Yapay zeka sadece içerik üretici değil… aynı zamanda işlem odaklıdır

Chris Skinner

Son birkaç yılı, müşterinin karşısına çıkan yapay zekâ teknolojilerine takıntılı bir şekilde odaklanarak geçirdik: belgeleri özetleyen sohbet robotları, e-postaları taslak haline getiren yardımcılar ve her şeyi biliyor gibi görünen arayüzler. Ancak finans, dil üzerine işlemez. Finans, işlemler, nakit akışları, likidite, risk ve güven üzerine işler.

Ant International’ın Şanghay’da düzenlediği son Voyage etkinliğinde, küresel sınır ötesi ödemeleri destekleyen altyapıyı inceledikten sonra, bu teknolojinin aslında nereye doğru gittiğine dair farklı bir bakış açısı edindim.

Alipay+ gibi çözümler aracılığıyla 150 milyondan fazla satıcı ile 50’den fazla dijital cüzdan ve bankacılık uygulamasını birbirine bağlayan Ant International, yeni nesil yapay zekânın finansal ürünlere sonradan eklenmeyeceğini kanıtlıyor. Bu teknoloji, paranın işleyiş mekanizmasının tam kalbine doğrudan entegre edilecek.

Ticaretin nereye doğru gittiğini düşündüğümüzde, bu ayrım özellikle önem kazanıyor. 2030 yılına kadar, yapay zekâ ajanlarının küresel tüketici ticaretinin 3 trilyon ile 5 trilyon dolar arasında bir kısmını yönetmesi öngörülürken, dijital cüzdan kullanıcı sayısının ise 6 milyarı aşması bekleniyor. Yapay zekânın bize ne satın almak isteyebileceğimizi söylediği bir dünyadan, yapay zekânın bunu bulduğu, karşılaştırdığı, seçtiği ve bizim onayımızla ödemeyi gerçekleştirdiği bir dünyaya hızla ilerliyoruz.

Bu noktada, sohbet robotu mimarinin en az ilgi çekici parçalarından biri haline gelir.

Görünüşte zahmetsiz bir işlemin arkasında, hangi hesabın kullanılması gerektiği, hangi para biriminin seçileceği, ne kadar döviz riski yaratılacağı, ne kadar likiditeye ihtiyaç duyulacağı, işlemin olağandışı olup olmadığı, ajanın meşru olup olmadığı, işlemi kimin onayladığı ve nihai işlemin ajana talimat veren kişinin niyetiyle örtüşüp örtüşmediği gibi olağanüstü bir dizi finansal karar yatmaktadır.

İşte bu noktada yapay zekâ hikâyesi, finansal altyapı hikâyesiyle kesişir.

Birinci nesil üretken yapay zekâ, büyük ölçüde zekâyı müşterinin önüne koymakla ilgiliydi. Bir sonraki nesil ise zekayı giderek müşterinin arkasına, yani hazine, ödemeler, risk, kimlik, likidite ve işlem işleme süreçlerinin içine yerleştirecek.

Yapay zekâyı finans alanında uygulamakla, bir e-posta yazmak veya bir belgeyi özetlemek için kullanmak arasında da temel bir fark vardır: finans, yapay zekâ için affetmez bir ortamdır. Size yanlış olan, anlaşılması zor bir tarihsel gerçeği anlatan bir sohbet robotu can sıkıcıdır. Şirketinizin nakit durumunu, döviz riskini veya ödeme talimatını yeniden oluşturan bir finansal model ise pahalıdır.

Yapay zeka, para hareketlerine ne kadar yaklaşırsa, “yaklaşık olarak doğru” olmaya karşı tolerans o kadar azalır. Benim için uzmanlaşmış finansal modellerin öneminin asıl nedeni budur.

Yapay zeka, bize para konusunda tavsiyelerde bulunmaktan finansal kararlar alıp bunları uygulamaya geçecekse, değerlendirme kriterleri dramatik bir şekilde değişir. Artık mesele sadece modelin ikna edici bir şekilde akıl yürütebilmesi değil, nakit akışlarını tahmin edebilmesi, ödeme kalıplarını tanıyabilmesi, finansal bağlamı anlayabilmesi ve gerçek parayı içeren otonom kararları muazzam bir ölçekte ve olağanüstü bir güvenilirlikle destekleyebilmesidir.

Ant International, bu yeni finansal yapay zeka yığınının nasıl geliştiğine dair ilginç bir bakış açısı sunuyor; çünkü soruna aynı anda birkaç yönden yaklaşıyor.

Bunlar şunlardır:

• tahmin, paranın bir sonraki adımda ne yapacağını anlamak;
• ödemeler, paranın aktarıldığı işlemleri anlamak;
• otonom ticaret, makinelerin bu işlemleri giderek daha fazla kendi başlarına başlatması; ve
• güven, finansal sistemin bu makinelerin iddia ettikleri kim olduklarını ve insan sahiplerinin onlara yetki verdiği şeyleri yapıp yapmadıklarını belirlemesi.

