Proje İçeriği

Proje, kurumsal kredi tahsis süreçlerinde firma değerlendirme dosyasının hazırlanmasından komiteye sunulmasına kadar tüm zinciri üretken yapay zekâ ile yürüten uçtan uca bir çözümdür. Sistemin ayırt edici tasarım ilkesi, sayısal hesaplama ile yorumun birbirinden kesin biçimde ayrılmasıdır: finansal rasyolar deterministik kural motoruyla hesaplanır, büyük dil modeli yalnızca bu doğrulanmış veriyi yorumlar; böylece halüsinasyon riski yapısal olarak ortadan kaldırılır ve her cümlenin dayanağı izlenebilir kalır — bankacılık regülasyonu açısından kritik olan bu yaklaşım, çözümü piyasadaki skorlama odaklı yapay zekâ uygulamalarından ayırır. Yorumlama katmanı çok aşamalı çalışır; firmanın göstergeleri sektör emsalleriyle ve seçilen rakip firmalarla karşılaştırmalı olarak değerlendirilir, emsal derinliği yetersiz kaldığında model kesin yargı kurmaması yönünde kısıtlanır. Firma ve sektör görünümü, kurumsal sektör raporlarının belge tabanlı sorgulanmasıyla (RAG) üretilir ve ikinci bir doğrulama geçişinden geçirilerek kaynağa sadakati güvence altına alınır; ayrıca hassas verilerin dışarı çıkmaması gereken adımlarda şirket içi barındırılan dil modelleri devreye girer. Tüm bölümler birleştirildikten sonra sistem, raporun bütününü kıdemli kredi risk analisti perspektifiyle okuyarak gerekçeli bir yapay zekâ görüşü üretir. Çözümün en yenilikçi bileşeni ise sunum katmanıdır: rapordan komiteye hitap eden bir anlatım metni çıkarılır, sayılar sesli okumaya uygun biçimde normalize edilir ve içerik dijital insan avatar tarafından seslendirilir; rapor aynı zamanda avatarın bilgi tabanı olarak yüklendiğinden komite üyeleri sunumun ardından firmaya ilişkin sorularını doğrudan avatara yöneltip anlık yanıt alabilir. Sonuçta günler süren manuel dosya hazırlığı dakikalar mertebesine inerken, karar yetkisi tümüyle insanda kalır; sistem kredi kararını vermez, kararı verecek analist ve komiteye tutarlı, hızlı ve denetlenebilir bir zemin sunar.

Projenin Amacı

Projenin çıkış noktası, kurumsal kredi tahsis komitesine sunulan firma değerlendirme dosyalarının hazırlanması sürecidir. Bu süreç, analistlerin çok sayıda kaynaktan veri toplayıp elle rapor yazmasına dayanan, uzun ve kişiden kişiye değişkenlik gösteren bir işti. Üretken yapay zekâ ile bu süreci uçtan uca otomatikleştirerek hem hazırlık süresini önemli ölçüde kısalttık hem de tüm firmalar için standart, tutarlı ve denetlenebilir bir analiz kalitesi sağladık; analistin katkısı veri derlemekten karar odaklı değerlendirmeye kaydı. Ancak proje burada kalmadı: raporu yalnızca üretmekle yetinmeyip, komiteye dijital insan avatar aracılığıyla sunan ve sunum sonrasında komite üyelerinin firmaya ilişkin sorularını anlık yanıtlayan etkileşimli bir katman ekledik. Kredi komitesinde yapay zekâ destekli, soru-cevap yapabilen bir sunum deneyimi ne kurumumuzda ne de bildiğimiz kadarıyla sektörde mevcuttu — dolayısıyla bu bileşen, iyileştirmenin ötesinde tamamen yeni bir hizmet niteliği taşımaktadır. Özetle proje, olgun bir iç sürecin verimliliğini artırırken aynı zamanda karar alma biçimini değiştiren yeni bir yetkinlik yaratmıştır.

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Kredi komitelerinde onlarca sayfalık dosyalar, sınırlı bir sürede sözlü olarak sunulur; komite üyesinin merak ettiği ayrıntı çoğu zaman raporun içinde vardır ama o an bulunamaz. Biz bu noktada yalnızca raporu otomatik üretmekle kalmadık, üretilen raporu dijital insan avatarın bilgi tabanına yükleyerek her firma için kendi dosyasını sunan ve sunum sonrasında komite üyelerinin sorularını anlık, sesli olarak yanıtlayan bir sunum katmanı oluşturduk. Böylece rapor okunması gereken bir belge olmaktan çıkıp, üzerine soru sorulabilen etkileşimli bir bilgi kaynağına dönüştü. Kurumsal kredi tahsis komitesinde bu deneyimin — bildiğimiz kadarıyla — bir örneği bulunmamaktadır; piyasadaki üretken yapay zekâ uygulamaları ya son müşteriye dönük sohbet asistanları ya da arka planda çalışan skorlama modelleridir.

