Önceki
Temas noktaları değişti, beklenti standardı yükseldi
Bankacılıkta müşteri beklentisi artık “işimi çöz” seviyesinden “işimi anında, kesintisiz ve doğru çöz” seviyesine çıktı. Şube hâlâ önemli; fakat mobil uygulama, internet şubesi, çağrı merkezi, sosyal medya ve hatta mesajlaşma kanalları tek bir deneyimin parçaları hâline geldi. Bu çoklu temas noktalarında asıl rekabet, ürün sayısından çok hız, tutarlılık ve güven üzerinden yaşanıyor. İşte bu dönüşümün merkezinde, doğru tasarlandığında bankanın dijital reflekslerini güçlendiren yapay zeka chatbot ve asistanlar yer alıyor.
Eğer konunun daha geniş çerçevesini de okumak isterseniz, Architecht Blog’daki “Bankacılık ve Yapay Zekâ Kullanımı: Mevcut Durum ve Gelecek” yazısı iyi bir tamamlayıcı perspektif sunuyor:
“Chatbot nedir?” sorusundan chatbot ai dünyasına geçiş
En basit tanımıyla chatbot nedir: Yazılı ya da sesli kanalda kullanıcıyla konuşarak talebini anlayan ve yanıt üreten dijital asistandır. Bankacılıkta ilk nesil örnekler genellikle “menü” mantığıyla çalışır: “1’e bas, 2’yi seç” gibi akışları sohbet arayüzüne taşır. Bu model, kurala dayalı (rule-based) chatbot yaklaşımıdır; iyi bir akış tasarımıyla birçok sık senaryoyu çözer, ancak esnekliği sınırlıdır.
Chatbot yapay zeka yaklaşımında ise amaç “seçenekleri tıklatmak” değil, müşterinin niyetini (intent) doğal dilden çıkarıp doğru süreci başlatmaktır. Burada iki kritik fark oluşur:
- Niyet anlama ve bağlam: Kullanıcı “Kartım kayıp, hemen kapatın” dediğinde sistem bunun “kayıp kart bildirimi” olduğunu anlar, kartı kapatma/yenileme adımına yönlendirir ve gerektiğinde ek doğrulama ister.
- Yanıt üretme ve bilgi erişimi: Modern ai chatbot çözümleri, bankanın bilgi tabanına (SSS, ürün koşulları, prosedürler) erişip daha “insansı” ve açıklayıcı yanıtlar üretebilir. Buradaki ana değer, müşterinin “tek seferde doğru cevap” alma olasılığını yükseltmesidir.
Kısacası rule-based modeller “iyi bir menü”, chatbot ai ise “iyi bir danışman” olma iddiasındadır—tabii doğru veri, güvenlik ve yönetişimle.
Bankacılıkta AI chatbot kullanım alanları (pratik senaryolarla)
1) Müşteri hizmetleri: 7/24 destek ve self-servis işlemler
Çağrı merkezinin yükünü artıran taleplerin büyük kısmı tekrar eden, net tanımlı konulardır: şifre yenileme, kart limit sorgulama, kartın geçici kapatılması, EFT/FAST ücret bilgisi gibi. Bir yapay zeka chatbot, müşteriyi 7/24 karşılayıp süreci adım adım yönetebilir.
Örnek: “Mobil bankacılık şifremi unuttum” diyen müşteriye kimlik doğrulama adımları ve güvenli yönlendirme sunulur; müşteri beklemeden işlem tamamlar.
2) Satış ve çapraz satış önerileri
Burada kritik nokta “satış baskısı” değil, ihtiyaç anında doğru tekliftir. Örneğin kullanıcı “yurt dışına çıkıyorum, kartım açık mı?” diye soruyorsa, asistana yurt dışı kullanım ayarlarını göstermek ve gerekiyorsa seyahat sigortasını bilgilendirme amaçlı önermek mantıklıdır. İyi tasarlanmış bir ai chatbot, teklifin zamanlamasını ve dilini doğru ayarladığında memnuniyeti artırır; aksi hâlde güveni zedeler.
