Finansal Hizmetlerde Yapay Zeka: Finansın Geleceğini Şekillendirmek

Finansal hizmetler, yapay zekayı kullanarak finansal suçları tespit edip önlemek, sanal asistanlar ve kişiselleştirme yoluyla müşteri deneyimini geliştirmek, risk yönetimini iyileştirmek, algoritmik ticareti ve ticaret optimizasyonunu teşvik etmek, siber güvenliği güçlendirmek ve çalışan verimliliğini artırmak için yararlanmaktadır. Finans alanında yapay zekanın temel faydaları arasında yeni operasyonel verimlilikler, gelişmiş müşteri deneyimleri, daha iyi risk azaltma, ek gelir akışları ve iş fırsatları, daha hızlı karar verme ve yeni rekabet avantajları sayılabilir. Finans sektöründe yapay zeka kullanımı, yasal uyumluluk riskleri, olası hatalar ve önyargılar, veri sorunları, yapay zeka alanında yetenek eksikliği ve eski sistemlerin getirdiği yüklerin ele alınmasını gerektirir.

Ancak, bankacılık ve finansal hizmetler alanlarında yapay zeka devriminde lider konumunu korumak zorlu bir iştir. Finans sektöründe yapay zekayı benimsemek, dikkatli bir risk değerlendirmesi ve başlangıç için doğru iş kullanım senaryosunun seçilmesini gerektirir.

Makine öğrenimi (ML) ve analitik yapay zeka (AI), finans alanında yeni bir fenomen değildir. Bunlar, veri sınıflandırması, süreç otomasyonu, model algılama ve olay tahmini için halihazırda kullanılmaktadır. Bankacılık, finansal hizmetler ve sigortacılık, küresel ML pazarının %18'ini temsil ederek, IT ve telekomünikasyonun (%19) ardından en yüksek teknoloji kullanıcıları arasında ikinci sırada yer almaktadır.

Finansal Kurumlar Tarafından Kullanılan AI Formları

• Veri analizi (69%)
• Veri işleme (57%)
• Doğal dil işleme (47%)
• Büyük dil modelleri (46%)
• Üretken Yapay Zeka (43%)

Finansal hizmet kuruluşları arasında en yaygın AI ve ML benimseme stratejisi, bulut tabanlı AI ve ML hizmetlerini kullanan uygulama geliştirmedir. S&P Global'e göre, ankete katılan şirketlerin %44'ü bu yaklaşımı birincil strateji olarak belirlemiştir. Finans sektöründe mevcut AI çözümü kullanımı:

• İşlemler (48%)
• Risk ve uyumluluk (45%)
• Pazarlama (34%)
• Satışlar (27%)

Gen AI Ön Saflarda Kalıyor

Üretken yapay zeka, finans sektöründe yapay zekanın geleceğini şekillendiren temel teknolojidir. Üretken yapay zeka ve büyük dil modellerinin finans hizmetleri kuruluşlarında mevcut penetrasyonu sırasıyla yaklaşık %43 ve %46'ya ulaşmaktadır. Bankacılıkta üretken yapay zeka güçleri:

• Hızlandırılmış dijitalleşme için kodlama yardımcıları
• Demokratikleştirilmiş kurumsal veriler için Chat-your-data çözümleri
• AI/ML model eğitimi için sentetik veri üretimi
• Risk ve uyumluluk raporu oluşturma
• Müşterinin kişisel sanal asistanları
• Son derece kişiselleştirilmiş satış ve pazarlama kampanyaları
• Otomatik sigorta hasar raporu oluşturma
• Sigorta taleplerinde sanal hasar raporlama

McKinsey analistleri, üretken yapay zekanın küresel bankacılık sektöründe %2,8-4,7, sigorta sektöründe ise %1,8-2,8 büyüme sağlayacağını tahmin ediyor. Pazarlama, satış, müşteri operasyonları ve yazılım mühendisliği alanları muhtemelen en büyük etkiyi görecek.

