Bir bankanın elinde onlarca yıllık müşteri verisi, güçlü bir teknoloji bütçesi ve yapay zekâya hevesli bir yönetim varsa, ürünleştirilmiş yapay zekânın da hızla geleceğini düşünürsünüz. Oxford'un yeni araştırması tam tersini gösteriyor.
Oxford Saïd Business School'un Future of Finance and Technology girişimi, 2025'te köklü finans kurumlarının yapay zekâya geçişini inceleyen bir rapor yayımladı. Wendy Kilminster ve Pınar Özcan'ın imzasını taşıyan çalışma, bankalar, fintek şirketleri ve sektör danışmanlarıyla yapılan görüşmelere dayanıyor. Raporun açılışındaki bir alıntı durumu iyi özetliyor: Avrupalı bir bankanın finans direktörü, teknolojinin ve verinin harika olduğunu, herkesin çok ilgili olduğunu ama nereden başlayacaklarını bilmediklerini söylüyor.
Bu yazıda Oxford'un bulgularını, bankaları yapay zekâ olgunluğuna göre sıralayan Evident AI Index'in 2025 sonuçlarıyla yan yana koyuyorum.
Kim önde? Evident AI Index 2025
Evident, Kuzey Amerika, Avrupa ve Asya'dan 50 büyük bankayı her yıl kamuya açık verilerle puanlıyor. Puanın neredeyse yarısını yetenek belirliyor; yani bir bankanın yapay zekâ olgunluğu, en çok bu alanda çalışan insanlarla ölçülüyor.
Tablodan üç şey okunuyor:
- İlk iki banka ayrı bir ligde. JPMorgan ile Capital One arasındaki fark 1 puanın altında; üçüncü sıradaki RBC ise 20 puan geride. Liderler 2025'te en hızlı ilerleyenler de oldu: biri 9, diğeri 9,6 puan ekledi.
- Herkes ilerliyor, liderler daha hızlı ilerliyor. 50 bankanın 47'si puanını artırdı; ama ilk 10, geri kalanın iki katından hızlı büyüdü. Yani fark kapanmıyor, açılıyor.
- İlk 10'un altısı ABD'de. Avrupa'nın en iyileri UBS (7.) ve HSBC (8.).
Bu sıralama "kim daha çok hazırlanıyor" sorusunu cevaplıyor, "kim daha çok kazanıyor" sorusunu değil. İkincisinin cevabı için Oxford'un görüşmelerine bakmak gerekiyor.
Hazırlığın üç ön koşulu
Oxford'un çerçevesinde her şey, kurumun yapay zekâya başlamadan önce sahip olduğu özelliklerle başlıyor. Rapor bunlara ön koşullar diyor; ön koşullar da kurumun yapay zekâ temellerini, yani stratejisini ve organizasyonel altyapısını şekillendiriyor.
Görüşülen bir kurumun anlattığı tablo dikkat çekici: yapay zekâ harcamaları devasa bir teknoloji bütçesinin küçücük bir parçası. Belki on katını harcayabilirler; ama önce inşa etmeleri gereken başka şeyler var. Bulut göçü, veri entegrasyonu, veri yönetişimi ve API'ler bitmeden yapay zekâ ancak küçük deneme adacıkları olarak kalıyor.
Bir kullanım senaryosunun gerçek maliyeti
Raporun en öğretici cümlelerinden biri, bir yöneticinin kullanım senaryosu bütçesi hakkında söyledikleri: harcamanın %60–70'inin yapay zekâyla hiçbir ilgisi yok, temel ara katman entegrasyonuna gidiyor.
Bu, bir yazılımcının sezgisel olarak bildiği ama yatırım kararlarında sıkça unutulan bir gerçek. Model, bir sistemin en görünür ama en küçük parçası. Asıl iş verinin oraya güvenilir şekilde ulaşması, sonucun mevcut süreçlere bağlanması, yetkilendirme, kayıt tutma ve izleme. Bu yüzden Oxford, kurumların her senaryo için ayrı ayrı inşa etmek yerine yeniden kullanılabilir yapı taşları kurmasını öneriyor: ortak bir teknoloji yığını, ortak güvenlik kuralları ve hangi kararın otomatikleşebileceğini, hangisinin insanda kalacağını belirleyen kurum çapında standartlar.
Raporda sık tekrarlanan bir örüntü daha var. Önce iş birimleri serbestçe dener; sonra kurum içinde bir yerde şirket verisinin halka açık bir sohbet aracına (örneğin ChatGPT'ye) yüklendiği fark edilir. Arkasından gelenler hep aynıdır: araç engellenir, kurum çapında bir kullanım politikası yayımlanır ve kullanım senaryolarını onaylayan merkezi bir yapı kurulur.
Verimlilik hesabı neden tutmuyor?
