Be\u015f y\u0131l \u00f6nce, Fara Group’un Kara Para Aklamayla M\u00fccadele\/Ter\u00f6rizmin Finansman\u0131yla M\u00fccadele (AML\/CFT) alan\u0131ndaki \u00e7al\u0131\u015fmalar\u0131n\u0131n bir par\u00e7as\u0131 olarak, daha \u00f6nce ABD Hazinesi taraf\u0131ndan yapt\u0131r\u0131m uygulanan tasfiye halindeki bir bankay\u0131 denetledik. \u00d6ncelikli misyonumuz, hem bankan\u0131n bulundu\u011fu \u00fclkede hem de uluslararas\u0131 alanda daha geni\u015f bir finansal sistemin daha fazla kirlenmesini \u00f6nlemek i\u00e7in toksik hesaplar\u0131 ve ilgili hesap sahiplerini tespit etmekti. Proje, di\u011fer \u015feylerin yan\u0131 s\u0131ra, \u00e7abalar\u0131m\u0131z\u0131n \u00e7e\u015fitli a\u011flar\u0131 ve i\u015flemleri ortaya \u00e7\u0131karmas\u0131 ve \u00f6zel olarak belirlenmi\u015f bir k\u00fcresel ter\u00f6r \u00f6rg\u00fct\u00fcn\u00fcn finans\u00f6rlerine kar\u015f\u0131 h\u00fck\u00fcmet politikalar\u0131n\u0131n \u015fekillendirilmesine yard\u0131mc\u0131 olmas\u0131 nedeniyle ba\u015far\u0131l\u0131 oldu. <\/p>\n
Bankan\u0131n kusurlu kay\u0131t tutma ve veri bak\u0131m uygulamalar\u0131 ve faaliyet g\u00f6sterdi\u011fi genel ortam g\u00f6z \u00f6n\u00fcne al\u0131nd\u0131\u011f\u0131nda, projenin dilbilimciler, veri bilimciler, adli muhasebe uzmanlar\u0131 ve birden fazla yarg\u0131 alan\u0131nda \u00e7al\u0131\u015fan di\u011fer personelden olu\u015fan \u00f6zel bir ekip gerektiren yo\u011fun ve manuel bir \u00e7aba oldu\u011fu ortaya \u00e7\u0131kt\u0131.<\/p>\n
\u00dcst d\u00fczey y\u00f6netim ve analistler, \u00e7o\u011fu fiziksel klas\u00f6r kutular\u0131nda ve\/veya yerel bilgisayarlarda tutulan gerekli verilerin elde edilmesi ve anla\u015f\u0131lmas\u0131ndaki gecikmeler nedeniyle defalarca y\u00fcksek riskli yerlere seyahat etmek zorunda kald\u0131klar\u0131ndan, g\u00f6rev \u00f6nemli g\u00fcvenlik riskleri de i\u00e7eriyordu.<\/p>\n
K\u0131sacas\u0131, o zamandan bu yana ger\u00e7ekle\u015fen yapay zeka devrimi sayesinde bug\u00fcn daha az g\u00f6z korkutucu g\u00f6r\u00fcnebilecek zorluklarla dolu, maliyetli ve karma\u015f\u0131k bir giri\u015fimdi. Ancak bu vaka ayn\u0131 zamanda, en az\u0131ndan yak\u0131n gelecekte, YZ’nin incelikli insan \u00e7abalar\u0131n\u0131n gerisinde kalmaya devam edece\u011fi alanlara bir \u00f6rnek te\u015fkil etmektedir. <\/p>\n
<\/p>\n