Finansal Suçların Önlenmesi

Sadece 2023 yılında, dolandırıcılık planları 485,6 milyar dolarlık zarara neden oldu. 2011 yılında küresel finans sisteminde 3,1 trilyon dolardan fazla yasadışı para dolaştı. Finans kuruluşlarının %90'ı finansal suçların önlenmesini yüksek öncelikli bir konu olarak görmektedir. Bu nedenle, tespit ve önleme için veri analizinden yararlanmak çok önemli hale gelmiştir. Kuruluşların üçte ikisi bu yaklaşımı kullanmayı planlamaktadır ve bunların yarısı dolandırıcılık tespit kapasitesini artırmak için yapay zekaya yatırım yapmaktadır. AI dolandırıcılık önleme şunları içerir:

• Gider ve hesap performansı takibi için büyük veri analizi
• Finansal suç risk değerlendirmesi için tahmine dayalı analitik
• Daha ayrıntılı inceleme için işlem/hesap işaretleme
• Otomatik kara para aklama önleme (AML) ve müşterini tanı (KYC)

Örnek: Barclays, dolandırıcılık olasılığını belirlemek için tahmine dayalı analitik kullanarak çevrimiçi ticari işlemleri izleyen bir yapay zeka uygulaması tanıttı. PayPal, donanım maliyetlerini üç kat azaltırken, kaçırılan dolandırıcılık vakalarını 30 kat azaltmak için yapay zeka uyguladı.

Sanal Asistanlar

Gen AI ile geliştirilmiş AI destekli sohbet robotları, 7/24 kişisel finans danışmanlığı hizmetleri sunar. Önceki kural tabanlı sürümlerden farklı olarak, Gen AI, insan benzeri etkileşimlerle doğrudan ve dolaylı müşteri taleplerine yanıtları uyarlayan daha sofistike sohbet robotları sağlar. AI sohbet robotu yetenekleri:

• Yatırım seçimi önerileri
• Banka hesabı yönetimi
• Kişisel finans yönetimi danışmanlığı
• Self servis müşteri desteği
• Otomatik borç tahsilatı

Büyük Ölçekte Hiper Kişiselleştirme

Finansal hizmet müşterilerinin yaklaşık %73'ü, hizmet sağlayıcılarının kişisel ihtiyaçlarını ve beklentilerini anlamasını istemektedir. Ayrıca, %62'si kendilerine kişisel olmayan bir şekilde davranıldığını hissettiklerinde hizmet sağlayıcılarını değiştirecektir. AI tabanlı kişiselleştirme şunları sağlar:

• İhtiyaçlara ve tercihlere göre müşteri mikro segmentasyonu
• Kişiselleştirilmiş pazarlama ve ürün önerileri
• Tahmine dayalı analitik yoluyla müşteri kaybını önleme
• Kişisel yatırım ve finansal yönetim tavsiyeleri

Risk Yönetimi

Geleneksel kredi ve sigorta kararları, meslek ve kredi geçmişi gibi sınırlı veri setlerine dayanır. AI cihazları, sosyal medya aktivitesi gibi geleneksel olmayan kaynaklar da dahil olmak üzere, daha doğru kredi derecelendirmeleri ve risk değerlendirmeleri için büyük miktarda veri toplayabilir ve değerlendirebilir. AI risk yönetimi uygulamaları:

• Yeni risk tanımlama ile kurumsal risk yönetimi
• Azaltma stratejisi önerileri
• Yatırım ve kredi kararları için müşteri risk değerlendirme araçları

Örnek: Banco Santander, kurumsal müşterilerine daha iyi karar verme imkanı sunmak için Kairos aracını sağlar.

Ticaret Optimizasyonu ve Algoritmik Ticaret

Algoritmalar yıllardır ticareti domine ediyor. J.P. Morgan, 2019 yılında derin sinir ağlarını kullanarak makine ticareti programlarının en karlı ticaret yürütme rotalarını tespit etmesini sağladı. AI ticaret yetenekleri:

• Yüzlerce piyasa veri noktasını işleme
• Tarihsel ve güncel eğilimlerin belirlenmesi
• Doğal dil işleme yoluyla yapılandırılmamış veri analizi (haber raporları)
• Tarihsel ve gerçek zamanlı bilgileri kullanarak varlık fiyatlandırması
• ROI'yi en üst düzeye çıkarmak için optimum varlık tahsisi
• Likidite riski değerlendirmesi
• Piyasa manipülasyonu tespiti
• Yüksek frekanslı ticaret otomasyonu

Siber güvenlik

Veri ihlallerinin ortalama maliyeti 4,88 milyon dolar olup, bu rakam 2023'e göre %10 artış göstermektedir. Finansal hizmet kuruluşları, üçüncü taraf güvenliği, metrikler ve raporlama ile erişim yönetimini iyileştirirken saldırganların bir adım önünde olmaya öncelik vermektedir. AI siber güvenlik uygulamaları:

