Uçtan Uca İş Akışı, Model Yönetişimi ve Öz-Denetim

Kazanimlar:

• Bir bankacılık görevini 'YZ üretir → uzman doğrular → yetkili karar verir' döngüsüyle uçtan uca güvenli biçimde işletebilme
• Model yönetişimi, validasyon, izleme ve sürekli iyileştirme çerçevesine yapay zekayı güvenle yerleştirebilme
• Çıktılarını beş temel soruyla (doğrulama, kaynak, gizlilik, adalet, onay) öz-denetimden geçirerek nihai sorumluluğu üstlenebilme

Bu modül boyunca yapay zekayı bankacılığın her köşesinde — kredi, dolandırıcılık, segmentasyon, müşteri hizmetleri, uyum, raporlama, finansal analiz — bir asistan ve taslak üreteci olarak konumlandırdık. Bu son ünitede parçaları birleştiriyoruz: bir bankacılık görevini baştan sona nasıl güvenli bir döngüde işletirsiniz, model yönetişimi bu döngüyü nasıl çerçeveler ve her çıktıyı hangi beş soruyla öz-denetimden geçirirsiniz? Amaç, öğrendiklerinizi tek bir refleks haline getirmektir: YZ üretir → uzman doğrular → yetkili karar verir. Bu döngü, hız ile güvenliği aynı anda korumanın yoludur.

Uçtan uca döngü: üç halka

Her bankacılık görevini üç halkalı bir zincir olarak düşünün:

1. YZ üretir (taslak halkası): Anonim, asgari veriyle yapay zekaya taslak/kontrol görevi verilir — özet, gerekçe taslağı, uyarı, hesap taslağı. Burada karar yoktur, malzeme vardır.
2. Uzman doğrular (süzgeç halkası): Çıktı kaynağa bağlanır, sayılar yeniden hesaplanır, politika/mevzuat ve adalet süzgecinden geçirilir. Halüsinasyon, ayrımcılık ve gizlilik ihlali burada elenir.
3. Yetkili karar verir (imza halkası): Nihai hüküm — kredi, STR, dolandırıcılık kararı, rapor imzası — yetkili insan/komite tarafından verilir; gerekçe ve denetim izi kaydedilir.

Görev

YZ üretir

Uzman doğrular

Yetkili karar

Kredi

Gerekçe taslağı

Oran/kaynak/adalet

Tahsis kararı

Dolandırıcılık

Anomali uyarısı

Bağlam/müşteri teyidi

Bloke/serbest hüküm

AML

Örüntü/eşleşme

Yanlış eşleşme kontrolü

STR kararı

Rapor

Metin/sayı taslağı

Sayısal doğrulama

İmza

Analiz

Oran/yorum taslağı

Yeniden hesap/varsayım

Yatırım/kredi görüşü

İpucu: Döngünün en sık atlanan halkası ortadaki "doğrulama"dır. Baskı altında insanlar taslaktan doğrudan karara atlar. Oysa değeri de riski de belirleyen tam olarak o orta halkadır. Doğrulamayı atlamak, döngüyü kırmaktır.

Model yönetişimi: döngüyü çerçeveleyen sistem

Tek tek görevlerin ötesinde, banka bir bütün olarak modellerini yönetmek zorundadır. Model yönetişimi (model governance) şu bileşenlerden oluşur:

• Validasyon: Model kullanıma girmeden önce bağımsız olarak test edilir; doğruluğu, adaleti ve sınırları ölçülür.
• İzleme (monitoring): Model zamanla bozulabilir (veri kayması — girdi dağılımı değişince performans düşer). Sürekli izlenir.
• Dokümantasyon: Modelin ne yaptığı, hangi veriyle eğitildiği, sınırları ve sorumluları belgelenir.
• Rol ve sorumluluk: Kimin ürettiği, kimin doğruladığı, kimin karar verdiği net tanımlanır.
• Gözden geçirme ve iyileştirme: Hatalar kaydedilir, model periyodik olarak yeniden değerlendirilir.

