Düşen Enflasyon Bankalarda Yapay Zekâyı Hızlandırır mı?

Ticaret Bakanı Ömer Bolat’ın İstanbul’da yaptığı açıklamada öne çıkan cümle net: “Enflasyonda son 48 ayın en düşük rakamlarına geldik.” Aynı konuşmada, ekonominin 21 çeyrektir büyüdüğü, ihracatın arttığı ve cari dengede iyileşme olduğu vurgulandı. Bu mesajlar siyaset gündeminin parçası gibi görünse de, bankacılık tarafında çok daha pratik bir karşılığı var: Belirsizlik azaldıkça veri daha “anlamlı” hale geliyor ve yapay zekâ projeleri daha hızlı ölçekleniyor.

Benim gözlemim şu: Bankalar yapay zekâyı “teknoloji modası” diye değil, marjların sıkıştığı ve regülasyon baskısının arttığı dönemlerde operasyonu düzene sokmak için benimsiyor. Enflasyonun düşüş eğilimine girdiği bir tabloda ise iştah artıyor; çünkü risk modelleri daha stabil, bütçeler daha öngörülebilir, müşteri davranışları daha az gürültülü oluyor.

Bu yazı, resmi açıklamadaki makro çerçeveyi alıp, “Finans ve Bankacılıkta Yapay Zekâ Uygulamaları” serimizin bağlamında şu soruya indiriyor: Ekonomik istikrar artarken bankalar yapay zekâ ile hangi alanlarda daha hızlı yol alır, nereden başlamalı?

Makro istikrar bankacılıkta AI için neden katalizör?

Yanıt: Enflasyonun gerilemesi ve dış dengelerde toparlanma, bankaların hem bilanço yönetiminde hem de müşteri tarafında daha tutarlı veri setleriyle çalışmasını sağlar; bu da yapay zekâ modellerinin doğruluğunu ve sürdürülebilirliğini yükseltir.

Yüksek enflasyon dönemlerinde fiyatlar hızlı değişir; gelir-gider dengeleri bozulur; gecikme, yeniden yapılandırma, erken kapama gibi davranışlar artar. Bu, özellikle kredi skorlama ve temerrüt olasılığı modellemesinde “etiketlerin” (ör. gecikme/temerrüt) nedenlerini bulanıklaştırır. Enflasyon daha kontrollü bir zemine oturduğunda, bankalar şu avantajları elde eder:

• Model drift (model sapması) azalır: Müşteri davranışı bir ayda radikal değişmediği için tahmin gücü daha stabil olur.
• Ürün fiyatlaması daha tutarlı olur: Faiz/maliyet dinamikleri öngörülebilir olunca AI tabanlı fiyatlama ve teklif motorları daha iyi çalışır.
• Bütçe ve yatırım planı netleşir: Veri altyapısı, MLOps, model yönetimi gibi “gizli maliyetler” daha rahat taşınır.

Bolat’ın “ihracat artışı” ve “cari dengede iyileşme” vurgusu da özellikle uluslararası işlemler ve ticaretin finansmanı tarafında önemlidir. Dış ticaret büyüdükçe bankaların işlem hacmi ve belge trafiği artar; burada yapay zekâ otomasyonu doğrudan verimlilik üretir.

Düşen enflasyon kredi skorlama ve risk yönetimini nasıl dönüştürür?

Yanıt: Daha düşük enflasyon, kredi riskini ölçen modellerin “gürültüsünü” azaltır; bankalar AI ile daha isabetli limit, vade ve fiyatlama kararları alabilir.

Kredi skorlama: “Tek skor” dönemi kapanıyor

Türkiye’de pek çok kurum hâlâ “tek bir skorla” karar vermeye çalışıyor. Oysa iyi kurulan bir yapay zekâ sistemi, skoru tek sayı olarak değil, karar seti olarak ele alır:

• Temerrüt olasılığı (PD)
• Kayıp oranı (LGD)
• Beklenen zarar (ECL/IFRS 9)
• Erken uyarı sinyalleri (EWS)

Enflasyonun düşmesi, özellikle IFRS 9 beklenen kredi zararı tarafında senaryoların daha gerçekçi kurulmasına yardım eder. Senaryo seti (baz-iyimser-kötümser) daha tutarlı olunca, AI modelleri de aşırı oynak tahminler üretmez.