• Şüpheli davranış algılama ile kimlik ve erişim yönetimi
• Uç nokta güvenliği ve kötü amaçlı yazılım tanımlama
• Bulut güvenliği güvenlik açığı bilgileri
• Tehdit algılama ve otomatik yanıt
• Bilgi güvenliği ve veri hırsızlığının önlenmesi
• Olay araştırması ve müdahale optimizasyonu

Modern Gen AI siber güvenlik araçları ayrıca:

• Bilgileri araştırma önerilerine dönüştürün
• Olay belgelerini oluşturun
• Kod tabanındaki güvenlik açıklarını analiz edin
• Doğal dilde siber güvenlik kılavuzu sağlayın

Çalışan Verimlilik Araçları

AI, çalışanların risk ve uyumluluktan müşteri hizmetleri, pazarlama ve satışa kadar tüm fonksiyonlarda daha üretken olmalarına yardımcı olur. Gen AI üretkenlik uygulamaları:

• Belge özetleme (yönetmelikler, raporlar, araştırmalar)
• Gerçek zamanlı müşteri desteği yanıt önerileri
• Kod parçacığı oluşturma ve inceleme yardımı
• Yapılandırılmamış veri işleme ve sınıflandırma

Ek AI verimlilik avantajları:

• Hasar değerlendirmesi ve kimlik doğrulaması için görsel veri işleme
• Yapılandırılmış/yapılandırılmamış veriler için akıllı belge işleme
• Müşteri hizmetleri triyajı için konuşma tanıma
• Bir sonraki en iyi eylem önerileri için tahmine dayalı analitik

Operasyonel Etkinliğin İyileştirilmesi

AI modelleri, hesap açma ve risk/uyum raporu oluşturma için veri doğrulama dahil olmak üzere önceden manuel olarak gerçekleştirilen süreçleri otomatikleştirerek yeni operasyonel verimlilikler sağlar.

Daha İyi Müşteri Deneyimleri

AI destekli kişiselleştirme, sanal asistanlar ve akıllı otomasyon, arka ofis işlemlerini hızlandırırken sorunsuz deneyimler yaratır. Bu, müşteri ömür boyu değerini artırırken, müşteri kaybı ve edinme maliyetlerini azaltır.

Azaltılmış Riskler

AI, doğru dolandırıcılık tespiti ve sağlam AML/KYC çerçeveleriyle kuruluşları itibar ve mali kayıplardan korur. Ancak, AI uygulamasının kendisi risk azaltma gerektirir.

Yeni Gelir Akışları

AI, niteliksel olarak yeni işletim modelleri, ürünler ve hizmetler ortaya çıkarır. Sürücü davranışına göre AI tarafından belirlenen primlere dayalı kullanım bazlı araba sigortası, bu yeniliği örneklemektedir.

Daha Hızlı Karar Verme

Veri sohbeti çözümleri ve güçlü analitik özellikler, iş fonksiyonları genelinde daha hızlı karar vermeyi sağlar. Tahminsel modelleme, özellikle risk azaltma stratejisini ve sigorta kararlarını destekler.

Rekabet Avantajı

AI, daha iyi müşteri deneyimleri, verimlilik tasarrufları yoluyla daha düşük işletme giderleri ve yenilikçi AI destekli ürün ve hizmetler sunarak erken benimseyenler için rekabet avantajı yaratır.

Sigorta Belgeleri Geri Alma Güçlendirilmiş Üretim (RAG)

Bir sigorta şirketi, 2005 yılına ait binlerce belgeden veri çıkarmayı basitleştirdi. RAG çözümü, bilgi erişimini üretken yapay zeka ile entegre ederek, iş analistlerinin doğal dil soru-cevap arayüzleri aracılığıyla verilere erişmesine olanak tanıdı. Sonuçlar: Çalışanlar, bir milyondan fazla vektörü ararken 38,3 ms içinde uygun belge bölümlerini bulur ve poliçe sahibi profili fiyat karşılaştırmaları gibi karmaşık sorguları kolayca yanıtlar.

Ticari İşlemlerde Dolandırıcılık Tespiti ve Önleme

MasterCard, Amazon Web Services (AWS) ile iş birliği yaparak, kural tabanlı sistemlerin ötesine geçerek sofistike dolandırıcılık tekniklerini ele almak için, ticari işlem dolandırıcılığının önlenmesine yönelik AI/ML kapasitesini geliştirdi. Sonuçlar: Dolandırıcılık tespit oranlarında üç kat artış ve yanlış pozitif sonuçlarda on kat azalma, MasterCard hizmetleriyle satıcı deneyiminin iyileştirilmesi.

