Tahsilatta Yapay Zeka ve İnsan Gücü: Teknoloji Gelişirken İkna Gücünü Kim Koruyacak?
Bir tahsilat operasyonunda binlerce dosyanın dakikalar içerisinde analiz edildiğini, müşterilerin ödeme alışkanlıklarının sınıflandırıldığını ve yapay zeka destekli sistemlerin aynı anda yüzlerce kişiyle iletişim kurabildiğini düşünün.
Birkaç yıl öncesine kadar önemli bir teknolojik başarı olarak değerlendirilecek bu yetenekler, bugün tahsilat sektörünün dönüşümünü şekillendiriyor.
Artık hangi müşterinin ödeme yapma ihtimalinin yüksek olduğu, hangi iletişim kanalının daha uygun olabileceği ve hangi dosyanın öncelikli değerlendirilmesi gerektiği algoritmalar yardımıyla tahmin edilebiliyor.
Ancak bütün bu gelişmelerin ortasında yeterince tartışılmayan bir mesele var:
Bir insanın ödeme davranışını değiştirmek, onun hakkında daha fazla bilgi sahibi olmakla mı, yoksa onu daha iyi anlamakla mı mümkün?
Bu soru yalnızca teknoloji yatırımlarıyla ilgili değil. Aynı zamanda tahsilat ekiplerinin nasıl yönetildiğini, çalışanların hangi yetkinliklerle yetiştirildiğini ve kurumların başarıyı nasıl tanımladığını da ilgilendiriyor.
Çünkü teknoloji süreçleri hızlandırırken insan davranışının temel dinamikleri ortadan kalkmıyor.
Borçlu hala kaygılanıyor, erteliyor, itiraz ediyor, güven arıyor ve bazen ödeme yapmak istemesine rağmen harekete geçemiyor.
Peki, bilimsel araştırmalar bu konuda ne söylüyor?
1. Tahsilatta teknolojik dönüşüm: Daha hızlı olmak, daha başarılı olmak mı?
Geleneksel tahsilat operasyonlarında başarı çoğunlukla arama sayısı, görüşme süresi, ulaşılan müşteri sayısı ve gerçekleşen tahsilat üzerinden değerlendirilirdi.
Bugün bu göstergelere çok daha gelişmiş analizler eşlik ediyor.
Yapay zeka destekli tahsilat sistemleri, geçmiş ödeme davranışlarından hareketle risk değerlendirmeleri yapabiliyor. Otomatik hatırlatmalar müşterilere farklı kanallardan ulaşabiliyor. Konuşma analitiği teknolojileri ise temsilcilerin görüşmelerini inceleyerek iletişim kalitesi hakkında değerlendirmeler üretebiliyor.
Bütün bunlar operasyonel kapasiteyi artırma potansiyeli taşıyor.
Ancak burada iki kavramı birbirinden ayırmak gerekiyor: Verimlilik ve etkinlik.
Bir sistemin günde 50.000 otomatik arama gerçekleştirebilmesi verimlilik açısından önemli olabilir. Fakat bu aramaların kaçı gerçek bir ödeme davranışı oluşturuyor?
Kaç müşteri verilen ödeme sözünü yerine getiriyor?
Kaç kişi otomatik görüşmenin ardından yeniden insan temsilciye ihtiyaç duyuyor?
Daha önemlisi, hangi iletişim yöntemi müşterinin ödeme sorununu kalıcı biçimde çözmesine katkı sağlıyor?
Bu soruların cevapları olmadan yalnızca teknolojik kapasite üzerinden başarı değerlendirmesi yapmak yanıltıcı olabilir.
Tahsilatın geleceğinde önemli olan, daha fazla kişiye ulaşmak kadar, ulaşılan kişilerle kurulan iletişimin niteliği olacaktır.
2. Bilimsel araştırma: Yapay zekâ mı, insan mı daha başarılı?
2025 yılında National Bureau of Economic Research (NBER) tarafından yayımlanan bir çalışma, tahsilat sektörünün geleceği açısından oldukça dikkat çekici sonuçlar ortaya koydu.
James J. Choi ve çalışma arkadaşlarının gerçekleştirdiği How Good Is AI at Twisting Arms? Experiments in Debt Collection başlıklı araştırmada, gecikmiş tüketici kredilerinin tahsilatında yapay zeka tarafından gerçekleştirilen aramalar ile insan temsilcilerin yaptığı görüşmeler karşılaştırıldı.
Araştırmanın en önemli bulgusu şuydu:
İnsan temsilciler, incelenen koşullarda borçluları ödeme yapmaya yönlendirmede yapay zekadan belirgin biçimde daha etkiliydi.
Üstelik bu fark yalnızca ilk görüşmeyle sınırlı değildi.
