Giriş: Bankacılığın Dönüşümü ve Yapay Zekâ’nın Rolü 

Bankacılık, yüzyıllardır toplumsal düzenin temel taşlarından biri olmasına rağmen yapısal dönüşümünü hâlâ tamamlamamış bir alandır. Geleneksel anlamda bankacılık; mevduat, kredi, risk yönetimi, müşteri ilişkileri ve operasyonel süreçlerden ibaretken, son 10 yılda dijital teknolojiler ve özellikle yapay zekâ temelli yaklaşımlar bu çerçeveyi köklü biçimde yeniden tanımlamaya başlamıştır. 

Bugün bankacılık yalnızca finansal aracılık faaliyeti değil, aynı zamanda teknoloji ile insan arasındaki etkileşimin de laboratuvarıdır. “Bankacılık 4.0” ya da “yapay zekâ destekli bankacılık” olarak adlandırabileceğimiz bu dönemde, bir yandan teknik sınırları ve fırsatları gözlemliyor, diğer yandan geleceğe dair ufuk açıcı senaryolar üzerinde düşünme fırsatı buluyoruz. 

Yapay Zekâ, Bankacılıkta Nerede? 

Bilgisayarların hayatımıza girmesi ile yaşanan bir dönüşüm de bugün yapay zeka ile yaşanıyor. Bilgisayarlar hayatımıza girmeden önce kağıt ve kalemle yapılan bankacılığa bugün geri dönme şansımız artık yok. Bilgisayarların hayatımıza girmesi ve dijitalleşme ile yaşanan bir dönüşüm bugün yapay zeka ile yaşanıyor. Günümüzde yapay zekâ bankacılığın her katmanına nüfuz etmiş durumda. Ön ofis uygulamalarında akıllı sohbet bot’ları, sesli asistanlar ve müşteri hizmetlerinde kullanılan doğal dil işleme tabanlı sistemler öne çıkıyor. Bu teknolojiler, müşteriye yalnızca cevap vermekle kalmayıp aynı zamanda kişiselleştirilmiş öneriler sunabiliyor. Türkiye’de mobil uygulama asistanları bunun en güncel ve hayatımıza en hızlı giren örnekleri arasında sayılabilir. 

Orta ofiste yapay zekâ, kredi skorlama, dolandırıcılık tespiti, kara para aklama kontrolleri ve müşteri şikayetlerinin analizi gibi kritik işlevlerde devreye giriyor. Bu alanda kullanılan modeller hem düzenleyici baskıların hem de açıklanabilirlik gereksinimlerinin gölgesinde çalışmak zorunda. Arka ofiste ise süreç otomasyonu, belge işleme, akıllı OCR ve müşteri kimlik doğrulama gibi uygulamalar artık büyük ölçüde AI destekli yürütülüyor. Hatta Türkiye’deki bankacılık uygulamalarında, model geliştirme süresinin günlerden dakikalara indirilmesi bu dönüşümün gücünü ve Türk bankacılık sektörünün bu konudaki öncü rolünü göstermektedir. Örneğin; bugün bir bankanın yıllık hedefleri dakikalar seviyesinde bankadaki bütün operasyonlar, şubeler ve çalışanların performanslarına bakılarak özelleştirilmiş olarak kırılmakta ve hedef takibi anlık olarak yapılabilmekte.  

Türkiye’de bankacılık sektörü bu gelişmeleri hızlı biçimde benimsemiş durumda. Yapılan araştırmalar, büyük ölçekli bankaların neredeyse tamamının dolandırıcılık tespiti, QR ödemeler ve chatbot uygulamaları gibi alanlarda yapay zekâ kullandığını ortaya koyuyor. Örneğin; bir banka, günde 40 milyon işlem tarayarak yaklaşık 500 potansiyel şüpheli işlemi işaretleyebiliyor ve dolandırıcılık zararlarını yüzde 98’in üzerinde azaltabiliyor. Başka bir örnek olarak, tahsilat süreçlerinde konuşma destekli yapay zekâ sistemlerinin kullanıldığını ve müşteri temsilcilerinin iş yükünü önemli ölçüde düşürüldüğünü görebiliyoruz. 

Tüm bu gelişmelerin bankaların finansal performansına etkisi de gözle görülür düzeyde yeni bir düzeye taşıyor. Ampirik çalışmalar, yapay zekâ yeniliklerinin bankaların aktif kârlılığını artırdığını ortaya koyuyor. Lider danışmanlık şirketleri, bankaların bu değer artışını sürdürebilmesi için yalnızca tekil modeller değil, uçtan uca yapay zekâ yetkinliklerini kapsayan bir altyapı geliştirmesi gerektiğini vurguluyor. 

