Kazanimlar:
- Finansal veriyi hassasiyetine göre sınıflandırıp uygun araç ve işlemi seçebilme
- Kişisel ve gizli veriyi anonimleştirerek analizi güvenle yürütebilme
- Sorumluluğun insanda kaldığını bilerek uyum, şeffaflık ve etik çerçevesi kurabilme
Gizlilik, Uyum ve Etik: Finansal Veride Sınırlar
Şimdiye kadar AI'ın finans ve muhasebede ne kadar güçlü bir asistan olduğunu gördük. Bu ünitede madalyonun diğer yüzüne bakıyoruz: sınırlar. Finansal veri, en hassas veri türlerinden biridir. Yanlış bir araca yapıştırılmış bir mali tablo, açıklanmamış bir sonuç, bir müşterinin hesap bilgisi; hem yasal hem etik hem de ticari felakete yol açabilir. Bu ünite, AI'ı finansta kullanırken pazarlığa açık olmayan koruma kurallarını öğretir. Bu kuralları bilmek, diğer tüm ünitelerdeki becerileri güvenle kullanmanın ön koşuludur.
Neden Finansal Veri Bu Kadar Hassas?
Üç sebep: Gizlilik (müşteri, çalışan, tedarikçi verisi kişisel veri kapsamına girer ve KVKK gibi düzenlemelerle korunur), içeriden bilgi (açıklanmamış mali sonuçlar borsa ve rekabet açısından kritiktir), ve güven (mali veriniz sızarsa müşteri ve iş ortağı güveni geri gelmez). Genel bir AI aracına yapıştırdığınız veri, o aracın sunucularında işlenir; kurumsal veri saklama garantisi olmayan araçlarda bu veri model eğitiminde kullanılabilir veya erişilebilir hale gelebilir.
KVKK (Kişisel Verilerin Korunması Kanunu), Türkiye'de kişisel verinin işlenmesini düzenleyen yasadır; kişi adı, TC kimlik, hesap ve iletişim bilgisi gibi verilerin izinsiz üçüncü taraflara aktarımını sınırlar.
İpucu: Bir veriyi AI'a yapıştırmadan önce kendinize sorun: "Bunu bir yabancıya e-postayla gönderir miydim?" Cevap hayırsa, önce anonimleştirin ya da yalnızca onaylı kurumsal araç kullanın.
Adım Adım: Veriyi Göndermeden Önce
- Sınıflandır. Veri kamuya açık mı, iç kullanım mı, gizli mi, kişisel mi?
- Aracı doğrula. Kurumsal/onaylı mı? Veri saklama ve eğitim politikası ne?
- Minimize et. İşin için gereken en az veriyi ver; fazlasını kes.
- Anonimleştir. İsim, TC, hesap no gibi tanımlayıcıları maskele veya kaldır.
- Çıktıyı da koru. Üretilen rapor da hassas olabilir; nereye kaydedildiğine dikkat et.
Zayıf Yaklaşım / Güçlü Yaklaşım
Zayıf yaklaşım:Açıklanmamış çeyrek sonuçlarını, müşteri isimleri ve hesapnumaralarıyla birlikte ücretsiz bir web aracına yapıştırmak.
Bu, hem KVKK ihlali hem içeriden bilgi sızıntısı hem de ticari risktir.
Güçlü yaklaşım:1) Onaylı kurumsal AI aracını kullan (veri saklama garantili).2) Veriyi anonimleştir: "Müşteri A", "Müşteri B"; hesap no yerine son 4 hane maskeli veya kaldırılmış.3) Yalnızca analiz için gerekli alanları gönder (isim/adres gereksizse çıkar).4) Açıklanmamış sonuçları, kamuya açılana kadar dış araçlara sokma.5) Çıktıyı şirket içi güvenli alana kaydet, kişisel diske değil.
Anonimleştirme Öncesi/Sonrası
Alan
Ham (riskli)
Anonimleştirilmiş (güvenli)
Müşteri adı
Ahmet Yılmaz İnşaat A.Ş.