Risk yönetimi: Kurumsal ve KOBİ tarafında fırsat

İhracatın güçlenmesi KOBİ’lerde nakit akışını ve tahsilat ritmini değiştirebilir. Bu noktada AI’nin en pratik faydası şudur: Banka, müşterinin bilançosunu yılda bir kez değil, haftalık/daily sinyallerle izler.

Kullanılabilecek sinyaller:

• POS/üye işyeri ciro trendleri
• Hesap hareketleriyle nakit dönüş süresi
• E-fatura/e-arşiv yoğunluğu (varsa iş ortaklığı üzerinden)
• Tedarikçi/alıcılara ödeme davranışı

Bu tür sinyallerle kurulan erken uyarı sistemi, “gecikme olduktan sonra arama” yaklaşımını bitirir. Banka, risk büyümeden müdahale eder.

Snippet: Ekonomik istikrar, risk ekiplerinin “kriz söndürme” modundan çıkıp “önleyici risk” moduna geçmesini sağlar; yapay zekâ da bunun en hızlı aracıdır.

Enflasyon düşerken dolandırıcılık tespiti neden daha verimli olur?

Yanıt: Enflasyon ve belirsizlik yüksekken işlem kalıpları sert değişir; bu da dolandırıcılık modellerinde yanlış alarmı artırır. Daha stabil dönemde anomali tespiti daha temiz sinyal yakalar.

Dolandırıcılık (fraud) tarafında bankaların en büyük derdi iki uç arasında kalmaktır:

• Çok sıkı kurallar → Müşteri işlem yapamaz, sürtünme artar, çağrı merkezi dolar.
• Çok gevşek kurallar → Sahtecilik kaybı artar.

Ekonomik dalgalanma yükseldiğinde müşteriler alışveriş davranışlarını (tutar, kanal, saat, lokasyon) daha sık değiştirir. Model bu değişimi “anomali” sanıp false positive üretir. Enflasyonun gerilediği ve tüketim kalıplarının daha öngörülebilir olduğu ortamda:

• Davranış profilleri daha hızlı oturur
• Cihaz/oturum risk skoru daha anlamlı hale gelir
• Gerçek dolandırıcılık sinyalleri daha net ayrışır

Bankalarda en hızlı kazanım: Hibrit yaklaşım

Sadece makine öğrenmesi ya da sadece kural motoru yetmez. En iyi performans, genellikle şu mimaride çıkar:

1. Kural katmanı: Çok bariz riskleri anında bloklar (ör. kara liste, imkânsız lokasyon geçişi).
2. ML katmanı: Davranışsal anomali ve ağ (graph) ilişkileri yakalar.
3. İnceleme optimizasyonu: İncelemeci ekibin (fraud ops) kapasitesini AI ile doğru sıraya dizer.

Bu sayede hem müşteri deneyimi korunur, hem kayıp düşer.

İhracat ve dış dengeler: Yapay zekâ ile uluslararası işlemlerde otomasyon

Yanıt: İhracat arttıkça akreditif, vesaik mukabili, teminat mektubu ve para transferi süreçleri büyür; AI burada belge okuma, uyum taraması ve işlem izleme ile doğrudan zaman kazandırır.

Dış ticaret işlemlerinin önemli kısmı hâlâ “doküman yoğun” ilerler. Belgelerdeki küçük bir uyumsuzluk bile ödeme gecikmesine ya da itiraza yol açar. Yapay zekânın en somut kullanım alanları:

Belge işleme (Document AI)

• Fatura, konşimento, çeki listesi gibi belgelerden alan çıkarımı
• Tutarsızlık kontrolü (tarih, miktar, GTİP, alıcı-satıcı bilgisi)
• Operasyon ekibine “kontrol listesi” önerileri

Uyum ve AML taramaları

Uluslararası işlemlerde uyum ekipleri için hız kadar isabet de kritik. AI destekli sistemler:

• İsim benzerliklerinde daha iyi eşleştirme (fuzzy matching)
• Şüpheli işlem paternlerini daha erken yakalama
• İnceleme dosyalarını daha iyi önceliklendirme

Buradaki hedef “her şeyi otomatik onaylamak” değil; insanın karar verdiği yerde, yapay zekânın hazırlığı yapması.

