ColendiAI / AI Product Lead Vedat Karadeniz’in “Bankacılığın Yeni İşletim Sistemi Fintek, Yapay Zekâ ve Veriyle Kuruluyor” dosya konusu için verdiği görüş yayında.
Finansal hizmetlerde yapay zekânın değeri artık yalnızca akıcı konuşmalar, hızlı yanıtlar ya da çağrı merkezi otomasyonu üzerinden ölçülmüyor. Regüle kurumlar için asıl mesele, yapay zekâyı müşteri temasını tamamlanan işe, konuşma verisini ürün geliştirme girdisine, ajan sistemlerini ise denetlenebilir karar ve eylem mimarisine dönüştürebilmek. Vedat Karadeniz, yapay zekânın finans sektöründeki yeni rolünü; yetki sınırları, insan kontrolü, açıklanabilirlik, güvenlik ve gerçek iş akışlarına entegrasyon ekseninde değerlendiriyor.
Finansın Yeni Karar ve Eylem Mimarisi
Sesli asistanlar, chatbotlar ve üretken yapay zeka uygulamaları müşteriyle kurum arasındaki temas yüzeyini değiştirdi. ‘Konuşma’, buzdağının yalnızca görünen kısmı. Müşterinin fark ettiği şey bir asistanla konuşmuş olmak; asıl ekonomik değerin oluştuğu yer ise o konuşmanın arkasındaki süreç. Dosya gerçekten açıldı mı? Eksik belge tamamlandı mı? Başvuru doğru birime iletildi mi? Karar üretildi mi? Ödeme gerçekleşti mi? Müşterinin sorunu çözüldü mü? Bir görüşmenin akıcı geçmesi tek başına bir kazanım değil. Kazanım, o görüşmenin bir işi bitirmiş olması. Bu nedenle finans sektöründe yapay zekanın geleceğini, insan benzeri konuşma yeteneğinden çok daha geniş bir çerçevede ele almak gerekiyor. Colendi AI’da üzerinde çalıştığımız temel problem de bu; yapay zekayı bir iletişim arayüzünden çıkararak, regüle finansal kurumların gerçek iş akışlarında çalışan güvenilir bir karar ve eylem katmanına dönüştürüyoruz.
Sesli asistanlar, chatbotlar, çağrı merkezi otomasyonu ve müşteri temsilcisi destek sistemlerinin yarattığı en görünür değişim, müşterinin bekleme toleransının azalması oldu. Ancak bu dönüşümü yalnızca ‘daha hızlı yanıt’ olarak okursak, asıl değişimi kaçırırız. Müşterinin esas talebi daha hızlı sonuca ulaşabilmek. Bir sigorta müşterisi farklı tekliflerin kendisine okunmasını değil, seçenekler arasındaki farkları anlamayı ve uygun poliçeyi satın almayı bekliyor. Kredi kullanan bir müşteri, gecikmiş ödemesi hakkında genel bilgi almak değil, durumuna uygun çözümün kendisine sunulmasını istiyor. Başvuru yapan müşterinin beklentisi ise dosyasının nerede olduğunu ve sıradaki adımı öğrenebilmek. Colendi AI tarafında geliştirdiğimiz modeller bu anlayışla çalışıyor. Compi tarafında ajanlarımız, sigorta teklifi almış ancak poliçeleştirme sürecini tamamlamamış müşterilerle iletişim kuruyor. Teklifleri karşılaştırıyor, müşterinin sorularını yanıtlıyor ve ödeme bağlantısı üzerinden satışın tamamlanmasını sağlıyor. Ajanla temas edilen müşterilerde tekliften poliçeye dönüşüm, temas edilmeyen gruba göre 2,4 kat daha yüksek. Poliçeye dönen satışların yüzde 80’ini ajan baştan sona kendisi kapatıyor. Buradaki performans göstergesi diyaloğun doğallığı değil; tekliften poliçeye dönüşüm ve tamamlanan satış. Colendi Hazır Limit tarafında ise benzer bir teknoloji farklı iş akışlarında kullanılıyor. Tahsilat ajanları gelir kaybını azaltmaya ve doğru zamanda uygun iletişimi kurmaya odaklanırken, müşteri destek ajanları yüksek hacimli operasyonel yükü karşılıyor. Aynı temel teknoloji, birbirinden farklı iki ekonomik sonuç üretiyor; biri gelirin geri kazanılmasına, diğeri operasyonel verimliliğin artmasına hizmet ediyor.
