Enqura Kurucu CEO’su Metin Karabiber ile Fintechtime Eylül sayısı için gerçekleştirdiğimiz röportaj yayında.
Finans sektöründe yapay zeka asistanları, soruları yanıtlayan chatbotlardan müşterinin niyetini anlayan, doğru bilgiye ulaşan ve tanımlı yetkiler çerçevesinde süreci sonuca taşıyan yapılara evriliyor. Bu dönüşümde asıl rekabet, daha fazla ekran ya da daha fazla özellik sunmaktan çok müşterinin işini ne kadar hızlı, güvenli ve kesintisiz tamamlayabildiğiniz üzerinden şekilleniyor. Enqura da EnConnect AI Assistant ile konuşmayı güvenli ve denetlenebilir bir finansal işleme dönüştüren, regüle kurumların ihtiyaçlarına göre tasarlanmış işlem odaklı bir yapay zeka yaklaşımı geliştiriyor. Enqura Kurucu ve CEO’su Metin Karabiber ile finansal asistanların yeni rolünü, EnConnect’in canlı kullanım sonuçlarını, güven ve regülasyon mimarisini, yapay zeka maliyetlerinin yeni matematiğini ve kişisel finansal asistanlara uzanan gelecek vizyonunu konuştuk.
Finans sektöründe yapay zeka asistanlarının geldiği noktayı nasıl değerlendiriyorsunuz? Chatbotlardan AI agent’lara uzanan bu dönüşüm bankacılık ve fintek dünyasında hangi yeni kullanım alanlarını beraberinde getiriyor?
Geleceğin en başarılı finansal asistanı, en çok konuşan değil; müşteriyi en az yoran, doğru anda aksiyon alan ve nerede durması gerektiğini bilen asistan olacak. Bugün yaşadığımız kırılma tam olarak bu: Soruları yanıtlayan sistemlerden, amacı anlayıp sonuca ulaşan yapılara geçiyoruz. İlk nesil chatbotlar menüleri ve anahtar kelimeleri dijitalleştirdi. Yeni nesil asistanlar ise bağlamı koruyor, onaylı kurumsal bilgiye ulaşıyor, gerekli servisleri çağırıyor ve çok adımlı süreçleri yönetebiliyor.
Bu dönüşümün neden kritik olduğunu ölçek tek başına anlatıyor. Türkiye Bankalar Birliği verilerine göre yalnızca 2026’nın ikinci çeyreğinde mobil bankacılık üzerinden 2,7 milyardan fazla finansal işlem yapıldı. Bu hacimde rekabet, müşteriye daha fazla ekran sunmakta değil, niyet ile sonuç arasındaki mesafeyi kısaltabilmekte yaşanacak.
Değişimin gerçek değeri de burada: Müşteriyi yoran işleri görünmez hâle getirmek. Bir kart işlemi reddedildiğinde nedenini bulmak için menüler arasında dolaşmak, para transferi için form doldurmak ya da hasar bildirimi için kanal değiştirmek zorunda kalmamalı. Yapay zekâ asistanı müşterinin niyetini anlamalı, gerekli bilgileri toplamalı, izin verilen adımları ilerletmeli ve gerektiğinde görüşmeyi bütün bağlamıyla birlikte insana devretmeli. Asıl dönüşüm, cevap veren bir bottan müşterinin işini gerçekten kolaylaştıran bir asistana geçiştir.
Buradaki hedef sınırsız otonomi değil, kontrollü aksiyondur. Finansal işlemlerde yetki, limit, onay ve denetim izi her zaman kurumun kuralları içinde kalmalı; kritik kararların ve istisnaların sahibi insan olmaya devam etmelidir.
Yakın zamanda lansmanını gerçekleştirdiğiniz EnConnect AI Assistant’ı pazardaki benzer çözümlerden ayıran temel yetkinlikler neler?