Dikkat: İyi çalışan bir model, sonsuza kadar iyi çalışmaz. Ekonomik koşullar, müşteri davranışı ve dolandırıcılık taktikleri değişir; model bunlara ayak uyduramazsa sessizce yanlışlamaya başlar. İzleme olmadan bu bozulma fark edilmez.

Beş soruluk öz-denetim

Her yapay zeka çıktısını kullanmadan önce kendinize şu beş soruyu sorun:

1. Doğrulama: Bu çıktıyı kaynağa bağladım ve kritik sayıları yeniden hesapladım mı?
2. Kaynak: Her iddia gerçek bir belgeye/veriye/kurala mı dayanıyor, yoksa uydurma olabilir mi?
3. Gizlilik: Kimlik verisi anonimleştirildi, asgari veri ve onaylı araç kullanıldı mı?
4. Adalet: Çıktı korumalı özellik veya vekil değişkenle ayrımcılık içeriyor mu?
5. Onay: Nihai kararı yetkili insan verdi, gerekçe ve denetim izi kaydedildi mi?

Beşinden biri bile "hayır" ise çıktı kullanıma hazır değildir.

Dört kopyalanabilir şablon

1) Uçtan uca görev planı:

Rolün: bir bankacılık görevini güvenli döngüde planlamama yardım eden asistan.Görev: [görev]. Bana şu üç halkayı doldur: (1) YZ hangi taslağı üretecek,(2) uzman hangi doğrulama adımlarını yapacak, (3) yetkili hangi kararı veripneyi kaydedecek. Karar önerme; süreç iskeleti çıkar.

2) Beş soruluk öz-denetim uygulaması:

Aşağıdaki yapay zeka çıktısını beş soruyla denetle: doğrulama, kaynak,gizlilik, adalet, onay. Her soru için "tamam / eksik / riskli" değerlendirve eksikleri nasıl gidereceğimi yaz. Çıktı: [metin]

3) Model izleme kontrol notu:

Rolün: model yönetişimi asistanı. Kullandığımız bir karar destek modeli içindüzenli izlenmesi gereken göstergeleri (performans, gruplar arası adalet,veri kayması işaretleri, hata kayıtları) bir kontrol listesine dönüştür.Karar verme; izleme çerçevesi öner.

4) Vaka kapanış ve denetim izi:

Bir görevin sonunda denetim izi için kapanış notu taslağı hazırla:hangi taslak üretildi, hangi doğrulamalar yapıldı, hangi karar kim tarafındanverildi, hangi gerekçeyle. Yalnızca bana verdiğim doğrulanmış bilgileri kullan.Girdi: [bilgiler]

Zayıf prompt / Güçlü prompt

Zayıf prompt:

Şu görevi baştan sona sen hallet ve sonucu bana hazır karar olarak ver,detaylarla uğraşmayayım.

Üç halkayı tek adıma indirir, doğrulamayı ve insan kararını atlar, sorumluluğu belirsizleştirir.

Güçlü prompt:

Rolün: süreç asistanı, karar verici değil.Görev için önce taslağı üret, sonra doğrulamam gereken noktaları listele,en sonda kararın ve denetim izinin bana ait olduğunu hatırlat. Beş öz-denetimsorusunu (doğrulama, kaynak, gizlilik, adalet, onay) çıktıya ekle.

Güçlü istem üç halkayı korur, doğrulamayı zorunlu kılar ve kararı insanda bırakır.

Üç mini vaka

Vaka 1 — Döngü tam işler. Bir kredi başvurusunda yapay zeka gerekçe taslağı üretir (halka 1); uzman oranları yeniden hesaplar, gerekçeyi adalet açısından denetler, bir vekil değişken ifadesini temizler (halka 2); yetkili tahsis kararını verip denetim izini kaydeder (halka 3). 20 dakikada, güvenli ve savunulabilir bir karar çıkar.

