Bankacılıkta Yapay Zekâ Uygulamaları: Finansta Veri ve Model Riski
Kredi puanlama ve dolandırıcılık tespitinden üretken modellere; açıklanabilirlik, banka sırrı, KVKK ve AB Yapay Zekâ Tüzüğü
BASH Akademi Yayın Kurulu
Özet
Bu çalışma, bankacılıkta yapay zekâ uygulamalarını kullanım alanları, risk kaynakları ve düzenleyici çerçeve açısından incelemektedir. Önce yapay zekâ ve finans sektörü ilişkisi, makine öğrenmesi ve üretken modeller ayrımı üzerinden kurulmakta; kredi puanlama, dolandırıcılık tespiti, işlem izleme, sohbet botları ve algoritmik işlem gibi alanlar risk düzeyleriyle eşleştirilmektedir. Model performansının ölçümü, nadir olaylarda doğruluk ölçütünün yanıltıcılığını gösteren çözümlü bir dolandırıcılık örneği ile duyarlılık, kesinlik, Gini katsayısı ve nüfus istikrar endeksi üzerinden açıklanmaktadır. Model riskinin tanımı ve kaynakları, envanter, bağımsız doğrulama, sürekli izleme ve üç savunma hattından oluşan model riski yönetimi çerçevesi, açıklanabilirlik ve ayrımcılık riski ile üretken yapay zekâya özgü riskler ele alınmaktadır. Türkiye'de 5411 sayılı Kanunun banka sırrı hükmü, KVKK'nın yurt dışına aktarım ve otomatik karara itiraz hükümleri ile BDDK'nın kredi tahsis rehberindeki model beklentileri; Avrupa Birliği'nde ise Yapay Zekâ Tüzüğünün risk sınıfları, kredi değerliliği sistemlerine ilişkin yükümlülükleri ve güncellenen uygulama takvimi incelenmektedir. Kredi puanlarının olasılıktan ölçeğe dönüştürülmesi ve dolandırıcılık modellerinde eşik seçiminin maliyet boyutu da kurgusal örneklerle gösterilmektedir. Son bölüm sınavlarda öne çıkan noktaları derlemektedir.
Anahtar kelimeler: bankacılıkta yapay zekâ, makine öğrenmesi, model riski, model doğrulama, açıklanabilirlik, kredi puanlama, banka sırrı, KVKK, AB Yapay Zekâ Tüzüğü
Atıf önerisi: BASH Akademi Yayın Kurulu. (2026). Bankacılıkta Yapay Zekâ Uygulamaları: Finansta Veri ve Model Riski: Kredi puanlama ve dolandırıcılık tespitinden üretken modellere; açıklanabilirlik, banka sırrı, KVKK ve AB Yapay Zekâ Tüzüğü (BA-2026-67, Sürüm 1.0). BASH Akademi Finans Sektörü Kaynak Dizisi.
1.Giriş: bankacılıkta yapay zekâ nedir?
Bankacılıkta yapay zekâ, bankaların ve diğer finansal kuruluşların veriden örüntü öğrenen bilgisayar modellerini kredi kararı, dolandırıcılık tespiti, müşteri hizmeti, uyum ve risk yönetimi gibi süreçlerde kullanmasıdır. Bu kullanımın büyük bölümü makine öğrenmesine dayanır: model, geçmiş verideki girdiler (örneğin gelir, borç oranı, işlem saati, cihaz bilgisi) ile sonuçlar (örneğin kredinin geri ödenip ödenmediği, işlemin dolandırıcılık olup olmadığı) arasındaki ilişkiyi öğrenir ve yeni bir gözlem için tahmin üretir. Son yıllarda bunlara metin ve görüntü üretebilen üretken yapay zekâ modelleri eklenmiştir; sohbet botları, belge özetleme ve kod yazımı bu modellerin finanstaki başlıca kullanım alanlarıdır.
Finansta yapay zekânın değeri, büyük veri hacimlerini hızlı ve tutarlı biçimde işlemesinden gelir. Riski ise aynı kaynaktan doğar: bir model yanlış veriyle eğitilmiş, yanlış tasarlanmış ya da amacı dışında kullanılmışsa, hatası binlerce karara aynı anda yayılır. Bu nedenle finans düzenleyicileri yapay zekâyı ayrı bir teknoloji olarak değil, model riski kavramının en yeni ve en karmaşık örneği olarak ele alır. Model riski, hatalı ya da yanlış kullanılan model çıktılarına dayanan kararlardan doğan olası zarardır.