Bu açıdan bakıldığında, Ant International’ın stratejisi, bir yapay zeka ürünleri koleksiyonundan daha ilginçtir. Bu strateji, uzmanlaşmış yapay zekayı finansal hizmetlerin kenarlarından çekirdek altyapısına doğru taşımaya yönelik bir girişimdir ve bu konudaki en yeni kanıt, bir sohbet robotu değil, işlemin kendisini anlamak üzere tasarlanmış bir ödeme modelidir.

Özellikle Voyage etkinliğinde Ant International, dünyanın ilk 3’ü 1 arada ödeme temel modeli ve bugüne kadarki en büyük ödeme temel modeli olarak tanımladığı Antom 3’ü 1 arada “Transformer Modeli”ni tanıttı. Bu model, yapay zekâya ödemeleri anlamayı öğrettiği için, yapay zekânın paranın işleyiş mekanizmasının içine girdiğinde neler olduğunun tam da kalbine iniyor.

Antom 3'ü 1 arada Transformer Modeli, aynı anda üç tür finansal bilgi etrafında tasarlanmıştır:

• sıralı veriler (on yıllara dayanan ödeme kayıtlarından elde edilen),
• grafik veriler (ilişkileri ve davranışları haritalayan) ve
• tablolu veriler (risk yönetimi uzmanlığına dayanan).

Ant International, modelin 10 milyardan fazla parametreye sahip olduğunu ve her yıl 90 trilyon gerçek dünya veri birimi üzerinde eğitildiğini belirtiyor. Daha da dikkat çekici olan ise, tek bir birleşik modelin 200’den fazla eski nokta çözümünü bir araya getirerek, eskiden parçalı bir uzman model koleksiyonu olan yapıyı ödemeler için ortak bir zeka katmanına dönüştürmesidir.

Buradaki amaç, ölçeğin kendisi değildir.

Ödemeler milisaniyeler içinde karar alınmasını gerektirir ve Ant International, Antom’un ödeme koruması, kötüye kullanım koruması ve hesap güvenliğini sağlarken işlemleri baştan sona yaklaşık 25 milisaniyede işlediğini belirtiyor.

Açıklanan iş sonuçlarına göre, model ödeme başarı oranlarında ortalama yüzde beşlik bir artış sağlıyor. Bu önemli bir nokta, çünkü bir ödeme temel modelinin ne yapması gerektiğini gösteriyor: dolandırıcılık maliyetini azaltırken kabul oranını artırmak için işlemi, hesabı ve ilgili davranışları yeterince anlamak.

Bu durum, finans sektöründe yapay zekâ mimarisi hakkında düşünme şeklimizi de değiştiriyor.

Sektörün büyük bir kısmı, her biri ters ibrazlar, dolandırıcılık, şüpheli işlemler, ücretsiz deneme suistimali veya iade dolandırıcılığı gibi tek bir sorunu çözmek üzere eğitilmiş yüzlerce dar kapsamlı model geliştirmiştir. Ant International, bu sorunları tek bir temel modelde birleştirerek, tehditleri önceden tahmin etmenin yanı sıra bunlara tepki verecek şekilde tasarlanmış bir sistem oluşturur.

Diğer bir deyişle, modelden ödeme gerçekleştiğinde, sonra bu ödeme hakkında bilgi vermesi istenmiyor. Modelden, ödeme gerçekleşirken bu ödemeyi anlaması isteniyor.

Antom Autopilot ise bu fikri bir adım daha ileriye taşıyor. Aynı yapay zeka tabanlı platform üzerine inşa edilen bu sistem, işleme kabulü ve entegrasyondan ödeme optimizasyonu, dolandırıcılık koruması, ihtilaf çözümleme ve küresel genişlemeye kadar, tüccar ödeme yaşam döngüsünün tamamında ajan tabanlı yapay zekâ uyguluyor. Ödeme modeli, finansal operasyonun geri kalanından izole edilmediğinden, tam yığın yapay zekâ tabanlı bir işletme iddiası burada daha anlamlı hale geliyor. Hesap, döviz hazinesi ve büyüme yetenekleriyle birlikte çalışarak, yığının bir bölümünde geliştirilen zekanın başka yerlerdeki kararları desteklemesine olanak tanır.

Bir de Ant’ın Falcon Zaman Serisi Dönüştürücüsü, kısaca FalconTST var.

Antom 3’ü 1 Arada Dönüştürücü Modeli, şu anda gerçekleşen ödemeyi anlamaya odaklanırken, FalconTST Modeli paranın bundan sonra nereye gideceğini anlamaya odaklanır. Bu ikisini bir araya getirdiğimizde, uzmanlaşmış yapay zekâ argümanı daha net hale gelir: finans sektörünün hem işlemi hem de zamanı anlayan modellere ihtiyacı vardır.

Ant International’ın FalconTST ile çözmeyi hedeflediği sorun budur. FalconTST, kelimeleri anlamak için tasarlanmış başka bir model oluşturmak yerine, zaman içinde değişen sayıları anlamak ve en önemlisi bu sayıların bundan sonra ne yapacağını tahmin etmek üzere tasarlanmıştır. Finans alanında bu, nakit akışlarını, likidite gereksinimlerini ve döviz risklerini tahmin etmek anlamına gelir; böylece özel finansal yapay zekâ kavramı, işletmelerin paralarını yönetme biçimine doğrudan etki eden bir şeye dönüşür.