Vaka 2 — İzleme bozulmayı yakalar. Bir dolandırıcılık modeli aylarca iyi çalışırken, yeni bir dolandırıcılık taktiği yüzünden yakalama oranı sessizce düşer. Model yönetişimi kapsamındaki izleme bu düşüşü fark eder; model güncellenir. İzleme olmasaydı kayıplar büyüyerek sürerdi.

Vaka 3 — Öz-denetim ihlali önler. Bir analist, hızlı bir rapor için yapay zeka çıktısını doğrudan göndermek üzeredir. Beş soruyu uygular: "kaynak" sorusunda bir kâr rakamının teyit edilmediğini fark eder. Kaynaktan kontrol eder; rakam yanlıştır. Otuz saniyelik öz-denetim, yönetime yanlış bir tablo gitmesini önler.

Rollerin netliği: kim üretir, kim doğrular, kim karar verir

Üç halkalı döngü ancak roller net olduğunda güvenlidir. En sık yaşanan aksaklık, "herkesin sorumlu olduğu ama kimsenin sorumlu olmadığı" bulanık alandır: taslağı yapay zeka üretti, kimse tam doğrulamadı, karar da "sistemden çıktı" diye sahipsiz kaldı. Bu boşluk, hataların en rahat büründüğü yerdir.

Sağlıklı bir kurguda her halkanın bir sahibi vardır:

• Üretici (asistan + kullanıcı): Anonim, asgari veriyle taslağı isteyen ve girdiyi hazırlayan kişi.
• Doğrulayıcı (uzman): Çıktıyı kaynağa bağlayan, sayıları yeniden hesaplayan, adalet ve gizlilik süzgecinden geçiren kişi. Bu rol asla atlanmaz.
• Karar verici (yetkili/komite): Nihai hükmü veren, gerekçeyi ve denetim izini imzalayan merci.

Bazen aynı kişi birden çok rolü üstlenir; bu sorun değildir, yeter ki her halkanın bilinçli olarak yapıldığından ve kaydedildiğinden emin olun. Sorun, bir halkanın "herhalde biri yapmıştır" varsayımıyla boş geçilmesidir.

İpucu: Bir karar sonrası kendinize "bu kararın tek bir sahibi kim?" diye sorun. Cevabı net bir isim değilse, sorumluluk zinciri kopmuş demektir; döngüyü baştan kurun.

Sık yapılan hatalar

• Orta halkayı atlamak. Taslaktan doğrudan karara geçip doğrulamayı es geçmek.
• Sorumluluğu modele yıkmak. "YZ hallet" deyip nihai kararı ve imzayı sahiplenmemek.
• Modeli kur-unut sanmak. Bir kez iyi çalışan modeli izlemeden bırakmak; veri kaymasını görmemek.
• Denetim izini bırakmamak. Kimin ne kararını neden verdiğini kaydetmemek.
• Öz-denetimi atlamak. Beş soruyu sormadan çıktıyı kullanmak.

İpucu: Beş soruluk öz-denetimi bir alışkanlık haline getirin; zamanla otomatikleşir ve saniyeler alır. En büyük hataların çoğu, bu birkaç saniyelik kontrolün atlandığı anlarda doğar.

Özetle

Bankacılıkta güvenli yapay zeka kullanımı üç halkalı bir döngüdür: YZ üretir, uzman doğrular, yetkili karar verir. Bu döngüyü model yönetişimi (validasyon, izleme, dokümantasyon, sorumluluk, iyileştirme) çerçeveler. Her çıktıyı beş soruyla — doğrulama, kaynak, gizlilik, adalet, onay — öz-denetimden geçirin; biri bile eksikse çıktı hazır değildir. Model bozulabilir; izleme şarttır. Sorumluluk her zaman insandadır. Tek cümlede: Yapay zeka döngünün ilk halkasıdır; doğrulama ve nihai karar, hesabını verebilen yetkin insanın halkalarıdır.

