Kredi kullandıran asistan, ödeme işlemini tamamlayan sesli bot, müşteri görüşmelerini analiz eden sistem, ChatGPT içinde çalışan banka uygulaması… Bankaların yapay zeka projeleri artık “deniyoruz” aşamasını geçti. Bazıları doğrudan müşterinin para hareketine, bazıları ise bankanın günlük operasyonuna girmiş durumda.

Ama ortaya çıkan tablo, bankaların AI kullanımını tek bir yarış gibi okumayı da zorlaştırıyor. Bir yerde milyonlarca kullanıcı var, başka bir yerde ayda binlerce müşteri yorumu analiz ediliyor, bir diğerinde ise yazılım ekiplerinin çalışma süresi kısalıyor. Üstelik kullanım rakamları giderek daha görünür hale gelirken, maliyet, hata oranı ve iş sonucuna katkı gibi rakamlar aynı hızda açıklanmıyor.

İş Bankası bunun en doğrudan örneklerinden birini şubat ayında duyurdu. Hazır kredi limiti bulunan bir müşteri, Maxi ile konuşarak tutar ve vadeyi belirleyebiliyor, taksitini hesaplatabiliyor ve ardından aynı sohbet ekranında krediyi kullanabiliyor. Bankanın duyurusunda verilen yıllık 11 milyon kullanıcı ve 110 milyona yakın diyalog rakamı Maxi’nin genel kullanımını gösteriyor; yalnızca Kredi Asistanım’a ait değil. Dolayısıyla yeni özelliğin gerçekten ne kadar kullanıldığını henüz bilmiyoruz.

Yine de önemli bir eşik geçilmiş durumda: AI artık kredi hakkında bilgi veren bir ekran olmaktan çıkıp işlemin gerçekleştiği akışın parçası haline geliyor. Burada dikkat edilmesi gereken sınır da bu. Maxi’nin güncel ürün sayfasında anlatılan özellik, müşterinin mevcut kredi limitini kullanmasını kolaylaştırıyor; AI’ın kredi riskini kendi başına değerlendirdiğine ya da kredi onayı verdiğine ilişkin bir açıklama yok.

Akbank da haziranda benzer bir adımı ödeme tarafında attı. Bankanın açıkladığı üretken AI destekli sesli asistan, müşterinin sorusunu anlayıp seçenek sunabiliyor, gerektiğinde ödeme işlemini tamamlıyor ve görüşmeyi müşteri temsilcisine aktarabiliyor.

Akbank Kredi İzleme ve Takip Genel Müdür Yardımcısı Çetin Düz’ün “Teknolojiyi insan temasının yerine geçen değil, onu güçlendiren bir unsur olarak konumlandırıyoruz” sözleri de sistemin nasıl tasarlandığına dair önemli bir ipucu veriyor. Ancak kullanım tarafında henüz aynı açıklık yok: Kaç görüşmenin asistan tarafından sonuçlandırıldığı, ne kadarının insana aktarıldığı veya tahsilat performansının nasıl değiştiği paylaşılmış değil.

Milyonlarca etkileşim var, ama her etkileşim işlem değil

Kullanım ölçeği konusunda en açık örneklerden biri Garanti BBVA’nın Ugi’si. Mayıs ayında açıklanan verilere göre Ugi’nin aylık aktif kullanıcı sayısı 1,6 milyon, aylık etkileşim sayısı ise 6,4 milyonun üzerinde. Banka, asistanın 300’den fazla bankacılık işlem türünü uçtan uca gerçekleştirebildiğini söylüyor.

Bu rakamlar Ugi’yi bir demo ya da sınırlı pilot olmaktan açık biçimde ayırıyor. Fakat rakamların ne söylediğini doğru okumak gerekiyor. 6,4 milyon etkileşim, 6,4 milyon başarıyla tamamlanmış finansal işlem demek değil. Bankanın verdiği yüzde 90’lık “kullanıcı söylemini anlama” oranı da işlem doğruluğu ya da finansal tavsiyenin doğruluğu anlamına gelmiyor.

Kısacası kullanımın büyüklüğünü görebiliyoruz; o kullanımın ne kadarının başarılı iş sonucuna dönüştüğünü henüz aynı netlikte göremiyoruz.

Bankalar ChatGPT’nin içine de giriyor

2026 yazında ortaya çıkan ikinci hat ise bankacılık hizmetlerinin banka uygulamasının dışına taşınması oldu.

Garanti BBVA temmuz ayında ChatGPT içinde çalışan uygulamasını duyurdu. Uygulama bankanın ürün ve hizmetleri hakkında bilgi verebiliyor, ancak kişisel veya finansal verilere erişmiyor ve müşteri adına bankacılık işlemi yapmıyor.

Yapı Kredi’nin ağustosta duyurduğu ChatGPT entegrasyonu ise ihtiyaç kredisi faizleri, aylık taksitler ve geri ödeme planlarının hesaplanmasına odaklanıyor. Bağlantının Model Context Protocol, yani MCP üzerinden kurulduğu belirtiliyor.

Burada yeni olan, AI’ın bankacılık uygulamasına eklenmesinden biraz farklı. Bankalar, müşterinin finansal ürünü araştırdığı ekranın kendisini değiştirmeye başlıyor. Kullanıcı bankanın uygulamasına gelmeden önce ChatGPT içinde kredi araştırabiliyor veya hesaplama yapabiliyor.