Müşteri Deneyiminin İyileştirilmesi ve Tahmin Edilen Teklifler

Scotia Bank, AI bankacılık hizmetlerinde müşteri deneyimini iyileştirmek için Google Cloud'u kullandı ve üç büyük girişimle müşteri verilerini bulut altyapısına taşıdı:

• ML modellerini kullanarak bireysel ürün önerileri
• Doğal dil işleme, ses tanıma ve bilgisayar görüşü ile müşteri deneyimi otomasyonu
• Gelişmiş içgörüler ve finansal danışmanlık için veri birleştirme

Portföy Optimizasyonu

HSBC, büyük verileri kullanarak portföy performansını artırmak için EquBot ile işbirliği yaptı. AI-Powered US Equity Index (AiPEX), EquBot AI'yı kullanarak Russell 1000 endeksinden yüksek büyüme potansiyeline sahip hisse senetlerini seçiyor. Sonuçlar: AiPEX, doğal dil ve yapılandırılmamış verileri kullanarak yüksek büyüme potansiyeline sahip hisse senetlerini üstün bir şekilde belirleyerek, son on yılda S&P 500 endeksini %123 oranında geride bıraktı.

Geliştirici Verimliliği

Westfield Insurance, geliştiricilerin üretkenliğini ve iş esnekliğini artırmak, uygulama geliştirmeye yardımcı olmak ve COBOL, Assembler çözümleri ve JCL'de geliştiricileri işe almak için IBM aracılığıyla üretken yapay zekayı benimsedi. Sonuçlar: Uygulama tanıma süresinde %80 azalma ve kod açıklaması ve dokümantasyon süresinde %30 azalma, aynı zamanda uygulama modernizasyonunun hızlandırılması ve değişiklik yönetimi maliyetlerinin azaltılması.

Mevzuata Uyum Riskleri

Dünya çapındaki düzenleyiciler, finans sektöründe yapay zeka kullanımına odaklanıyor. AB'nin Yapay Zeka Yasası, yeni yapay zeka mevzuatının başlangıcını temsil ederken, ABD eyalet düzenleyicileri yapay zekanın tüketicilere zarar vermesini önlüyor. Azaltma stratejileri:

• AI modelinin geliştirilmesi ve uygulanmasını etkileyen tüm düzenleyici hususları inceleyin.
• Güçlü bir AI yönetimi sağlayın
• Sorumlu ve yorumlanabilir AI ilkelerini benimseyin
• Düzenli incelemeler yapan AI etik kurulları oluşturun

Olası Hatalar ve Önyargılar

Halüsinasyon endişeleri, üretken yapay zeka tartışmalarını domine ederken, diğer yapay zeka/makine öğrenimi modelleri hata ve önyargı sorunlarıyla karşı karşıyadır. Bankacılıkta yapay zeka, müşterilerin yaşamlarını etkileyen hassas verileri işlediğinden, bu sorunları önlemek çok önemlidir. Azaltma stratejileri:

• Çeşitli, temsil edici eğitim veri kümeleri oluşturun
• Modellerde önyargı ve hata olup olmadığını düzenli olarak inceleyin, tespit edilen sorunları düzeltin
• Önyargı karşıtı eğitim yöntemleri kullanın (yeniden ağırlıklandırma, karşıt eğitim)
• Son kullanıcılara AI aracının sınırlamaları konusunda eğitim verin
• İnsanların denetimini sürdürün

Veri Zorlukları

AI ve ML modellerinin başarısı, kaliteli eğitim verilerine bağlıdır. Ancak veri siloları, gizlilik endişeleri ve yetersiz veri hacimleri önemli engeller oluşturmaktadır. Veri sorunları, finans kurumlarının %38'i için en büyük zorluktur. Azaltma stratejileri:

• Gizli bilgilerin korunması için sağlam bir siber güvenlik sistemi uygulayın
• Model eğitimi için Gen AI kullanarak sentetik veri üretmeyi düşünün
• AI uygulaması öncesinde veri silolarını birleştirin
• Gizlilikle ilgili endişeleri proaktif olarak ele alın