Müşteri A
Hesap no
TR12 0006 ... 4501
***4501 veya kaldırıldı
TC kimlik
12345678901
Kaldırıldı
Tutar/analiz alanı
1.240.000
1.240.000 (korunur)
Dikkat edin: analiz için gereken sayısal veri korunur; kişiyi tanımlayan alanlar maskelenir. Böylece hem iş yapılır hem gizlilik korunur.
Uyum ve Sorumluluk Çerçevesi
Finansal işte AI kullanımı bir yönetişim (governance) meselesidir. Kim hangi aracı kullanabilir, hangi veri sınıfı hangi araca girebilir, çıktı nasıl doğrulanır ve kaydedilir? Bunlar yazılı bir politikayla belirlenmelidir.
Şirketimiz için bir "Finansal Veride AI Kullanım Politikası" taslağıoluştur. Şu başlıkları içersin:- Veri sınıflandırması (kamuya açık / iç / gizli / kişisel)- Her sınıf için izinli araç ve işlem- Yasak durumlar (açıklanmamış sonuç, kişisel veri vb.)- Zorunlu doğrulama ve denetim izi adımları- İhlal durumunda süreçBunu bir politika taslağı olarak yaz; nihai onayın hukuk veuyum biriminden alınması gerektiğini not et.
Dikkat: Sorumluluk AI aracının sağlayıcısına devredilemez. Modelin ürettiği yanlış bir rakam rapora girip karar bozarsa, sorumluluk onu kullanan ve onaylayan profesyoneldedir. "AI yaptı" bir savunma değildir.
Doğrulama: Neden Her Çıktı Şüpheli Kabul Edilir?
Finansal işte AI'ı güvenle kullanmanın altın kuralı, çıktıyı "aksi kanıtlanana kadar şüpheli" saymaktır. Bu paranoya değil, meslek disiplinidir; tıpkı bir denetçinin hiçbir kaydı görmeden onaylamaması gibi. Modelin ne kadar akıcı ve kendinden emin konuştuğu, doğruluğunun kanıtı değildir; aksine, en tehlikeli hatalar en ikna edici biçimde sunulanlardır.
Pratikte üç katmanlı bir doğrulama kurun: (1) Aritmetik katman — toplam ve yüzdeleri yeniden hesaplayın veya modele yeniden hesaplatıp karşılaştırın. (2) Kaynak katmanı — her rakamı geldiği tabloyla eşleştirin. (3) Mantık katmanı — sonuç iş bağlamında makul mü? "Marj %90 çıktı" gibi bir sonuç aritmetik olarak doğru olsa bile sektör için imkânsızsa, girdi hatasına işaret eder.
Bu finansal analizi üç katmanda denetle:1) Aritmetik: tüm toplam ve yüzdeleri yeniden hesapla, tutmayanı işaretle2) Kaynak: her rakamı <kaynak> tablosuyla eşleştir, eşleşmeyeni "DOĞRULANAMADI" yaz3) Mantık: iş bağlamında makul olmayan (aşırı yüksek/düşük) sonuçları "ŞÜPHELİ" işaretleOnaylama; sadece denetle ve üç katmanın sonucunu ayrı ayrı raporla.
Bu disiplin, hız kaybı gibi görünse de aslında sizi çok daha pahalı bir hatadan korur: yanlış bir rakama dayanan yanlış bir karardan.
Etik: Şeffaflık ve Yanlılık
İki etik konu öne çıkar. Şeffaflık: Bir analizin AI desteğiyle üretildiği, gerektiğinde paydaşlara açıkça belirtilmelidir. Yanlılık (bias): Model geçmiş veriye dayanır; örneğin bir kredi/risk skorlamasında geçmişteki adaletsizliği tekrarlayabilir. Finansal kararlarda AI çıktısını insan yargısı ve adalet süzgecinden geçirmek etik bir zorunluluktur.
Mini Vakalar
Vaka 1 — Yapıştırılan sızıntı. Bir analist, henüz açıklanmamış çeyrek sonuçlarını ücretsiz bir araca yapıştırıp özet istedi. Kurumsal politika olmadığından bu veri kontrol dışına çıktı. Sonuçlar erken sızmasa da olay bir soruşturma başlattı ve şirket onaylı araç politikasını zorunlu kıldı. Ders: kolaylık, gizliliğin önüne geçemez.