Uygulama görevi

Kendi işinizden bir görev seçin ve 1. şablonla üç halkalı bir uçtan uca plan çıkarın: YZ ne üretecek, uzman neyi doğrulayacak, yetkili neyi kaydederek karar verecek. Sonra o görev için bir örnek yapay zeka çıktısı yazıp 2. şablonla beş soruluk öz-denetimi uygulayın ve eksikleri giderin. Son olarak, kullandığınız bir karar destek aracı için 3. şablonla bir izleme kontrol listesi hazırlayın.

Kontrol listesi

• [ ] Görevi üç halkalı döngüye (üret / doğrula / karar ver) oturttum.
• [ ] Orta halkayı (doğrulama) atlamadım; kaynak ve sayıları kontrol ettim.
• [ ] Beş öz-denetim sorusunu uyguladım; eksik varsa giderdim.
• [ ] Gizlilik ve adalet süzgeçlerini geçtim.
• [ ] Modelin izlenmesi ve bozulma riskini göz önünde tuttum.
• [ ] Nihai kararı, gerekçesini ve denetim izini kaydederek sorumluluğu üstlendim.

Modul Sinavi

1. Bir kredi uzmanı, yapay zekanın ürettiği kredi red gerekçesini hiç kontrol etmeden müşteriye iletiyor. Bu yaklaşımdaki temel hata nedir?

• A) Yapay zeka çıktısı doğrulanmadan kullanılamaz; karar gerekçesi taslağı yetkili uzmanca gözden geçirilip onaylanmalıdır ✔
• B) Yapay zeka kredi gerekçesini her zaman olduğundan olumsuz verir
• C) Gerekçe yerine sadece skor müşteriye söylenmelidir
• D) Gerekçe müşteriye e-posta yerine telefonla iletilmeliydi

Aciklama: Yapay zeka bir gerekçeyi tutarlı üretebildiği gibi, yanlış veri ya da yanlış varsayımla aynı özgüvenle hatalı ve hatta ayrımcı bir gerekçe de üretebilir. Bankacılık düzenlemeye tabi, güven-kritik bir alandır; her çıktı uzmanca doğrulanmalı, kredi tahsis kararı ve nihai gerekçe yetkili insana ait olmalıdır.

2. Bir müşterinin banka hesap hareketlerini bir yapay zeka aracına aktarırken gizlilik (KVKK ve müşteri sırrı) açısından en doğru davranış hangisidir?

• A) Müşterinin tam adı ve hesap dökümü hızlı olması için olduğu gibi yüklenmelidir
• B) Kimliği belli eden bilgiler çıkarılıp veri anonimleştirilerek yalnızca gerekli asgari bilgi, onaylı güvenli araçta paylaşılmalıdır ✔
• C) Veri şifrelenirse isim ve hesap numarası da herhangi bir araca gönderilebilir
• D) Amaç iyi olduğu için müşteriye sormadan tüm döküm paylaşılabilir

Aciklama: Müşteri finans verisi hem kişisel veri hem de bankacılık kanunu kapsamında müşteri sırrıdır. İsim, TC kimlik, hesap numarası gibi kimliği belli eden bilgiler çıkarılıp veri anonimleştirilmeli; görev için gereken asgari veri paylaşılmalı ve yalnızca kurumca onaylı güvenli araçlar kullanılmalıdır.

3. Yapay zeka bir kredi skorlama modelinin kararı için 'başvuru sahibinin oturduğu semt riskli olduğu için red' gibi bir gerekçe üretiyor. Uzmanın yapması gereken nedir?