Yapay zeka tarafından ilk teması gerçekleştirilen müşterilerin, bir yıl sonunda başlangıçtaki gecikmiş ödeme tutarının yaklaşık %1'i kadar daha az ödeme yaptığı ve sonraki ödemelerini kaçırma olasılıklarının daha yüksek olduğu belirlendi.
Araştırmada, gecikmenin altıncı gününde yapay zeka yerine insan temsilciye geçilmesinin performans farkının önemli bir bölümünü kapattığı da görüldü.
Bu sonuç, teknolojinin başarısız olduğu anlamına gelmiyor. Ancak tahsilatın yalnızca bilgi aktarmaktan ibaret olmadığını gösteriyor.
Araştırmacıların üzerinde durduğu olası açıklamalardan biri, insanların başka bir insana verdikleri ödeme sözünü daha bağlayıcı hissetmeleri.
Bir müşteri otomatik sistem üzerinden ödeme tarihi belirlediğinde bunu teknik bir işlem olarak değerlendirebilir. Ancak kendisini dinleyen, koşullarını anlamaya çalışan ve gerçekçi bir ödeme planı üzerinde uzlaşan temsilciyle konuştuğunda farklı bir sorumluluk hissedebilir.
Burada insan iletişiminin önemli bir özelliği ortaya çıkıyor:
Ödeme sözü almak ile müşterinin bu sözü yerine getirmesini sağlayacak koşulları oluşturmak aynı şey değildir.
Tahsilat yöneticileri açısından araştırmanın en önemli mesajı, insan temsilcilerin tamamen ortadan kaldırılması yerine teknolojiyle birlikte nasıl konumlandırılacaklarının düşünülmesi gerektiğidir.
3. Davranış bilimleri: Doğru kelimeler ödeme davranışını değiştirebilir mi?
2026 yılında Review of Finance dergisinde yayımlanan Behavioral Messages and Debt Repayment araştırması, iletişim ve ikna açısından başka bir önemli soruya cevap aradı:
Bir müşteriye gönderilen mesajın içeriği, ödeme davranışını değiştirebilir mi?
Kolombiya'daki büyük bir bankanın ödemesi gecikmiş 7.063 müşterisi üzerinde gerçekleştirilen deneyde, farklı psikolojik yaklaşımlarla hazırlanan mesajlar karşılaştırıldı.
Mesajların bir bölümünde ödeme hatırlatmaları kullanılırken diğerlerinde karşılıklılık, ahlaki sorumluluk ve sosyal normlar gibi davranışsal unsurlar yer aldı.
Araştırma sonucunda mesaj gönderilmesinin müşterilerin gecikmede kalma olasılığını yaklaşık %4 oranında azalttığı görüldü. Sosyal normları vurgulayan mesajların etkisi ise daha belirgin ve kalıcıydı.
Bununla birlikte aynı yaklaşımın, ödemelerini düzenli gerçekleştiren müşterilerin gelecekte gecikmeye düşmesini önlemede etkili olmadığı belirlendi.
Bu sonuç önemli bir gerçeğe işaret ediyor:
Aynı kelimeler, farklı insanlarda ve farklı koşullarda aynı etkiyi oluşturmuyor.
Örneğin ödeme yapmayı unutan bir müşteri için basit bir hatırlatma yeterli olabilir. Ekonomik güçlük yaşayan bir müşteri ise ödeme seçeneklerinin yeniden değerlendirilmesine ihtiyaç duyabilir.
Borcun doğruluğuna itiraz eden bir müşteriye sürekli ödeme hatırlatması yapmak, çözüm üretmek yerine iletişimi zorlaştırabilir.
Dolayısıyla etkili tahsilat iletişimi, yalnızca güçlü cümleler kurma becerisi değildir.
Müşterinin davranışını etkileyen koşulları anlamak ve iletişim yöntemini bu koşullara uygun biçimde geliştirmektir.
4. Örnek vaka: Aynı müşteri, iki farklı tahsilat yaklaşımı
Araştırma bulgularını günlük tahsilat operasyonları açısından değerlendirebilmek için temsili bir örnek üzerinden ilerleyelim.
Bir müşterinin 38.000 TL borcu bulunuyor ve ödeme 45 gündür gecikmiş durumda.
Birinci görüşme: İşlem odaklı iletişim
Temsilci: “Ödemeniz gecikmiş. Bugün ödeme yapabilecek misiniz?”
Müşteri: “Şu an mümkün değil.”
Temsilci: “Ne zaman ödeyebilirsiniz?”
Müşteri: “Bilmiyorum, sonra arayın.”
Görüşme tamamlanır. Sisteme müşteriyle temas kurulduğu kaydedilir. Ancak ödeme güçlüğünün nedeni öğrenilemez.
İkinci görüşme: İhtiyaç ve çözüm odaklı iletişim
Temsilci: “Ödemenizin geciktiğini görüyorum. Öncelikle şu anda ödeme yapmanızı zorlaştıran durumu anlamak isterim.”