Bu örnekler bize finansal hizmetlerde yapay zekanın en yüksek değeri üç alanda yarattığını gösteriyor. İlki; hacmi yüksek, kuralları belirli fakat insanla iletişim gerektiren tahsilat, belge toplama, randevu, hatırlatma ve başvuru tamamlama gibi süreçler. İkincisi ise müşterinin belirsizlik içerisinde kaldığı anlar. Başvurunun hangi aşamada olduğu, eksik belgenin bulunup bulunmadığı veya sorunun ne zaman çözüleceği gibi konular, çoğu zaman gecikmenin kendisinden daha büyük bir memnuniyetsizlik yaratıyor. Üçüncüsü, çalışanın zamanının karar üretmek yerine bilgi aramak, kayıt kontrol etmek ve sistemler arasında geçiş yapmakla harcandığı süreçler. Üçünün ortak paydası şu: hepsinde konuşma bir amaç değil, bir işi bitirmenin aracı.
Konuşma verisi artık yeni bir ürün geliştirme altyapısı
Doğal dil işleme, konuşma analitiği ve ses teknolojilerinin finansal kurumlara sağladığı ilk katkı kapasite artışı. Kampanya dönemleri, ödeme vadeleri, sistem kesintileri veya beklenmedik gelişmeler çağrı merkezlerinde ani hacim artışlarına neden olabilir. Geleneksel yapıda bu dalgalanmaların yönetimi vardiya, personel ve dış kaynak planlamasına bağlı olur. Yapay zeka ajanları sayesinde kapasite, belirli ölçülerde insan kaynağı artışından bağımsız hale geliyor.
İkinci büyük değişim kalite yönetiminde yaşanıyor. Geleneksel çağrı merkezi modelinde görüşmelerin küçük bir bölümü örneklem yoluyla dinlenir ve değerlendirilirdi. Konuşma analitiği sayesinde görüşmelerin çok daha geniş bir bölümü, gerekli hukuki ve teknik sınırlar içinde, yapılandırılmış ve analiz edilebilir veriye dönüştürülebiliyor. Böylece kurumlar yalnızca temsilcinin belirlenen metne uyup uymadığını değil, müşterilerin hangi ürünü anlamadığını, hangi aşamada itiraz ettiğini, hangi soruların tekrarlandığını ve hangi ifadelerin dönüşümü etkilediğini görebiliyor. Bu noktada konuşma analitiği bir denetim aracının ötesine geçiyor ve ürün geliştirme sisteminin girdisine dönüşüyor. Müşterinin sesi artık yalnızca çağrı merkezi kayıtlarında kalan bir veri değil, ürün tasarımını, süreç iyileştirmesini ve iletişim dilini besleyen sürekli bir öğrenme kaynağı haline geliyor.
Üçüncü ve çoğunlukla gözden kaçırılan kazanım ise zamanlamanın bir listeden karara dönüşmesi. Tahsilat veya satış operasyonlarında “Kimi, ne zaman, hangi kanaldan, hangi mesajla arayacağız?” sorusu çok daha kolay yanıt buluyor. Bir müşterinin teklif aldıktan sonraki ilk saatleriyle üçüncü günü aynı fırsat değil; bu farkı ancak sistematik ölçen bir yapı kullanabilir.
COMPI’de tekliften poliçeye dönüşümde, Colendi Hazır Limit’te ise tahsilat süreçlerinde üzerinde çalıştığımız değer katmanı da bu. Aramayı gerçekleştirmek, problemin görece kolay kısmı. Zor olan doğru anı, doğru bağlamı ve doğru aksiyonu seçmek. Bu sayede yapay zeka satışın yerine geçen bir mekanizma olmaktan çok, satışın mümkün olduğu anı belirleyen bir karar sistemi haline geliyor.
Regüle kurumlar yetenek değil, denetlenebilirlik satın alır
Finans sektöründe bir yapay zeka sisteminin başarısı yalnızca modelin doğruluğu veya dil kabiliyetiyle ölçülemez. Bir banka, sigorta şirketi veya finansal teknoloji kuruluşu için yapay zeka, ürettiği kararın hesabını da verebilir olmalı. Bir hasar müdürü, risk yöneticisi veya operasyon direktörü “modeliniz ne kadar akıllı” diye sormuyor; “bu kararın hesabını nasıl veririm” diye soruyor. Kararın hangi veriye dayandığı, hangi yetkiyle üretildiği, kim tarafından uygulanabileceği ve gerektiğinde nasıl incelenebileceği bu sorunun bileşenleri. Platformumuz ColendiMind’ın mimarisi bu ihtiyaçtan hareket ediyor.
