Yasa Dışı Bahis ve Kara Para: Bankalar Yapay Zekâyla Nasıl Yakalıyor?

2022-2024 döneminde 280 binden fazla banka hesabının yasa dışı bahis tahsilatında kullanıldığı tespiti, meselenin “birkaç kötü niyetli kişi” hikâyesi olmadığını net biçimde gösteriyor. Bu sayı, finansal sistemin tam ortasında çalışan, ölçekli ve organize bir yapıyı işaret ediyor. Hazine ve Maliye Bakanlığı’nın ve MASAK’ın bu alandaki vurgusu da bu yüzden sert: suç gelirlerinin aklanmasını besleyen kanalları kurutmak.

Benim bu haberden çıkardığım asıl ders şu: Yasa dışı bahisle mücadele artık sadece kolluk faaliyeti değil; bankacılıkta yapay zekâ destekli risk yönetimi meselesi. Çünkü hacim büyük, işlem hızı yüksek, yöntemler sürekli değişiyor. İnsan gözüyle tek tek bakarak yakalamak mümkün değil. Bankalar bu yüzden anormallik tespiti, işlem izleme, ağ (network) analizi ve davranışsal modelleme gibi yapay zekâ uygulamalarını sahaya indiriyor.

Bu yazı, “Finans ve Bankacılıkta Yapay Zekâ Uygulamaları” serimizin parçası olarak; yasa dışı bahis gelirlerinin banka hesapları üzerinden nasıl dolaştırıldığını, bankaların bunu yapay zekâyla nasıl yakaladığını ve bireylerin (özellikle gençlerin) kendini nasıl koruyacağını pratik biçimde ele alıyor.

Yasa dışı bahis parası bankaya nasıl giriyor?

Yasa dışı bahis ekonomisinin bankacılık sistemiyle temas ettiği nokta genellikle tahsilat. Yani oyuncudan para toplanması ve bu paranın bir şekilde sistem içinde “normal” görünmeye çalışması.

Bu süreçte en çok görülen desenler şunlar:

• Paravan hesap kullanımı: Bir kişi kendi hesabını “kısa süreliğine” kiralar/ödünç verir, hesabı üzerinden çok sayıda kişi küçük tutarlar gönderir.
• Parçalama (smurfing): Büyük tutar yerine çok sayıda küçük işlemle dikkat dağıtılır.
• Hızlı giriş-çıkış: Para hesaba gelir gelmez farklı hesaplara/kanallara aktarılır; hesap “bekleme alanı” gibi kullanılır.
• Çoklu kanal: EFT/FAST/havale, dijital cüzdan benzeri yöntemler, farklı bankalar arası dağıtım gibi.

Buradaki kritik nokta: Bu yöntemler, tek tek bakıldığında “sıradan” görünebilir. Bir öğrencinin hesabına gün içinde birkaç transfer gelmesi tek başına suç kanıtı değildir. Ama ölçek, tekrar, zamanlama ve kimden-kime ilişkisi bir araya geldiğinde resim değişir. Yapay zekânın güçlü olduğu yer de tam burası.

“Hesabını ver, bir şey olmaz” tuzağı neden yaygın?

Bakan Şimşek’in özellikle öğrenciler ve gençler vurgusu tesadüf değil. Bu gruplar, gelir ihtiyacı veya “kolay para” motivasyonuyla hedefleniyor. Suç örgütleri için en değerli şey, tahsilatı dağıtacak çok sayıda gerçek kişiye ait hesap.

Bu tuzakların ortak vaatleri:

1. “Sadece IBAN’ını kullanacağız.”
2. “Senin üstüne kalmaz.”
3. “Bankaya açıklaması hazır.”

Gerçekte ise bankalar ve MASAK açısından risk şudur: Hesap sahibi, farkında olsun olmasın, suç gelirinin transfer zincirinde görünür. Üstelik hesabın risk profili yükselir; bloke/inceleme süreçleri tetiklenebilir.

MASAK verisi bize ne anlatıyor? Ölçek, hız ve ağ etkisi

280 binden fazla hesap tespiti iki önemli sonucu beraberinde getiriyor:

1. İşlem hacmi çok büyük: Bu kadar hesabın kullanıldığı bir yapıda günde yüz binlerce mikro işlem oluşabilir.
2. Ağ (network) karmaşık: Tek bir “ana hesap” yerine, birbirine bağlı çok sayıda düğüm var.

