Bankacılıkta AI Müşteri Hizmetleri: Dolandırıcılık Tespiti
Saat 03:20. Kartla, müşterinin hiç gitmediği bir şehirde, üst üste üç küçük işlem geçiyor. Küçük tutarlar tesadüf değil: kartın canlı olup olmadığını sınıyorlar. Sistem bunu sabah raporunda görürse iş işten geçmiş olur; kırk saniye içinde görürse dördüncü işlem hiç gerçekleşmez. Aradaki fark, bankanın kural tablosuna mı yoksa öğrenen bir modele mi baktığıyla ilgili.
Bankacılıkta yapay zeka ile dolandırıcılık tespiti bu yüzden konuşuluyor. Aşağıda modelin fiilen neye baktığını, yanlış alarmın kime neye mal olduğunu ve şüphe anında müşteriyle konuşan AI müşteri hizmetleri katmanının nerede durması gerektiğini anlatıyorum.
Kural tabanlı sistem nerede tıkanır
Kurallar aslında iyi çalışır. "Yurt dışından 10.000 TL üzeri işlemde doğrula" gibi bir eşik, yazıldığı gün işini görür. Sorun şu ki dolandırıcı da o eşiği öğrenir. Tutarı 9.800 yapar, işlemi ikiye böler, saati değiştirir.
Kural listesi büyüdükçe iki şey olur. Birincisi, hiç kimse listenin tamamını hatırlamaz; ikincisi, kuralların birbiriyle çelişen kenar durumları müşteriyi vurmaya başlar. Tatilde kartı bloke olan müşterinin şikâyeti genelde bir modelden değil, üst üste binmiş üç kuraldan çıkar.
Makine öğrenimi burada farklı bir soru sorar: bu işlem bu müşteri için ne kadar sıra dışı? Eşik yok; profil var. Bunun bedeli de var — kural neden tetiklendiğini bir cümlede söyler, model söylemez. Açıklanabilirlik, bu takasın faturası.
Modelin baktığı sinyaller
Uygulamada dört başlık öne çıkıyor:
İşlem anomalisi. Tutar, sıklık, saat, kanal, alıcı geçmişi. Klasik ve hâlâ en verimli katman.
Cihaz ve oturum. Yeni cihaz, yeni IP, SIM değişikliği sonrası ilk giriş. Hesap ele geçirme vakalarının çoğu buradan sızar.
Davranışsal sinyaller. Uygulamada gezinme hızı, ekranda geçirilen süre, formu doldurma biçimi. Gerçek sahibi ile talimat alarak ilerleyen birinin ritmi aynı değildir.
İlişki ağı. Aynı alıcı hesaba kısa sürede farklı müşterilerden gelen küçük tutarlar. Para kuryesi ve kiralanmış hesap yapıları en net burada görünür.
Dördüncüsü çoğu kurumda en zayıf halka, çünkü tek işleme bakan bir mimariyle görülmez. Ağı görmek için işlemleri birbirine bağlamanız gerekir.
Asıl mesele yakalamak değil, yanlış yakalamamak
Tespit oranını yükseltmek kolaydır. Eşiği düşürün, her şey şüpheli olsun. Fatura da hemen gelir: bloke olan kart, kesilen alışveriş, iki dakika sonra çalan çağrı merkezi telefonu, hattaki gergin müşteri.
Yanlış alarmın maliyeti üç yere birden yazılır. Müşteri güvenini kaybeder ve bir sonraki gerçek uyarıyı ciddiye almaz. Çağrı merkezi, planlamadığı bir yükle karşılaşır. Analiz ekibi de gerçek vakaları gürültü içinde arar.
Türkiye'ye özgü bir pürüz de burada: mevsimsel harcama sıçramaları. Ramazan öncesi market, yaz başında tatil ödemeleri, okul dönemi taksitli alışverişler — model bu dönemleri görmediyse ya da bir yıl önceki veriyle eğitildiyse, en yoğun haftada en çok yanlış alarmı üretir. Modelin ne zaman yeniden eğitildiğini sormak, doğruluk oranını sormaktan daha bilgilendiricidir.
Uygun hedef "sıfır kaçak" değil. Uygun hedef: yakalama oranını korurken müşteriye dokunma sayısını düşürmek. Bu ikisini aynı ekranda görmüyorsanız, raporlama tarafını düzeltmeden model tartışması yapmayın.
Şüphe anında müşteriyle konuşan taraf
Model işaret verdi. Şimdi birinin müşteriye ulaşması lazım, hem de dakikalar içinde. Bu, AI müşteri hizmetleri katmanının en net işe yaradığı an: doğrulama çağrısı ölçeklenebilir olmalı, çünkü şüpheli işlem sayısı gece üçte tahmin edilemez.
Ajanın yapabileceği şey dar ve nettir: müşteriye ulaşır, işlemi tarif eder, "bu sizin miydi?" diye sorar. Hayır cevabında kartı durdurur ve dosyayı insana devreder. Durdurmak tek yönlü ve geri alınabilir bir aksiyon; ajanın rahatça üstlenebileceği tek finansal müdahale bu. Yeniden açma, itiraz kaydı ve tazminat süreci insanda kalır.
