Banka Önce Kendi Evrakını Makineye Verdi
Bankacılıkta yapay zekânın gerçek ölçeği sohbet robotunda değil, hukuk, uyum ve operasyon birimlerinin belge hattında oluşuyor; bu yüzden kurumsal model envanteri, bağımsız doğrulama ve insan onayı zinciri, bankanın asıl yapay zekâ politikası hâline geldi.
Vitrinden önce evrak
Bankacılığın yapay zekâ tarihi, müşteri sohbetinden önce iç evrakla yazıldı. JPMorgan’ın COiN sistemi, ticari kredi sözleşmelerinin incelenmesini insan saatinden makine süresine taşıdığında, kazanım pazarlamada değil hukuk bütçesinde görüldü.
2024’te tanıtılan LOXiE aynı hattı genişletti: kredi ve teminat belgelerinin derlenmesinde dil modelini, açıklamalı yapay zekâ katmanıyla birleştiriyor. Bankanın vurgusu hız değil; hangi maddenin hangi kaynaktan geldiğini göstermek.
Bu tercih tesadüfi değil. Düzenleyici baskının olduğu yerde, “doğru cevabı” veren sistem yetmez; cevabın dayanağını, varyantını ve sorumlusunu da kaydeden sistem geçer.
Avukat ve muhasebe hattı
Bankada en pahalı saatler çoğu zaman analitikte değil, metinde: sözleşme, rehin, vekâlet, düzenleyici yazışma, uyuşmazlık dosyası. Belge anlama modelleri bu kaleme değdiğinde, etki istihdamda değil döngü süresinde ölçülüyor; çünkü işin sayısı azalmıyor, süresi kısalıyor.
Aynı mantık muhasebe ve denetim tarafında çalışıyor: örneklem seçimi, açıklama yazımı, eşleştirme. Otomasyon, hatayı azalttığı kadar görünür kılıyor; bu yüzden bankalarda model çıktısı, ikinci bir insan imzası olmadan deftere işlemiyor.
Dışarıdan bakınca bu yavaşlık verimsiz görünür. Oysa bankanın asıl ürünü güven ve sürekliliktir; hız, ancak denetlenebilir olduğunda satın alınabilir bir kazançtır.
İç model yönetimi
Bankalar yapay zekâyı değil, modeli yönetir. Uzun süredir kurulan model riski rejimi — ABD tarafında 2011 tarihli SR 11-7 beklentisi — her modelin sahipliğini, amaçlanan kullanımını, doğrulama sonucunu, izleme ve itiraz hattını kayıt altına almayı şart koşar.
Aynı çerçeve üretken araçlar için yeniden yazılıyor: envantere giren her asistan, hangi veriye eriştiği, hangi kararı desteklediği, kimin onayladığı ve hangi koşullarda devre dışı bırakıldığı ile tanımlanıyor. Erişim yetkisi, prompt’tan önce geliyor.
İkinci katman, ikili kontrol: ön savunma iş kolunu, ikinci savunma bağımsız doğrulamayı, üçüncü savunma iç denetimi taşır. Modelin kendi kendini puanladığı bir yapı, denetim dosyasında zayıf satır sayılır.
Kredi kararına giden yol
Kredi değerlendirmesinde yapay zekâ, batı düzenlemelerinde yüksek risk sınıfına giriyor; AB Yapay Zekâ Yasası’nın listesi bankacılığı açıkça sayıyor. Sonuç, teknik değil prosedürel: açıklama, insan gözetimi, kayıt ve pazar sonrası izleme yükümlülüğü.
Bu yüzden bankaların çoğu modeli karar verici değil, karar destekleyici olarak konumlandırıyor. Ret gerekçesi müşteriye yazılabiliyorsa, metni üreten araç değil imzayı atan rol sorumlu kalır.
Kanıtlama yükü ayrıca eşit muamele testini içeriyor: farklı gruplarda sistematik sapma, belgelenmeden kapatılamaz. Modelin ortalama doğruluğu, ayrı etki sorusunu cevaplamaz.
Nerede kırılgan
Kırılganlığın ilk kaynağı erişim: aracın gördüğü veri tabanı, modelin hata payından daha hızlı büyür. Sohbet asistanının müşteri bilgisi ile işlem sistemi arasında ince bir yetki duvarı varsa, olay kaçınılmaz hale gelir.
İkinci kaynak, sessiz sürüklenme: girdi dağılımı değişir, model eskisi gibi davranmaz. Bankalar bunu izleme eşikleri ve periyodik yeniden doğrulama ile yönetir; üretken araçlarda eşik, doğruluğu değil uygunluğu ölçmek zorundadır.
Üçüncüsü, insan faktörü: onay hattı rutine dönüştüğünde, gözetim imzası formalite olur. Denetimin ilk sorusu “model ne dedi” değil, “insan neden itiraz etmedi”dir; cevabı olmayan sistem, kendi kazancını kendi eliyle siler.
Sık sorulan sorular
Bankalarda yapay zekâ müşteriye dokunuyor mu?
Dokunuyor ama temkinli: asistan, bilgi ve evrak hattı önde. Kredi gibi sonuç üreten süreçlerde model destekler, kararı insan onaylar ve gerekçe yazılır.
Neden sohbet robotu değil de belge otomasyonu?
Çünkü maliyet orada: sözleşme, uyuşmazlık ve uyum dosyaları insan saati tüketir. Kazanç da risk de aynı yerde yoğunlaştığı için denetim önce oraya bakar.
Model envanteri ne işe yarar?
Hangi modelin nerede, hangi veriyle, kimin sorumluluğunda koştuğunu gösterir. Envanter yoksa doğrulama, izleme ve geri alma planı da yoktur.
Regülasyon bankayı durduruyor mu?
Durdurmuyor, yönü belirliyor. Yüksek risk sınıfı yükümlülük getiriyor; bu da bankaları açıklamalı, kayıtlı ve insan onaylı mimarilere itiyor.
Kaynakça
- JPMorgan’ın hukuk biriminde sözleşme incelemesini azaltan yapay zekâGlobal Legal Post
- Model riski yönetimi beklentisi (SR 11-7)ABD Federal Rezerv Sistemi
- Finansta yapay zekâ: fırsatlar, zorluklar, merkez bankalarıBIS Annual Economic Report 2025
- Yüksek riskli yapay zekâ alanları (Ek III)EU AI Act Explorer