Belge kullan\u0131m\u0131yla ilgili zorluklar <\/strong><\/p>\n Bu g\u00f6rev, di\u011fer \u015feylerin yan\u0131 s\u0131ra \u00e7eklerin g\u00f6r\u00fcnt\u00fcleri, elle doldurulmu\u015f M\u00fc\u015fterini Tan\u0131 (KYC) formlar\u0131, kredi belgeleri ve \u015e\u00fcpheli Faaliyet Raporlar\u0131n\u0131 (SAR’lar) i\u00e7eren devasa bir PDF dosyalar\u0131 ve fiziksel ka\u011f\u0131t belge ar\u015fivine yay\u0131lm\u0131\u015f b\u00fcy\u00fck hacimli yap\u0131land\u0131r\u0131lmam\u0131\u015f verilerin i\u015flenmesini i\u00e7eriyordu. T\u00fcm bunlar\u0131n bir d\u00fczineden fazla Fara Group m\u00fcfetti\u015fi ve analisti taraf\u0131ndan kapsaml\u0131 bir \u015fekilde incelenmesi ve yap\u0131land\u0131r\u0131lm\u0131\u015f veri k\u00fcmelerine manuel olarak girilmesi gerekiyordu. <\/p>\n Bir\u00e7ok belgenin Arap\u00e7a olmas\u0131 ve kritik el yaz\u0131s\u0131 detaylar i\u00e7ermesi bu zorlu\u011fu daha da art\u0131r\u0131yordu. O d\u00f6nemde en yeni Optik Karakter Tan\u0131ma (OCR) yaz\u0131l\u0131m\u0131n\u0131 kullanmam\u0131za ra\u011fmen, teknoloji yetersizdi. Yaz\u0131l\u0131m do\u011fruluk konusunda zorlan\u0131yor, \u00e7o\u011fu zaman karakterleri yanl\u0131\u015f yorumluyor veya belgelerin baz\u0131 k\u0131s\u0131mlar\u0131n\u0131 tamamen atl\u0131yordu. Yava\u015ft\u0131, hatalara meyilliydi ve karma\u015f\u0131k d\u00fczenleri y\u00f6netemiyordu, bu da dijitalle\u015ftirmeyi s\u0131k\u0131c\u0131 ve zaman al\u0131c\u0131 hale getiriyordu. Latin alfabesi d\u0131\u015f\u0131ndaki yaz\u0131lar\u0131 veya kar\u0131\u015f\u0131k belge formatlar\u0131n\u0131 i\u015flemek neredeyse imkans\u0131zd\u0131. <\/p>\n G\u00fcn\u00fcm\u00fczde OCR teknolojisi \u00f6nemli bir d\u00f6n\u00fc\u015f\u00fcm ge\u00e7irmi\u015ftir. Geli\u015fmi\u015f algoritmalar art\u0131k zorlu d\u00fczenler i\u00e7in bile daha h\u0131zl\u0131 ve daha hassas tan\u0131ma sa\u011fl\u0131yor. OCR’nin g\u00fcvenilirli\u011fi b\u00fcy\u00fck \u00f6l\u00e7\u00fcde artarak daha sorunsuz belge dijitalle\u015ftirme ve veri \u00e7\u0131karma s\u00fcre\u00e7lerine olanak sa\u011flad\u0131. Ancak bu alanda hala yap\u0131lmas\u0131 gereken i\u015fler var, \u00f6zellikle de Latin alfabesi d\u0131\u015f\u0131ndaki alfabeler i\u00e7in bo\u015fluklar\u0131 doldurmak, iyile\u015ftirme i\u00e7in kritik bir alan olmaya devam ediyor. <\/p>\n <\/p>\n AML analiti\u011findeki zorluklar<\/strong><\/p>\n \u00c7ok ge\u00e7meden, eski bir BT sisteminden al\u0131nan yap\u0131land\u0131r\u0131lm\u0131\u015f banka i\u015flem verilerinin b\u00fcy\u00fck bir k\u0131sm\u0131n\u0131n, hesaplar aras\u0131ndaki i\u015flemleri birbirine ba\u011flayan kritik kodlardan yoksun oldu\u011funu ve mutabakat\u0131 karma\u015f\u0131k bir g\u00f6rev haline getirdi\u011fini fark ettik. Ayr\u0131 bir sunucudan al\u0131nan SWIFT veri setleri yap\u0131land\u0131r\u0131lm\u0131\u015f banka i\u015flem verileriyle uyum sa\u011flamada ba\u015far\u0131s\u0131z olurken, alanlar aras\u0131nda \u00fccretlerin tutars\u0131z bir \u015fekilde uygulanmas\u0131 