Beş Yıla Sığan Bir Dönüşüm: Üretken Yapay Zekadan Agentic AI'a

Son beş yıl, yapay zeka tarihinin en yoğun dönemi oldu. 2020'de dar kapsamlı dil modelleriyle başlayan süreç; bugün finansal kurumların karar süreçlerinin içine gömülen, çok adımlı görevleri bağımsız olarak yürütebilen sistemlere evrildi. Bu yazıda, bu beş yıllık serüveni özetliyor; finans sektörünü kısa ve orta vadede bekleyen değişimi açıklanabilirlik ve yönetişim perspektifinden ele alıyoruz.

Beş Yılın Kısa Haritası: Dar Modellerden Otonom Ajanlara

2020–2022: GPT-3 ile büyük dil modellerinin ölçek avantajı görünür oldu. Finans sektörü bu dönemde çoğunlukla klasik makine öğrenmesiyle (XGBoost, LightGBM) çalışıyor; üretken AI merak edilen ama üretime taşınmayan bir alan olarak kalıyordu.

2022–2023: ChatGPT ile birlikte üretken yapay zeka kurumsal gündeme girdi. Bankalar ve fintech şirketleri pilot çalışmalar başlattı; ancak açıklanabilirlik, veri mahremiyeti ve model halüsinasyonu gibi konular, regüle sektörlerde kritik engeller olarak öne çıktı.

2023–2024: RAG (retrieval-augmented generation) mimarileri, kurumların kendi verileriyle çalışan güvenilir GenAI uygulamalarının önünü açtı. Aynı dönemde model karşılaştırma (evals), çıktı kalibrasyonu ve açıklanabilirlik araçları olgunlaştı. Finansal uyum (KVKK, BDDK, EU AI Act) tartışmaları bu dönemde ana akım haline geldi.

2024–2026: Dil modelleri, soruları yanıtlamaktan çok adımlı iş akışlarını yürütmeye geçti. Araç kullanımı (tool use), hafıza, planlama ve orkestrasyon yetenekleriyle agentic AI kavramı somutlaştı. 2026 ortasında sektörün %54'ünün AI ajanlarını üretimde kullandığı bildiriliyor; Gartner, 2026 sonunda kurumsal uygulamaların %40'ının göreve özgü AI ajanı içereceğini öngörüyor.

Agentic AI: Yanıtlayan Modelden Karar Yürüten Sisteme

Klasik bir dil modeli komutu alır ve yanıt üretir. Bir ajan ise farklıdır: hedefi anlar, planı parçalara böler, araçları (veritabanı, API, skor motoru, doküman deposu) sırayla çağırır, ara sonuçlara göre stratejisini günceller. Bu, tek bir modelin değil; orkestre edilmiş bileşenler mimarisinin ürünüdür.

Finans sektörü için anlamı ne?

Kredi değerlendirme: Ajan; KKB sorgusunu çekmekten alternatif veri doğrulamasına, skor motorunu tetiklemekten açıklanabilirlik raporunu üretmeye kadar zinciri baştan sona yürütebilir.

Tahsilat: Portföydeki her müşteri için önceliklendirme, iletişim kanalı seçimi ve öneri üretimi; bağlama duyarlı şekilde, insan operatöre hazır brifing olarak gelir.

Fraud: Streaming ajanlar, şüpheli işlemi tespit ettiğinde ilgili bağlamı (cihaz, lokasyon, geçmiş davranış) otomatik toplar; karar için gerekçelendirilmiş bir vaka dosyası hazırlar.

Uyum ve raporlama: Model kartı, drift raporu ve BDDK denetim dosyalarının otomatik hazırlanması, uyum ekiplerinin yükünü belirgin şekilde azaltır.

Ancak bir şey değişmedi: otonomi, sorumluluğu ortadan kaldırmaz. Bir ajanın verdiği kararın denetlenebilirliği, klasik bir model çıktısının açıklanabilirliğinden çok daha kritiktir. Çünkü artık tek bir skor değil; bir kararın tüm zincirini anlamak ve doğrulamak gerekmektedir.

Kısa ve Orta Vadede Finans Sektörünü Bekleyen Gelişmeler

1. Ajan yönetişimi, model yönetişimin yerine geçecek. Bugün model risk yönetimi (MRM) çerçeveleri tek bir modeli izlemek üzere kurgulanmış durumda. Agentic sistemlerde ise izlenmesi gereken; ajanın karar zinciri, araç çağrıları, ara çıktılar ve insan onay noktalarıdır. Finansal FinOps çerçeveleri de token maliyetini ve ajan başına bütçeyi izleyecek şekilde yeniden tasarlanacak.

2. İnsan-in-the-loop, çoğu kritik akışta zorunluluk olarak kalacak. Özellikle kredi reddi, yüksek tutarlı fraud müdahalesi ve hassas müşteri iletişiminde ajanın tek başına karar vermesi, hem regülasyon hem itibar açısından kabul edilebilir değil. Akıllı tasarım; ajanı karar öncesinde veri toplama ve öneri üretme aşamasında konumlandırır.

3. Açıklanabilirlik, tek bir skor olmaktan çıkıp zincir boyunca takip edilecek. Bir ajan kararının neden verildiğini anlamak için; hangi araçları çağırdığı, hangi veriye dayandığı, hangi adımda hangi alternatifi elediği izlenebilir olmalı. Bu, klasik SHAP veya LIME değerlerinin ötesinde; karar zincirinin bütüncül biçimde denetlenmesi anlamına gelir.

4. Bağımsız validasyon, sürekli ve otomatik hale gelecek. Aylık manuel model validasyonu, haftalık hatta günlük ajan davranış denetimine dönüşecek. Drift artık yalnızca veri dağılımında değil; ajanın araç seçim kalıplarında, plan üretiminde ve yanlış çağrı oranlarında da izlenecek.

5. KOBİ ve orta ölçekli kurumlar fırsatı yakalayacak. Ajanlar sayesinde, daha önce yalnızca büyük bankaların karşılayabildiği karmaşık analitik ve raporlama süreçleri, orta ölçekli finansman ve varlık yönetim şirketleri için de erişilebilir olacak. Rekabetin ekseni teknoloji bütçesinden veri kalitesi ve süreç tasarımına kayıyor.

Fair Analytics Perspektifi

Biz, agentic AI'ı bir moda akımı değil; doğru kurgulandığında finansal karar kalitesini artıran bir mimari evrim olarak görüyoruz. Yaklaşımımızın üç değişmez ilkesi var:

Açıklanabilirlik, sonradan eklenen bir özellik değil; mimarinin temelidir. Her ajan kararı, denetlenebilir bir iz bırakır. • Bağımsız validasyon, ayrı bir departmanın sorumluluğudur. Geliştiren ve doğrulayan ekipler birbirinden bağımsız çalışır. • İnsan denetimi, hızın karşısında değil; hızın yanındadır. Otonomi; kontrolü azaltmak için değil, doğru yerde yoğunlaştırmak için vardır.

Önümüzdeki dönemde sektör, hız ile yönetişim arasında seçim yapma zorunluluğuyla değil; ikisini birlikte tasarlama zorunluluğuyla karşılaşacak. Fair Analytics olarak, bu dengeyi sağlayan teknoloji ortağı olmayı hedefliyoruz.