Bu yeniliği mümkün kılan ve kendi başına da özgün olan ikinci unsur, hesaplama ile yorumun mimari düzeyde ayrılmasıdır: finansal büyüklükler deterministik kural motoruyla hesaplanır, üretken yapay zekâ yalnızca bu doğrulanmış veriyi yorumlar ve seslendirir. Model hiçbir aşamada sayı üretmez. Bu ayrım olmasaydı, komite huzurunda konuşan bir yapay zekâ bankacılık açısından kabul edilemez bir risk taşırdı; halüsinasyonun yapısal olarak engellenmesi sayesinde teknoloji karar masasına kadar getirilebildi. Yani asıl inovasyon, üretken yapay zekâyı yüksek riskli ve regüle bir karar ortamında güvenle konuşturabilmektir.

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Tüzel/Ticari Krediler Tahsis ve Analiz Birimi.

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Evet, proje üst yönetimin bilgisi, onayı ve aktif desteğiyle hayata geçirilmiştir.

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Sistem, her hafta toplanan kredi tahsis komitesi için düzenli olarak çalıştırılmakta ve komite gündemindeki firmaların dosyaları bu yapıyla üretilmektedir; dolayısıyla sonuçlar tek seferlik bir pilot değil, tekrarlanan üretim döngüleri üzerinden gözlemlenmektedir. Ölçümü üç eksende yapıyoruz:

Doğruluk. Sistemin hesapladığı finansal rasyolar, bankanın mevcut tahlil sistemindeki değerlerle karşılaştırılarak doğrulanmıştır; kritik göstergelerde birebir örtüşme sağlanmıştır. Ayrıca üretilen metinler kaynak veriye karşı kontrol edilerek, dil modelinin sayısal bir bilgi uydurmadığı düzenli olarak teyit edilmektedir. Emsal karşılaştırmasında istatistiksel derinliğin yetersiz kaldığı durumlar sistem tarafından işaretlenmekte, bu sayede zayıf temelli yorumlar ayırt edilebilmektedir.

Verimlilik. Daha önce analist başına saatler süren veri derleme, tablo hazırlama ve metin yazma işi, dakikalar mertebesinde tamamlanmaktadır. Her bölüm bağımsız olarak yeniden üretilebildiği için düzeltme döngüleri de kısalmıştır; tüm dosyayı baştan hazırlamak yerine yalnızca ilgili bölüm yenilenmektedir. Analistin zamanı veri toplamaktan değerlendirmeye kaymıştır.

Kullanım ve geri bildirim. Komite gündemindeki firmaların durumu portföy bazında takip edilmekte, hangi dosyanın hazır, hangisinin beklemede olduğu izlenebilmektedir. Avatar sunumları komite üyeleriyle paylaşılmakta ve alınan geri bildirimler doğrudan sisteme yansıtılmaktadır — dil ve ton kuralları, sayıların sesli okunma biçimi, limit önerisinin hangi durumlarda dile getirileceği gibi konular bu geri bildirimlerle sürüm sürüm iyileştirilmiştir. Projenin bugün kullandığımız sürümü, bu iteratif ölçme-düzeltme döngüsünün ürünüdür.

Ölçüm hâlâ devam etmektedir; kullanım derinleştikçe hazırlık süresi, düzeltme sayısı ve komite karar süresi gibi göstergeleri sistematik olarak raporlamayı planlıyoruz.

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

2

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

OpenAI - Heygen - TSKB Raporları

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

#Yapay zekâ / üretken model - OpenAI — GPT-4o - GPT-OSS 120B (kurum içi barındırılan açık ağırlıklı model) #Dijital insan / sunum - HeyGen - HeyGen LiveAvatar # Veri ve altyapı - Microsoft SQL Server - Microsoft Excel - Microsoft Word - Microsoft Teams ## Geliştirme ortamı ve kütüphaneler - Python - JupyterHub / Jupyter Notebook - Visual Studio Code - pandas - NumPy - SQLAlchemy - pyODBC - python-docx - openpyxl # İçerik kaynağı - TSKB sektör raporları