Temel tasarım ilkemiz, iş akışının yönünü modelin tek başına belirlememesi. Sürecin sırası, geçiş koşulları ve yetki sınırları deterministik kurallarla tanımlanır. Yapay zeka modeli, bu akışın belirli noktalarında sınırlı ve açık bir soruya yanıt vermek üzere devreye giriyor. Bu yaklaşım ilk bakışta yapay zekanın hareket alanını daraltıyor gibi görünse de sistemi test edilebilir, öngörülebilir ve kurumsal olarak savunulabilir hale getiriyor.
İkinci ilkemiz, yapay zeka ajanının finansal kayıtlara veya para hareketine doğrudan müdahale etmemesi. Ajan bir karar veya eylem önerisi üretiyor, bu öneri gerekçesiyle birlikte kayıt altına alınıyor, onay gerektiren durumlarda insan kontrolüne gidiyor. İşlemin uygulanmasını ise ayrı, deterministik ve yetkilendirilmiş bir servis gerçekleştiriyor. Böylece her eylem ayrı ayrı test edilebilir, belirli bir karar ve yetki kaynağına atfedilebilir ve gerektiğinde geri alınabilir oluyor.
Üçüncü ilkemiz, yetkilerin geniş teknik erişimler yerine dar ve iş anlamı taşıyan fonksiyonlar olarak tanımlanması. Bir ajana genel sistem erişimi verip ardından bu erişimi kötüye kullanmamasını beklemek güvenli bir tasarım anlayışı değil. Bunun yerine ajana belirli yetenekler tanımlamak gerekiyor. Yapmaması gereken bir işlemi yalnızca kurallar gereği değil, teknik olarak da yapamaması gerekiyor.
Dördüncü ilkemiz, insan kontrolünün kararın etkisiyle orantılı biçimde tasarlanması. Düşük etkili ve geri alınabilir kararlar otomatik yürütülebilir ve örneklem bazlı denetlenebilir. Yüksek etkili, müşteri açısından önemli sonuçlar doğuran veya geri alınması zor kararlar ise insan onayına tabi tutulmalı. Yine bu sınırı modelin kendisi değil, önceden tanımlanmış kurum politikaları belirlemeli.
Beşinci ilkemiz, belirsizliğin sistemde tanımlı bir durum olması. Yapay zeka sisteminin emin olmadığı anda ne yapacağını bilmesi gerekiyor. Çünkü yapay zekanın en çok güven kaybettiği an, bilmediği bir şeyi biliyormuş gibi söylediği andır. İşlemi durdurmak, ek bilgi istemek veya insan onayına başvurmak, sistemin güvenli çalışmasının önemli bir parçası.
Açıklanabilirlik de bu yaklaşımda sonradan eklenen ayrı bir ekran veya rapor değil. Kararın hangi bilgiye, kurala ve gerekçeye dayandığının işlem anında kaydedilmesi, mimarinin doğal bir parçası olmalı. KVKK’nın 11’inci maddesi, kişilere verilerinin yalnızca otomatik sistemler aracılığıyla analiz edilmesi sonucunda kendileri aleyhine ortaya çıkan sonuçlara itiraz etme hakkı tanıyor. Bu hak, finansal kurumlar açısından otomatik karar süreçlerinin izlenebilir, incelenebilir ve gerektiğinde insan müdahalesine açık biçimde tasarlanmasının önemini artırıyor.
Kişiselleştirmenin sınırını veri değil, yetki belirler
ColendiAI / AI Product Lead Vedat Karadeniz
Finansal hizmetlerde kişiselleştirme, müşteri deneyimini geliştirmek için önemli bir fırsat sunuyor. Ancak kişiye özel öneri ile yanlış yönlendirme arasındaki çizgi son derece hassas. Bu çizgiyi koruyan unsur sadece veri değil. Esas belirleyici, sistemin hangi konuda ne söylemeye ve ne yapmaya yetkili olduğu. Bir finansal ürünü tanıtmakla o ürünün belirli bir müşteri için uygun olduğunu söylemek arasında hukuki, etik ve operasyonel farklar bulunuyor. Bu fark yalnızca modele verilen ‘dikkatli ol’ talimatıyla korunamaz. Sınırın mimariye yerleştirilmesi gerekiyor. ColendiMind’da ajanın söyleyebileceği ve yapabileceği işlemler bir politika katmanında tanımlanıyor. Model, dil üretme kabiliyeti ne kadar geniş olursa olsun, bu politika katmanının dışına çıkamıyor.
