Hindistan Merkez Bankası Başkanı: "Yapay zeka bankacılığı çalışma şeklini değiştiriyor"

Hindistan bankacılık sektöründe yapay zeka kullanımı, kredi değerlendirmesinden müşteri hizmetlerine, sermaye fiyatlamasından kurumsal işleyişe kadar geniş bir alana yayılıyor. Bu dönüşümle birlikte modellerin açıklanabilirliği, önyargı riski, veri güvenliği ve insan denetiminin zayıflaması gibi konular da öne çıkıyor.

Hindistan Merkez Bankası (RBI) Başkanı Sanjay Malhotra(Sanjay Malhotra), 11 Ağustos'ta Mumbai'de düzenlenen FIBAC 2026 konferansının açılış konuşmasında, "Yapay zeka, satın alıp bir kenara bırakabileceğiniz tek bir teknoloji ya da tamamlanacak bir proje değil; bankacılığı yürütmenin yeni bir yolu" dedi. Bu sözleriyle yapay zekayı tek seferlik bir yatırım değil, sürekli bir dönüşüm süreci olarak tanımladı. Konuşma metni Uluslararası Ödemeler Bankası(BIS) tarafından yayımlandı.

Malhotra, 1990'lardaki finansal serbestleşmenin ve 2010'lardaki dijitalleşmenin bankacılık sektörünü nasıl değiştirdiğini hatırlatarak, yapay zekanın da Hindistan bankacılığının 2020'lerini şekillendirecek teknoloji olabileceğini söyledi. Ona göre yapay zeka risk değerlendirmesini, müşteri etkileşimini ve sermaye fiyatlamasını yeniden şekillendirebilir.

Konuşmada öne çıkan kullanım alanları arasında kredi erişiminin genişletilmesi, finansal kapsayıcılık, operasyonel verimlilik ve sahtecilik tespiti yer aldı. Nakit akışı, vergi kayıtları ve fatura ödeme bilgileri gibi geleneksel kredi değerlendirmesinde yeterince kullanılmayan verilerin analiz edilmesi, finansal geçmişi sınırlı borçluların değerlendirilmesine yardımcı olabilir. Ancak bu, yapay zekanın insan değerlendiricilerin yerini alacağı anlamına gelmiyor.

RBI, Account Aggregator ekosistemi ve Unified Lending Interface (ULI) gibi kamu dijital altyapılarından yararlanarak küçük işletmelerin ve finansal açıdan dışlanmış borçluların kredi değerlendirme ve kullandırım maliyetlerini düşürme yönünde bir yaklaşım ortaya koydu. Belge işleme, mutabakat işlemleri, iç denetim örneklemesi, işlem ve düzenleyici raporlamanın otomasyonu ile müşteri hizmetleri ve şikayet yönetimi de diğer kullanım alanları arasında sayıldı.

Sahtecilik tespitinde gerçek zamanlı işlem örüntüsü analizi ve anormallik tespiti öne çıkan örnekler oldu. Yapay zekanın mevcut finansal altyapıyla birleştirilmesi finansal kararları hızlandırıp daha ayrıntılı hale getirebilir; ancak modelin karar gerekçesi açıklanamazsa kredi reddi, ayrımcılık ve sorumluluk belirsizliği gibi sorunlar ortaya çıkabilir.

Malhotra, yapay zeka modellerinin şeffaf olmamasını ifade eden 'kara kutu' sorununa, önyargı riskine ve finansal dışlanmaya dikkat çekti. Birçok bankanın aynı modele ya da aynı dış tedarikçiye bağımlı olması durumunda ortak hataların tüm sektöre yayılabileceği yoğunlaşma ve sürü davranışı riskine de değindi.

Üçüncü taraf tedarikçilere bağımlılık, kişisel veri ve veri güvenliği, kötü niyetli siber saldırılar ve insan denetiminin zayıflaması da risk olarak sayıldı. Financial Express'in aktardığına göre Malhotra, kredi reddi ya da sahtecilik tespiti sonuçlarında bankaların modeli gerekçe göstererek sorumluluktan kaçamayacağını, açıklanabilirlik, insan denetimi, model incelemesi ve stres testinin gerekli olduğunu belirtti.

Boston Consulting Group(BCG), FICCI ve Hindistan Bankalar Birliği (IBA) ile birlikte hazırlayıp FIBAC 2026'da paylaştığı raporda, Hindistan bankacılığının önündeki görevleri kredi maliyetlerinin düşürülmesi, yapay zeka ve üretken yapay zeka ile verimlilik artışı, sahtecilik, siber güvenlik, iklim riski ve operasyonel dayanıklılık gibi kredi dışı risklerin yönetiminin güçlendirilmesi başlıkları altında topladı.

BCG, mevcut işlerin yalnızca otomatikleştirilmesiyle yetinilmemesi; kredi, tahsilat, müşteri hizmetleri ve iç operasyonların yapay zeka ve ajan tabanlı sistemler etrafında yeniden tasarlanması gerektiğini önerdi. Bu da sektör için yalnızca yapay zeka benimseme hızının değil, veri, yetenek, teknoloji altyapısı ve yönetişimin birlikte geliştirilmesi gereken bir görev olarak sunuldu.

RBI, yapay zeka düzenlemesinde ilke temelli ve orantılı bir yaklaşım izleyeceğini belirtti. Büyük bankaların kendi geliştirdiği modeller ile küçük bankaların kullandığı dış çözümlerin taşıdığı risklerin farklı olabileceği gerekçesiyle bu yönteme gidileceği aktarıldı. Yapay zekaya ilişkin somut yükümlülükler ve yaptırım düzeyleri bu konuşmada netleşmedi.