zorlu\u011fu daha da art\u0131rd\u0131. <\/p>\n Denedi\u011fimiz Excel ve \u00e7e\u015fitli adli analitik ara\u00e7lar\u0131, kal\u0131plar\u0131 belirleme ve y\u00fcksek hacimli hesaplar\u0131 \u00f6nceliklendirme konusunda baz\u0131 yetenekler sunsa da, a\u015f\u0131r\u0131 kat\u0131yd\u0131lar ve verimlilik ve \u00f6l\u00e7eklenebilirlik a\u00e7\u0131s\u0131ndan yetersiz kald\u0131lar. Makine \u00f6\u011frenimi, tahmine dayal\u0131 analitik ve g\u00fc\u00e7l\u00fc bulut bili\u015fimden yararlanan yapay zeka \u00e7\u00f6z\u00fcmleri, veri e\u015fle\u015ftirmeyi otomatikle\u015ftirebilir, anormallikleri i\u015faretleyebilir ve b\u00fcy\u00fck veri k\u00fcmelerini daha y\u00fcksek h\u0131z, do\u011fruluk ve uyarlanabilirlikle i\u015fleyerek s\u00fcreci \u00f6nemli \u00f6l\u00e7\u00fcde kolayla\u015ft\u0131rabilirdi. <\/p>\n <\/strong><\/p>\n Veri setlerini e\u015fle\u015ftirmek i\u00e7in yenilik\u00e7i transliterasyon \u00e7\u00f6z\u00fcmleri <\/strong><\/p>\n Temel g\u00f6revlerden biri, m\u00fc\u015fterimizin hesap sahipleri veritaban\u0131nda veya i\u015flem kar\u015f\u0131 taraflar\u0131 aras\u0131nda belirlenmi\u015f bir ter\u00f6r \u00f6rg\u00fct\u00fcyle ba\u011flant\u0131l\u0131 herhangi bir ki\u015finin bulunup bulunmad\u0131\u011f\u0131n\u0131 belirlemekti. Kar\u015f\u0131la\u015f\u0131lan zorluklardan biri, bankan\u0131n m\u00fc\u015fteri listesi Latin alfabesindeyken, \u015f\u00fcpheli ki\u015filerden olu\u015fan veri setinin \u00e7ok \u00e7e\u015fitli \u015fekillerde \u00e7evrilebilen Arap alfabesinde olmas\u0131yd\u0131. (Bir \u00f6rnek olarak, olduk\u00e7a yayg\u0131n olan “Mohammad” isminin Latin alfabesinde 20’den fazla farkl\u0131 yaz\u0131m varyasyonu vard\u0131r). <\/p>\n Arap\u00e7a ve \u0130ngilizce setler aras\u0131ndaki bu u\u00e7urumu etkili bir \u015fekilde kapatman\u0131n ve verilerin do\u011fru bir \u015fekilde e\u015fle\u015ftirilmesini sa\u011flaman\u0131n en iyi yolunun, ekibimizdeki ana dili Arap\u00e7a olan ki\u015filerin, bankan\u0131n verileriyle e\u015fle\u015febilecek 200.000’den fazla Arap\u00e7a isim i\u00e7in t\u00fcm olas\u0131 \u0130ngilizce harf \u00e7evirileriyle birlikte manuel olarak bir s\u00f6zl\u00fck olu\u015fturmas\u0131 oldu\u011funu g\u00f6rd\u00fck. Bu zahmetli s\u00fcre\u00e7 binlerce saatlik \u00e7aba ve AWS bulut hizmetleri arac\u0131l\u0131\u011f\u0131yla hesaplama i\u015fleminin \u00f6l\u00e7eklendirilmesini gerektirdi. Ayr\u0131ca s\u00fcrecin \u00f6nemli b\u00f6l\u00fcmlerini otomatikle\u015ftirmek, verimlili\u011fi art\u0131rmak ve manuel \u00e7abay\u0131 azaltmak i\u00e7in Python geli\u015ftiricilerini g\u00f6revlendirdik. <\/p>\n Toplam i\u015flem hacimleri 6 milyar dolar\u0131 a\u015fan binlerce hesap sahibinin e\u015fle\u015fmesini tespit etmeyi ba\u015fard\u0131k.