Bankacılık teknolojisi liderleri için gerçek zamanlı mimari artık standart bir hedef haline geldi. Ödemelerin anında işlenmesi, hesap bilgilerinin sürekli güncellenmesi ve risk sinyallerinin gecikme olmadan karar sistemlerine ulaşması bekleniyor. Bu ilerleme elbette önemli. Ancak hız, zekâ ile karıştırılmamalı.
Bir banka verileri gerçek zamanlı olarak taşısa bile, önceden tanımlanmış hizmetlere, sabit doğrulama kurallarına ve eksik karar bağlamlarına güvenebilir. Mimari hızlanabilir, ancak önündeki müşteriyi veya işlemi yorumlama konusunda anlamlı bir şekilde daha yetenekli hale gelmeyebilir. Yapay zekâ destekli çekirdek bankacılık modernizasyonu, bu iki sonucu birbirinden ayırmamızı gerektiriyor.
Veri çekmekten bağlam oluşturmaya
Dijital odaklı bankacılık mimarileri, yeniden kullanılabilir hizmetler etrafında inşa edildi. Bu hizmetler net bir şekilde tanımlanmış soruları yanıtlıyor ve yetkili her tüketiciye standartlaştırılmış veri paketleri sunuyordu. Bu, sıkı bir şekilde birbirine bağlı monolitik sistemlere göre büyük bir gelişmeydi. Ancak zekâ önceden belirlenmiş halde kaldı. Banka, ancak birisi gerekli hizmeti, raporu veya veri ambarını zaten oluşturmuşsa soru sorabiliyordu. Yapay zekâ ise daha dinamik bir model getiriyor. Ajan tabanlı bağlam oluşturma sayesinde sistem, bir karar verilmesi gerektiği anda amaca özel bir sorgu oluşturabiliyor. İlgili kaynakları belirleyip yapılandırılmış ve yapılandırılmamış bilgileri alarak, o özel karar için tasarlanmış bir bağlamda birleştirebiliyor.
Şüpheli olabilecek bir ödemeyi düşünün. Geleneksel bir hizmet işlem tutarını, tarihini, karşı tarafı ve müşteri risk kategorisini döndürebilir. Yapay zekâ odaklı bir zekâ katmanı ise bu alanları ödeme açıklaması, son hesap hareketleri, önceki etkileşimler, uyum notları ve o müşteri ile işlem türüyle ilişkili kalıplar birlikte inceleyebilir. Fark, sadece çekilen veri miktarı değil. Oluşturulan bağlamın özgüllüğüdür. Her müşteri, işlem ve an farklı bir soru sormayı gerektirebileceğinden, her karar farklı bir bilgi derlemesi alabilir.
Bankaların depolayıp anlayamadığı veriler
Bankalar devasa hacimlerde yapılandırılmamış bilgi biriktirdi. İşlem açıklamaları, belgeler, soruşturma notları, müşteri yazışmaları ve manuel açıklamalar; sayısal veya kategorik alanlarla tam olarak temsil edilemeyen sinyaller içeriyor. Tarihsel olarak bu sinyaller insan inceleyiciler tarafından görülebiliyordu, ancak otomatik karar modelleri için büyük ölçüde erişilemezdi.
Yapay zekâ, anlamın kendisini sorgulanabilir hale getirerek karar alanını genişletiyor. Bir kredi değerlendirmesi, sadece önceden tanımlanmış alanlara kaydedilen değerleri değil, müşterinin mali durumundaki değişiklikleri nasıl açıkladığını da dikkate alabilir. Bir kara para aklama süreci, değer ve karşı taraf bilgilerinin yanı sıra işlem açıklamalarını da değerlendirebilir. Bir düzenleyici raporlama süreci, bir açıklamanın netleştirmeyi amaçladığı verilerle mantıksal olarak tutarlı olup olmadığını belirleyebilir. Bu, bankacılık sistemlerinin bilgiyi algılama biçiminde önemli bir değişikliktir. Ancak buna, veri yönetişiminde eşit derecede önemli bir değişiklik eşlik etmelidir. Yapay zekâ sistemleri bunları sonuç doğuran kararlarda kullanmaya başladığında, metin alanları ve belgeler yönetişim kapsamındaki veri varlığının dışında kalamaz.