Bir de tersi var, ve sektörün en can sıkıcı ironisi bu. Dolandırıcılar zaten "bankanızın güvenlik birimi" diye arıyor. Sizin gerçek asistanınız da arayıp bilgi isterse, müşteriye ikisini ayırt etmesi için hiçbir şey bırakmamış olursunuz. Bu yüzden doğrulama akışında tek kural pazarlıksız: asistan asla şifre, OTP, kart numarası ya da CVV istemez. Onay uygulama bildirimi üzerinden alınır, konuşmanın içinden değil. Türkiye'de bankaların yıllardır anlattığı "bankanız sizden şifre istemez" mesajını kendi asistanınızla bozmayın.
Sesli asistan tarafında ek bir detay: arayan numaranın bankanın bilinen hattı olması ve müşterinin geri arayabileceği bir numaranın söylenmesi, güveni ölçülebilir biçimde artırır. Küçük ayrıntı. Fark yaratıyor.
Kişiselleştirme: işe yarayan kısmı ve abartılan kısmı
Kişiselleştirme başlığı finans içeriklerinde genelde şişirilir. Ayıralım.
Gerçekten değer üretir | Kulağa hoş gelir, pratikte tökezler |
|---|---|
Konuşmaya müşterinin son işlemini bilerek başlamak | Harcama alışkanlığına göre "hayat tavsiyesi" vermek |
Kredi başvurusunun hangi aşamada olduğunu söylemek | Konuşma ortasında ürün satmaya çalışmak |
Tekrarlayan sorunu hatırlayıp ikinci kez sormamak | Model çıktısını yatırım önerisi gibi sunmak |
Sağ sütun sadece etkisiz değil, riskli. Müşteri finansal ürün önerisini bir insandan duymaya alışkın ve gerekçe sorar. Model "profilinize uygun" dediğinde bu gerekçe yerine geçmez.
Sol sütunun tamamı ise bağlam işidir: ajanın çağrı anında doğru kayda erişmesi. Gösterişsiz, ama müşterinin "en azından beni tanıyorlar" demesini sağlayan tek şey bu.
Kurulumda en sık görülen üç hata
Sahada tekrar tekrar aynı yerlerde takılıyor:
Modeli kurup akışı kurmamak. Şüpheli işlem tespit edildi, peki sonra ne oluyor? Kim arıyor, ne kadar sürede, cevap yoksa ne yapılıyor? Bu akış yazılı değilse model raf süsü.
Tek doğruluk metriğine bakmak. Yakalama oranı tek başına yanıltır; yanlış alarm sayısı ve müşteriye dokunma sayısı aynı raporda durmalı.
Kayıt ve yetki tarafını sona bırakmak. Ajanın hangi veriye eriştiği, konuşmaların nerede saklandığı ve kimin dinleyebildiği kurulum başında netleşmezse, uyum birimi devreye girdiğinde iş baştan yapılır. Bu başlıkların teknik karşılığı güvenlik ve KVKK tarafında toplanıyor; buradaki ifadeler genel bilgilendirmedir, kurumunuzun uyum politikası bağlayıcıdır.
Kısa özet
Dolandırıcılık tarafında yapay zekanın katkısı sihir değil, hız ve bağlam: sıra dışı olanı müşteri bazında görmek, sonra o bilgiyi dakikalar içinde bir konuşmaya çevirmek. Modeli kuran ekip ile çağrıyı yöneten ekip aynı masaya oturmadığında, ikisi de tek başına yetmiyor. Kendi hattınızda doğrulama akışının nasıl duracağını görmek isterseniz, AI Agent TR demo talebi bırakın; şüpheli işlem senaryosunu uçtan uca birlikte deneyelim.
Çağrı merkezi tarafındaki daha geniş resim için 2026 çağrı merkezi geleceği yazısına da bakabilirsiniz.
Sıkça Sorulan Sorular
Yapay zeka dolandırıcılığı gerçekten gerçekleşmeden önce durdurabilir mi?
Bir kısmını durdurabilir. İşlem onay akışına bağlı çalışan bir model, riskli işlemi askıya alıp doğrulama isteyebilir. Ama her vakayı değil: sosyal mühendislikle müşterinin kendi eliyle yaptığı transferler teknik olarak "normal" görünür. Bu yüzden müşteriyi uyaran konuşma katmanı modelin tamamlayıcısıdır, alternatifi değil.
AI asistan şüpheli işlemde kartı kendi başına kapatabilir mi?
Geçici durdurma makul bir yetki, çünkü geri alınabilir. Kartı yeniden açmak, itiraz kaydı oluşturmak ve tazminat sürecini yürütmek ise insanda kalmalı. Tek yönlü ve düşük riskli aksiyonu otomatikleştirin, geri dönüşü zor olanı değil.
Küçük bir bankada ya da finansal kuruluşta bu iş kurulabilir mi?
Kurulabilir, ama sıralamayı değiştirin: önce doğrulama ve bilgilendirme akışını ajanla ölçekleyin, gelişmiş modelleme sonra gelsin. Veri hacmi küçükken karmaşık modelin getirisi sınırlı kalır; asıl kazanç, şüpheli işlem sonrası müşteriye ulaşma süresini saatlerden dakikalara indirmekte.