<\/p>\n Makine \u00f6\u011frenimi yapay zekas\u0131 bu s\u00fcrecin baz\u0131 k\u0131s\u0131mlar\u0131na yard\u0131mc\u0131 olabilirken, anadili Arap\u00e7a olan bir ki\u015finin uzmanl\u0131\u011f\u0131 kritik \u00f6neme sahipti. Bu ki\u015filer isim varyasyonlar\u0131n\u0131 derinlemesine anlayabilir ve tespit edilmekten ka\u00e7\u0131nmak i\u00e7in isimlerin kara para aklay\u0131c\u0131lar taraf\u0131ndan kas\u0131tl\u0131 olarak nas\u0131l de\u011fi\u015ftirilebilece\u011fini \u00f6ng\u00f6rebilir. <\/p>\n G\u00fcn\u00fcm\u00fczde do\u011fru ara\u00e7lar ve sorgularla yapay zeka uygulamalar\u0131 bu g\u00f6revi \u00e7ok daha verimli bir \u015fekilde yerine getirebilmektedir. \u00d6rne\u011fin ChatGPT, sadece 12 saniyede \u201cMohammad\u201d isminin 22 varyasyonunu \u00fcreterek, i\u015flem g\u00fcc\u00fcne ba\u011fl\u0131 olarak Arap\u00e7a isimlerden olu\u015fan bir s\u00f6zl\u00fc\u011f\u00fcn tamam\u0131n\u0131 saatler i\u00e7inde tamamlama potansiyelini ortaya koyuyor. <\/p>\n <\/p>\n eKe\u015fif <\/strong><\/p>\n Bir eDiscovery platformu kullanarak y\u00fcz binlerce banka e-postas\u0131nda bulunan ili\u015fkileri, i\u015flem bilgilerini ve di\u011fer ilgili verileri haritaland\u0131rd\u0131k. Soru\u015fturman\u0131n bu k\u0131sm\u0131n\u0131 dijital bir platform \u00fczerinden y\u00fcr\u00fctebilme kabiliyetine ra\u011fmen, s\u00fcre\u00e7 yine de analistlerimiz taraf\u0131ndan dikkatli manuel incelemeler gerektiriyordu. Ekip, tespitten ka\u00e7mak i\u00e7in tasarlanm\u0131\u015f n\u00fcansl\u0131 veya kodlanm\u0131\u015f ileti\u015fimleri yakalayamayabilecek bir y\u00f6ntem olan anahtar kelime aramalar\u0131na dayan\u0131yordu (baz\u0131 e-postalar\u0131n Arap\u00e7a yaz\u0131lm\u0131\u015f olmas\u0131 i\u015fleri daha da karma\u015f\u0131k hale getiriyordu). Ayr\u0131ca, baz\u0131 aramalarda binlerce e-posta \u00e7\u0131kt\u0131\u011f\u0131ndan, analistlerin her bir bulguyu zaman\u0131nda incelemesi neredeyse imkans\u0131zd\u0131. <\/p>\n Yapay zeka, eski metodolojilerin s\u0131n\u0131rlamalar\u0131n\u0131n \u00f6tesine ge\u00e7erek kara para aklama soru\u015fturmalar\u0131nda eDiscovery’de devrim yaratt\u0131. G\u00fcn\u00fcm\u00fczde yapay zeka, ba\u011flam\u0131 analiz etmek, kal\u0131plar\u0131 ortaya \u00e7\u0131karmak ve \u015f\u00fcpheli ileti\u015fimleri i\u015flem kay\u0131tlar\u0131na ola\u011fan\u00fcst\u00fc bir hassasiyetle ba\u011flamak i\u00e7in do\u011fal dil (NPL) i\u015fleme ve makine \u00f6\u011freniminden yararlanmaktad\u0131r. Bu de\u011fi\u015fim, soru\u015fturmalar\u0131n h\u0131z\u0131n\u0131 ve