Üretken Yapay Zeka’nın Finans Alanında Gelişmesinin Önündeki Zorluklar
Üretken yapay zeka (Generative AI), finans sektöründe robo-danışmanlık, kişiselleştirilmiş finansal danışmanlık, risk yönetimi tahminleme, kredi risk analizi, müşteri hizmetleri ve chatbotlar gibi devrim niteliğinde değişiklikler getiriyor. Finans sektöründe yapay zekanın kullanımı sayesinde ortaya çıkan büyük veri yığını anlamlı bir bütün haline getirilmiş, bir yandan veriyi işlerken bir yandan da işleyişi hızlandırmıştır [1]. Ancak bu teknolojinin getirdiği fırsatlar kadar gelişiminin önünde çeşitli zorluklar da bulunmaktadır. Bu zorluklar, teknoloji, güvenlik, etik ve düzenleme gibi çeşitli alanlarda ortaya çıkmaktadır. Aşağıda, bu zorlukların ana başlıkları ve detayları ele alınmıştır.
Veri Gizliliği ve Güvenlik
Finansal veriler son derece hassas ve kişisel nitelikte olduğu için, bu verilerin gizliliği ve güvenliği büyük bir öneme sahiptir. Üretken yapay zeka modelleri, büyük miktarda veri işlediği için bu verilerin korunması gerekmektedir. Veri ihlalleri veya siber saldırılar, finansal kurumlar için ciddi zararlar yaratabilir. Bu nedenle, üretken yapay zeka uygulamalarının güvenliğini sağlamak için güçlü siber güvenlik önlemlerinin alınması gereklidir. Ayrıca, bu teknolojilerin geliştirilmesi ve uygulanması sırasında takma ad verme (pseudonymisation) ve anonimleştirme anonimleştirme teknikleri ve farklılık mahremiyet (Differential Privacy) yaklaşımları kullanılarak kişisel bilgilerin korunması sağlanmalıdır. Yapılan araştırmalarda kullanıcıların eğitim düzeyindeki artışın yapay zeka uygulamalarını kullanım kolaylığı ve bu uygulamalara duyulan güven algısının da arttığı yönündedir [2]. Güvenliğin sağlanmaması durumunda, finansal kurumlar hem maddi kayıplar yaşayabilir hem de itibar kaybına uğrayabilirler.
Düzenleyici Uyumluluk
Finans sektöründe faaliyet gösteren kurumlar, çeşitli yerel ve uluslararası düzenlemelere tabiidir. Üretken yapay zeka sistemlerinin bu düzenlemelere uyumlu olması gerekmektedir. Ancak, yapay zeka teknolojilerinin hızlı gelişimi ve düzenlemelerin bu hıza ayak uydurmakta zorlanması, uyumluluk süreçlerini karmaşık hale getirebilir. Örneğin, Avrupa Birliği’nin Genel Veri Koruma Yönetmeliği (GDPR) gibi veri koruma yasaları, AI uygulamalarının veri işleme yöntemlerini sıkı bir şekilde düzenlemektedir. Bu nedenle, finansal kurumlar, yapay zeka çözümlerini geliştirirken düzenleyici gereksinimleri dikkate almalı ve uygun uyumluluk stratejileri geliştirmelidir. Bu, sadece yasal riskleri azaltmakla kalmaz, aynı zamanda müşteri güvenini de artırır.
Model Şeffaflığı ve Hesap Verebilirlik
Üretken yapay zeka modelleri genellikle “kara kutu” olarak adlandırılan, iç işleyişleri anlaşılması zor olan sistemlerdir. Bu durum, finansal kararların nasıl alındığının ve bu kararların arkasındaki mantığın anlaşılmasını zorlaştırır. Model şeffaflığı eksikliği, hesap verebilirlik sorunlarına yol açabilir ve yanlış kararlar alındığında sorumluluk belirlemeyi zorlaştırabilir. Bu nedenle, finansal kurumlar, yapay zeka modellerinin şeffaflığını artırmak ve karar süreçlerini daha anlaşılır kılmak için çalışmalar yapmalıdır. Bu, özellikle modelin çıktılarının neden ve nasıl üretildiğini açıklayabilen “açıklanabilir yapay zeka” (XAI) yaklaşımlarını benimsemeyi içerir. Açıklanabilirlik, yalnızca düzenleyiciler ve müşterilerle daha iyi iletişim sağlamakla kalmaz, aynı zamanda modelin performansını ve güvenilirliğini artırır.