EnConnect’i genel amaçlı bir chatbot olarak değil, regüle finans kuruluşları için konuşmayı güvenli ve denetlenebilir bir işleme dönüştüren, işlem odaklı bir yapay zeka platformu olarak konumlandırıyoruz. Bizi ayrıştıran nokta, tek tek özelliklerden önce mimari yaklaşımımız. EnConnect müşterinin niyetini anlıyor, onaylı kurumsal bilgiye ulaşıyor, tanımlanan kontrol noktalarını uyguluyor ve kurumun verdiği yetki çerçevesinde ilgili servislere bağlanarak sürecin tamamlanmasını destekliyor. Ölçümüz iyi bir cümle üretmek değil; uygun bağlamda, tanımlı yetkiyle ve izlenebilir biçimde güvenli bir sonuca ulaşmak.
İkinci önemli farkımız model bağımsızlığı. Claude, GPT, Qwen, Llama ve Nemotron gibi farklı modeller bulutta veya kurum içinde kullanılabiliyor. Model seçimi; kullanım senaryosu, güvenlik politikası, dil, kalite, gecikme ve maliyet ihtiyacına göre yalnızca yapılandırma değişikliğiyle yönetilebiliyor. Bu yaklaşım kurumu tek sağlayıcıya kilitlemiyor; daha iyi bir model çıktığında, maliyetler değiştiğinde veya veri yerleşimi politikası farklılaştığında mimariyi baştan kurmadan esneklik kazandırıyor. Prompt tabanlı, yapılandırılabilir mimarimizin bir parçası olan Teach Assistant ise yetkili iş birimlerinin onaylı soru ve yanıtları, kullanıcı niyetlerini, promptları ve yanıt davranışını doğal dille iyileştirmesine imkân veriyor. Değişikliklerin hazırlayan-onaylayan (maker-checker) mekanizmasıyla üretime alınması, hız ile yönetişimi aynı zeminde buluşturuyor.
Üçüncü fark, konuşmayı işleme bağlayan Flow Studio. Kurumlar kod yazmadan koşullu akışlar tasarlayabiliyor; API ve MCP bağlantılarıyla CRM, ana bankacılık, ödeme, poliçe ve diğer kurumsal sistemlere erişebiliyor. Web, mobil, WhatsApp ve çağrı merkezi gibi müşteri kanallarının yanı sıra Microsoft Teams gibi kurumsal kanallar da aynı yönetilen bilgi ve akış katmanından besleniyor. Otomasyonun durması gereken yerde EnConnect LiveAgent, konuşma geçmişini ve işlem bağlamını insan temsilciye taşıyor; müşteri talebini baştan anlatmıyor. Kurumsal değeri belirleyen, tek bir modelin gücünden çok modellerin, bilginin, kuralların, işlemlerin ve insan gözetiminin birlikte yönetilebilmesidir.
Finans sektöründe yapay zeka kullanımının en kritik başlıklarından biri güven. EnConnect’te veri güvenliği, doğruluk, regülasyon uyumu ve yanlış yanıt riskini nasıl yönetiyorsunuz?
Finansta güven, ürünün sonuna eklenen bir güvenlik özelliği değil; mimarinin ve işletim modelinin kendisidir. Bu artık geleceğe dönük bir hazırlık konusu da değil, güncel bir uyum yükümlülüğü. Avrupa Komisyonu, AB Yapay Zeka Tüzüğü kapsamındaki yeni şeffaflık yükümlülüklerini 2 Ağustos 2026 itibarıyla uygulamaya başladı; Kişisel Verileri Koruma Kurumu da 27 Ağustos’ta üretken yapay zeka ve kişisel verilerin korunmasına ilişkin yeni rehberini yayımladı. Dolayısıyla kurumlar yalnızca “hangi model daha iyi?” sorusunu değil; verinin nerede tutulduğunu, kimin eriştiğini, yanıtın neden üretildiğini, gerektiğinde nasıl durdurulduğunu ve geriye dönük nasıl denetlendiğini de aynı anda cevaplamak zorunda.