do\u011frulu\u011funu \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131rarak finans kurumlar\u0131n\u0131n yan\u0131 s\u0131ra kolluk kuvvetlerinin de b\u00fcy\u00fck miktarda veriyi dakikalar i\u00e7inde i\u015flemesini sa\u011flarken eksik kan\u0131t riskini de azaltt\u0131. <\/p>\n eDiscovery platformlar\u0131 yap\u0131land\u0131r\u0131lm\u0131\u015f i\u015flem veri k\u00fcmeleriyle entegre olarak finansal soru\u015fturmalarda devrim yaratabilir ve kara para aklama faaliyetlerine ili\u015fkin daha derin i\u00e7g\u00f6r\u00fcler sa\u011flayabilir. Bu ara\u00e7lar, e-posta ileti\u015fimlerini i\u015flem kay\u0131tlar\u0131yla ili\u015fkilendirerek, geli\u015fmi\u015f veri korelasyonu ve \u00f6r\u00fcnt\u00fc tan\u0131maya olanak tan\u0131r ve ola\u011fand\u0131\u015f\u0131 miktarlar veya zamanlama gibi \u015f\u00fcpheli anormallikleri ortaya \u00e7\u0131kar\u0131r. Bu ba\u011flant\u0131, ileti\u015fim izlerinin yan\u0131 s\u0131ra finansal ak\u0131\u015flar\u0131 da takip ederek gizli a\u011flar\u0131 veya planlar\u0131 ortaya \u00e7\u0131kararak soru\u015fturmalar\u0131 geli\u015ftirir. <\/p>\n \u00c7\u0131kt\u0131lar\u0131m\u0131z, tarihler ve tutarlar dahil olmak \u00fczere bireyler ve t\u00fczel ki\u015filer aras\u0131ndaki i\u015flem ak\u0131\u015f\u0131n\u0131 g\u00f6steren \u00e7e\u015fitli \u00e7izelgeler i\u00e7eriyordu ve \u00e7o\u011fu durumda destekleyici kan\u0131t olarak somut belgeler e\u015flik ediyordu.<\/p>\n <\/p>\n Yapay zekaya tamamen g\u00fcvenmek neden hala \u00e7ok uzak bir k\u00f6pr\u00fc olabilir?<\/strong><\/p>\n Yapay zeka bir\u00e7ok alanda ele\u015ftirel d\u00fc\u015f\u00fcnce ihtiyac\u0131n\u0131 azaltm\u0131\u015ft\u0131r. Genellikle arkas\u0131ndaki mant\u0131\u011f\u0131 ortaya koymadan sonu\u00e7lar sa\u011flar. \u0130nsan s\u00fcre\u00e7lerini taklit ederken, \u00e7ok daha h\u0131zl\u0131 ve \u00e7ok daha b\u00fcy\u00fck bir \u00f6l\u00e7ekte \u00e7al\u0131\u015f\u0131r. <\/p>\n Bununla birlikte, veriler kusurludur ve bu noktada konu uzmanlar\u0131 hala \u00e7ok \u00f6nemli bir rol oynamaktad\u0131r – yapay zekan\u0131n g\u00f6zden ka\u00e7\u0131rabilece\u011fi n\u00fcanslar\u0131 ve tutars\u0131zl\u0131klar\u0131 fark edebilirler. Veri bilimciler say\u0131lar\u0131n arkas\u0131ndaki bilimi anlayabilir, ancak verinin kendisini derinlemesine anlamaktan yoksun olabilirler. \u0130nsan uzmanl\u0131\u011f\u0131, ba\u011flam, muhakeme ve i\u00e7g\u00f6r\u00fc sa\u011flamak i\u00e7in gerekli olmaya devam etmektedir. Kusurlu verilere dayanan yapay zeka teknolojisi, bir\u00e7ok karma\u015f\u0131k alanda insan \u00e7abalar\u0131n\u0131n yerini almaktan ziyade onlar\u0131 tamamlamak i\u00e7in \u00e7al\u0131\u015f\u0131r. <\/p>\n Ba\u015fka bir deyi\u015fle, bir\u00e7ok geli\u015fmeye ra\u011fmen yapay zeka, \u00f6zellikle Bat\u0131l\u0131 olmayan yarg\u0131 b\u00f6lgelerinde bankac\u0131l\u0131k dinamiklerinin ince ayr\u0131nt\u0131lar\u0131n\u0131 anlamada yetersiz kalmaktad\u0131r. Daha derin bir ba\u011flam olmadan ham say\u0131lar\u0131 analiz edebilen baz\u0131 veri bilimcileri gibi, yapay zeka da KYC’ler veya kredi onaylar\u0131 gibi s\u00fcre\u00e7lerde hayati \u00f6nem ta\u015f\u0131yan k\u00fclt\u00fcrel, co\u011frafi veya di\u011fer n\u00fcanslar\u0131 tan\u0131makta zorlan\u0131yor. <\/p>\n Dahas\u0131, (hen\u00fcz!) bir banka m\u00fcd\u00fcr\u00fcyle y\u00fcz y\u00fcze g\u00f6r\u00fc\u015fme gibi insan kaynakl\u0131 istihbarat yoluyla elde edilen s\u00f6zs\u00fcz ipu\u00e7lar\u0131n\u0131 yakalayamaz veya belirli bir kurumu ve m\u00fc\u015fterilerini \u00e7evreleyen yerel siyasi dinamikleri veya hassas ili\u015fkileri tahmin etme yetene\u011fine sahip de\u011fildir. Bu eksiklikler yanl\u0131\u015f alarmlara, gergin m\u00fc\u015fteri ili\u015fkilerine veya yanl\u0131\u015f risk de\u011ferlendirmelerine yol a\u00e7abilir. <\/p>\n \u00d6te yandan, yukar\u0131da da belirtildi\u011fi gibi, be\u015f y\u0131l \u00f6nceki banka denetim g\u00f6revimiz s\u0131ras\u0131nda bariz bir \u015fekilde ortaya \u00e7\u0131kan OCR teknolojisinin s\u0131n\u0131rlamalar\u0131 o zamandan bu yana \u00f6nemli \u00f6l\u00e7\u00fcde iyile\u015fmi\u015ftir. Geli\u015fmi\u015f algoritmalar art\u0131k zorlu d\u00fczenler i\u00e7in bile daha h\u0131zl\u0131 ve daha hassas tan\u0131ma sa\u011flamakta ve g\u00fcn\u00fcm\u00fcz OCR’sinin g\u00fcvenilirli\u011fi daha sorunsuz belge dijitalle\u015ftirme ve veri \u00e7\u0131karma s\u00fcre\u00e7leri sa\u011flamaktad\u0131r. Bununla birlikte, bu geli\u015fmeler \u00f6nemli bir ilerlemeye i\u015faret etse de, Latin alfabesi d\u0131\u015f\u0131ndaki alfabeler aras\u0131ndaki bo\u015flu\u011fu doldurmak i\u00e7in hala \u00e7al\u0131\u015f\u0131lmas\u0131 gerekti\u011fini unutmay\u0131n. <\/p>\n Deneyimlerimize g\u00f6re, potansiyel ter\u00f6rizm finansman\u0131 ba\u011flant\u0131lar\u0131 hakk\u0131nda \u0131smarlama raporlar haz\u0131rlamak, \u00f6ncelikle mevcut bilgilerin tutars\u0131z ve eksik olmas\u0131 nedeniyle \u00f6nemli benzersiz zorluklar ortaya \u00e7\u0131karm\u0131\u015ft\u0131r. Sorunlar aras\u0131nda eski bir bankac\u0131l\u0131k sisteminin g\u00fcvensiz veri ve karakter s\u0131n\u0131rlamalar\u0131 gibi teknolojik eksikliklerinin yan\u0131 s\u0131ra m\u00fc\u015fterilerin durum tespitinin sistem \u00fczerinden de\u011fil de banka personeli taraf\u0131ndan s\u00f6zl\u00fc olarak yap\u0131ld\u0131\u011f\u0131 