3) Kredi ön değerlendirme, kampanya bilgilendirme, hesap işlemleri
Kredi süreci çoğu zaman “evrak listesi + uygunluk + limit” üçgeninde ilerler. Chatbot yapay zeka yaklaşımı, müşteriye kısa bir ön değerlendirme diyaloğu sunup doğru kanala yönlendirebilir.
Örnek: “Kredi kartı limitimi artırmak istiyorum” talebinde, gelir güncelleme ihtiyacı, mevcut limit politikası ve başvuru adımları açıkça anlatılır; müşteri belirsizlik yaşamaz.
4) Çalışanlara yönelik iç asistanlar: prosedür ve dokümantasyon desteği
Bankacılık operasyonunda bilgi dağınıklığı maliyetlidir. Ürün koşulları, kampanya istisnaları, işlem adımları ve onay mekanizmaları farklı dokümanlarda yaşayabilir. İç asistana “Bu kampanyada iade koşulu nedir?” diye soran çalışan, doğru dokümana hızla erişebilir. Bu, eğitim yükünü azaltır; hatalı işlem riskini düşürür ve operasyonun standardını yükseltir.
Regülasyon, güvenlik ve etik boyut: Türkiye gerçekliğiyle tasarım
Bankacılıkta konuşan bir sistem, sadece “yanıt üreten” bir arayüz değildir; aynı zamanda risk yönetimi aracıdır. Bu nedenle tasarım, Türkiye’de üç temel ekseni birlikte taşımak zorunda:
- KVKK (veri gizliliği):
Kişisel verilerin işlenme amaçları, saklama süreleri, açık rıza gerektiren senaryolar ve veri minimizasyonu (gerektiği kadar veri) yaklaşımı net olmalıdır. Bir yapay zeka chatbot; sohbet içinde gereksiz veri talep etmemeli, maskeleme yapmalı ve veriyi “güvenli saklama” prensipleriyle yönetmelidir.
- BDDK’nın gözetim/denetim beklentisi:
Bankaların dış hizmet, bilgi sistemleri ve operasyonel süreçlerinde denetlenebilirlik esastır. Bu, chatbot tarafında kayıt tutma (logging), versiyonlama, değişiklik yönetimi ve gerektiğinde “bu yanıt neden verildi?” sorusuna iz bırakabilme anlamına gelir.
- MASAK perspektifi (KYC ve şüpheli işlem riski):
Müşterini tanı (KYC) süreçleri ve şüpheli işlem takibi, özellikle kimlik doğrulama ve işlem başlatma senaryolarında kritikleşir. Bir ai chatbot, doğrulama adımlarını atlayarak “kolaylık” sağlayamaz; tam tersine, doğru risk kurallarıyla fırsat yaratır: müşteriyi doğru yönlendirmek, eksik bilgiyi tamamlamak ve şüpheli kalıpları erken fark etmek gibi.
Bu çerçevede iyi bir tasarım; veri saklama, kayıt tutma, denetlenebilirlik ve müşteriye doğru bilgilendirme ilkelerini en başa yazar. Şeffaflık (asistanın yapay zekâ olduğunu belirtmesi), açıklanabilirlik (kritik kararlarda gerekçe sunması) ve güven (yanlış yönlendirmeyi azaltan kontrol katmanları) ise “etik” başlığının pratik karşılığıdır.
Stratejik etkiler: Operasyonel verimlilikten müşteri deneyimine
Global danışmanlık raporlarının ortaklaştığı nokta şu: Bankalar için yapay zekânın ilk ve en görünür kazanımı operasyonel verimlilik, en kalıcı kazanımı ise müşteri deneyimi. Çağrı merkezinde tekrar eden taleplerin self-servis kanallara kayması maliyetleri optimize eder; aynı zamanda yoğun saatlerde erişilebilirliği artırır. Yanıt süreleri saniyelere indiğinde, müşteri algısı “bankam bana yakın” hissine evrilir.
