Ekranda bir işlem ağını inceleyen bir finansal suç araştırmacısı ve ekip lideri
  1. Ana sayfa
  2. Kullanım senaryoları
  3. Bankacılık ve finansal hizmetler
Bankacılık · Dolandırıcılık tespiti ve uyumTeslim edildi · müşteri sonucu

Büyük bir Avrupa bankası

Bankacılıkta dolandırıcılık ve uyum analitiği: 3 günlük sorgudan gerçek zamana

Dolandırıcılık tespiti ve analitiği, 3 gün süren bir sorgu sürecinden günde milyonlarca işlemi kapsayan gerçek zamanlı istihbarata dönüştü.

3 gün → <1 sn

karmaşık ilişki sorgusu süresi

%85

dolandırıcılık tespitinde iyileşme (bankanın bildirdiği)

%70

verimlilik artışı

Yönetici özeti: dolandırıcılık ve uyum analitiği

Müşteri
Büyük bir Avrupa bankası
Sektör
Bankacılık ve finansal hizmetler
Ölçek
Günde milyonlarca işlem
Kapsam
Dolandırıcılık tespiti, uyum raporlaması, doküman analizi

Bağlam, karar, sonuç

  • Bağlam. Karmaşık veritabanı sorguları 3 iş günü sürüyordu; bu nedenle gerçek zamanlı dolandırıcılık tespiti imkânsızdı. Departmanlara dağılmış veriler 360° müşteri görünümünü engelliyor, çalışanlar saatlerini tekrarlayan veri çekme işlerine harcıyordu.
  • Karar. Mimariyi ilişkiler etrafında yeniden kurmak: departmanları birbirine bağlayan yüksek performanslı bir graf veri katmanı, makine öğrenmesiyle anomali tespiti ve günde milyonlarca işlem için gerçek zamanlı bir veri hattı. Araştırmacılar her uyarının ardındaki bağlamın tamamını görmeye devam ediyor.
  • Sonuç. Eskiden 3 gün süren karmaşık ilişki sorgularına 1 saniyenin altında yanıt. Dolandırıcılık tespitinde %85 iyileşme (banka tarafından bildirilen), %80 daha hızlı uyum raporlaması, %70 daha yüksek verimlilik ve %42 daha yüksek müşteri memnuniyeti.
  • Değere ulaşma süresi. Banka çalışanlarına, araştırmacıların zaten sorduğu sorular etrafında kurgulanmış eğitimler ve teknik dokümantasyon sağlandı.
Sorun

Dolandırıcılık ve uyum ekiplerinin sorunu

Bankacılıkta işe yarayan yanıt ilişkilere bağlıdır: hesaplar, işlemler, belgeler, müşteriler ve olaylar arasındaki ilişkilere. Bu bankada söz konusu ilişkiler departman sistemlerine dağılmıştı ve karmaşık sorgular 3 iş günü sürüyordu.

Gecikmeler soruşturmayı, raporlamayı ve bağlantılı bir resim gerektiren her kararı etkiliyordu. Veriler mutabık hale geldiğinde karar penceresi çoğu zaman kapanmış oluyordu; yavaş kararlar da dolandırıcılık riskini artırıyordu.

İş nasıl yapıldı

Süreç: 3 günlük sorgulardan gerçek zamanlı soruşturmaya

Darboğazın insanlarda ya da donanımda değil, ilişkilerde olduğu ortaya çıktı.

  1. Adım 01 · Analiz

    Darboğazları nasıl teşhis ettik

    İşlem süreçlerinden dolandırıcılık tespitine ve uyum raporlamasına uzanan yolu haritalandırdık, departmanlar arasındaki veri akışlarını izledik.

    Siloları, tekrarlanan veri çekme işlerini ve ekiplerin birlikte görmesi gereken ilişkileri aradık. Böylece ilk değişikliği, bağlantılı verinin en fazla kapasiteyi açığa çıkaracağı sorulara odakladık.

    Teslimat Keşif ekibimiz tarafından yürütüldü.

  2. Adım 02 · Tasarım ve dönüşüm

    Soruşturma odaklı bir veri modelini nasıl kurduk

    Karmaşık ilişki sorguları için optimize edilmiş, yüksek performanslı bir graf veritabanı mimarisi tasarladık ve ilişki verilerini soruşturmaya uygun bir yapıya taşıdık.

    İşlem verileri üzerinde örüntü tanıma ve anomali tespiti için makine öğrenmesi modelleri eğittik; günde milyonlarca işlem için gerçek zamanlı bir işleme hattı kurduk.

