Covid-19 Salgını ile Mücadelede Yapay Zekâ Çarşamba, 8 Nisan 2020 17:00 Akademi 4.0 HUB Hemen Kaydol


← Geri

Akademi 4.0 Ekibi


Bankacılıkta Makine Öğrenimi – İmkanlar, Riskler, Kullanım Alanları

Rakipleri arasından sıyrılabilmek için bankalar, diğer finansal kurumlar gibi, teknolojik gelişmeleri yakından takip etmek zorundalar. Neyse ki, Yapay Zekâ ve Makine Öğrenimi bunu başarmalarına yardım etmek için burada. Veri işlemeyi geliştirmek, daha iyi stratejileri ve dolandırıcılığa karşı daha güçlü mücadeleyi de beraberinde getirecek.

Bankacılık İstatistiklerinde Yapay Zekâ

  • Araştırma şirketi Autonomous Next’in tahminlerine göre, dünyanın çeşitli yerlerindeki bankalar, 2030’a gelindiğinde yapay zekâ teknolojilerini kullanarak giderlerini %22 kadar azaltacak. Tasarruf 1 trilyon dolara ulaşabilir.
  • AI sistemleri yaratma becerisine sahip profesyonellerin %60’ı finans şirketleri için çalışıyor.
  • Kredi kartı dolandırıcılıklarıyla mücadele etmek için bankacılık sektöründe yüz tanıma teknolojilerinin kullanılması bekleniyor. Yüz tanıma teknolojisi yıllık gelir artış oranını 2020’de %20’den fazla artırmış olacak.

Yapay Zekâ Bankacılıkta Nasıl Kullanılır

Bankaların müşterilerinden, yatırımcılarından, ortaklarından ve girişimcilerinden aldığı veriler dinamiktir ve analiz edilmeleri için hangi parametrelerin kullanıldığına bağlı olarak farklı amaçlar için kullanılabilir. Basitçe, bankacılık için AI kapsamı dört geniş gruba ayrılabilir:

Müşteri Hizmetlerini Geliştirmek

Bankalar ve diğer finansal kurumlar bir kullanıcı ve davranışları hakkındaki her şeyi bir ağ üzerinden öğrenme fırsatını elde ettiklerinde, aynı anda müşteri hizmetlerini de mümkün olduğu kadar geliştirme fırsatını yakaladılar.

Sohbet Botları

Örneğin, bir kullanıcı bir web sitesi ya da uygulamada sıkıntı yaşıyorsa, sohbet botları ona izlemesi gereken adımlarda yol gösterirken aynı zamanda bankanın destek ekibinin de iş yükünü azaltıyor. Ek olarak, modern sohbet botları, kartları bloke etme ya da blokeyi kaldırmanın yanı sıra kullanıcıya hesabındaki para çekme limiti aşıldığında —ya da tersine, hesap bakiyesi normalinden fazlaysa, bildirim göndermek gibi basit işlemleri de gerçekleştirebiliyor.

Kişiye Özel Teklifler

Kullanıcı davranışları hakkında çeşitli bilgilere sahip olmak, finans şirketlerinin o anda ne istediklerini ve dahası neyi arzuladıklarını ve ne kadarını ödeyebileceklerini de öğrenebiliyor. Yani, mesela, bir müşteri araba satıcılarının reklamlarına bakıyorsa, o zaman ona özel bir kredi teklifi göndermek gayet mantıklı —tabii ödeme gücünü ve tüm olası riskleri analiz ettikten sonra.

Müşteri Tutundurma

Bankacılıkta büyük veriyle çalışan modern AI sistemleri sadece analiz değil, varsayım da yapıyor. Örneğin, birçok durumda, eğer bir müşteri bankacılık organizasyonunun hizmetlerini reddetmek istiyorsa, onun niyetlerini tahmin etmek mümkün. Bu niyetin bilgisi, ekstra elde tutma önlemleri alınması, daha da nokta atışı ve kişiselleştirilmiş teklifler sunulması ve sonuç olarak müşteri hizmetlerinin geliştirilmesi gerektiğinin sinyalini veriyor.

Güvenli Bankacılık İşlemleri için Makine Öğrenimi

Makine öğreniminin finansal sektörde dolandırıcılığı önlemek bağlamında en temel avantajı, sistemlerin mütemadiyen öğreniyor olması. Diğer bir deyişle, aynı numara ikinci kez çalışmayacak. Bu, bankacılık endüstrisindeki kredi kartı dolandırıcılığı açısından harika bir şey.