Güvenlik açısından bir başka kritik nokta da büyük dil modellerinin manipülasyon girişimlerine açık olabilmesi. Bu nedenle kimlik doğrulama ve yetkilendirme kontrolleri dil modelinin dışında, ayrı ve deterministik katmanlarda uygulanmalı. Model, hassas kimlik bilgilerini veya geniş erişim yetkilerini kendi bağlamında taşımamalı. Bir saldırı veya manipülasyon girişimi gerçekleştiğinde modelin ele geçirebileceği ya da dışarı çıkarabileceği kontrolsüz bir yetki bulunmamalı. Bu nedenle kişiselleştirmenin başarısı “ne kadar isabetli öneri yaptı” ile değil, “yanlış öneri yaptığında ne oldu” ile ölçülmeli. İkincisinin cevabı yoksa, birincisi bir risktir.
Agentic AI: Danışmadan delegasyona geçiş
Agentic AI, bankacılıkta müşteri adına süreç başlatan, karar öneren ve belirli iş akışlarını takip eden sistemlerin önünü açıyor. Bugün yaşadığımız değişim, danışmadan delegasyona geçiş olarak özetlenebilir. Kullanıcı geçmişte dijital sisteme soru soruyordu, şimdi ise bir işi devretmek istiyor. Bu, arayüz tasarımından sorumluluk tasarımına geçiş demek. Colendi AI’ın yaklaşımı bu konuda net: Yapay zeka ajanı parayı doğrudan hareket ettirmez. Ajan bir karar veya işlem önerisi üretir, bunu gerekçesi ve dayandığı kanıtlarla birlikte yayımlar. İnsan onayı gereken durumlarda süreç ilgili çalışana yönlendirilir. Uygulama ise ayrı, deterministik ve yetkilendirilmiş bir servis tarafından gerçekleştirilir. Teknik gibi görünen bu ayrım aslında ticari güvenin temelini oluşturuyor. Finansal kurumun yapay zekayı gerçek operasyonlarında kullanıp kullanamayacağı, büyük ölçüde karar üretimi ile işlem uygulaması arasındaki bu sınırın doğru kurulmasına bağlı.
Önümüzdeki dönemde bankacılık ilişkisi iki yönde değişecek. İlk ve daha görünür değişim, bankanın yapay zeka ajanının müşteri adına giderek daha fazla iş tamamlaması tarafında olacak. Başvurular tamamlanacak, itirazlar takip edilecek, ödeme planları oluşturulacak ve ihtiyaç duyulan hizmetler daha proaktif biçimde sunulacak. İkinci ve daha köklü değişim ise müşterilerin kendi yapay zeka ajanlarının bankalarla iletişim kurmaya başlaması olacak. O gün geldiğinde bankanın dijital arayüzünün asıl kullanıcısı her zaman insan olmayacak. Müşterinin yetkilendirdiği bir ajan; fiyatları, koşulları, hesapları ve finansal seçenekleri karşılaştırabilecek, bilgi talep edebilecek ve belirli süreçleri başlatabilecek. Böyle bir dünyada ‘en iyi mobil uygulama’ rekabetinin yerini, insanlarla birlikte makinelerin de güvenli biçimde kullanabildiği hizmet ve işlem altyapıları alacak. Bankanın müşteriyle ilişkisi ekrandan sonuca kayacak, asıl fark ise verilen görevin ne kadar doğru, hızlı ve güvenilir biçimde tamamlandığında ortaya çıkacak.
Türkiye’nin avantajı güçlü altyapı; sınavı ise üretime geçiş
Türkiye bankacılık sektörü teknoloji benimseme kapasitesi, dijital kanal kullanımı ve finansal altyapı olgunluğu açısından güçlü bir konumda. Türkiye Bankalar Birliği verilerine göre, Mart 2026 itibarıyla tekilleştirilmemiş aktif dijital bankacılık müşteri sayısı 129 milyonu aştı. Kullanıcıların çok büyük bölümü mobil bankacılık kanalında aktif. Bu ölçek, Türkiye’yi yeni nesil finansal deneyimlerin geliştirilebileceği önemli pazarlardan biri haline getiriyor. Yapay zeka tarafında da sektörün deneme iştahının çok yüksek olduğunu görüyoruz. Neredeyse her finansal kurumda farklı kapsam ve olgunluk seviyelerinde yapay zeka projeleri bulunuyor. Ancak açık kalan alan, pilot projeleri gerçek üretim ortamına taşıma disiplini. Bu yalnızca Türkiye’ye özgü bir sorun değil. McKinsey’nin 2025 küresel araştırmasına göre kurumların yüzde 23’ü yapay zeka ajanlarını en az bir alanda ölçeklendirdiğini söylüyor; ancak hiçbir iş fonksiyonunda bu oran yüzde 10’u aşmıyor. Başka bir ifadeyle, yapay zekaya erişim hızla yaygınlaşırken kurumsal ölçekte sonuç üretme kabiliyeti aynı hızda gelişmiyor. Bunun temel nedeni çoğu zaman modelin yetersizliği değil. Dağınık veri, eski sistemlerle entegrasyon, belirsiz yetki alanları, güvenlik ve uyum gereksinimleri, ölçüm eksikliği ve kurum içinde süreci sahiplenen bir iş biriminin bulunmaması projelerin üretime ulaşmasını engelliyor. Dolayısıyla asıl mesele yapay zekayı gerçek iş akışına bağlamak. Biz Colendi AI’ı, finansın geleceği için modeller, ajanlar, değerlendirme yöntemleri ve akıllı sistemler geliştiren uygulamalı bir teknoloji altyapısı olarak tanımlıyoruz. Yapay zekanın değerinin modelin kendisinden değil, onu regüle bir kurumda çalışabilir, ölçülebilir ve denetlenebilir bir sisteme dönüştürme kabiliyetinden doğduğuna inanıyoruz.