Bankalar ve şirketler, sürekli değişen rakamların dünyasında yaşar.

Para gelir ve gider, döviz riskleri artar ve azalır; müşteriler saat, gün, mevsim ve ekonomik ortama göre farklı davranışlar sergilerken, piyasalar, likidite ve risk sürekli hareket halindedir. Farklı para birimleri ve piyasalar arasında milyonlarca işlem gerçekleştiren çok uluslu bir şirket için bu kalıpları anlamak akademik bir alıştırma değildir; çünkü bunları yanlış anlamak mali kayıplara yol açar.

Dünya çapında bilet satan bir havayolu şirketini düşünün. Dolar, euro, yen, baht ve düzinelerce başka para biriminde gelir elde ederken, uçak kiralamaları, yakıt, havaalanı ücretleri, personel ve tedarikçilere ödemelerini tamamen farklı bir para birimi yapısı üzerinden gerçekleştirebilir.

Şirket, bu muazzam akışın içinde, ne kadar para alacağını, nereden alacağını, ne zaman eline geçeceğini ve dolayısıyla hangi döviz riskini koruması gerektiğini hesaplamak zorundadır.

Tahmin fazla olursa aşırı koruma yapar, az olursa risk altında kalır. Bu kararları para birimleri, ülkeler, iş kolları ve milyonlarca işlemle çarpın; küçük tahmin hataları ciddi miktarlarda paraya dönüşür.

FalconTST tam da bu dünya için geliştirilmiştir. Bir LLM’nin yaptığı gibi öncelikle kelimelere odaklanmak yerine, zaman içinde değişen sayılara odaklanır ve zaman serisi verilerindeki döngüleri, eğilimleri, mevsimselliği ve ani değişiklikleri tespit etmek üzere tasarlanmıştır; böylece finansal ve ticari ortamlarda uygulanabilen bir tahmin temel modeli oluşturur.

Bu fark önemlidir, çünkü finans temelde zamansaldır. Bir bakiye, belirli bir anda bir anlam ifade eder. Bir döviz riski, belirli bir dönem boyunca mevcuttur. Nakit akışının bir ritmi vardır; piyasalarda ise kalıplar, kesintiler ve şoklar bulunur. Dolayısıyla finansı anlamak, bir sayının ne anlama geldiğini anlamaktan daha fazlasını gerektirir. O sayının bundan sonra ne yapacağını anlamayı gerektirir.

Elbette, finansın tüm bunlar için oldukça acımasız bir ölçütü vardır: para tasarrufu sağladı mı?

İşte bu noktada FalconTST, ilginç bir yapay zeka araştırma projesinden çok daha önemli bir şeye dönüşüyor. Ant International bünyesinde geliştirilen bu teknoloji, saatlik, günlük ve haftalık dönemler boyunca nakit akışlarını ve döviz risklerini tahmin ediyor ve şu anda Barclays, Citi, Deutsche Bank ve Standard Chartered gibi bankaların dahil olduğu finansal çözümlere entegre ediliyor.

En ilginç bulduğum pratik örnek, AirAsia’yı da bünyesinde barındıran Capital A’dır. Şirket, çoklu para birimli operasyonlarında satışları ve döviz riskini tahmin etmek için Ant International’ın zaman serisi teknolojisini kullandı. Ant International’a göre, tahmin doğruluğu %90’ı aştı ve döviz riskinden korunma maliyetleri yaklaşık %40 azaldı.

İşte finansal yapay zekâ hakkındaki tartışma bu noktada somutlaşıyor. Daha iyi e-posta yazan bir model, üretkenlik sağlar. Yarının nakit pozisyonunu daha doğru tahmin eden bir model, bir şirketin likiditeyi daha verimli yönetebilmesi, döviz risklerini daha hassas bir şekilde hedge edebilmesi ve belirsizliğe karşı kendini korumak için daha az sermaye ayırması anlamına gelir.

İşte bu, yapay zekânın bir PowerPoint stratejisi olmaktan çıkıp finansal altyapı haline gelmeye başladığı andır. Antom, ödemeleri gerçek zamanlı olarak anlamak, korumak ve optimize etmek için özel yapay zeka öğrenimini sergilerken, FalconTST ise takip eden nakit akışlarını ve riskleri tahmin etmek için özel yapay zeka öğrenimini gösteriyor.

Voyage’dan çıkarılacak daha geniş kapsamlı ders şudur: Finansal yapay zekânın geleceği, her şeyi yapmaya çalışan tek bir dev model tarafından tanımlanmayacaktır. Gelecek, para hareket etmeden önce, hareket ederken ve hareket ettikten sonra da anlaşılabilmesi için ödemeleri, hesapları, hazine işlemlerini ve büyümeyi birbirine bağlayan, sistemin tüm katmanlarına yerleştirilmiş özel zekâ tarafından tanımlanacaktır.