• A) Gerekçe olduğu gibi kullanılır, çünkü model istatistiğe dayanır
• B) Semt bilgisi daha da ağırlıklandırılıp karar güçlendirilir
• C) Bu bir vekil değişken üzerinden dolaylı ayrımcılık olabilir; gerekçe reddedilip karar meşru ve açıklanabilir kriterlere dayandırılmalıdır ✔
• D) Gerekçe müşteriye söylenmeyip sadece dosyada tutulur, sorun kalmaz

Aciklama: Oturulan semt, etnik köken veya benzeri korumalı özelliklerle güçlü ilişkili bir vekil değişken (proxy) olabilir ve dolaylı ayrımcılık yaratır. Bu tür bir gerekçe hukuki ve etik açıdan kabul edilemez; karar meşru, açıklanabilir ve ayrımcılık içermeyen kriterlere dayandırılmalı, bu gerekçe reddedilmelidir.

4. Dolandırıcılık tespit sisteminde yapay zeka bir işlemi 'yüksek riskli' olarak işaretliyor. En doğru yaklaşım nedir?

• A) Uyarı bir ön-eleme sinyalidir; gerçek dolandırıcılık ile yanlış alarm uzman incelemesiyle ayırt edilip son hüküm insanca verilmelidir ✔
• B) İşlem otomatik ve kalıcı olarak bloke edilir, inceleme gereksizdir
• C) Uyarı görmezden gelinir, çünkü çoğu uyarı yanlıştır
• D) Müşteri aranıp doğrudan suçlanır

Aciklama: Yapay zeka uyarısı bir ön-eleme ve olasılık sinyalidir, kesin bir hüküm değildir. Gerçek dolandırıcılık ile yanlış alarmı (false positive) ayırmak, müşteriyi mağdur etmeden inceleme yapmak ve son hükmü vermek uzmana aittir; uyarı otomatik olarak hesabı kalıcı bloke etmemelidir.

5. Dolandırıcılık tespitinde çok sayıda yanlış pozitif (false positive) uyarının maliyeti nedir?

• A) Yanlış pozitifin hiçbir maliyeti yoktur, ne kadar çok uyarı o kadar iyidir
• B) Müşteri mağduriyeti ve alarm yorgunluğu yaratır; gerçek dolandırıcılığın gözden kaçma riskini artırır ✔
• C) Sadece sistemin elektrik tüketimini artırır
• D) Yanlış pozitif yalnızca gece işlemlerinde görülür

Aciklama: Yanlış pozitifler meşru müşterilerin işlemlerini gereksiz engelleyerek mağduriyet ve memnuniyetsizlik yaratır; ayrıca analistlerde alarm yorgunluğu oluşturarak gerçek dolandırıcılığın gözden kaçma riskini artırır. Bu yüzden eşikler ve kurallar dengelenmeli, uyarılar önceliklendirilmelidir.

6. Müşteri segmentasyonu ve kişiselleştirilmiş kampanya tasarlarken etik açıdan en kritik sınır hangisidir?

• A) Segmentler ne kadar dar olursa o kadar iyidir, başka sınır yoktur
• B) Kişiselleştirme yalnızca teknik bir konudur, etik sınır gerektirmez
• C) Uygunluk, rıza ve ayrımcılık yapmama korunmalı; kırılgan müşterinin istismarı ve manipülasyon önlenmelidir ✔
• D) Kampanya herkese aynı gönderilirse hiçbir etik sorun kalmaz

Aciklama: Segmentasyon müşteri yararına (uygun ürün önerisi) kullanılabildiği gibi, kırılganlığı istismar edecek (aşırı borçlu müşteriye ek kredi pazarlama gibi) biçimde de kötüye kullanılabilir. Uygunluk (suitability), rıza ve ayrımcılık yapmama ilkeleri korunmalı; kişiselleştirme manipülasyona dönüşmemelidir.