durumlar da vard\u0131. Bas\u0131l\u0131 kopya yap\u0131land\u0131r\u0131lmam\u0131\u015f formlar, insan kaynakl\u0131 istihbarat toplama ve eDiscovery platformlar\u0131ndaki bulgular da dahil olmak \u00fczere \u00e7e\u015fitli veri noktalar\u0131ndan gelen bilgileri \u00e7apraz referanslayabilen analistlerimizin becerikli incelemeleri sayesinde, otomatik bir bankac\u0131l\u0131k sistemi olmas\u0131 gereken sistemde \u00f6nemli eksik, tutars\u0131z ve\/veya manuel olarak de\u011fi\u015ftirilmi\u015f veriler ke\u015ffettik. <\/p>\n Bug\u00fcn de ge\u00e7erlili\u011fini koruyan bir ba\u015fka karma\u015f\u0131k konu da, k\u00f6t\u00fc niyetli akt\u00f6rlerin fonlar\u0131n\u0131 ta\u015f\u0131mak i\u00e7in izlenebilir ve tespit edilebilir y\u00f6ntemlerden (do\u011frudan banka havaleleri gibi) m\u00fcmk\u00fcn oldu\u011funca ka\u00e7\u0131nmaya \u00e7al\u0131\u015fmalar\u0131 ve bunun yerine s\u00fcrekli de\u011fi\u015fen yarat\u0131c\u0131 \u00e7\u00f6z\u00fcmler bulmalar\u0131d\u0131r. Faaliyet g\u00f6sterdikleri yarg\u0131 alan\u0131n\u0131n kendine \u00f6zg\u00fc zay\u0131fl\u0131klar\u0131na ba\u011fl\u0131 olarak, fonlar\u0131 finansal sisteme sokmak i\u00e7in al\u0131\u015f\u0131lm\u0131\u015f\u0131n d\u0131\u015f\u0131nda y\u00f6ntemler de kullanmaktad\u0131rlar (sadece bir \u00f6rnek vermek gerekirse, hesaplardan kas\u0131tl\u0131 olarak fazla para \u00e7ekmek ve nakit olarak \u00f6deme yapmak gibi). <\/p>\n T\u00fcm bunlar, sahada uzmanl\u0131\u011f\u0131n ve farkl\u0131 akt\u00f6rler aras\u0131ndaki belirsiz g\u00f6r\u00fcnen ili\u015fkilerin anla\u015f\u0131lmas\u0131n\u0131n kritik \u00f6nem ta\u015f\u0131d\u0131\u011f\u0131 anlam\u0131na gelmektedir.<\/p>\n Bizim durumumuzda, analizin karma\u015f\u0131kl\u0131\u011f\u0131 ve \u00f6zg\u00fcll\u00fc\u011f\u00fc, \u00e7e\u015fitli veri t\u00fcrlerini yorumlamak ve sentezlemek i\u00e7in insan uzmanl\u0131\u011f\u0131 gerektiriyordu. Daha modern yapay zeka, b\u00fcy\u00fck veri k\u00fcmelerinin i\u015flenmesinde kal\u0131plar\u0131n belirlenmesi gibi bu s\u00fcrecin belirli y\u00f6nleri i\u00e7in de\u011ferli bir ara\u00e7 olarak hizmet edebilirdi, ancak muhtemelen n\u00fcansl\u0131 muhakeme, ba\u011flamsal anlay\u0131\u015f ve uyarlanabilirlik gerektiren \u00f6zel \u00e7\u0131kt\u0131lar\u0131 tam olarak \u00fcretme yetene\u011finden yoksun olacakt\u0131. <\/p>\n Yapay zeka ve insan i\u00e7g\u00f6r\u00fcs\u00fc birlikte verimlili\u011fi art\u0131rabilir. Bununla birlikte, en az\u0131ndan yak\u0131n gelecekte, bu banka denetimi gibi \u00f6zel durumlar i\u00e7in ayr\u0131nt\u0131l\u0131, ba\u011flama duyarl\u0131 \u00e7\u0131kt\u0131lar \u00fcretmenin merkezinde insan