EnConnect’te güvenliği katmanlı ele alıyor; dil modelini varsayılan olarak güvenilir kabul etmeyen bir mimari kullanıyoruz. Hassas veriler modele ulaşmadan önce DLP ve kişisel veri maskeleme süreçlerinden geçirilebiliyor; aktarım sırasında TLS 1.3, saklanan verilerde AES-256 şifreleme kullanılıyor. Bulut, özel bulut, kurum içi ve hibrit seçenekler veri yerleşimine ve kurumun risk politikasına göre şekilleniyor. Rol bazlı erişim, MFA ile korunan yönetim erişimi, kurum ortamlarının birbirinden ayrılması, hazırlayan-onaylayan mekanizması ve denetim kayıtları; kimin hangi bilgiye erişebileceğini ve değişikliklerin kim tarafından üretim ortamına aktarıldığını kontrol altında tutuyor. Bu yetkinlikler KVKK ve GDPR uyum çalışmalarını, PCI DSS ve SOC 2 kontrol çerçevelerini destekleyecek biçimde tasarlandı.
“Zero Hallucination” yaklaşımını matematiksel bir garanti veya reklam sloganı olarak değil, dayanağı olmayan yanıtlara karşı sıfır tolerans hedefi olarak tanımlıyoruz. Yanıt önce kurumun onaylı bilgi kaynaklarına dayandırılıyor; konu ve içerik sınırları koruma kurallarıyla yönetiliyor; değerlendirici model yanıtı kontrol ediyor; kalite ve halüsinasyon riski yönetim panelinden izleniyor. Güven düzeyi veya politika koşulları karşılanmıyorsa sistem yanıt vermemeyi, doğru kanala yönlendirmeyi ya da görüşmeyi insana aktarmayı seçebiliyor. İşlem tarafında yapay zekâ niyeti ve konuşma akışını yönetirken kimlik doğrulama, limit, yetki, onay ve işlemin gerçekleştirilmesi kurumun tanımladığı kuralların ve bağlı sistemlerin kontrolleri içinde yürütülüyor. Güven, “model hiç hata yapmaz” demek değildir; hatanın kullanıcıya ve finansal işleme ulaşmasını önleyecek sistemi tasarlamak ve her adımı denetlenebilir kılmaktır.
EnConnect bazı kuruluşlarda canlı kullanıma geçti. İlk kullanım deneyimlerinden ve kurumlara sağladığı somut faydalardan neler paylaşabilirsiniz?
Somut faydayı en iyi, canlı kurulumlarda gördüğümüz rakamlar anlatıyor. Bugün EnConnect’in canlı kullanıldığı kurulumlarda aylık binlerce görüşmenin yüzde 99’u temsilciye devredilmeden, doğrudan yapay zekâ tarafından sonuçlandırılıyor. Görüşme sonunda gösterilen memnuniyet anketinin yanıtlanma oranı yüzde 90’ın üzerinde ve yanıt veren kullanıcıların tamamı olumlu değerlendirme paylaşıyor. Bu oranın kıymeti yalnızca puanda değil, kullanıcıların anketi yanıtlama zahmetine katlanmasında. Çünkü kötü bir bot deneyiminde kullanıcı anket doldurmak yerine sekmeyi kapatır. Müşteri memnuniyeti skorlarının da yüzde 90’ın üzerinde seyretmesi, yapay zekâ asistanlarının bugünkü genel seviyesi düşünüldüğünde oldukça güçlü bir sonuç.
Kurum içi asistan senaryolarında da benzer bir tablo görüyoruz. Microsoft Teams üzerinden çalışan kurulumlarda izin, bordro, şirket politikaları, işe giriş ve uyum gibi insan kaynakları başlıklarının yanı sıra masraf, avans ve fatura gibi mali işler sorularının yüzde 90’ı ilgili ekiplere hiç düşmeden sonuçlandırılıyor. Bu ekiplerin kazandığı şey yalnızca zaman değil, odak. Aynı sorunun yüzüncü kez cevaplanması kimsenin asıl işini ilerletmiyordu.
Rakamların ötesinde, ilk canlı kullanımlardan çıkardığımız en önemli ders şu oldu: Değeri belirleyen yalnızca yanıt kalitesi değil, bağlamın korunması. Bir soruya iyi cevap vermek artık tek başına farklılaştırıcı değil. Asıl fark, konuşma insana devredildiğinde müşterinin talebini baştan anlatmak zorunda kalmaması. Konuşma geçmişi, toplanan bilgiler ve ulaşılan işlem aşaması temsilciye taşındığında görüşmenin niteliği de değişiyor. Bunu ölçmeye başladığımızda, “botun cevapladığı soru oranı”nın tek başına yanıltıcı bir gösterge olabileceğini gördük.