7. Bir müşteri hizmetleri chatbotu için en doğru güvenlik ilkesi hangisidir?

• A) Chatbot her türlü işlemi ve finansal tavsiyeyi tek başına sonuçlandırabilmelidir
• B) Rutin bilgileri hızlandırır; şikayet, hassas tavsiye ve yetkili işlemler insana devredilmeli, doğrulanmamış bilgi verilmemelidir ✔
• C) Chatbot müşteri kimliğini doğrulamadan tüm hesap bilgisini paylaşabilir
• D) İnsana devir seçeneği chatbotu yavaşlattığı için kaldırılmalıdır

Aciklama: Chatbot sık sorulan bilgileri ve rutin işlemleri güvenle hızlandırır, ancak şikayet, hassas finansal tavsiye, hesap üzerinde yetkili işlem ve belirsiz durumlar yetkili çalışana devredilmelidir. Ayrıca chatbot müşteri sırrını açığa çıkarmamalı ve doğrulanmamış bilgi vermemelidir.

8. AML/KYC süreçlerinde yapay zeka bir işlemi şüpheli olarak işaretliyor. Şüpheli işlem bildirimi (STR) açısından doğru yaklaşım nedir?

• A) Model işaretlediyse bildirim otomatik yapılmalı, uyum görevlisi gereksizdir
• B) Uyarı görmezden gelinir, çünkü çoğu işlem meşrudur
• C) İşlem hemen müşteriye 'aklama şüphesi var' diye bildirilir
• D) Model çıktısı bir ön-eleme ve taslaktır; STR kararı yetkili uyum görevlisince, gerekçe ve denetim izi korunarak verilir ✔

Aciklama: Yapay zeka işlem izleme ve tarama ile şüpheli olabilecek örüntüleri hızlıca işaretler, ancak şüpheli işlem bildirimi (STR/SAR) yasal sonuç doğuran bir karardır ve yetkili uyum görevlisinin değerlendirmesiyle verilir. Model çıktısı bir ön-eleme ve taslaktır; denetim izi ve gerekçe korunmalıdır.

9. Yaptırım listesi / PEP (siyasi nüfuz sahibi kişi) taramasında yapay zeka bir isimi eşleştiriyor ama bu bir yanlış eşleşme (false match) olabilir. Doğru yaklaşım nedir?

• A) Eşleşme ek tanımlayıcılarla (doğum tarihi, uyruk) teyit edilmeli; hüküm uyum görevlisince verilmelidir ✔
• B) İsim benzerliği yeterlidir, müşteri hemen yaptırımlı ilan edilir
• C) Tüm eşleşmeler yanlış kabul edilip görmezden gelinir
• D) Karar chatbota bırakılır

Aciklama: İsim taramaları benzer adlar nedeniyle yanlış eşleşme (false positive) üretebilir. Uyum görevlisi doğum tarihi, uyruk ve diğer tanımlayıcılarla eşleşmeyi teyit etmeli; bir müşteriyi yanlışlıkla yaptırımlı ilan etmek de, gerçek bir eşleşmeyi kaçırmak da ciddi sonuç doğurur. Karar insana aittir.

10. Yapay zeka ile bir yönetim raporu taslağı ürettiniz; raporda çeyreklik kâr rakamları var. İmzalamadan önce en kritik adım nedir?

• A) Rapordaki tüm kritik sayılar kaynak verilere karşı yeniden doğrulanmalı; nihai imza sorumluluğu insanındır ✔
• B) Yapay zeka sayıları hatasız verir, doğrulama zaman kaybıdır
• C) Rapor daha güzel görünsün diye sadece biçim kontrol edilir
• D) Rapor doğrudan üst yönetime gönderilir, kontrol sonradan yapılır

Aciklama: Yapay zeka sayısal değerleri yanlış aktarabilir, uydurabilir veya kaynak veriyle tutarsız özetleyebilir. Rapor imzalanmadan önce tüm kritik sayılar kaynak verilere karşı yeniden doğrulanmalı; otomasyon hız kazandırsa da nihai imza sorumluluğu insana aittir.

11. Yapay zeka bir şirketin finansal tablolarını analiz edip 'firma çok sağlam, kredi kesinlikle verilmeli' diyor. Finansal analistin sorumluluğu nedir?