Bankalar nereden başlamalı? 90 günlük uygulanabilir bir yol haritası

Yanıt: En hızlı geri dönüş, dolandırıcılık tespiti, kredi skorlama iyileştirmesi ve müşteri hizmetleri otomasyonunda çıkar; ancak başarı için veri yönetişimi ve model yaşam döngüsü şarttır.

Bu seride sıkça altını çiziyorum: Yapay zekâ projesi, yalnızca model eğitmek değildir. Banka için “canlıya alma” (production) kısmı asıl oyundur.

İlk 30 gün: Problem seçimi ve veri envanteri

• 1 adet net KPI seçin: fraud kaybı, false positive, tahsise dönüş oranı, temerrüt oranı, çağrı başına maliyet gibi.
• Veri kaynaklarını çıkarın: çekirdek bankacılık, kart, dijital kanal logları, CRM.
• Veri kalitesi için minimum eşik koyun: eksik alan oranı, gecikme süresi, tutarlılık.

31-60 gün: Pilot ve ölçüm tasarımı

• Küçük segmentte pilot (ör. tek ürün/tek kanal)
• A/B testi veya “champion–challenger” yaklaşımı
• Uyum ve risk ekipleriyle model açıklanabilirliği (XAI) çerçevesi

61-90 gün: MLOps ve ölçekleme

• Model izleme: drift, performans düşüşü, veri kayması
• Geri bildirim döngüsü: manuel inceleme sonuçlarıyla yeniden eğitim
• Süreç entegrasyonu: karar motoru, çağrı merkezi ekranları, operasyon iş akışları

Snippet: Bankada yapay zekâ başarısı, “doğru modeli kurmak” kadar “yanlış modeli erken durdurmak”tır.

Sık sorulanlar: Ekonomik istikrar AI yatırımlarını nasıl etkiler?

AI yatırımı için en doğru zaman ne zaman? Belirsizliğin azaldığı dönemler. Çünkü yatırım bütçesi kadar, modelin tutarlı veriyle beslenmesi de önemlidir.

Düşen enflasyon kredi musluklarını otomatik açar mı? Hayır. Daha çok şu olur: Banka, aynı risk iştahıyla daha seçici ve daha isabetli kredi verebilir. Yapay zekâ burada “hız + isabet” sağlar.

En büyük risk ne? Modelin canlıda yanlış teşvik üretmesi. Örneğin satış ekibi yalnızca onay olasılığı yüksek müşteri kovalamaya başlarsa portföy kalitesi bozulabilir. Bu yüzden KPI seti dengeli kurulmalı.

Bankacılıkta yapay zekâ için tablo net: İstikrar hız getirir

Bolat’ın büyüme, ihracat ve enflasyonda gerileme vurgusu, finans sektörü için tek bir anlama geliyor: Öngörülebilirlik artıyor. Öngörülebilirlik arttığında bankalar, yapay zekâyı risk yönetimi, kredi skorlama, dolandırıcılık tespiti ve dış ticaret otomasyonu gibi alanlarda daha hızlı yaygınlaştırabiliyor.

Serimizin perspektifinden bakınca en doğru yaklaşım şu: “Önce veri ve süreç, sonra model.” 2026’ya yaklaşırken rekabet, yalnızca daha iyi faiz oranı vermekte değil; daha doğru risk almakta, daha az fraud kaybetmekte ve müşteriye daha az sürtünmeyle hizmet vermekte yoğunlaşacak.

Sizce bankaların 2026 ajandasında ilk sıraya hangi kullanım alanı oturacak: dolandırıcılık tespiti mi, kredi skorlama mı, yoksa dış ticaret operasyonlarında Document AI mı?