Yapay Zekâ Bankacılığı Nasıl Güvenli Hale Getirir

Çoğu bankacılık işlemi, kullanıcı internetten ya da dükkanlardan yaptığı alışverişi öderken gerçekleşiyor. Bu da demek oluyor ki, çoğu dolandırıcılık işlemi de bir şeyler satın alma vesilesiyle gerçekleşiyor. AI bankacılık bunun olmasını engelliyor. Mesela:

  • Yüz tanıması olan kameralar, fiziki bir satış noktasından alışveriş yaparken bir kredi kartının yasal sahibinin elinde olup olmadığını saptayabilir.
  • Finansal bir işlemin gerçekleştiği şüpheli IP adreslerini takip etmek, indirim kuponları sahtekarlığını engelleyebilir ve dolandırıcılık niyetinde olanları tanıyabilir. Örneğin, yerine sahtesini iade etmek için ürün satın alan biri.

Pazar Araştırması ve Tahmin

Makine öğrenimi, büyük veriyle bir araya gelince, yalnızca bilgi toplamakla kalmıyor, spesifik örüntüleri de buluyor. Örneğin, kur dalgalanmalarını öngörmek, yatırım için en karlı fikre karar vermek, kredi risklerini derecelendirmek (ve aynı zamanda en düşük risk ile spesifik kullanıcı için en uygun olan kredi arasındaki orta yolu bulmak), rakipleri öğrenmek ve güvenlik açıklarını tespit etmek.

Maliyet Düşürme

Makine Öğrenimi, finansal kurumların işlemlerdeki zayıflıkları tespit etmesine ve tam zamanlı çalışanların işlerini daha verimli bir şekilde organize etmesine olanak tanır. Bunun en basit örneği, müşterilere basit ve standart konularda başarılı bir şekilde yol gösteren sohbet botlarıdır. Hem sohbet botları hizmetleri karşılığı ücret de talep etmez! Makine öğrenimi ile çalışmanın şirketlerin maliyetini düşürmesinin yanı sıra, gelişmiş müşteri hizmetleri sayesinde karı artırmaya yardımcı olması da gayet mantıklıdır.

Amerikan Bankalarında Makine Öğrenimi Kullanım Senaryoları

Biraz da öncü Amerikan bankalarında makine öğreniminin nasıl kullanıldığının örneklerine bakalım.

JP Morgan Chase

Amerika Birleşik Devletleri’ndeki bu öncü banka Contract Ingelligence (COiN) denen bir akıllı sözleşme sistemi geliştirdi. Veriye ve makine öğrenimine dayalı algoritma, hızlıca gerekli belgeleri ve bu belgelerin içerdikleri önemli bilgileri bulabilmeyi sağlıyor. An itibariyle, banka 12.000’den fazla kredi sözleşmesiyle çalışıyor ve onları manuel analiz etmek uzun yıllar alırdı. Şimdi Chase, bu veriyi uygulamanın farklı yollarını arıyor —örneğin, sistemi örüntüleri arayıp onlara dayalı tahminler yapacağı şekilde eğitmek.

Bank of America

Bu bankanın sohbet botu gerçek bir finans danışmanı ve stratejisti. Sistem, kullanıcı verisini analiz ediyor ve eğer müşteri azıcık bile farklı alışveriş alışkanlıkları gösterse onu uyarıp ödemesi gereken faturaları hatırlatıyor. Bank of America’nın sohbet botu aynı zamanda banka kartlarıyla bloke etme ve bloke kaldırma gibi basit işlemleri de nasıl yapacağını biliyor.

Wells Fargo

Bu banka, siteyle olan etkileşimi basit ve pratik bir prosedüre çevirmek için bir akıllı sohbet botu geliştirdi. Wells Fargo bankası, müşterilerini olağandışı durumlar konusunda uyarabilen Predictive Banking analitik sistemini geliştirdi; örneğin, müşteri, çeklerinin ortalama tutarından fazlasını harcadıysa. Sistem aynı zamanda, eğer müşteri normalde hesabında tuttuğundan daha yüksek tutarda bir para transferi aldıysa belli bir kısmını mevduata yatırmayı önerebilir.

Citibank

Citibank, kullanıcı hareketlerinde anormalliklerin takibini yaparak dolandırıcılığı önleyen güçlü bir sistem geliştirdi. Sistem bilhassa internet alışverişlerindeki kredi kartı dolandırıcılığını saptamak için özelleştirilmiş.

US Bank

Bu banka, müşterilerinin hesaplarının yanı sıra uçak bileti rezervasyonları ve yurtdışı konaklamalarını da yönetebileceği bir uygulama olan Expense Wizard’ı geliştirdi. Bu uygulama, diğer ülkelerde yapılan güvenli harcamalara odaklanıyor. Bu, kurumsal kredi kartı olmadan iş seyahatlerine gidenler için gayet makul bir uygulama çünkü kullanıcının seyahatle ilgili tüm finansal veriyi tek bir yerde toplamasına izin veriyor ve şirketin finans departmanı için rapor oluşturuyor.