İkinci önemli ders içerik yönetimiyle ilgili. Bir kurumsal asistanın en maliyetli unsuru çoğu zaman model değil, sürdürülebilir bakımdır. Kampanya, politika ve süreçler sürekli değişiyor. Her güncellemede geliştirme ekibine ihtiyaç duyuluyorsa proje zamanla yavaşlıyor. Teach Assistant ve hazırlayan-onaylayan yapısı tam da bu nedenle var. Yetkili iş birimleri, onaylı soru ve yanıtları, kullanıcı niyetlerini ve yanıt davranışını doğal dille güncelleyebiliyor; hiçbir değişiklik gerekli onaylardan geçmeden üretim ortamına alınmıyor.
Biz de ürünü yalnızca önermiyor, aktif olarak kullanıyoruz. EnConnect bugün enqura.com’da ziyaretçilerimizle konuşuyor; Microsoft Teams üzerinden ekip arkadaşlarımızın insan kaynakları ve mali işler süreçlerine erişmesini sağlıyor. Böylece müşterilerimize sunduğumuz hız ve doğruluğu önce kendi deneyimimizde sınayan sürekli bir geri bildirim döngüsü kuruyoruz. Rutin iş yükü, çözüm süresi ve işlemlerin temsilciye ihtiyaç duyulmadan tamamlanma oranı üzerindeki etkiyi her kurumun senaryosunda ayrı ayrı ölçüyor; bu sonuçları karşılaştırılabilir vaka çalışmalarına dönüştürmeyi hedefliyoruz.
EnConnect’in Enqura’nın dijital kimlik, güçlü kimlik doğrulama, açık bankacılık ve dijital kanal çözümleriyle birlikte çalışması nasıl bir uçtan uca müşteri deneyimi yaratıyor?
Biz müşteri yolculuğunu; müşteri edinimi, yüksek riskli işlemlerin korunması, finansal değer üretimi, etkileşim ve günlük servis ihtiyaçlarını kapsayan bütünsel bir döngü olarak görüyoruz. EnQualify dijital kimlik doğrulama ve uzaktan müşteri edinimi, EnSecure güçlü kimlik doğrulama, EnWallet dijital cüzdan ve açık bankacılık, EnNovate mobil ve internet kanalları, EnConnect ise yapay zekâ asistanı ve güvenli iletişim yetenekleriyle bu döngüye katkı sağlıyor. Her ürün kendi alanında değer yaratıyor; asıl hedef, müşterinin ürünler arasındaki geçişleri hissetmediği tek bir yolculuk tasarlayabilmek.
Bu ürünler ortak servis katmanında bir araya getirildiğinde müşteri ihtiyacını EnConnect’e doğal dille aktarabilir. EnQualify kimlik doğrulama ve müşteri edinimini, EnSecure kritik onayları, EnWallet cüzdan ve açık bankacılık yeteneklerini, EnNovate ise mobil ve web deneyimini üstlenebilir. EnConnect, kurumun tanımladığı API ve MCP bağlantıları üzerinden konuşma bağlamını koruyan etkileşim ve orkestrasyon yüzü olur; işlem yetkisi ve icra ilgili ürünlerin ve arka uç sistemlerin kontrollerinde kalır. İstisna oluştuğunda görüşme geçmişi ve işlem bağlamı canlı temsilciye aktarılabilir. Böyle bir kurguda müşteri beş ayrı ürün ya da arka uç sistemi değil, güvenli biçimde ilerleyen tek bir kesintisiz yolculuk görür.
Uçtan uca deneyim, daha çok özelliği aynı ekrana koymak değil; güvenlik ve regülasyon karmaşıklığını arka planda yöneterek müşteriye sade, kesintisiz ve doğal bir hizmet sunmaktır.
Yapay zekanın yaygınlaşmasının önündeki temel sorunlardan biri işlem gücü ihtiyacı ve burada oluşan maliyetler. Enqura olarak bu noktada nasıl yaklaşımlar sunuyorsunuz?