• A) Metni olduğu gibi kabul etmek, çünkü yapay zeka finansı hatasız bilir
• B) Oranları kaynak tablolardan yeniden hesaplayıp varsayımları sorgulamak; nihai kararı belirsizliği belirterek insan olarak vermek ✔
• C) Kararı doğrudan komiteye 'AI onayladı' diye sunmak
• D) Analizi hiç okumadan krediyi reddetmek

Aciklama: Finansal analiz varsayımlara ve girdinin doğruluğuna bağlıdır; yapay zeka oranları yanlış hesaplayabilir, eksik veriyi görmezden gelebilir veya aşırı kesin dil kurabilir. Analist oranları kaynak tablolardan yeniden hesaplamalı, varsayımları sorgulamalı ve nihai kredi kararını insan olarak, belirsizliği belirterek vermelidir.

12. Bir kredi modeli, cinsiyet veya etnik köken gibi korumalı bir özelliği doğrudan kullanmasa da posta kodu ve alışveriş verisiyle dolaylı olarak bunları yansıtabilir. Bu duruma ne denir ve neden risklidir?

• A) Buna aşırı öğrenme denir ve sadece doğruluğu düşürür
• B) Buna veri sızıntısı denir ve yalnızca hız sorunudur
• C) Buna vekil değişken (proxy) üzerinden dolaylı ayrımcılık denir; hukuka aykırıdır ve adalet testleriyle denetlenmelidir ✔
• D) Buna normalleştirme denir ve tamamen zararsızdır

Aciklama: Korumalı bir özellikle güçlü ilişkili değişkenlere vekil değişken (proxy) denir. Model korumalı özelliği doğrudan kullanmasa bile proxy'ler üzerinden dolaylı ayrımcılık yapabilir. Bu hem hukuka aykırıdır hem de etik değildir; modeller adalet metrikleriyle test edilmeli ve proxy riski denetlenmelidir.

13. Bir banka, kredi kararlarında yapay zeka modeli kullanıyor. Mevzuat ve denetlenebilirlik açısından en temel gereklerden biri nedir?

• A) Model ne kadar karmaşık ve anlaşılmaz olursa o kadar güvenlidir
• B) Kayıt tutmak gereksizdir, kararlar sözlü açıklanabilir
• C) Müşterinin itiraz hakkı süreci yavaşlattığı için kaldırılmalıdır
• D) Model açıklanabilir olmalı, karar gerekçesi ve denetim izi tutulmalı, müşteriye itiraz/insan incelemesi hakkı tanınmalıdır ✔

Aciklama: Düzenlemeye tabi karar süreçlerinde model açıklanabilir olmalı, kararın gerekçesi belgelenmeli, kayıt (denetim izi) tutulmalı ve müşteriye itiraz/insan incelemesi talep etme hakkı tanınmalıdır. 'Kara kutu' bir modelin gerekçesiz kararı denetlenemez ve mevzuata uymaz.

14. Modülün tamamında vurgulanan temel ilke, yapay zekanın bankacılıktaki rolünü nasıl tanımlar?

• A) Yapay zeka deneyimli bankacıların yerini alarak kredileri ve bildirimleri tek başına sonuçlandırabilir
• B) Yapay zeka yalnızca pazarlama için kullanılır, karar için kullanılmaz
• C) Yapay zeka çıktısı doğrulanmadan da güvenlidir çünkü istatistiğe dayanır
• D) Yapay zeka bir asistan ve taslak üreticisidir; kredi tahsisi, dolandırıcılık/uyum hükmü ve nihai karar yetkili insana aittir ✔

Aciklama: Yapay zeka bir asistan, ön-eleyici ve taslak üreteci olarak tekrarlı işleri hızlandırır; ama düzenlemeye tabi, güven-kritik bir alanda çalışıldığı için kredi tahsisi, dolandırıcılık/uyum hükmü ve müşteriye yansıyan nihai karar yetkili insana (yetkilendirilmiş bankacı ve karar komitesine) aittir. Doğrulanmamış çıktı imzasız bir karar taslağıdır.