Vaka 2 — Anonimleştirmeyle iş görmek. Bir muhasebe ekibi, müşteri tahsilat analizini yapmak istiyordu ama isimler gizliydi. Müşterileri "A, B, C" olarak maskeleyip sadece tutar ve gün verisiyle çalıştılar. Analiz tam verim verdi, hiçbir kişisel veri dışarı çıkmadı. Gizlilik ve fayda birlikte sağlandı.
Vaka 3 — Devredilemeyen sorumluluk. Bir rapordaki hatalı bir oran, AI çıktısından gelmişti ve doğrulanmadan yönetime sunulmuştu. Karar yanlış çıkınca "araç öyle hesapladı" savunması kabul görmedi; sorumluluk raporu onaylayan finans müdürüne aitti. Ders: doğrulama ve sorumluluk insanın üzerindedir.
Vaka 4 — Üç katmanlı doğrulamanın yakaladığı. Bir analistin raporunda AI, bir iş kolu için "brüt marj %91" hesaplamıştı. Aritmetik katman doğruydu, kaynak katmanı da eşleşiyordu; ama mantık katmanı devreye girince marjın sektör için imkânsız olduğu görüldü. Kök neden: maliyet sütununun bir kısmı yanlışlıkla başka bir iş koluna kaymıştı. Sadece aritmetiğe bakılsaydı hata geçecekti. Ders: makul olma testi, doğruluğun üçüncü ve çoğu zaman en kritik katmanıdır.
Sık yapılan hatalar
- Hassas veriyi onaysız araca yapıştırmak. Gizlilik ve uyum ihlalinin en yaygın yolu.
- Açıklanmamış sonuçları dış araca sokmak. İçeriden bilgi sızıntısı riski taşır.
- Anonimleştirmeyi atlamak. Kişiyi tanımlayan alanlar gereksizse mutlaka maskelenmeli.
- Sorumluluğu araca devretmek. "AI yaptı" savunma değildir; onaylayan sorumludur.
- Yazılı politikasız çalışmak. Kim, hangi veriyi, hangi araca sokabilir belirsizse risk yönetilemez.
Özetle
- Finansal veri hassastır; gizlilik, içeriden bilgi ve güven riskleri nedeniyle her veri her araca girmez.
- Veriyi göndermeden önce sınıflandırın, aracı doğrulayın, minimize edin ve kişisel tanımlayıcıları anonimleştirin.
- Analiz için gereken sayısal veri korunur; kişiyi tanımlayan alanlar maskelenir; iş ve gizlilik birlikte sağlanır.
- AI kullanımı bir yönetişim meselesidir; yazılı politika, zorunlu doğrulama ve denetim izi gerekir.
- Sorumluluk araca devredilemez; şeffaflık ve yanlılığa karşı insan yargısı etik bir zorunluluktur.
Uygulama görevi
Elinizdeki gerçek bir finansal veri örneğini alın (müşteri/tedarikçi içeren). Önce bir "veri sınıflandırması" yapın, sonra anonimleştirme tablosundaki mantıkla kişisel alanları maskeleyip yalnızca analiz için gerekeni bırakın. Ardından politika taslağı promptuyla ekibiniz için kısa bir AI kullanım politikası üretin ve en az üç maddeyi kendi kurumunuza göre uyarlayın.
Kontrol listesi
- [ ] Veriyi sınıflandırdım (kamuya açık / iç / gizli / kişisel).
- [ ] Yalnızca onaylı/kurumsal aracı kullandım ve politikasını kontrol ettim.
- [ ] Gönderdiğim veriyi minimize ettim; gereksiz alanları çıkardım.
- [ ] Kişiyi tanımlayan alanları anonimleştirdim.
- [ ] Açıklanmamış sonuçları dış araca sokmadım.
- [ ] Çıktının sorumluluğunun bende olduğunu kabul edip doğruladım.