Finans sektörü yapay zekâya milyarlar yatırıyor; ancak yatırım getirisi belirsizliğini koruyor

Finans kuruluşları yapay zekâ için giderek daha büyük bütçeler ayırıyor; ancak yatırım ve deneme sayısındaki artış, güvenilir biçimde ölçülebilir değere dönüşmüş değil. Quinlan & Associates’in temel mesajı net: Sektör, “yapay zekâ kullanılmalı mı?” sorusunu geride bıraktı. Şimdi hangi uygulamaların gelirleri artırdığını, maliyetleri düşürdüğünü, riski azalttığını veya müşteri sonuçlarını iyileştirdiğini kanıtlamak zorunda.

Harcama büyüyor, getiri açığı kapanmıyor

Quinlan & Associates, finansal hizmetler sektörünün 2025’te yapay zekâ bağlantılı girişimlere 76 milyar dolar harcadığını; sektör harcamalarının 2030’a kadar 130 milyar doları aşacağını tahmin ediyor. 14 Buna karşılık, geleneksel finans kuruluşlarının %95’i ya yapay zekâyı inceliyor ya da iş operasyonlarında kullanıyor; %71’i ise açık bir yatırım getirisi (ROI) elde etmekte veya bunu göstermekte zorlandığını belirtiyor. 3

Bu tablo önemli bir ayrımı ortaya koyuyor: Yaygın benimseme, kurumların niyetini gösterir; fakat tek tek programların kalıcı ekonomik değer yarattığının kanıtı değildir. Quinlan ile ilişkilendirilen bulgular ayrıca yapay zekâ girişimlerinin %43’ünün iptal edildiğini bildiriyor. Bu da çok sayıda projenin sürdürülebilir bir üretim kullanımına ulaşamadığını gösteriyor. 15

Yapay zekâ projeleri neden getiriye dönüşmüyor?

Quinlan, değer yaratımının önündeki birbiriyle bağlantılı üç engeli öne çıkarıyor:

1. Teknoloji odaklı strateji: Kurumlar bazen tanımlanmış bir iş problemi, müşteri yolculuğu, süreç darboğazı ve değer hedefiyle başlamak yerine eldeki teknolojiye göre strateji kuruyor. Bu yaklaşım, etkisi inandırıcı biçimde öngörülebilen kullanım alanlarını seçmeyi zorlaştırıyor. 6
2. Yönetişimin geç devreye girmesi: Risk, uyum ve kontrol tasarımın bir parçası olmak yerine geliştirme sonrasındaki bir onay adımı sayıldığında, ekipler ciddi zaman ve kaynak harcadıktan sonra kısıtlarla karşılaşabiliyor. 6
3. Ölçeklenmeye uygun olmayan işletim modeli: Parçalı veri yapıları, zayıf uygulama temelleri ve yapay zekâyı yönetme, devreye alma ve ölçekleme yetkinliğinin yetersizliği, umut veren çalışmaları pilot aşaması ile kurum geneli kullanım arasında sıkıştırabiliyor. 6

Bunlar yalnızca teknolojiyle çözülecek sorunlar değil, uygulama ve işletim sorunları. Bir kurum modellere lisans alabilir, kavram kanıtları geliştirebilir ve çok sayıda deney yürüttüğünü duyurabilir. Ancak finansal sonuç almak için ilgili iş akışlarını ve hesap verebilirlik yapısını da yeniden tasarlaması gerekir.

Yönetişim, ROI mekanizmasının bir parçası

Finansal hizmetlerde güvenilir yapay zekâ yönetişimi, ticari performanstan ayrı bir uyum başlığı değildir. Bir kullanım senaryosunun onaylanıp uygulanabilmesini, izlenebilmesini ve iş gerekçesinin gerektirdiği otomasyon düzeyinde güvenle kullanılabilmesini doğrudan etkiler.