Müşteri: “İş değiştirdim, maaş tarihim de değişti.”
Temsilci: “Anlıyorum. Mevcut koşullarınıza uygun bir ödeme seçeneği olup olmadığını birlikte değerlendirebiliriz.”
Müşteri: “Ayın 15'inde maaş alacağım. O zaman bir kısmını ödeyebilirim.”
Temsilci, yetkisi dahilindeki seçenekleri açıklayarak müşterinin gerçekleştirebileceği bir ödeme planı üzerinde ilerler.
Bu görüşmeler araştırma verisi değil, iletişim yaklaşımlarını karşılaştırmak amacıyla hazırlanmış eğitim senaryolarıdır.
İki görüşme arasındaki fark, kullanılan kelimelerin nezaketinden ibaret değildir.
İlk temsilci müşteriden ödeme istemiştir. İkinci temsilci ise ödeme davranışını engelleyen koşulu anlamaya çalışmıştır.
İlk görüşme daha kısa sürebilir. Ancak ikinci görüşme, gerçekçi bir çözüm oluşturmak açısından daha fazla bilgi sağlar.
Burada yöneticilerin düşünmesi gereken önemli bir soru var:
Çalışanlarımızı daha fazla görüşme yapmaları için mi geliştiriyoruz, yoksa yaptıkları görüşmelerden daha nitelikli sonuçlar elde etmeleri için mi?
Bu ayrım, tahsilat eğitimlerinin ve performans yönetiminin geleceği açısından belirleyici olabilir.
5. İnsan gücü ortadan kalkmıyor, görev tanımı değişiyor
Ocak 2026'da Journal of Big Data dergisinde yayımlanan bir araştırmada, büyük dil modelleri ve pekiştirmeli öğrenme yöntemleriyle tahsilat süreçlerine yönelik bir sohbet robotu geliştirilmesi ele alındı.
Araştırmacılar, ödeme geçmişinden hareketle müşteri risk kategorilerini değerlendiren ve farklı ödeme seçenekleri sunabilen bir sistem tasarladı.
Çalışmada, yapay zekâ sistemlerinin zaman zaman ilgisiz veya hatalı yanıtlar üretebildiği ve bu sorunu azaltmak için model iyileştirmelerine ihtiyaç duyulduğu da belirtildi.
Bu gelişmeler, insan gücünün değerini yeniden düşünmemizi gerektiriyor.
Teknoloji, standart işlemlerde önemli kolaylıklar sağlayabilir. Ancak karmaşık müşteri itirazlarının değerlendirilmesi, hassas durumların yönetilmesi ve uygulanabilir çözümler üzerinde müzakere edilmesi insan becerilerinin önemini koruduğu alanlardır.
Bu nedenle geleceğin tahsilat temsilcisinin yalnızca telefon görüşmesi gerçekleştiren bir çalışan olarak görülmesi yeterli değildir.
Temsilcinin müşteri davranışını okuyabilmesi, aktif dinleme yapabilmesi, doğru soruları sorabilmesi, duygusal tepkileri yönetebilmesi ve müzakere becerilerini geliştirmesi gerekir.
Aynı dönüşüm yöneticiler için de geçerlidir.
Yapay zekâ bir çalışanın hangi görüşmelerde zorlandığını belirlemeye yardımcı olabilir. Ancak bu zorluğun nedenlerini anlamak, gelişim ihtiyacını değerlendirmek ve davranış değişimini desteklemek yöneticinin sorumluluğundadır.
İşte bu noktada tahsilat koçluğu önem kazanır.
Bir temsilciye sürekli “müşteriyi daha iyi dinlemelisin” demek yerine gerçek görüşmeler üzerinden davranışlarını değerlendirmesini sağlamak, daha güçlü bir öğrenme fırsatı sunabilir.
Çünkü performans gelişimi yalnızca ne yapılması gerektiğini bilmekle değil, mevcut davranışın neden sonuç üretmediğini fark etmekle başlar.
6. Performans yönetiminde yeni bir bakış açısı gerekiyor
Teknoloji geliştikçe tahsilat operasyonlarının performans değerlendirme sistemlerinin de değişmesi gerekiyor.
Geleneksel yaklaşımda yüksek arama sayısı, uzun görüşme süresi veya yüksek tahsilat tutarı çoğu zaman tek başına başarı göstergesi olarak kullanılabiliyor.
Oysa bu göstergeler, çalışanın sorumlu olduğu dosya sayısı ve portföy özellikleri dikkate alınmadan değerlendirildiğinde yanıltıcı olabilir.
Örneğin 300 arama yapan bir temsilci ile 150 arama yapan başka bir temsilciyi karşılaştıralım.