Bankalardaki yapay zekâ iş planlarının çoğu verimliliğe dayanıyor: bir işi yapmak için gereken insan zamanının azalması. Raporda aktarılan bir deneyim bunun neden kâğıt üzerinde kaldığını anlatıyor. Her operasyon çalışanının işinin %5 ila %15'i otomatikleştirildiğinde, yıl sonunda bir iki milyonluk tasarruf tablosu çıkıyor. Ama gerçek hayatta o kişiler sistemden çıkarılamadığı için iş planlarının büyük kısmı vaat ettiğini getirmiyor.
Her çalışanın işinin %5–15'i otomatikleşir, toplam tasarruf yıl sonunda milyonlara ulaşır.
Kazanılan küçük zaman parçaları ne rol tasarımına ne kadro planına yansır. Boşalan zamanı değerli bir işle doldurmayan kurum, tasarrufu hiç görmez.
Rapora göre değer, ancak iki yoldan biriyle gerçekleşebiliyor: yapay zekânın devraldığı işlerin yerine daha değerli işlerin konduğu bir rol yeniden tasarımı, ya da kadro azaltımı. İkincisinin konuşulmadığı yerde çalışanlar araçları benimsemekte isteksiz kalıyor. Bu yüzden Oxford, liderlerin verimlilik hedefleri koyduklarında bunun roller üzerindeki etkisini açıkça konuşmasını öneriyor.
Temkin paradoksu
Raporun en çarpıcı kavramı bu. Finans kurumlarının temkinli olması gerekiyor: düzenleyici ve itibar riskleri gerçek, veri güvenliği ve dayanıklılık şart. Bu yüzden tipik yaklaşım küçük adımlarla başlamak: müşteriye değil kuruma dönük, büyüme yerine maliyet azaltan, var olan bir sürecin tek bir adımını iyileştiren kullanım senaryoları.
Sorun şu ki bu temkin kendi riskini üretiyor.
Bir yöneticinin raporda anlattığı deneyim bunu somutlaştırıyor: ilk denemede yanlış yapılan bir proje, sonraki her girişimin benimsenmesini zorlaştırıyor. İnsanlar bir kez hayal kırıklığına uğradıktan sonra ikinci kez ilgi göstermiyor.
Ne işe yarıyor?
Oxford'un cevabı "temkini bırakın" değil. Rapor, ilk girişimlerden öğrenilenlerin bir volan gibi kendini besleyen bir ivmeye dönüşmesi için beş uygulama öneriyor:
Dördüncü madde bence en önemlisi. Bir sürecin tek bir adımını yapay zekâyla iyileştirmek yerine, bir müşteri yolculuğunu ya da bir iş görevini baştan sona yeniden tasarlamak, hem daha radikal çözümler üretiyor hem de benimseme isteksizliğini aşmayı kolaylaştırıyor. Rapor, bunun için uygulamaların kurum içinde inşa edilmesinin şart olmadığını da vurguluyor; önemli olan, teknoloji sağlayıcılarının sunduklarını değerlendirebilecek derinliği kazanmak.
Beşinci madde ise yatırım komitelerine yönelik. Altyapı ve veri kalitesi gibi doğrudan kâr üretmeyen ama her şeyi mümkün kılan yatırımlar, senaryo bazlı getiri hesabında hep elenir. Programı bir bütün olarak değerlendirmek hem bu yatırımları görünür kılıyor hem de aynı rolün birden fazla projede "tasarruf" olarak sayılmasını engelliyor.
Kendi notum
Bu raporu ilginç bulmamın sebebi, büyük kurumların sorunlarının küçük ekiplerin sorunlarından çok farklı olmaması. Model seçmek kolay; modelin etrafındaki veri akışı, entegrasyon, yetkilendirme ve izleme asıl işi oluşturuyor. Bir de ölçüm meselesi var: "çalışanlar daha az zaman harcıyor" demek, o zamanın neye dönüştüğünü göstermiyor.
Finans kurumlarının elinde rakiplerinin kolay kopyalayamayacağı üç şey var: güven, veri ve müşteri ilişkisi. Oxford'un vardığı sonuç da bu: bu üç güç, doğru kurulmuş bir yapay zekâ temeliyle birleştiğinde köklü kurumlar değişen rekabette hâlâ iyi bir konumda. Ama bunun için önce pilotlardan çıkabilmeleri gerekiyor.
Kaynaklar
- W. Kilminster, P. Özcan, AI Preparedness in Established Financial Services Firms, Oxford Future of Finance and Technology Initiative, Saïd Business School, 2025.
- Evident, Evident AI Index, 2025.
- Teradata, Which banks are leading in AI? (Evident AI Index 2025 özeti).
- JPMorganChase, JPMorganChase tops the Evident AI Index for the fourth year, 2025.
- McKinsey & Company, Capturing the full value of generative AI in banking.