Dünya Ekonomik Forumu’nun finansal hizmetler için yapay zekâ rehberi, risk yönetimi ve sorumlu yapay zekâ uygulamalarının her katmana yerleştirilmesini öneriyor: Risk iştahı erken tanımlanmalı, modeller titizlikle doğrulanmalı ve yapay zekânın eylemleri açıklanabilir, izlenebilir ve kontrol edilebilir kalmalı. 1 Bu ilkeler, kurumların destekleyici sistemlerden çok adımlı eylemler gerçekleştirebilen sistemlere yöneldiği bir dönemde özellikle önem taşıyor. Net sınırlar, eskalasyon yolları ve insan denetimi; değerli kullanım alanlarının ölçeklenmesini engelleyen operasyonel belirsizliği azaltabilir.

Sektör araştırmaları da sağlam temellerin önemini destekliyor. IIF-EY araştırmasına göre yapay zekânın üretim ortamına alınmasındaki başlıca zorluklar, veri kalitesi ve veriye erişim; bunlara yetkin çalışan ihtiyacı ve yönetişim güvenlikleri eşlik ediyor. 4

BCG ve NVIDIA araştırmaları ne söylüyor?

Daha geniş araştırma literatürü, farklı örneklemler ve ölçütler kullansa da Quinlan’ın teşhisini büyük ölçüde destekliyor.

BCG’nin 280’den fazla finans yöneticisiyle yaptığı araştırmada, bildirilen medyan yapay zekâ ve üretken yapay zekâ ROI’si %10 oldu. Bu oran, katılımcıların çoğunun hedeflediği %20’nin altında; yöneticilerin yaklaşık üçte biri ise yalnızca sınırlı kazanım elde ettiğini belirtti. 43 BCG’nin 1.250’den fazla şirketi kapsayan ayrı araştırmasında, şirketlerin sadece %5’inin yapay zekâdan ölçekli değer elde ettiği; %60’ının ise kayda değer yatırıma rağmen sınırlı maddi değer gördüğü sonucuna varıldı.

NVIDIA’nın 2025 finansal hizmetler araştırması ise tablonun diğer yüzünü gösteriyor: Uygulamaya alınmış bazı kullanım alanları somut fayda yaratıyor. Katılımcıların yaklaşık %70’i yapay zekânın gelirlerini en az %5 artırdığını, %60’tan fazlası ise yıllık maliyetleri en az %5 düşürdüğünü söyledi. Bildirilen ROI bakımından öne çıkan üretken yapay zekâ kullanım alanları alım satım ve portföy optimizasyonu ile müşteri deneyimi oldu.

Bu çalışmalar birbiriyle çelişmiyor. Yapay zekâ getiri sağlayabiliyor; fakat uygulamayı devreye almak tek başına sonuç anlamına gelmiyor. Belirleyici olan, yüksek değerli bir kullanım alanının seçilmesi, ilgili iş akışının dönüştürülmesi, güvenilir veri ve kontrollerin kurulması, ardından operasyonel ve finansal sonucun ölçülmesi.

Benimsemeden uygulama disiplinine geçiş

Quinlan raporundaki en açık sinyal; harcama, ilgi ve gerçekleşen değer arasındaki uyumsuzluk: 2025’teki 76 milyar dolarlık yatırım tabanı, kurumlar genelindeki yoğun yapay zekâ faaliyeti ve buna rağmen süren getiri kanıtlama sorunu. 14 3

Finansal hizmetler yöneticileri için pratik yanıt, yapay zekâyı birbirinden kopuk pilotların toplamı olarak değil, bir iş dönüşümü programı olarak ele almak. Ölçülebilir bir iş hedefiyle başlamak; geliştirme öncesinde risk ve yönetişim gerekliliklerini belirlemek; sonuçların sahipliğini netleştirmek ve uygulamaya alındıktan sonra yaşam döngüsü metriklerini izlemek gerekiyor. BCG de kayda değer değer yaratan şirketlerin az sayıda girişime odaklandığını, bunları hızla ölçeklediğini, temel süreçleri değiştirdiğini, ekiplerini geliştirdiğini ve operasyonel-finansal getirileri sistematik olarak ölçtüğünü vurguluyor.

Dolayısıyla bir sonraki rekabet farkı, yapay zekâya sahip olan kurumlarla olmayanlar arasında oluşmayacak. Ayrım; yapay zekâyı ana iş akışlarında güvenli, denetlenebilir ve ölçülebilir biçimde işletebilenlerle, tekrar edilebilir bir değer üretme yolu kurmadan deney biriktirmeyi sürdürenler arasında olacak.