Teknik Sınırlar, Zorluklar ve Sorun Alanları 

Yapay zekânın bankacılıkta kullanımını sınırlayan en önemli ve ilk unsur veri kalitesinde ortaya çıktı. Bankaların elindeki veriler çoğu zaman, çok çeşitli kaynaklardan geliyor, eksik veya hatalı olabiliyor ve farklı formatlarda bulunuyorlar. Bu nedenle verinin temizlenmesi, etiketlenmesi ve uygun forma dönüştürülmesi kritik bir süreç. Ayrıca, bu verilerde gizli toplumsal önyargılar bulundurabiliyor. Örneğin; gelir verileri sosyoekonomik eşitsizlikleri yeniden üretebiliyor. Bu durum, sorumlu yapay zekâ yaklaşımının önemini artırmakta. 

Güvenlik ise bir diğer kritik alan. Yapay zekâ sistemleri siber saldırılara açık hale gelebilir. Eğitim verisinin zehirlenmesi, karşıt örneklerle modelin yanıltılması veya modelin tersine mühendislik ile çalınması bankalar için ciddi tehditler. Bu nedenle sağlamlık ve güvenlik, yapay zekâ sistemlerinin ayrılmaz bir parçası olmak zorundadır. 

Bunun yanında regülasyon ve yasal çerçeveler de yapay zekânın önünde önemli bir sınır. Kredi reddi gibi kararların gerekçelerinin açıklanması, kişisel verilerin korunması ve modellerin denetlenebilir olması artık yasal zorunluluk haline geliyor. Bankalar, yapay zekâ sistemlerini bu çerçevelerle uyumlu şekilde geliştirmek zorunda. 

Tüm bu teknik zorlukların ötesinde, organizasyonel engeller de önemli bir bariyer oluşturmaktadır. Yapay zekâ projeleri çoğu zaman pilot aşamada kalmakta, ölçeklendirilememektedir. Bunun nedeni yalnızca teknik değil, aynı zamanda kültürel olabiliyor. Çalışanların iş kaybı kaygısı, yönetimin değişime hazır olmaması veya yapay zekâ okuryazarlığının düşük olması projelerin yavaşlama sebepleri arasında öne çıkabiliyor. 

Gelecek Eğilimleri ve Türkiye İçin Fırsatlar 

Gelecekte bankacılığın yapay zekâ ile daha da bütünleşeceğini öngörebiliriz. Üretken yapay zekâ ve büyük dil modelleri müşteriyle etkileşimi çok daha doğal hale getirecek, hukuki metinlerin yorumlanması, raporların hazırlanması ve iç yazışmaların yönetilmesi gibi alanlarda destek sağlayacaktır. Ancak bu teknolojilerin yanlış üretim riskine karşı insan denetimi zorunlu olacağı tahmin edilebilir. 

Daha ileri aşamada ajan tabanlı sistemler, yani otonom yazılım ajanları bankacılık ekosisteminin vazgeçilmez parçası haline gelecek. Örneğin; bir kredi başvurusunu baştan sona ele alıp değerlendiren, onaylayan veya müşteri portföyünü risk toleransına göre yeniden dengeleyen ajanların günlük işleyişte yer alması zorunlu hale gelecek denilebilir.  

Aynı örnek üzerinden devam edecek olursak, bugün kredi başvurusu çok aşamalı, çok aktörlü ve çok sayıda belge, bilgi gerektiren bir süreç. Örneğin; bir şirketin “kredi başvurusu yap” komutu üzerine, kredi alternatiflerini açıklayan ve tercihe göre tek bir bilgi veya belge istemeden arkada bütün işleri yapan bir ajan oluşturmak, bütün süreçleri ve belgeleri zaten alabileceği kamu kurumlarından, şirketin veri kaynaklarından veya bankadaki daha önceki kaydedilen bilgilerden hazırlayarak süreci ilerleten bir ajanın çalışması artık hayal değil. 90’larda yaşanan entegrasyon projelerinin sonunda e-Devlet gibi uygulamalar çıktı, bugün bu entegrasyonların etkisi hala devam ediyor, mesela açık bankacılık gibi uygulamalar belki 90’lardaki teknolojilerin sahaya yansıması olarak görülebilir. Bugün yaşanan değişim ise yapay zeka seviyesinde entegre sistemlerin çıkması ve bütün kurumların birbirine sadece veri seviyesinde API’lerle bağlandığı değil, yapay zeka seviyesinde, süreçler, bağlam, akış ve ortak amaçla bağlandığı sistemleri mümkün kılıyor. Bu entegrasyonların hayatımıza girmesi çok daha hızlı olacak ama ne kadar vakit alacağını birlikte göreceğiz.   