Bu ölçek, bankaların klasik kural bazlı yöntemleri (ör. “günde X işlem olursa alarm”) ile tek başına başa çıkmasını zorlaştırır. Çünkü suç örgütleri kuralları öğrenir ve etrafından dolanır.

Yapay zekâ burada devreye girer: Kurala takılmayan ama ‘garip’ olanı yakalamak.

Bankalar için temel problem: Yanlış alarm mı, kaçırma mı?

Dolandırıcılık ve kara para tarafında her kurum iki risk arasında denge kurar:

• False positive (yanlış alarm): Masum müşteriyi gereksiz yere yormak, işlemi geciktirmek, memnuniyeti düşürmek.
• False negative (kaçırma): Riskli işlemi atlamak, regülasyon ve itibar riskini büyütmek.

Yapay zekâ modelleri bu dengeyi daha iyi kurmak için kullanılır. Ama tek başına model yetmez; sağlam veri, iyi süreç ve uzman inceleme hattı gerekir.

Yasa dışı bahis tespitinde yapay zekâ bankada tam olarak ne yapıyor?

Cevap net: Yapay zekâ, işlem akışında anormallikleri ve bağlantıları çok erken yakalayıp vakayı doğru ekibe yönlendirir. Amaç “robot karar versin” değil; “insanın bakması gereken yeri doğru seçsin”.

1) Anormallik tespiti (anomaly detection)

Bir hesabın normal davranışı öğrenilir: para giriş-çıkış saatleri, işlem tutarları, alıcı çeşitliliği, işlem sıklığı gibi. Sonra model şu tip sapmaları arar:

• Kısa sürede çok sayıda farklı kişiden küçük tutar girişi
• Gece geç saatlerde yoğun FAST trafiği
• Gelen paranın dakikalar içinde başka hesaplara dağılması

Bu sinyaller tek başına hüküm değildir; ama risk puanını yükseltir.

2) Ağ analizi: “Kim kiminle bağlı?”

Yasa dışı bahis tahsilatında asıl güç, ağ yapısıdır. Yapay zekâ/analitik sistemleri “para akışı grafiği” çıkararak şu sorulara yanıt arar:

• Aynı alıcıya giden farklı hesaplar kümeleniyor mu?
• Aynı telefon/cihaz/IP (bankanın elindeki izinli sinyaller çerçevesinde) farklı müşterilerde tekrar ediyor mu?
• Birkaç hesap, çok sayıda hesabın ortasında “toplayıcı” rolünde mi?

Bu yaklaşım, tek tek masum görünen işlemleri bir araya getirip organizasyonel resmi görünür kılar.

3) Davranışsal skorlama ve risk segmentasyonu

Bankalar, müşteri profilini (meslek/yaş/gelir bandı), ürün kullanımını ve işlem örüntülerini birleştirip dinamik risk skoru üretir.

Örnek bir durum: Düzenli burs/kredi alan bir öğrencinin hesabına gün içinde 60 farklı kişiden benzer tutarlarda para girmesi ve paranın aynı gün 3-4 hesaba dağılması. Bu örüntü, “ticari faaliyet” gibi açıklamalarla uyumsuzsa model alarm üretir.

4) Gerçek zamanlı izleme ve akıllı durdurma

Yasa dışı bahis tarafında hız kritiktir. Para hareket ederken yakalamak gerekir. Bu yüzden modern sistemler:

• İşlemi gerçek zamanlı puanlar
• Gerekirse ek doğrulama ister (adım yükseltme)
• Şüpheli örüntüde işlemi beklemeye alır ve incelemeye düşürür

Burada müşteri deneyimi hassas bir konu. İyi tasarlanmış yapay zekâ, doğrulamayı sadece riskli gördüğünde isteyerek çoğunluğu yormaz.

Banka tarafında “iyi” bir yapay zekâ uyum (compliance) programı nasıl kurulur?

Yasal bahis/ödeme trafiği ile yasa dışı bahis trafiği bazen benzer kanalları kullanabilir. Bu yüzden kurumların sağlam bir çerçeveye ihtiyacı var.

