları doğrultusunda net olarak belirlenmesi gerekiyor.
Özellikle kredi, yatırım ve sigorta gibi yüksek etkili alanlarda yapay zekâ nihai karar verici olmaktan çok, uzmanlara açıklanabilir ve denetlenebilir öneriler sunan bir destek mekanizması olarak konumlandırılmalı. Böylece kişiselleştirmenin sağladığı değer korunurken yanlış yönlendirme ve ayrımcılık riski kontrol altında tutulabilir.
Agentic AI, bankacılıkta müşteri adına işlem başlatan ya da karar öneren sistemlerin önünü açacak mı? Bu dönüşüm bankaların müşteriyle kurduğu ilişkiyi nasıl değiştirebilir?
Agentic AI’ın bankacılıkta önemli bir dönüşüm yaratacağını düşünüyoruz. Bugünkü chatbotların büyük bölümü bilgi sunuyor veya müşteriyi belirli bir ekrana yönlendiriyor. Agentic AI yapıları ise müşterinin amacını anlayarak talebi adımlara ayırabiliyor, bankanın farklı sistemleriyle iletişim kurabiliyor ve yetkileri çerçevesinde işlemi tamamlayabiliyor.
Commencis AI’ın multi-agent orkestrasyon ürünü ‘Mercury’, bu dönüşümün temelini oluşturan yapıyı sunuyor. ‘Mercury’, müşterinin talebini gerekli adımlara ayırıyor, her adımı doğru yapay zekâ agent’ına veya kurumsal sisteme yönlendiriyor ve süreci baştan sona yönetiyor. ‘Phoebe’ gibi sesli etkileşim ürünleriyle birlikte çalıştığında ise müşterinin doğal bir konuşmayla ilettiği talebin arka planda güvenli ve kontrollü bir iş akışına dönüşmesini mümkün kılıyor.
Örneğin müşteri yalnızca kredi kartı borcunu sormak yerine ödeme planı oluşturulmasını, uygun hesaptan ödeme yapılmasını ve sonucun kendisine bildirilmesini talep edebilir. Benzer şekilde bir seyahat bildiriminin oluşturulması, otomatik ödeme talimatının güncellenmesi veya kayıp kart sürecinin başlatılması tek bir konuşma içinde yönetilebilir.
Ancak bu dönüşümün kontrollü ilerlemesi gerekiyor. İlk aşamada düşük riskli ve geri alınabilir işlemlerden başlanması, kritik işlemlerde açık müşteri onayı alınması ve yüksek riskli kararların insan kontrolünde tutulması önemli. Her agent’ın hangi sisteme erişebileceği, hangi işlemi hangi limitler içinde gerçekleştirebileceği açıkça tanımlanmalı.
Bu yaklaşım bankaların müşteriyle kurduğu ilişkiyi reaktif hizmet modelinden daha proaktif ve sonuç odaklı bir modele taşıyabilir. Banka yalnızca müşterinin sorularına yanıt veren değil, ihtiyaçları erken fark eden ve müşterinin izniyle gerekli aksiyonları tamamlayan bir hizmet ortağına dönüşebilir.
Türkiye’de bankaların yapay zekâ tabanlı müşteri deneyimi uygulamalarında geldiği seviyeyi nasıl değerlendiriyorsunuz? Önümüzdeki dönemde müşteri hizmetleri tamamen otomasyon odaklı mı ilerleyecek, yoksa insan ve yapay zekânın birlikte çalıştığı hibrit yapı mı güçlenecek?
Türkiye, dijital bankacılık adaptasyonu ve mobil kanal kullanımı açısından güçlü bir konumda. Commencis’in dijital kanallarını tasarlayıp geliştirdiği bankalarda mobil kullanım oranlarının yüzde 85’in üzerinde olması da müşterilerin dijital kanallara ne kadar hızlı adapte olduğunu gösteriyor. Türkiye’de bankalar chatbotlar, sesli asistanlar, konuşma analitiği, kişiselleştirme ve temsilci destek sistemleri gibi alanlarda önemli bir deneyime sahip.
Fakat bu başarı bankaları artık yeni bir eşiğe getiriyor. Her ihtiyaç için ayrı kurulan nokta çözümler, birbiriyle konuşmayan bir yapay zekâ silosu ortaya çıkarıyor. Bir sonraki sıçrama yeni bir uygulama eklemekle değil, bu siloları bankanın veri kaynakları ve operasyonel sistemleriyle bütünleşen tek bir zekâ katmanında birleştirmekle gelecek. Ve bu katmanı ayrıştıran şey, en gelişmiş modele sahip olmak değil, o modeli güvenle çalıştıracak mimariyi kurmak olacak.
Commencis’te bu bütünleşik yaklaşımı ‘Phoebe’, ‘Mercury’ ve ‘Verity’ ürünlerinin birlikte çalışmasıyla kuruyoruz: sesli etkileşim, agent orkestrasyonu ve davranışsal içgörü aynı mimaride birleşiyor.
Rutin talepler, bilgi sorguları ve standart işlemler giderek daha fazla otomatize edilirken, müşteri hizmetlerinde tamamen otomasyona dayalı bir yapının kısa vadede baskın hale gelmesi olası görünmüyor. Finansal zorluklar, itirazlar, karmaşık ihtiyaçlar ve güven gerektiren kararlar gibi alanlarda insan dokunuşu önemini korumaya devam edecektir.
Bu nedenle geleceğin modeli hibrit olacak diyebiliriz. Yapay zekâ müşterinin ihtiyacını anlayacak, veriyi analiz edecek, temsilciye öneriler sunacak ve operasyonel yükü azaltacak. İnsan dokunuşu ise empati, muhakeme, istisna yönetimi ve karmaşık karar gerektiren noktalarda devreye girecek. En başarılı bankalar, insanı sistemin dışına çıkaranlar değil, insan ile yapay zekânın güçlü yönlerini doğru biçimde bir araya getirenler olacak.