liderli\u011findeki \u00e7abalar\u0131n kalmaya devam etmesi muhtemel g\u00f6r\u00fcn\u00fcyor. <\/p>\n <\/strong><\/p>\n Sonu\u00e7<\/strong><\/p>\n Fara Group, yapay zekay\u0131 i\u015f ak\u0131\u015f\u0131na entegre etti ve onu herkese uyan tek bir \u00e7\u00f6z\u00fcmden ziyade g\u00fc\u00e7l\u00fc, tamamlay\u0131c\u0131 bir ara\u00e7 olarak g\u00f6r\u00fcyor. Yapay zeka, bir zamanlar binlerce saat s\u00fcren g\u00f6revlerin \u00e7ok daha k\u0131sa s\u00fcrede tamamlanmas\u0131n\u0131 sa\u011flayan bir g\u00fc\u00e7 \u00e7arpan\u0131 g\u00f6revi g\u00f6r\u00fcyor. <\/p>\n Yapay zekay\u0131 analitik ekibimize kat\u0131lan parlak bir \u00e7aylak olarak d\u00fc\u015f\u00fcn\u00fcyoruz. H\u0131z\u0131yla ve de\u011ferli i\u00e7g\u00f6r\u00fcleri ortaya \u00e7\u0131karma becerisiyle \u015fa\u015f\u0131rtabilir. Ancak ayn\u0131 zamanda yetersiz kalabilir, ba\u011flam\u0131 kavramakta zorlanabilir, bariz temalar\u0131 g\u00f6zden ka\u00e7\u0131rabilir ve incelikleri yanl\u0131\u015f anlayabilir. <\/p>\n Analitik s\u00fcrecin merkezinde, deneyimleri sayesinde kritik bir anlay\u0131\u015fa sahip olan ve sonu\u00e7lar\u0131 de\u011ferlendiren k\u0131demli konu uzman\u0131 yer almaktad\u0131r. En az\u0131ndan \u015fimdilik, m\u00fc\u015fterilerimiz i\u00e7in ger\u00e7ekten neyin \u00f6nemli oldu\u011fu konusunda zengin ve anlaml\u0131 analizler olu\u015fturmak i\u00e7in verilerin kayna\u011f\u0131n\u0131 ve s\u0131n\u0131rlamalar\u0131n\u0131 tan\u0131mada, istihbarat bo\u015fluklar\u0131n\u0131 doldurmada ve insan kaynakl\u0131 istihbarat i\u00e7g\u00f6r\u00fcleri de dahil olmak \u00fczere \u00e7e\u015fitli kaynaklardan gelen bilgileri birle\u015ftirmede yapay zekadan daha iyidirler. <\/p>\n","protected":false},"excerpt":{"rendered":" Be\u015f y\u0131l \u00f6nce, Fara Group’un Kara Para Aklamayla M\u00fccadele\/Ter\u00f6rizmin Finansman\u0131yla M\u00fccadele (AML\/CFT) alan\u0131ndaki \u00e7al\u0131\u015fmalar\u0131n\u0131n bir par\u00e7as\u0131 olarak, daha \u00f6nce ABD Hazinesi taraf\u0131ndan yapt\u0131r\u0131m uygulanan tasfiye halindeki bir bankay\u0131 denetledik. \u00d6ncelikli misyonumuz, hem bankan\u0131n bulundu\u011fu \u00fclkede hem de uluslararas\u0131 alanda daha geni\u015f bir finansal sistemin daha fazla kirlenmesini \u00f6nlemek i\u00e7in toksik hesaplar\u0131 ve ilgili hesap sahiplerini…<\/p>\n","protected":false},"author":3,"featured_media":4191,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_jetpack_memberships_contains_paid_content":false},"categories":[22],"tags":[],"class_list":["post-4199","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized-tr","category-22","description-off"],"acf":[],"yoast_head":"\n