Veri Kalitesi ve Temsil Edilebilirlik
Üretken yapay zeka modellerinin doğru ve güvenilir sonuçlar verebilmesi için yüksek kaliteli ve temsil edilebilir veri setlerine ihtiyaç vardır. Finansal verilerin eksik, hatalı veya yanlı olması durumunda, yapay zeka modellerinin performansı olumsuz etkilenebilir. Örneğin, yanlı verilerle eğitilen bir model, adil olmayan ve yanıltıcı sonuçlar üretebilir. Bu durum müşterilerin yapay zeka sistemlerine olan güvenini zedeleyerek müşteri memnuniyetini düşürebilir. Bu nedenle, finansal kurumlar, veri toplama ve işleme süreçlerinde dikkatli olmalı ve veri kalitesini sürekli olarak izlemelidir. Verilerin sürekli güncellenmesi ve temizlenmesi, modellerin doğru sonuçlar üretmesini sağlar. Ayrıca, farklı veri kaynaklarından elde edilen bilgilerin entegrasyonu ve doğrulanması da önemlidir.
Etik Sorunlar
Üretken yapay zeka, etik açıdan çeşitli sorunlar da ortaya çıkarabilir. Örneğin, yapay zeka modellerinin karar verme süreçlerinde ayrımcılık yapmaması ve adil olması gerekmektedir [3]. Ayrıca, yapay zekanın finansal danışmanlık veya yatırım yönetimi gibi alanlarda kullanılması, müşteri çıkarlarını koruma ve etik davranış ilkelerine uygunluk gerektirir. Bu nedenle, finansal kurumlar, yapay zeka uygulamalarında etik standartlara uymalı ve bu standartları sürekli olarak gözden geçirmelidir. Etik zorlukların üstesinden gelmek için şeffaflık, hesap verebilirlik ve adalet prensiplerine sıkı sıkıya bağlı kalınmalıdır. Ayrıca, etik kuralların uygulanması için bağımsız denetim mekanizmaları oluşturulmalıdır.
Teknik ve İnsan Kaynakları Eksiklikleri
Üretken yapay zeka teknolojilerini geliştirmek ve uygulamak için ileri düzey teknik bilgi ve becerilere sahip uzmanlara ihtiyaç vardır. Ancak, bu alanda nitelikli uzmanların sayısı sınırlıdır ve bu durum, finansal kurumlar için bir engel oluşturabilir. Ayrıca, yapay zeka projelerinin başarılı bir şekilde yönetilmesi için multidisipliner ekiplerin oluşturulması gerekmektedir. Bu ekipler, yapay zeka uzmanları, finansal analistler, veri bilimciler ve düzenleyici uyumluluk uzmanları gibi farklı alanlarda yetkinliklere sahip olmalıdır [4]. Finansal kurumlar, yetenekli profesyonelleri çekmek ve mevcut personelin eğitimini desteklemek için stratejiler geliştirmelidir. Ayrıca, üniversiteler ve eğitim kurumlarıyla iş birliği yaparak, yapay zeka alanında nitelikli iş gücünün yetiştirilmesine katkıda bulunabilirler.
Finansal Sorunlar
Yapay zeka sistemlerinin geliştirilmesi, test edilmesi ve uygulanması yüksek maliyetler gerektireceğinden küçük ve orta ölçekli finans kurumlarının bu maliyetlerle başa çıkmasında birtakım zorluklar söz konusu olabilmektedir. Ayrıca sistemlerin belirle periyotlarla yapılan bakımı ve doğru çalışmasının sağlamak için düzenli olarak güncellenmesi de sürekli maliyet artıran kalemlerdendir.
Sonuçlar
Üretken yapay zeka, finans sektöründe büyük potansiyel sunarken, bu teknolojinin başarılı bir şekilde uygulanabilmesi için çeşitli zorlukların aşılması gerekmektedir. Veri gizliliği ve güvenliği, düzenleyici uyumluluk, model şeffaflığı, veri kalitesi, etik sorunlar, teknik insan kaynakları eksiklikleri ve finansal sorunlar bu zorlukların başlıcalarıdır. Finansal kurumlar, bu zorlukların üstesinden gelmek için stratejik planlar ve politikalar geliştirmeli ve sürekli olarak bu alanlarda iyileştirmeler yapmalıdır. Bu sayede, üretken yapay zekanın sunduğu avantajlardan en üst düzeyde faydalanabilirler. Teknolojik ilerlemelerin ve düzenleyici ortamın uyumlu bir şekilde gelişmesiyle, üretken yapay zeka, finans sektöründe daha güvenli, adil ve verimli bir geleceğe kapı aralayabilir.
Cansu Aktaş Evren
Kaynaklar
[1] A. Özdemir, Finans Sektörünü Yapay Zekâ İle Birlikte Okumak: Yenilikler, Fırsatlar ve Engeller, Dijitalleşmenin Finans Sektörüne Getirdiği Yenilikler 2023, p.57–69
[2] E.Gümüş, B.Medetoğlu, S. Tutar, Finans ve Bankacılık Sisteminde Yapay Zekâ Kullanımı: Kullanıcılar Üzerine Bir Uygulama, Bucak İşletme Fakültesi Dergisi, vol.3, 2020 p.28–52
[3] EY: Üretken yapay zekâ, bankacılık sektöründe verimliliği derinden etkiliyor, Basın Bülteni, 2024
[4] Üretken yapay zeka ile finansın yeni normali, KPMG raporu