Enqura Kurucu CEO’su Metin Karabiber
Yapay zeka maliyetini token veya GPU faturası olarak okumak eksik kalır, ama işe somut bir örnekle başlayayım. Bir kurumsal asistanda gelen soruların büyük bölümü aslında basit: bakiye sorgusu, kampanya koşulu, poliçe kapsamı, şifre sıfırlama. Bu işlerin tamamını pazardaki en büyük ve en pahalı modelle çalıştırmakla, iş yükünü kalite ve gecikme dengesine göre doğru modele yönlendirmek arasındaki fark bizim ölçümlerimizde 10 kata çıkıyor. Aynı doğruluk seviyesinde. Fark model gücünden değil, her soruya aynı gücü harcamaktan doğuyor.
Sesli asistanda tablo daha da keskin. Eşzamanlı 1.000 sesli agent’ın 7/24 çalıştığı bir senaryoda bulut tabanlı gerçek zamanlı konuşma API’leri ile kuruma ayrılmış bir altyapı arasındaki maliyet farkı yine bu mertebede, on kata varan bir bantta seyrediyor. Sebebi basit: seste tüketim saniye bazında ve kesintisiz. Metin tarafında ihmal edilebilir görünen bir mimari tercih, seste doğrudan bütçeyi belirleyen tercihe dönüşüyor.
Kurulum tarafında ise maliyetin doğası değişiyor. Kurum içinde çalıştırılan bir modelde fatura soru başına değil, ayrılan GPU kapasitesi başına oluşuyor. Bu da düşük hacimde bulut modelinden pahalı, belirli bir hacmin üzerinde ise belirgin şekilde ucuz demek. Her kurum için bu eşiği hesaplıyoruz ve eşiğin altındaki bir kurumun kendi GPU’sunu almasının teknik değil duygusal bir karar olduğunu açıkça söylüyoruz. Eşiğin üzerindeki bir kurum içinse veri yerleşimi zaten gerekçeyse, maliyet ikinci bir gerekçeye dönüşüyor.
Bu yüzden EnConnect bulut, özel bulut ve kurum içi kurulum modelleri sunuyor; kurumun veri yerleşimi ve risk politikasına göre bu katmanlar hibrit olarak da kurgulanabiliyor. Hassasiyetin düşük olduğu bir senaryoda bulutta barındırılan bir modelin hızı ve esnekliği kullanılabilirken, kapalı ağ ihtiyacı olan yapılarda kuruma ayrılmış GPU altyapısında model çalıştırılabiliyor. Model değişimini yapılandırma seviyesinde yönetebilmek de koşullar değiştiğinde kuruma ticari ve teknik esneklik kazandırıyor.
Son olarak, faturada hiç görünmeyen bir maliyet kalemi var: sağlayıcı bağımlılığı. BIS ve bünyesindeki Finansal İstikrar Enstitüsü’nün de dikkat çektiği gibi, yapay zeka donanımı ve bulut hizmetlerinin az sayıda sağlayıcıda yoğunlaşması operasyonel dayanıklılık açısından dikkate alınması gereken bir risk. Bunun bedeli bugünkü faturada yoktur; sağlayıcı fiyatını değiştirdiğinde veya bir bölgede hizmet politikası farklılaştığında ortaya çıkar. Finansal kuruluş için ucuz bir demo, üretimde pahalı ve kırılgan bir mimariye dönüşebilir.
Yapay zeka finansal hizmetlerde kişiselleştirmeyi nasıl değiştirecek? Önümüzdeki dönemde her müşterinin kendi finansal asistanına sahip olduğu bir modele ne kadar yaklaşabiliriz?
Bugünün kişiselleştirmesi çoğu zaman müşteriyi bir segmente yerleştirip benzer profillere benzer teklifler sunuyor. Yapay zeka bu yaklaşımı, müşterinin o andaki niyetini ve değişen finansal bağlamını anlayan sürekli bir diyaloğa taşıyacak. Açık rıza, erişim ve saklama kuralları içinde çalışan bir asistan; müşterinin tercihlerini, geçmiş konuşmalarını, nakit akışını, yaklaşan ödemelerini ve kullandığı ürünleri birlikte değerlendirebilir. Böylece yalnızca ürün önermek yerine “yaklaşan ödemeler nakit akışımı nasıl etkileyecek?”, “bu poliçede hangi koruma açıkları var?” veya “mevcut bütçemle hangi seçenek sürdürülebilir?” gibi gerçekten kişisel ve açıklanabilir bir destek sunabilir.