Bütün bu gelişmelere paralel olarak, örneğin “federated learning” gibi gizlilik dostu öğrenme yöntemleri, Türkiye gibi ülkelerde veri gizliliği engellerini aşmak için fırsat sunacaktır. Bankalar, verilerini merkezileştirmeden ortak modeller eğitebilecek, bu da hem rekabet avantajı hem de inovasyon sağlayacaktır. 

ESG (Çevresel, Sosyal ve Yönetişim) kriterlerinin giderek önem kazandığı dünyada yapay zekâ, çevresel ve sosyal etkilerin analizinde güçlü bir araç haline gelecektir. Türk bankaları bu noktada yalnızca finansal tablolar değil, sosyal medya, haber akışları ve küresel veri setlerinden beslenecek çok boyutlu raporlar üreterek fark yaratabilir. 

Süper uygulamalar, Türkiye gibi dijitalleşme hızının yüksek olduğu ülkelerde finansal ekosistemi dönüştürebilir. Tek bir çatı altında bankacılık, sigorta, yatırım ve ödeme hizmetlerinin sunulduğu süper uygulamalar, yapay zekâ ile birleştiğinde müşteri deneyimini bütünüyle değiştirebilir. Çin gibi ülkelerde bu uygulamaların hızlı yayılması ve üzerinde taşıdığı bütün süreçlere paralel finansal kurguların tek uygulama üzerinden yönetilmesi, bankacılık alanında önemli dönüşümlere sebep olmakta, benzer dönüşümler Türkiye gibi ülkeler için kapıya kadar gelmiş ve bekleyen gelişmeler olarak görülmekte. 

CBDC (Merkez Bankası Dijital Para Birimi) çalışmalarının hız kazanması da yeni bir alan açmaktadır. Dijital Türk Lirası ile birlikte yapay zekâ, sahtekârlık önleme, akıllı sözleşmeler ve otomatik ödeme mekanizmalarında aktif rol alması beklenebilir. Daha uzun vadede ise kuantum hesaplama, portföy optimizasyonu ve finansal simülasyonlarda yapay zekânın gücünü katlayacaktır. 

İnsan Olmanın Önemi 

Tüm bu teknolojik ilerlemelere rağmen insanın rolü azalmamakta, empati, değer yargısı, etik değerlendirme, sosyal bağlamı anlama gibi özellikler yalnızca insanın sahip olduğu nitelikler olmasına rağmen yapay zekaların etik kodları yüzünden erdemler etiği yerine faydacı etiğe hızlı bir geçiş yaşanmakta. Yapay zekâ, veriden öğrenebilir ama anlam veremez; örüntü tanıyabilir ama toplumsal bağlamı kavrayamaz, erdemleri yoktur, fiziksel acı ve ızdırap aynı sayısal verilerdir sadece ve ikisinin arasındaki farkı anlayamaz. Kararlarının insana etkisini sadece dijital veriler üzerinden okuyabilen sistemler inşa ediyoruz ve insana etkisini tam olarak anlaması asla mümkün olamaz, dolayısıyla şimdiye kadar kurduğumuz bütün sistemler gibi bu sistemlerin içerisinde de insan olması gerektiğ ortaya çıkıyor.  

Önümüzdeki yıllarda insanın ne olduğunu daha çok sorgulayacağımız bir düzleme giriyoruz. Sistemler çalışacak ama bütün sistemlerden farklı, sistemlerin hiçbirinde olmayan bir insanın sisteme entegre olarak çalışması istenecek. Şimdiye kadar robotlaştırdığımız ve sistemin bir dişlisi haline getirdiğimiz, “insan” kavramı bu sefer çok farklı ve sadece insan olarak ve sistemden ayrışan ve yıllardır sistemle uyumlu çalışmasının tam tersine artık sistemi eleştiren bir rolle yeniden tanımlanacak gibi duruyor. 

Sahadaki uygulamaları ise çok daha basit ele alınabilir. Örneğin; müşteriler finansal kararların ardında bir insan olduğunu hissetmek isteyeceklerdir ama aynı zamanda insan hatalarından arındırılan bir sistem; insana ait sezgi ve kararların algoritmik yansımasıyla iç içe geçmiş, yapay zekâ ve insanın birbirini tamamladığı hibrit bir yapı olarak karşımıza çıkacak gibi görülüyor. Sonuçta, bankacılık yalnızca para transferi, kredi verme ya da mevduat toplama değildir; aynı zamanda güven, zaman ve risk yönetimi gibi soyut kavramların kurumsallaşmış hâlidir.  