Yetenek Eksikliği

AI uzmanı işe alımı ve elde tutma, 2022'de finansal hizmetler sektörünün en büyük zorlukları arasında ilk sırada yer alırken, 2023'te ikinci sıraya geriledi ve kuruluşların %32'si hala bu konuda zorluk yaşıyor. Azaltma stratejileri:

• Etkileyici işveren değer önerileri geliştirin
• Adayların potansiyelini ve mevcut teknik becerilerini değerlendirin
• İş gereksinimlerini beceri gereksinimleriyle uygun şekilde eşleştirin
• Uzak ve uluslararası yetenek havuzlarını araştırın
• Hizmet sağlayıcılarla sözleşme yaparak AI yeteneklerini kazanmayı düşünün

Eski Yükler

Geleneksel bankalar ve sigorta şirketleri, ortalama yaşı 10 yılı aşan eski IT altyapılarını kullanmaktadır. Teknik borç sorunu çözülmeden ve eski altyapı modernize edilmeden AI araçlarının uygulanması zor veya imkansız hale gelir. Azaltma stratejileri:

• Kapsamlı dijital olgunluk analizi gerçekleştirin
• BT varlıklarının karmaşıklığını sistematik olarak azaltın
• Eski sistemlerin modernizasyon çalışmaları için doğru kapsam, zaman ve bütçe belirleyin.
• Yazılım ve veri silolarının yanı sıra organizasyonel siloları da ortadan kaldırın

Bankacılık ve finans hizmetlerinde yapay zekanın geleceğini belirleyen temel eğilimler arasında, açıklanabilir ve sorumlu yapay zeka, fiziksel ve davranışsal biyometrik olanaklar ve kuantum bilişim gelişimi yer almaktadır.

Açıklanabilir, Sorumlu Yapay Zeka

Tüketici güveni, yapay zekanın başarılı bir şekilde benimsenmesi için önemli bir faktördür. Ancak, finansal hizmetler müşterilerinin yalnızca %21'i Gen AI sohbet robotlarına güvenmektedir. Etik konuların önemi artarken, açıklanabilir ve sorumlu yapay zeka için baskı da artıyor. NVIDIA araştırmasına göre, finans kurumlarının %84'ü yapay zeka modellerinin güvenilirliğini sağlayan önlemler uygulamaya koydu. Ancak, açıklanabilir yapay zeka, artan yorumlanabilirlik için hesaplama hızı ve doğruluk ödünleri konusunda çözümler gerektiren, henüz olgunlaşmamış bir teknolojidir.

Biyometrik

Sentetik kimlik hırsızlığı, Generative AI'nın etkili bir suç aracı haline gelmesiyle birlikte, hızla yayılan bir ABD finansal suçu olarak ortaya çıkmaktadır. 2030 yılına kadar yaklaşık 23 milyar dolar olarak tahmin edilen kayıplar, fiziksel ve davranışsal biyometrik yöntemler kullanılarak önlenebilir. Bu sistemler, yapay zeka kullanarak müşteri davranışlarını sürekli olarak izler ve kapsamlı KYC ve AML taramaları gerçekleştirir. Davranışsal biyometrik, şifre giriş hızı ve mobil uygulama gezinme alışkanlıklarına dayalı olarak benzersiz müşteri profilleri oluşturur. Yüz tanıma, kolay ve güvenli kimlik doğrulama ve yetkilendirme sağlar. MasterCard ve BNP Paribas gibi kuruluşlar, gelişmiş kart sahibi güvenliği için halihazırda biyometrik teknolojisini kullanmaktadır.

Yapay Zeka ve Kuantum Füzyonu (AQ)

Kuantum teknolojileri, benzeri görülmemiş endüstri yatırımlarıyla teknolojik gelişimin geleceğini temsil ediyor. Kuantum bilgisayarlar önümüzdeki on yıl içinde gerçeğe dönüşmeyecek olsa da, kuantum bilişim asimetrik şifreleme prosedürlerini potansiyel olarak kırabilir. HSBC gibi finans şirketleri, kuantum kriptografi çağına hazırlık için kriptografi yönetimini şimdiden iyileştirmeye başlamıştır. AI ile birleştirildiğinde, kuantumdan ilham alan algoritmalar, Monte Carlo simülasyonlarının ötesinde daha gelişmiş piyasa ortamları ve portföy risk analizi sağlayabilir. Geliştirilmiş AQ öğrenme kalitesi, dolandırıcılık tespit yeteneklerini önemli ölçüde artırabilir.