Bunun teknik bileşenlerinin önemli bir bölümü bugün mevcut; belirleyici olan güven mimarisi. IMF’nin 2026 tarihli ajan tabanlı ödemeler çalışmasında vurguladığı ayrım burada çok değerli: yapay zeka niyeti yorumlayıp seçenekleri planlayabilir, ancak işlemin gerçekleştirilmesi açık rıza, kimlik doğrulama, limit ve kurumun kesin kurallarına bağlanmalıdır. Bu modelin üç aşamada ilerleyeceğini düşünüyorum: Asistan önce gözlemleyip önerir, sonra müşteri adına işlemi hazırlar; yalnızca açık yetki ve güçlü doğrulama varsa tanımlı sınırlar içinde uygular. Bu yaklaşım tam otonomi söyleminden daha temkinli görünebilir, fakat finansal hizmetlerde ölçeklenebilir güven ancak bu şekilde kurulur.
İlk aşamada her müşterinin kullandığı banka veya finans kuruluşunun ekosistemi içinde kişisel bir asistana sahip olduğunu göreceğiz. Açık bankacılık standartları ile kimlik ve izin yönetimi olgunlaştıkça bu asistan, farklı kurumlardaki finansal hayatı da müşterinin kontrolü altında bir araya getirebilir. EnConnect’in rol bazlı bilgi sınırları, müşteri bağlamı, çok dillilik, sesli etkileşim, açık entegrasyon ve kontrollü işlem yetenekleri bu yönde gerekli altyapıyı sağlıyor. Kişiselleştirmenin başarısını en yüksek marjlı ürünü satmakla değil, müşteriye o anda en doğru sonraki adımı göstermekle ölçeceğiz. Bunu başardığımızda finansal asistan yalnızca konfor sağlamaz; finansal okuryazarlığı ve hizmetlere erişimi de güçlendirir.
EnConnect’in Enqura’nın büyüme stratejisindeki rolünü nasıl tanımlıyorsunuz? Ürün geliştirme, yeni pazarlar ve uluslararası büyüme açısından önümüzdeki dönemde nasıl bir yol haritası öngörüyorsunuz?
Önümüzdeki dönemde üç konuya odaklanacağız: güveni ölçülebilir kanıta dönüştürmek, ürünlerimizin birlikte yaratabileceği işlem deneyimini derinleştirmek ve bu modeli uluslararası regüle pazarlarda ölçeklemek. Genel amaçlı chatbot pazarında özellik yarıştırmak yerine, finans kuruluşları için konuşmayı kurumun yetki sınırları içinde denetlenebilir ve tamamlanabilir bir işleme dönüştüren işlem odaklı yapay zekâ yaklaşımımızı büyüteceğiz.
İlk eksen güven ve kanıt. Güvenlik testlerini, veri ve yapay zekâ yönetişimi çerçevelerini, denetim izini ve koruma kurallarının performansını müşterilerimizin inceleyebileceği doğrulanabilir çıktılara dönüştürüyoruz. Canlı kullanım sonuçlarını ölçülebilir vaka çalışmalarına taşıyor; bankacılık, sigorta ve kurum içi asistan senaryoları için standart gösterim ve pilot çerçeveleri oluşturuyoruz. İkinci eksen ürün derinliği. EnConnect, EnQualify ve EnSecure’ü kimlik, güçlü doğrulama ve kontrollü işlem senaryoları etrafında birleştiren değer önerisini güçlendireceğiz, açık bankacılık ve dijital kanal yeteneklerimizden yararlanan uçtan uca kullanım senaryolarını genişleteceğiz. Üçüncü eksen uluslararası büyüme. Londra merkezimiz ve İstanbul, Dubai, Doha, Toronto ve Malezya’daki varlığımız, Avrupa’dan Orta Doğu’ya ve Asya’ya uzanan regüle pazarlardaki ihtiyaçları yerinde anlamamızı sağlıyor. Her pazara tek tip kurulum dayatmak yerine yerel regülasyona, veri yerleşimi beklentisine, dile ve mevcut altyapıya uyum sağlayacağız.