Bunun gerçekten yeni bir müşteri edinme kanalına dönüşüp dönüşmediğini anlamak içinse bir sonraki veri setine ihtiyaç var: Bu ekranları kaç kişi kullanıyor ve bunların ne kadarı gerçek başvuruya dönüşüyor?

AI’ın görünmeyen tarafı da büyüyor

Bankalardaki AI kullanımının tamamı müşterinin karşısına sohbet kutusu olarak çıkmıyor.

ING Türkiye, temmuz ayında çağrı özetleme ve içgörü çözümünü devreye aldığını açıkladı. Sistem hem INGo üzerinden hem de müşteri temsilcileriyle yapılan görüşmeleri analiz ediyor; arama nedenlerini belirlemek, müşteri taleplerini öngörmek ve kapasite planlamasına destek olmak için kullanılıyor.

Buradaki potansiyel iş sonucu oldukça net: İlk görüşmede daha fazla sorunu çözmek ve tekrar aramaları azaltmak. Banka da bunları hedef olarak gösteriyor. Fakat açıklamada henüz “önce şu kadardı, şimdi bu kadar” diyebileceğimiz bir sonuç metriği bulunmuyor.

ON Dijital’in Feedback Radar 360 uygulaması ise hacim konusunda daha somut. Fintechtime’da temmuz ayında yayımlanan bilgilere göre sistem, 50’den fazla temas noktasından gelen ayda 15 binden fazla müşteri yorumunu analiz ediyor ve bunları duygu, konu ve tona göre sınıflandırıyor.

Genel Müdür Murat Dinç, sistem sayesinde iyileştirme alanlarını daha hızlı belirleyebildiklerini söylüyor. Burada çalışan bir sistem ve anlamlı bir kullanım hacmi var. Eksik olan, bu hızlanmanın personel zamanı, şikayet çözme süresi veya müşteri memnuniyetine ne kadar yansıdığı.

Her AI duyurusu henüz “canlı” değil

ING’nin bir başka projesi bu ayrımın neden önemli olduğunu gösteriyor. Banka nisan ayında, ihtiyaç analizinden kodlama ve teste kadar yazılım geliştirme sürecinde ajanlardan yararlanacak bir orkestrasyon yapısı geliştirdiğini duyurdu.

Teknoloji Genel Müdür Yardımcısı Çiğdem İltemir Carino, yapıyı kurum içinde geliştirme kararı aldıklarını ve çalışmaların sürdüğünü söylüyor. Burada önemli kelime “sürüyor”. Kamuya açık bilgiler, sistemin ne zaman canlıya geçtiğini veya kaç yazılım ekibi tarafından kullanıldığını göstermiyor.

Bu nedenle aynı bankanın çağrı analizi sistemini canlı kullanım olarak değerlendirirken, yazılım geliştirme projesini aynı kategoriye koymak doğru olmaz. Bankaları değil, kullanım senaryolarını ayrı ayrı izlemek gerekiyor.

Altyapı tarafında DenizBank’ın örneği de dikkat çekici. Red Hat’in Ağustos 2025’te yayımladığı teknik vakaya göre, Intertech’in de yer aldığı OpenShift AI dönüşümünde model geliştirme ortamının hazırlanması bir haftadan 10 dakikaya indirildi ve 120’den fazla veri bilimci standart araçlara erişmeye başladı.

Bir haftadan 10 dakikaya inmek güçlü bir rakam. Ama burada kısalan şey bir AI modelini fikirden production’a götürmenin tamamı değil; geliştiricinin ihtiyaç duyduğu çalışma ortamının hazırlanma süresi. Yani sonuç değerli, fakat neyi ölçtüğünü doğru adlandırmak gerekiyor.

Bankaların duyuruları birlikte düşünüldüğünde tek bir “bankacılıkta AI” hikayesi olmadığı daha net görülüyor. Kredi asistanının başarısını başvurunun kredi kullanımına dönüşmesiyle, ödeme asistanını başarılı işlem ve insana aktarım oranıyla, çağrı analizini ilk temasta çözümle, geliştirici platformunu ise ekiplerin bekleme süresiyle ölçmek gerekiyor.

Bu yüzden milyonlarca sohbeti, 15 bin müşteri yorumunu ve 10 dakikaya inen altyapı hazırlığını aynı “AI başarısı” hanesine yazmak fazla bir şey söylemiyor.

Asıl ilginç aşama bundan sonra başlayacak. Bankalar kullanım hacminin yanında başarılı işlem oranı, insan müdahalesi, hata, maliyet ve dönüşüm gibi sonuçları da açıklamaya başladığında bugün gördüğümüz projelerin hangilerinin gerçekten iş sonucu yarattığını karşılaştırmak mümkün olacak.

Şimdilik açık kaynakların söylediği daha sınırlı ama yine de önemli: AI bankalarda sunum sayfalarından çıkıp gerçek iş akışlarına girmiş durumda. Fakat “çalışıyor” ile “değer yaratıyor” arasındaki mesafeyi ölçmek için hala daha fazla veriye ihtiyaç var.