    Bütünleşik bir veri katmanı, departmanları ortak bir görünüm etrafında birleştirdi; operasyonel bağlam ve erişim kontrolleri tasarıma yerleşikti.

    Bu yetenek için NatusAI ürünleri

    İlişkilerin kendi geçmişini koruduğu, zamana göre sürümlenmiş bir grafın soyut görseli
    Her işlem ve ilişki geçmişiyle birlikte saklanır; böylece bir örüntü zaman içinde izlenebilir.

Yaygınlaştırma ve benimseme

Uyarıların, işlemlerin ve geçmişlerinin birbirine bağlandığı bir operasyon resminin soyut görseli
Bağlantılı veri, dolandırıcılık riskini yönetim kurulunun kanıtla tartışabileceği bir konuya dönüştürür.
  1. Adım 03 · Geliştirme

    Neler geliştirdik

    Canlı işlem izleme, anında uyarılar ve otomatik risk puanlaması sunan gerçek zamanlı bir dolandırıcılık tespit motoru. Araştırmacılar hareketi, risk örüntüsünü ve çevresindeki bağlamı görüyor.

    Doğal dilde sorgu arayüzüne sahip, milyonlarca dokümanı saniyeler içinde işleyebilen bir doküman analiz platformu; analistler onaylı doküman koleksiyonları genelinde soru sorabiliyor.

    Departmanlar arası erişim ve iş birliği araçlarıyla 360 derecelik müşteri verisi entegrasyonu.

    Bu yetenek için NatusAI ürünleri

  2. Adım 04 · Benimseme

    Ekipler sistemi nasıl benimsedi

    Banka çalışanlarına yönelik eğitimler ve teknik dokümantasyon, araştırmacıların ve analistlerin zaten sorduğu sorular etrafında kurgulandı; bir kara kutu yanıtını kabul etmek yerine sonucu inceleyebilmek için gereken bağlam da sağlandı.

    Bu yetenek için NatusAI ürünleri

NatusAI ekibi tarafından hayata geçirildi. Ürün etiketleri, her yeteneği hangi NatusAI ürününün sağladığını ya da sağlamasının planlandığını gösterir; sürüm durumu “Teknik ekibiniz için” bölümünde yer alır.

İşlem tablolarını ve bir ilişki diyagramını birlikte inceleyen finansal suç araştırmacıları (temsili görsel)
Temsili görsel.
İnsan boyutu

Risk, dolandırıcılık ve uyum ekipleri için ne değişti

Soru ile karar arasında daha az bekleme, muhakeme için daha fazla zaman.

  • Dolandırıcılık araştırmacıları. Uyarılar, ardındaki graf ve geçmişle birlikte gerçek zamanlı geliyor; böylece bir örüntü adım adım izlenip açıklanabiliyor.

  • Uyum ekipleri. Veriler zaten bağlantılı olduğu ve dokümanlar genelinde sade bir dille soru sorulabildiği için raporlama %80 daha hızlı.

  • Müşteriyle temas eden çalışanlar. Departmanlar arası 360 derecelik müşteri görünümü. Müşteri memnuniyeti %42 arttı.

Önemli, ölçülebilir sonuçlar

Etki: gerçek zamanlı dolandırıcılık ve uyum analitiği

3 gün → <1 sn

karmaşık ilişki sorgularında 3 iş gününden 1 saniyenin altına

%85

dolandırıcılık tespitinde iyileşme (bankanın bildirdiği)

%70

verimlilik artışı

%80

daha hızlı uyum raporlaması

%42

daha yüksek müşteri memnuniyeti

%98

ayda milyonlarca dokümanda, banka tarafından bildirilen doküman analizi doğruluğu

Rakamlar, proje kapanışında müşteri tarafından bildirilmiştir.

Finansal veri ve soruşturma

Aynı temelin bir sonraki adımları

Çoğu bankada muhasebe defteri, dolandırıcılık motoru, risk modeli ve denetim izi farklı sistemlerde durur ve gece çalışan toplu işlerle birbirine bağlanır. Bağlantılı ve zamanı dikkate alan bir temel, canlı veri üzerinde karar vermenizi, tespit yapmanızı ve tahmin üretmenizi sağlar.