Bir banka, aslında toplumdaki güvenin, geleceğe yönelik beklentilerin ve belirsizliğin yönetiminin somutlaşmış biçimidir. Bu anlamda, yazının başında da bahsettiğim gibi, bankacılık bir kere daha insan ve yapay zeka entegrasyonu için bir laboratuvar görevi görecek ve her kültürde, her hukuk ve sosyal yapıda tekrar bu ilişkileri sorgulama imkanı bize verecek gibi duruyor.  

Bankacılık ve Yazılım Çalışanları İçin Gelecek Perspektifi 

Bankacılık yazılımı alanında çalışanlar için bu dönüşüm hem fırsat hem de risk anlamına geliyor. Artık yalnızca kod yazmak yeterli olmayacak, uçtan uca yapay zekâ sistemlerini tasarlayabilecek, veriyi işleyebilecek, modelleri açıklanabilir kılabilecek, güvenliği sağlayabilecek uzmanlara ihtiyaç artacak.  

Güzel haber, artık bütün bunları yapmak insan için çok daha mümkün. Eskiden bir sistemi gören, analiz eden, fikir üreten bir kişi bu sistemi yaşatmak ve mümkün kılmak için belki 100 kişiye ihtiyaç duyarken, gelişen teknolojik imkanlarla bu süreci tek başına yönetebileceği ve uçtan uca hakim olabileceği, çok daha kısa sürede ve hızlı şekilde hayata geçirebileceği imkanlara ulaşıyor.  

Uzun vadede çok az insanının sistem tasarladığı, eleştirdiği, kuralları koyduğu ve yeni sistemlerin çok hızlı şekilde gerçekleştiği, aynı zamanda hataların, eleştirilerin ve bütün tehditlerin çok hızlı şekilde işlenerek sistemin iyileştirildiği bir düzleme geçebileceğimizi söyleyebiliriz. Örneğin; günümüzde hala 1 kişilik banka bir hayal ama günümüzdeki teknolojileri kullanarak artık tek bir çalışanı olan tek kişilik bankanın mümkün olabileceğini görebiliyoruz.  

Yapay zekanın tek etkisi bankacılık alanında değil elbette. Bugün bankacılık sisteminin üzerine kurulu olduğu para, ekonomi ve finans kavramları yeniden sorgulanıyor. Örneğin; dijital dünyada sınırsız kaynağa ulaşabiliyoruz (örneğin App Store’dan bir uygulamayı sınırsız sayıda kişi indirebiliyor ve uygulama yapıldıktan sonraki kopyalar için maliyet oldukça düşük). Fiziksel dünyada ise gelişen teknolojilerler hızla dijitalleşiyor, üretim (endüstri 4.0), tarım, hayvancılık, ulaşım, iletişim gibi hemen her konuda dijital dönüşüm yaşanıyor ve her geçen gün sınırsız kaynağa daha fazla yaklaşıyoruz. Aslında sınırsız kaynağa da ihtiyacımız yok, insanlığın talep edebileceğinden fazlasını arz edebilmemiz yeterli. Böyle bir gelecek tahayyülü içerisinde şayet kısıtlı kaynak olmazsa paranın varlığı ne olur? Ve para kavramı üzerine kurulu bankacılık, finans ve ekonomik sistemler neye dönüşür sorgulamak gerekir.  

Ama biz biraz daha yakın geleceğe bakalım. Yakın gelecekte bankacılık uygulamaları için, veri mühendisliği, model izleme, etik denetim modülleri, ajan tabanlı mimariler ve sürekli öğrenme mekanizmaları yazılım geliştiricilerin önündeki yeni sorumluluk alanları olacak gibi görülüyor. Finans bilgisini yapay zekâ uzmanlığıyla birleştiren profesyonellerin bu dönemde öne çıkacağı tahmin edilebilir. 

Önümüzdeki 10 yıl içinde bankacılığın yarısına yakınının otonom ajanlarla yürütüleceğini tahmin etmek abartı sayılmamalı. Deneyim bankacılığı kavramı derinleşecek, yapay zekâ müşterilerin ruh hâlini analiz ederek onlarla daha insancıl bir iletişim kurmaya çalışacaktır. Bankalar, yapay zekâ hatalarına karşı sigorta ürünleri geliştirecek, müşteriler kendi mikro ajanlarını kullanarak bankalarla etkileşime geçecektir. 