İlk temsilcinin 900, ikinci temsilcinin 250 dosyası olduğunu öğrendiğimizde tablo değişir.
Buna anapara riski, dosya yaşı, müşteri profili ve ulaşılabilirlik gibi değişkenler eklendiğinde performans değerlendirmesi daha da karmaşıklaşır.
Dolayısıyla tahsilat performansını dört boyutta incelemek daha anlamlı olabilir:
Faaliyet: Dosya başına arama, temas ve görüşme yoğunluğu.
Davranış: Dinleme, soru sorma, itiraz yönetimi ve görüşme kalitesi.
Sonuç: Risk ve portföy yapısı dikkate alınarak gerçekleşen tahsilat, ödeme sözlerinin tutulması ve tekrar gecikme oranları.
Uyum: Hukuki yükümlülükler, müşteri şikâyetleri ve kişisel veri güvenliği.
Bu yaklaşım, düşük performansı yalnızca çalışan motivasyonuna bağlama alışkanlığını da sorgulatır.
Çünkü performans düşüklüğünün nedeni bazen motivasyon değil; yanlış portföy dağılımı, yetersiz müzakere becerisi, eksik bilgi veya gerçekçi olmayan hedefler olabilir.
Yöneticinin görevi yalnızca sonucu görmek değil, sonucu oluşturan koşulları da değerlendirmektir.
7. Teknolojik dönüşümün göz ardı edilmemesi gereken boyutu: Güven
Tahsilat süreçlerinde kullanılan teknolojiler müşteri verilerini işlediği için hukuki ve etik sorumluluklar da taşır.
Kişisel Verileri Koruma Kurumunun üretken yapay zekaya ilişkin rehberi, bu sistemlerin insan merkezli, güvenli, şeffaf ve denetlenebilir biçimde kullanılmasının önemini vurguluyor.
Özellikle hukuk büroları, bankalar ve varlık yönetim şirketleri açısından müşteri bilgilerinin korunması, otomatik kararların denetlenmesi ve hatalı yönlendirmelerin önlenmesi kritik önem taşıyor.
Tahsilat teknolojilerinin başarısı yalnızca maliyet avantajıyla ölçülmemelidir.
Müşteri haklarına saygı, doğru bilgilendirme, veri güvenliği ve kurumsal itibar da bu değerlendirmenin parçası olmalıdır.
Çünkü kısa vadeli tahsilat başarısı, uzun vadeli güven kaybı pahasına elde edildiğinde kurum açısından farklı maliyetler oluşturabilir.
Tahsilatın geleceği insan ile teknolojinin rekabetinde değil
Yapay zeka tahsilat sektöründe önemli bir dönüşüm yaratıyor. Daha fazla verinin analiz edilmesini, rutin işlemlerin otomatikleştirilmesini ve operasyonların daha sistematik yönetilmesini mümkün kılıyor.
Ancak bilimsel araştırmalar, ödeme davranışının yalnızca finansal verilerle açıklanamayacağını da gösteriyor.
İnsanlar ekonomik koşullarının yanında güven, alışkanlık, sorumluluk algısı ve iletişim deneyimlerinden etkilenerek karar veriyor.
Bu nedenle tahsilatın geleceğini yalnızca teknolojik yatırımlarla açıklamak eksik bir yaklaşım olacaktır.
Bana göre önümüzdeki dönemde başarılı kurumları birbirinden ayıracak temel özellik, yapay zekayı ne kadar kullandıklarından çok, teknolojinin sağladığı bilgiyi çalışanlarının yetkinliklerine ne ölçüde dönüştürebildikleri olacaktır.
Bir kurum milyonlarca veriyi analiz edebilir. Ancak müşterinin neden ödeme yapamadığını anlamayan, itirazını dinlemeyen veya gerçekçi çözüm geliştiremeyen bir iletişim anlayışıyla sürdürülebilir başarı elde etmek kolay değildir.
Geleceğin tahsilat operasyonlarında teknoloji hızı, insan ise iletişimin niteliğini ve kararların kalitesini güçlendirecektir.
Asıl mesele, insanı teknolojiyle değiştirmek değil; teknolojinin gücünü insanın yetkinliğiyle birleştirmektir.
Araştırma kaynakları
Choi, J. J., Huang, D., Yang, Z. ve Zhang, Q. (2025). How Good Is AI at Twisting Arms? Experiments in Debt Collection. NBER Working Paper 33669.
Barboni, G., Cárdenas, J. C. ve de Roux, N. (2026). Behavioral Messages and Debt Repayment. Review of Finance.
Sivamayilvelan, K. ve diğerleri (2026). Building an Effective Chatbot for Optimizing the Debt Collection Process Through Large Language Models. Journal of Big Data.
Kişisel Verileri Koruma Kurumu. Üretken Yapay Zekâ ve Kişisel Verilerin Korunması Rehberi.
Yorumlar