Daha stratejik tarafta ise kişiselleştirme devreye girer: Müşterinin geçmiş etkileşimi, tercihleri ve bağlamı doğru kullanıldığında, deneyim “form doldurma”dan “akıllı rehberliğe” dönüşür. Bankalar için bu, farklılaşma alanı yaratır; çünkü ürünler benzeşse bile deneyim benzemez.
Gelecek perspektifi: Omni-channel, LLM ve multi-agent yaklaşımı
Önümüzdeki dönemde rekabet, tek bir kanalda iyi sohbet etmekten çok, çok kanallı (omni-channel) tutarlılıkta yaşanacak. Müşteri web’de başlattığı bir talebi mobilde sürdürebilmeli, çağrı merkezine düştüğünde aynı bağlam korunmalı. Büyük dil modelleri (LLM) burada oyunu değiştiriyor: Dil anlama, özetleme ve rehberlik kapasitesi sayesinde asistanlar daha bağlama duyarlı hâle geliyor.
Bir adım ötesinde multi-agent mimariler (birden fazla uzman ajanın birlikte çalışması) dikkat çekiyor. Örneğin “kayıp kart” sürecinde bir ajan güvenlik doğrulamayı, diğeri kart yenilemeyi, bir diğeri lojistik bilgilendirmeyi yönetebilir. Bu yaklaşım, iyi yönetişimle birleştiğinde chatbot ai deneyimini daha “insansı” kılar ama temel şart aynı: kontrol, kayıt ve denetim.
Bu vizyonu bankacılık pratiklerine taşıyan örneklerden biri olarak, Architecht’in AIgent Suite çözüm ailesi; LLM tabanlı Gen AI yaklaşımıyla kurumların kendi içerik ve verileriyle kendi asistanlarını/ajanlarını oluşturabilmesine, doğal ve anlaşılır bir iletişim kanalını hem müşteri hem çalışan deneyimine yansıtmasına odaklanıyor. İlgilenenler için ürün sayfası:
https://architecht.com/urunler/aigent-suite/
Sonuç: Yapay zeka chatbot neden “opsiyon” değil “zorunluluk”?
Bugün bankacılıkta yapay zeka chatbot kullanımı, sadece “yenilik” başlığı değil; hız, tutarlılık ve güven beklentisinin doğal sonucu. Müşteri, günün her saatinde, en kısa yoldan ve doğru şekilde çözüm istiyor. Bankalar için bu, verimlilik kadar itibar ve rekabet gücü meselesi.
Bu alana adım atarken şu başlıklara özellikle dikkat etmenizi öneririm:
- Strateji ve kapsam: Önce yüksek hacimli, düşük riskli senaryolardan başlayın; sonra kademeli genişletin.
- Regülasyon uyumu: KVKK, BDDK denetim beklentileri ve MASAK/KYC gerekliliklerini tasarımın en başına koyun.
- Veri ve yönetişim: Veri minimizasyonu, maskeleme, kayıt tutma ve denetlenebilirlik olmadan ölçeklemeyin.
- Deneyim tasarımı: “Satış” değil “çözüm” odaklı dil kullanın; gerektiğinde insana devri (handover) kusursuz kurgulayın.
- Teknoloji seçimi: Chatbot yapay zeka ve LLM yaklaşımını, kontrol katmanları ve güvenlik mimarisiyle birlikte değerlendirin.
Doğru kurgu ile ai chatbot, bankanın dijital kanallardaki refleksini güçlendirir; yanlış kurgu ile güveni zedeler. Bu yüzden mesele “bir chatbot yapmak” değil, bankacılığın hassasiyetlerini bilen bir akılla, sürdürülebilir bir chatbot ai yetkinliği inşa etmektir.