Makine Öğrenimini Bankacılığa Uyarlamanın Riskleri Var Mı?

Tabii ki, Yapay Zekâ teknolojisi bankacılık sektöründe devrim yaratabilir. Lakin, bir takım riskler de mevcut —ama çoğu teknolojilerin yeni oluşu ve kullanıcıların bunların nasıl çalıştığını tam olarak anlayamayışından kaynaklanıyor.

İşten Çıkarma

Bu uygulama kapsamı ne olursa olsun, AI ve makine öğrenimine dair en yaygın risklerden ve korkulardan biri. Gelgelelim, modern araştırmalar bankacılık sektöründeki Yapay Zekânın, tükenecek mesleklere kıyasla çok daha fazla sayıda iş imkanı sağlayacağını öngörüyor. Ayrıca, bu makalenin başında bahsettiğimiz araştırmayı hatırlıyor musunuz? AI uzmanlarının yüzde altmışı finans kurumları tarafından işe alınıyor. Bu bile başlı başına toplu bir çöküş yaşamayacağımızı söylemek için yeterli bir sebep.

Daha Az İnsan Etkileşimi Sonucu Daha Az Güven

Bir de kullanıcıların, insan danışmanlarla çalışmak için daha az fırsatı olacağından dolayı finans kurumlarına daha az güven duyacağına dair bir görüş var. Bu doğru ama sadece kısmen. Büyük ihtimalle bu trendi gözlemleyeceğiz ama sadece hali hazırda teknolojiye inanmaya pek de meyilli olmayan, önceki jenerasyonlarda doğmuş insanlarda. Ama söz konusu kolaylık ve emniyet için daha fazlasını ödemeye istekli y kuşağı olduğunda, herhangi bir işlemi daha az tıklamayla halledebilme fırsatı için memnuniyet duyacaklarını söyleyebiliriz.

Etik Riskler

Etik riskler, finans şirketlerinin topladığı, depoladığı, sistematize ettiği, analiz ettiği ve kendi yararına (ve aslında müşterinin de yararına) kullandığı veri miktarının git gide büyümesiyle ilgilidir. Bazı müşteriler bu gidişattan hoşnut değiller ama şu an kişisel veri izi bırakmadan herhangi bir eylemde bulunmak imkansız. Dolandırıcılar daha şimdiden AI sistemlerini kandırmanın gittikçe zorlaştığının farkında oldukları için çoğunlukla bu gerçekten hoşlanmıyorlar. Aynı zamanda bu kullanıcı deneyimi ve güvenlik seviyesinde de net bir artış sağlıyor.

Yanlış-Pozitif Sonuç Riski

Makine öğrenimi sistemleri ve AI, kullanıcı davranışlarındaki örüntüleri izliyor ve onları her bir kullanıcıya istinaden kabul edilen model versiyonlarıyla kıyaslıyor. Yani, mesela, eğer bir kullanıcı yurtdışında bir işlem gerçekleştirmişse ama bankayı seyahati konusunda bilgilendirmemişse (ya da banka herhangi bir sebepten bu bilgiye sahip olamamışsa; örneğin, kullanıcı uçak biletlerini kredi kartıyla almamış da hediye gelmiş), o zaman bu işlem dolandırıcılık olarak yorumlanabilir. Ama aslında her şey yasaldır —yalnızca küçük bir bilgi eksikliği yanlış-pozitif sonuca götürmüştür.

Finansal Hizmetiniz için Makine Öğrenimi Çözümleri Geliştirmek adına En İyi Ortağı Nasıl Seçersiniz?

Finans kurumları, iş süreçlerine AI’ı katarken hedeflerini net bir şekilde belirlemeliler —çünkü sadece veriyi analiz etmek nihai bir hedef değildir; AI, spesifik bir amacı gerçekleştirme yoludur. O yüzden, bir banka ya da finansal şirket için bir AI ya da makine öğrenimi çözümü geliştirirken, bu görevi emanet ettiğiniz şirketin işinizin inceliklerini anladığından ve bu yazılımın hangi görevleri tamamlaması gerektiğini bildiğinden emin olmanız lazım.

Buna ek olarak, potansiyel bir AI bayisi seçerken o şirketin özel olarak finans sektörü için çalışma deneyimi olduğundan emin olun. Neden? Çünkü güvenlik gereklilikleri diğer bütün alanlardan daha yüksek, belki sağlık hizmetleri hariç.

Sonuç

Finans sektöründe Yapay Zekâ ve Makine Öğrenimi bu kurumları daha karlı hale getirebilir ve müşteri güvenini artırır. Yine de bunun olabilmesi için AI çözümünüzün işinin ehli uzmanlar tarafından geliştirilmesi gerekir.

Kaynak

...