Referans senaryo

Anında kredi kararları

Sorun
Kredi ya da limit vermek, başvuru sahibinin geçmişini ve yükümlülük ağını çekmeyi gerektirir; bu genellikle sistemler arası yavaş bir birleştirme işlemidir.
Yaklaşım
Tüm işlem geçmişi ve karşı taraf ağı tek bir yerde durur. Bir puanlama modeli bunları değerlendirir ve kısa sürede onay ya da ret yanıtı verir.
Sonuç
Satış noktasında ya da uygulamada, kararda kullanılan verinin birebir dayanak olarak saklandığı gerçek zamanlı kredi kararları.
Referans senaryo

Dolandırıcılık ve kara para aklamayla mücadele (AML)

Sorun
Dolandırıcılık ve kara para aklama, zaman içindeki örüntüler olarak ortaya çıkar: halkalar, para katırı zincirleri, ani işlem patlamaları. Satır satır kontroller bunları kaçırır.
Yaklaşım
Parayı adım adım izleyin, döngüsel akışları ve işlem hızındaki sıçramaları yakalayın, anomalileri işlemler gerçekleşirken puanlayın.
Sonuç
Şüpheli örüntüler gerçek zamanlı olarak işaretlenir; incelemek ve açıklamak için ağın ve geçmişin tamamı elinizin altındadır.
Referans senaryo

Bakiye ve likidite

Sorun
Hazine birimi yarının bakiyelerine de ihtiyaç duyar; ancak tahminler canlı muhasebe kayıtlarından kopuk tablolarda durur.
Yaklaşım
Her hesabın bakiyesini tahmin edin, şube ve banka geneli likiditeye toplayın, ardından aynı veri üzerinde stres testi senaryoları çalıştırın.
Sonuç
Ayda bir değil, sürekli güncellenen, üzerine plan yapabileceğiniz ileriye dönük likidite.

“Bu risk pozisyonu 30 Haziran'da nasıl görünüyordu?” Her işlem ve ilişki geçmişiyle birlikte saklanır; böylece denetim, uyum ve geriye dönük testler canlı kararlarla aynı veri üzerinde çalışır.

Bankacılık, sigortacılık ve ödeme hizmetleri için referans senaryolar; açıklayıcıdır, NatusAI müşteri sonuçları değildir. Kredi verme ve kredi puanlama, AB Yapay Zeka Yasası Ek III kapsamında yüksek riskli sayılabilir. Aşağıdaki yönetişim bölümüne bakın.

Uyarlanabilirlik

Bankalar, sigorta şirketleri ve ödeme kuruluşları için anlamı

Hâlâ toplu mutabakat bekleyen bankalar, sigorta şirketleri ve ödeme kuruluşları aynı yaklaşımı tek bir soruşturma yoluyla başlayarak uygulayabilir: bir dolandırıcılık halkası, bir hasar örüntüsü ya da bir uyum raporu.

En uzun bekleyen sorudan başlayın.

Tek bir soruşturma yolu, görünür kılınan tek bir ilişki kümesi ve ölçülmüş bir öncesi-sonrası.

Açıklanabilirlik bağlamdan gelir.

Araştırmacılar bir uyarının ardındaki ağı ve geçmişi görebildiğinde, kararı denetim otoritesi karşısında savunabilir.

Veriyi, mevzuatın istediği yerde tutun.

Graf, geçmiş ve analitik, bankanın kendi altyapısında tek bir sistem olarak çalışabilir.

Mevzuat

DORA, AML, Solvency II ve AB Yapay Zeka Yasası kapsamındaki yönetişim için tasarlandı

Finans kuruluşları açıklayabilmeli, yeniden üretebilmeli ve gerektiğinde çıkabilmelidir. Mimari, sonuç doğuran kararlardan adı belli bir kişiyi sorumlu tutar, bu kararları yeniden kurmak için gereken geçmişi saklar ve bankanın kendi güvenlik çevresi içinde çalışabilir.

  • DORA (17 Ocak 2025'ten bu yana uygulanıyor): şirket içi ya da AB'de kurulum, belgelenmiş bir çıkış stratejisi, üçüncü taraf BİT hizmet sağlayıcıları sicilinize yönelik bilgiler, geri yükleme kanıtı (doğrulanmış geri yükleme, NatusAI Gemini, yol haritasında)
  • AML / finansal suç denetimi: açıklanabilir soruşturmalar için uyarılar, ardındaki işlemlere, karşı taraflara ve geçmişe bağlanır
  • AB Yapay Zeka Yasası: gerçek kişilerin kredi değerliliğinin değerlendirilmesi Ek III kapsamında yüksek riskli bir kullanımdır; bağımsız yüksek risk yükümlülüklerinin 2 Aralık 2027'den itibaren uygulanması bekleniyor (nihai kabule bağlı). İnsan gözetimi, kayıt tutma ve veri yönetişimi dokümantasyonu uygulayıcı yükümlülüklerini destekler
  • Solvency II / EIOPA (sigorta şirketleri): aynı kontroller (insan gözetimi, kayıt tutma, belgelenmiş veri akışları ve belgelenmiş bir çıkış planı), sigorta şirketlerine yönetişim sistemi ve dış kaynak kullanımı incelemelerinde istenen dokümantasyonu sağlar. DORA, bankalara olduğu gibi sigorta şirketlerine de uygulanır
  • GDPR: işleme bankanın kendi ortamında, belgelenmiş veri akışları
  • Model riski: iç doğrulamanızı destekleyecek dokümantasyon (ör. ABD/Kanada kuruluşları için SR 11-7 / OSFI E-22)