Türkiye’de KOBİ’lere özel yapay zekâ bankaları doğabilir. Alternatif veri kaynaklarını kullanan mikro kredi modelleri, hızlı onay süreçleri ve düşük maliyetli finansmanla KOBİ’lerin finansal sisteme erişimini artırabilir. Bu tür bir inovasyon, bankacılığın yalnızca ekonomik değil aynı zamanda toplumsal işlevini de güçlendirecektir. Kişisel görüşüm en önemli dönüşümün KOBİ tarafındaki yapay zeka gelişmeleri ile yaşanacağı ve Türkiye için çok kritik bir rol oynadığı yönünde. Elbette burada da bir kere daha öncü ve çarpan etkisi olan, Türkiye’nin dönüşümündeki motor gücü oluşturacak olan bankalar ve bankaların dönüşümü, bankaların teknolojiye, süreçlere ve en önemlisi “insan”a bakışı çok kritik görülüyor. 

Sonuç 

Bankacılık ve yapay zekâ entegrasyonu, yalnızca teknolojik bir dönüşüm değil; etik, toplumsal ve insani boyutları olan bir devrim olarak geliyor. Türkiye bu dönüşümde yalnızca takipçi değil, öncü rol oynayabilecek potansiyele sahip. Ancak hangi teknoloji gelirse gelsin, insanın empatisi, yaratıcılığı, etik pusulası ve güven duygusu vazgeçilmez olmalı. Geleceğin bankacılığı, insan ve yapay zekânın birlikte şekillendirdiği hibrit bir sistem olacak. Dönüşümdeki motor gücü oluşturacak olan bankalar ve bu bankaların dönüşümünde, bankaların teknolojiye, süreçlere ve en önemlisi “insan”a bakışı çok kritik olacak. 

Kaynakça 

• Al-Naami, K. M., Şeker, S. E., & Khan, L. (2014). GISQF: An efficient spatial query processing system. Proceedings of IEEE CLOUD 2014, 681–688.
• Arner, D. W., Barberis, J., & Buckley, R. P. (2017). FinTech, RegTech, and the reconceptualization of financial regulation. Northwestern Journal of International Law & Business, 37(3), 371–413.
  
• Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. W. W. Norton & Company.
  
• Castelnovo, A. (2024). Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making. arXiv preprint arXiv:2401.08691.
  
• Frost, J. (2020). The economic forces driving fintech adoption across countries. Bank for International Settlements Quarterly Review, March 2020, 15–26.
  
• Gomber, P., Kauffman, R. J., Parker, C., & Weber, B. W. (2018). On the fintech revolution: Interpreting the forces of innovation, disruption, and transformation in financial services. Journal of Management Information Systems, 35(1), 220–265.
  
• I. Met, A. Erkol and S. E. Seker, Performance, Efficiency, and Target Setting for Bank Branches: Time Series with Automated Machine Learning, in IEEE Access, vol 11, pp. 1000–1011, 2023, doi: 10.1109/ACCESS.2022.3233529.
  
• I. Met, A. Erkol and S. E. Seker, M. A. Erturk, B. Ulug, Product Recommendation System With Machine Learning Algorithms for SME Banking in International Journal of Intelligent Systems, 2024, https://doi.org/10.1155/2024/5585575
  
• Kovacevic, A., Radenkovic, S. D., & Nikolic, D. (2024). Artificial intelligence and cybersecurity in banking sector: opportunities and risks. arXiv preprint arXiv:2412.04495.
  
• McKinsey & Company. (2024). Extracting value from AI in banking: Rewiring the enterprise.
  
• Narang, A., Vashisht, P., & Bajaj, S. B. (2024). Artificial Intelligence in Banking and Finance. Innovative Research Publication.
  
• Şeker, S. E. (2015). Computerized Argument Delphi Technique. IEEE Access, 3, 368–380.
  
• Şeker, S. E. (2024). Editorial: Large language models in work and business. Frontiers in Artificial Intelligence, https://doi.org/10.3389/frai.2024.1516832
  
• Şeker, S. E., Mert, C., Al-Naami, K., Ayan, U., & Özalp, N. (2013). Ensemble classification over stock market time series and economy news. Proceedings of IEEE ISI (Intelligence and Security Informatics), 272–273.
  
• Şeker, S. E., Mert, C., Al-Naami, K., Özalp, N., & Ayan, U. (2013). Correlation between the economy news and stock market in Turkey. International Journal of Business Intelligence Research, 4(4), 1–21.
  
• Xu, J. (2024). AI in ESG for Financial Institutions: An Industrial Survey. arXiv preprint arXiv:2403.05541.