Veri kalitesi + süreç = modelden daha önemli

Sahada en sık görülen hata: Güçlü model kurup zayıf operasyonla bırakmak. İyi yaklaşım şunları içerir:

• Temiz ve tutarlı veri: Müşteri, hesap, işlem, kanal verilerinin birleştirilmesi
• Model yönetişimi: Versiyonlama, performans takibi, sapma (drift) kontrolü
• Açıklanabilirlik: “Neden alarm verdi?” sorusuna makul cevap
• İnceleme hattı: Alarm → ön inceleme → vaka yönetimi → raporlama

Bu yaklaşım, hem regülasyon uyumunu güçlendirir hem de yanlış alarmları azaltır.

İnsan + makine iş bölümü en sağlıklısı

Benim net görüşüm: Uyum ve kara para tarafında “tam otomatik karar” risklidir. En iyi sonuç, yapay zekânın eleme ve önceliklendirme yaptığı; uzmanın ise karar verdiği hibrit düzendir.

“Yapay zekâ, iğneyi bulmaz; samanlığı önce küçültür.”

Bireyler kendini nasıl korur? (Özellikle gençler için kontrol listesi)

Burada mesaj basit: Hesabını kullandırma, kimliğini paylaşma, ‘kolay para’ya güvenme. Bankacılık sistemi içinde “küçük bir iyilik” gibi başlayan şey, ciddi sonuçlar doğurabilir.

7 maddelik pratik kontrol listesi

1. IBAN kiralama/hesap kullandırma tekliflerini otomatik reddet.
2. Kimlik fotoğrafı, e-Devlet çıktısı, banka kartı fotoğrafı gibi bilgileri kimseyle paylaşma.
3. Tanımadığın kişilerden “açıklamasız” para geliyorsa, hemen bankanla görüş.
4. Telefonuna gelen doğrulama kodlarını (SMS/uygulama) asla iletme.
5. “Sana para gelecek, sen de şuraya atacaksın” kurgusu %99 problemdir.
6. Hesabında olağandışı hareket görürsen, bildirimleri aç, işlem limitlerini gözden geçir.
7. Riskli platformlara üye olup kart/hesap tanımlama işinden uzak dur.

Bu maddeler, sadece yasa dışı bahis için değil, genel dolandırıcılık için de koruyucu.

Yapay zekâ ile mücadelede 2026’ya giderken ne değişecek?

Yasa dışı bahis ve kara para aklama yöntemleri “sabit” değil. 2026’ya yaklaşırken üç trend öne çıkıyor:

1. Gerçek zamanlılık standarda dönüşecek: Sonradan yakalamak yetmiyor; akış sırasında müdahale gerekiyor.
2. Ağ analizi daha belirleyici olacak: Tekil işlem yerine ilişki haritaları değer kazanıyor.
3. Müşteri iletişimi otomasyonu büyüyecek: Şüpheli işlemde doğru dille, doğru zamanda bilgilendirme; hem güveni artırır hem suistimali azaltır.

Bu noktada bankalar için rekabet avantajı şu: Yapay zekâyı sadece “risk departmanı aracı” değil, kurum geneli bir güvenlik katmanı olarak ele almak.

Ne yapmalı? Güvenli finans için net bir yol haritası

MASAK’ın tespit ettiği ölçek, bankacılıkta yapay zekâ kullanımının “opsiyon” olmadığını gösteriyor; bu artık temel altyapı. Kurumlar için hedef; yanlış alarmı yönetirken, gerçekten riskli ağları erken yakalamak. Bireyler için hedef ise çok daha pratik: Suç zincirine yanlışlıkla bile dahil olmamak.

“Finans ve Bankacılıkta Yapay Zekâ Uygulamaları” serisinde şunu savunuyorum: Yapay zekâ, finansal suçla mücadelede en etkili araçlardan biri; ama doğru veri, doğru süreç ve doğru iletişim olmadan tek başına yeterli değil.

Sizce bankalar şüpheli işlem anında hangi yaklaşımı daha çok benimsemeli: işlemi otomatik bekletmek mi, yoksa müşteriye anında açıklamalı bir doğrulama adımı sunmak mı?