Dolandırıcılık (Fraud) Tespit Sistemi

Modül FIN-03 — Dolandırıcılık (Fraud) Tespit Sistemi

Bu sayfa, kurumunuzda hayata geçirebileceğim somut bir AI dönüşüm modülünün uçtan uca özetidir: problem ifadesinden ROI modeline, ön koşullardan risk yönetimine ve ilk 2 haftalık hızlı kazanım versiyonuna kadar her şey burada.

1. Problem Tanımı

B2C'de kredi kartı, B2B'de iç fatura usulsüzlüğü, çalışan harcama dolandırıcılığı yıllık ciroya oranla %0.5-2 kayıp yaratır. Manuel inceleme ya örnek bazlı (rastgele) ya da geç (kayıp olduktan sonra).

2. Önerdiğim Çözüm

Anormal işlem örüntülerini gerçek zamanlı tespit eden; risk skoru üretip yüksek skorda manuel inceleme tetikleyen; çalışan harcama (concur, expense report) için anomali yakalayan model.

3. Mimari ve Yaklaşım

Isolation Forest, Autoencoder anomaly detection, gradient boosting; Feedzai, Sift, SAS Fraud, custom build; streaming için Kafka.

Seçilen bileşenler kurumunuzun mevcut altyapısına, veri olgunluğuna ve regülasyon profiline göre kalibre edilir. Açık kaynak yığınlar ile kurumsal SaaS platformları arasındaki tercih genellikle veri ikametgâhı, kontrol seviyesi ve toplam operasyon yüküne göre netleşir.

4. Süre ve Faz Yapısı

Süre aralığı geniş tutulmuştur çünkü mevcut bulut altyapı olgunluğu, iç ekip katılım yoğunluğu ve seçilecek entegrasyon hedefi (kaç sistem) toplam süreyi önemli ölçüde etkiler. Pilot fazında daraltılmış kapsamla başlar; kanıtlanan değere göre tam ölçek planı onaylanır.

**Tipik faz akışı:**

5. ROI ve KPI Beklentileri

Dolandırıcılık kaybı %30-60 azalır; manuel inceleme yükü %50+ azalır; gerçek müşterinin "yanlış reddedilmesi" oranı düşer.

Aralıkların alt bandı disiplinsiz uygulamayı, üst bandı ise süreç yeniden tasarımıyla birlikte yürütülmüş AI projelerini temsil eder. Yalnız teknoloji kurmak yetmez; mevcut iş akışlarının AI-öncesi mantığa göre yeniden tasarlanması en yüksek değer kaynağıdır.

6. Dünyadan Referans Vaka

PayPal, Stripe, Garanti BBVA, Akbank gibi finansal kurumlar AI tabanlı fraud sistemleriyle kayıp oranlarını sektör ortalamasının altında tutuyor; tipik %50+ iyileşme açıklanmıştır.

7. Ön Koşullar

Etiketli geçmiş vaka, gerçek zamanlı veri akışı, manuel inceleme ekibi, yasal/etik onay.

Ön koşullar tamamlanmadan ilerlemek, pilotun başarısız olma olasılığını dramatik biçimde artırır. Bunlar tamamlanmamışsa ilk fazı 2–3 haftalık bir hazırlık atölyesiyle başlatıyorum.

8. Risk ve Azaltma Planı

Yanlış pozitif → müşteri öfkesi → kademeli aksiyon (uyarı > inceleme > red). Model çürümesi (drift) → sürekli izlem.

KVKK ve AB AI Act 2026 uyumu doğrudan tasarım fazına gömülür; ISO/IEC 42001 (AI Yönetim Sistemi) çerçevesiyle uyumlu model dokümantasyonu (model cards), açıklanabilirlik (XAI) ve bias auditi süreçleri her teslimatın parçasıdır.

9. 2 Haftalık Hızlı Kazanım (Quick Win)

Çalışan harcama (expense report) için sadece anomali skoru ve haftalık üst 20 listesi; 2 haftada.

Quick Win versiyonu küçümsenmemelidir: 2–4 haftalık prototipler hem yönetim kurulu için kanıt üretir hem de tam ölçek proje öncesi kritik öğrenme sağlar.

10. Çalışma Modelim ve Teslimatlar

Modülü uçtan uca hayata geçiriyorum: keşif atölyesi → mimari tasarım → veri ve entegrasyon hazırlığı → pilot inşa ve canlıya alım → ROI takibi ve ölçekleme. Her fazda KVKK uyum kontrolü, model gözlemlenebilirliği (LLMOps) ve değişim yönetimi planı dahildir.

**Tipik teslimatlar:**