NatusAI yükümlülüklerinizi destekler; hukuki değerlendirmenizin ya da denetim otoritesinin onayının yerini almaz. NatusAI, AB Yapay Zeka Yasası, GDPR, DORA ve NIS2 kapsamındaki yönetişimi nasıl destekler

Bağlantılı bir bilgi grafiği: yanıtlar olgularına ve ilişkilerine kadar izlenebilir
Teknik ekibiniz için
  • Teslim edilen mimari: ilişki sorguları için yüksek performanslı bir graf veritabanı, işlem verileri üzerinde makine öğrenmesiyle anomali tespiti, gerçek zamanlı bir işleme hattı (günde milyonlarca işlem), departmanlar arası bütünleşik bir veri katmanı, doğal dilde sorgu arayüzüne sahip çok ajanlı bir doküman analiz sistemi.
  • Referans motor modeli: işlemler, geldikleri anda hesap, müşteri ve karşı taraf düğümleri arasında sürümlenmiş kenarlar olarak indekslenir. Graf, zaman serisi ve makine öğrenmesi tek bir motorda. Herhangi bir zaman damgası için geçmişe dönük (as-of) sorgular. Kendi altyapınızda çalışan tek bir çalıştırılabilir dosya.
  • Platform eşlemesi: NatusAI Cygnus (V1 planlanıyor), NatusAI Auriga (Yol haritasında), NatusAI Aquila (Yol haritasında), NatusAI Orion (Yol haritasında), NatusAI Lyra (Kullanımda).
Sorular

CRO'lardan ve finansal suçlarla mücadele yöneticilerinden gelen sorular

Hız, açıklanabilirlik, kurulum ve daha geniş etkiler.

Karmaşık ilişki sorguları ne kadar hızlanabilir?

Bu bankada 3 iş günü süren karmaşık sorgular, sistem günde milyonlarca işlemi karşılarken 1 saniyenin altında yanıtlandı.

Araştırmacılar yapay zekanın ürettiği bir uyarıyı açıklayabilir mi?

Evet. Her uyarı, ardındaki işlemler, karşı taraflar ve geçmişle birlikte gelir; araştırmacılar bir kara kutu puanını kabul etmek yerine bağlamı inceler.

Şirket içinde (on-premise) çalışabilir mi?

Evet. Mimari, bankanın kendi altyapısında tek bir sistem olarak çalışabilir.

Aynı yaklaşım sigorta şirketleri için de geçerli mi?

Evet. Proje bir bankada hayata geçirildi; model, dolandırıcılık, hasar ya da uyum yanıtlarının ilişkilere ve geçmişe bağlı olduğu her yerde uygulanabilir. Aynı kontroller, sigorta şirketlerinin Solvency II ve DORA kapsamında hazırladığı yönetişim dokümantasyonunu destekler; NatusAI uyumluluk sertifikası vermez.

Dolandırıcılık tespiti dışında neler iyileşti?

Departmanlar arası 360 derecelik müşteri görünümü sayesinde uyum raporlaması %80 hızlandı, verimlilik %70 ve müşteri memnuniyeti %42 arttı.

Müşteri sonuçları
Benzer bir projeyi konuşalım

Bugün hangi bağlantılı soru çok uzun sürüyor?

Tek bir soruşturma yoluyla başlayın ve ilişkilerini görünür kılın. 30 dakikada değişimi nasıl ölçeceğimizi ve bunun DORA ile model riski çerçevenize nasıl oturacağını özetleyelim.

  • Kapsamı belirlenmiş bir keşif aşamasıyla başlayın; aşama net bir devam / dur kararıyla biter.
  • Bu vakayla ilgili referans görüşmeleri, ilk brifingden sonra gizlilik sözleşmesi (NDA) kapsamında ayarlanabilir.

Ya da contact@natusai.com adresine yazın

Küçük bir yönetim ekibi, toplantı odasında tek sayfalık bir sonuç özetini inceliyor (temsili görsel)