Zekâ, bağlamsal doğrulama gerektirir
Yapay zekâ destekli bir çekirdek sistemin güvenilirliği, yalnızca hangi verinin çekildiğine değil, o verinin nasıl doğrulandığına bağlıdır. Geleneksel doğrulama genellikle bir raporun veya veri ambarının içine gömülüyordu. Kurallar, bir ürün kategorisi, müşteri segmenti veya raporlama dönemi gibi geniş gruplar için geliştiriliyordu. Bir gereksinim değiştiğinde, destekleyici mimarinin genellikle yeniden tasarlanması gerekiyordu. Sorgu düzeyinde doğrulama ise farklı bir yaklaşım sunuyor.
Doğrulama mantığı, temel veri ambarını değiştirmeye gerek kalmadan, doğrudan veri çekme noktasında uygulanabilir. Bireysel bağlam için oluşturulabilir ve o özel durumla ilgili davranışsal, tipolojik veya anormal kalıplarla zenginleştirilebilir. Bu durum, önceden tanımlanmış kuralların en az güvenilir olduğu uç noktalarda çok önemlidir. Bir kredi kararı olağandışı bir müşteri profili içerebilir. Bir ödeme, hesap durumundaki bir değişiklikten hemen sonra gerçekleşebilir. Bir düzenleyici doğrulama, mevcut mimarinin destekleyemediği verileri gerektirebilir. Akıllı bir doğrulama katmanı bu durumların sessizce geçmesine izin vermemelidir. Tutarsızlıkları tespit etmeli, eksik doğrulama kapsamlarını ortaya çıkarmalı ve çözülmemiş durumları uygun insan müdahalesi için yönlendirmelidir. Yarı özerk sistemler için bu isteğe bağlı bir uyumluluk özelliği değildir. Gerçek zamanlı karar almayı savunulabilir kılan mekanizmanın ta kendisidir.
Hesap verebilirlik mantığı takip etmeli
Son değişiklik ise yönetişimdedir. Hizmet odaklı mimaride mantık hizmet tanımının içinde yer aldığından, yönetişim API sürümlerine, kod sürümlerine ve hizmet geçmişlerine odaklanırdı. Yapay zekâ odaklı bir mimaride ise önemli karar mantığı istemlerde, bağlam özelliklerinde, sorgu düzeyindeki doğrulama kurallarında ve çok adımlı ajan iş akışlarında bulunabilir. Bu zekâ unsurları, üretim koduyla aynı ciddiyette ele alınmalıdır. Kontrollü sürüm oluşturma, değişiklik onayları, izlenebilirlik, geri alma yeteneği, iş akışı günlüğe kaydetme ve istisna yakalama gerektirirler.
Yönetişim daha hassas bir düzeyde de işlemelidir. Bir doğrulama kuralı bir politika belgesinden türetilmişse, banka onu bilgilendiren belirli pasajı tespit edebilmelidir. O pasaj değiştiğinde, banka hangi kuralların ve kararların etkilenebileceğini bilmelidir. Stratejik ders çok net. Çekirdek modernizasyonunun amacı, aynı önceden tanımlanmış zekâyı daha hızlı hareket ettirmek olmamalıdır. Amaç, ihtiyaç anında bağlama özel zekâyı bir araya getirebilen, doğrulayabilen ve yönetebilen bir mimari yaratmaktır. Gerçek zamanlı işleme hız sağlar. Yapay zekâ odaklı bir zekâ mimarisi ise bağlama uygunluk, muhakeme ve hesap verebilirlik sağlar. Bankaların dördüne de ihtiyacı olacak.