Geleceğin modeli, doğru tasarlanmış iş birliği
Finansal hizmetlerde tam otomasyonun her süreç için doğru hedef olduğunu düşünmüyorum. Klarna’nın yapay zeka asistanı, devreye alındıktan sonraki ilk ayında 2,3 milyon görüşmeyi karşıladı; bu, müşteri hizmetleri görüşmelerinin yaklaşık üçte ikisiydi ve çözüm süresi 11 dakikadan iki dakikanın altına indi. Ancak bir yıl sonra şirketin kurucusu, maliyet odağının hizmet kalitesini düşürdüğünü açıkça söyledi ve karmaşık vakalar için insan desteğini geri getirdi. Buradan çıkarılması gereken ders, ne kadarını otomatikleştirebileceğimiz değil, otomasyon sınırını nereye çizeceğimiz. Rutin, yüksek hacimli, kuralları belirli ve geri alınabilir işlemleri makineler üstlenebilir. Yargı gerektiren, istisna içeren, müşteri üzerinde yüksek etkisi bulunan veya müşterinin finansal açıdan kırılgan olduğu durumlar ise insan kontrolünde kalabilir. Bu hibrit yapıda, gerçek kalite, bu iki yapı arasındaki geçişte ortaya çıkar.
Yapay zeka ne zaman devam edeceğini, ne zaman duracağını ve ne zaman yardım isteyeceğini bilmeli. İnsan ise kendisine devredilen vakayı sıfırdan başlatmak yerine, sistemin topladığı bağlam, gerçekleştirdiği kontroller ve ürettiği ilk değerlendirmeyle birlikte devralmalı. Bir kurumun yapay zeka olgunluğunun gerçek göstergesi, insan ile makine arasındaki bu sınırı ne kadar bilinçli tasarladığıdır.
Biz yapay zekayı insanın yerine geçen bağımsız bir aktör değil, doğru sınırlar içerisinde çalışan kurumsal bir karar ve eylem altyapısı olarak tasarlıyoruz. Müşteri deneyimini yalnızca daha akıcı konuşmalarla değil, tamamlanan işlerle; operasyonel başarıyı yalnızca azalan maliyetlerle değil, artan karar kalitesiyle; güveni ise yalnızca iyi niyet beyanlarıyla değil, denetlenebilir bir mimariyle ölçüyoruz. Bugün ayda on binlerce görüşme bu mimariyle yürüyor. Bunların yüzde 90’ı insana devredilmeden tamamlanıyor; devredilen yüzde 10 ise rastgele değil, önceden tanımlanmış istisna kurallarıyla seçiliyor. Bu mimarinin altındaki konuşma katmanını da kendimiz kuruyoruz. Türkçe telefon konuşmasını doğru yazıya dökmek, global sağlayıcılar için çözülmüş bir problem değil: kendi transkripsiyon modelimiz, ElevenLabs ve Deepgram dahil duyurulmuş kapalı kaynaklı modellere kıyasla Türkçede 5 puan daha düşük kelime hata oranı veriyor. Dolayısıyla şirketlerin Colendi AI ile çalışma nedeni, yalnızca yapay zeka teknolojisine erişmek olmamalı. Asıl ihtiyaç, yapay zekayı regüle bir kurumun gerçek iş akışında çalıştırabilecek; veriyi, politikayı, entegrasyonu, güvenliği, insan kontrolünü ve ölçümü aynı sistem içerisinde bir araya getirebilecek bir uygulama kabiliyeti. Colendi AI tam olarak bunun için var.