1.1Nasıl işler? Veriden karara
Bir yapay zekâ uygulaması dört aşamadan oluşur. Veri aşamasında kaynaklar seçilir, temizlenir ve etiketlenir. Model aşamasında bir yöntem (lojistik regresyon, karar ağaçları, gradyan artırma, sinir ağları) veriye uydurulur ve eğitimde kullanılmayan veriyle sınanır. Karar aşamasında model çıktısı bir iş kuralına bağlanır: örneğin puanı belirli bir eşiğin altındaki başvurular insan değerlendirmesine yönlendirilir. İzleme aşamasında modelin performansı, girdi dağılımlarındaki kayma ve sonuçların adil olup olmadığı düzenli olarak ölçülür. Bankacılıkta bu döngünün her adımı belgelenmek, bağımsız bir birimce doğrulanmak ve üst yönetimin gözetiminde yürütülmek zorundadır.
1.2Kısa çözümlü örnek: doğruluk neden yanıltıcıdır?
Kurgusal bir bankada günde 100.000 kart işlemi yapılsın ve bunların %0,2'si, yani 200'ü dolandırıcılık olsun. Bir model dolandırıcılıkların %90'ını yakalasın (180 işlem) ve meşru işlemlerin %1'ine yanlış alarm versin (99.800 × 0,01 = 998 işlem) (Şekil 1). Modelin doğruluğu (180 + 98.802) / 100.000 ≈ %99,0'dır. Oysa hiçbir işleme alarm vermeyen, yani "hepsi olağan" diyen bir modelin doğruluğu %99,8'dir. Doğruluk ölçütü, nadir olayların tespitinde işe yaramaz. Asıl önemli ölçütler duyarlılık (yakalanan dolandırıcılık / toplam dolandırıcılık = 180 / 200 = %90) ve kesinliktir (doğru alarm / toplam alarm = 180 / 1.178 ≈ %15,3). Yani her yedi alarmdan yaklaşık altısı meşru bir müşteriye aittir; bu müşterilerin kartı bloke edilir ya da aranır. Model seçimi bu nedenle istatistiksel değil, aynı zamanda müşteri deneyimi ve maliyet kararıdır.
1.3Mevzuat dayanağı (Ekim 2026 itibarıyla)
- BDDK, Kredi Tahsis ve İzleme Süreçlerine İlişkin Rehber (İyi Uygulama Rehberi, 29 Haziran 2021, Kurul Kararı 9644): kredi tahsisinde teknoloji destekli yenilikler ve otomatik modeller için izlenebilirlik, denetlenebilirlik, yanlılığın tespiti ve önlenmesi, yorumlanabilirlik ve sürekli izleme beklentileri (par. 25, 37–39).
- 5411 sayılı Bankacılık Kanunu md. 73: müşteri sırrı, açık rıza alınsa dahi müşterinin talebi ya da talimatı olmaksızın üçüncü kişilerle paylaşılamaz; BDDK yurt dışına aktarımı yasaklayabilir ve bilgi sistemlerinin yurt içinde bulundurulmasını isteyebilir.
- 6698 sayılı KVKK: yurt dışına aktarım (md. 9, 2024 değişikliği) ve ilgili kişinin, verilerinin münhasıran otomatik sistemlerle analiz edilmesi sonucunda aleyhine çıkan sonuca itiraz hakkı (md. 11/1-g).
- Türkiye Yapay Zekâ Eylem Planı (2026–2030) ile ilgili 2026/9 sayılı Cumhurbaşkanlığı Genelgesi (RG 18.8.2026, 33344). Ekim 2026 itibarıyla yapay zekâya özgü yürürlükte bir kanun bulunmamaktadır.
- AB Yapay Zekâ Tüzüğü (AB) 2024/1689: gerçek kişilerin kredi değerliliğini değerlendiren sistemler yüksek risklidir (Ek III-5/b); bu yükümlülüklerin uygulama tarihi, dijital omnibus olarak bilinen (AB) 2026/1744 sayılı Tüzükle 2 Aralık 2027'ye ertelenmiştir.
Teknik altyapı için Veri Tabanı, Yazılım ve Algoritmalar (BA-2026-31) ve Ağlar, Sistemler ve Bilgi Güvenliği (BA-2026-32); risk çerçevesi için Bankacılıkta Risk Yönetimi ve Basel (BA-2026-22); istatistiksel temel için İleri İstatistik ve Olasılık makalelerine bakılabilir. Ders düzeyinde korelasyon ve regresyon, 5411 sayılı Kanunda sır saklama ve KVKK'nın bankacılık pratiği konuları ilgilidir. Düzenleyici kurum kariyeri için BDDK kurum sayfası ve düzenleyici kurum uzman yardımcılığı rehberi incelenebilir.
Bu makale eğitim amaçlıdır; hukuk danışmanlığı ya da belirli bir yazılım veya hizmet önerisi değildir. Örneklerdeki rakamlar kurgusaldır. Düzenleme tarihleri Ekim 2026 itibarıyla verilmiştir; özellikle AB tüzüğünün uygulama takvimi değişikliğe açık olduğundan güncel durum resmî kaynaklardan izlenmelidir.