Finansal Hizmetler

Teknoloji harcamaları artarken hangi uygulamanın ne kadar maliyet yarattığı, hangi sistemin gerekli olduğu ve teknik borcun yatırımları nasıl etkilediği net değildi. Kararlar ortak veriden çok farklı ekiplerin görüşlerine dayanıyordu.

Uygulama portföyü, toplam sahip olma maliyeti ve teknik borç birlikte değerlendirildi. Teknoloji maliyet yönetimi çözümüyle uygulama, altyapı, lisans ve destek giderleri görünür hale getirildi. Kullanımdan kaldırılacak sistemler ve yeniden müzakere edilecek sözleşmeler belirlendi. İlk yılda uygulama portföyü %15 sadeleşti; farklı maliyet iyileştirme girişimleriyle 2,5 milyon avro tasarruf sonucuna ulaşıldı. Yönetim, yatırım önceliklerini daha somut bir finansal zeminde belirlemeye başladı.

Yazılım hakları manuel takip ediliyor, abonelik modelleri değiştikçe gerçek ihtiyaçla satın alma arasındaki bağ zayıflıyordu. Kurum, elindeki kullanılmayan lisansları değerlendirmeden yeni abonelikler satın alıyordu.

Danışmanlık çalışmasıyla sözleşmeler, kullanım verileri ve mevcut lisans hakları eşleştirildi. Yazılım varlık yönetimi ve lisans optimizasyonu çözümü üzerinden kullanılmayan haklar yeniden tahsis edildi; satın almalar doğrulanmış ihtiyaca bağlandı. En büyük beş kurumsal yazılım giderinde %10 azalma tespit edildi. İç incelemeler ek kaynak maliyeti olmadan yıllıktan üç aylık düzene geçti. Böylece hem harcama azaldı hem kontrol sıklığı arttı.

Yapay zekânın kritik işlevlerde kullanılması; model sahipliği, onay, değerlendirme ve izleme süreçlerinin kurum genelinde netleştirilmesini gerektiriyordu. Farklı uygulamaların ortak kontrol altında yönetilmesine ihtiyaç vardı.

Kuruma özgü yapay zekâ yaşam döngüsü ve sürekli izleme çerçevesi oluşturuldu. yapay zekâ yönetişimi çözümüyle sorumluluklar, model değerlendirmeleri, sürüm kontrolü ve performans takibi birleştirildi. Otomatik gözetim, manuel kontrol yükünün azaltılmasını ve sapmalara daha hızlı müdahaleyi destekledi. Sayısal finansal sonuç açıklanmadı; değer, yapay zekâ girişimlerinin daha kontrollü ölçeklenmesi ve risklerin erken görülmesindedir. Üretken yapay zekâ entegrasyonlarının bir bölümü çalışmanın tamamlandığı tarihte test aşamasındaydı.

Birden fazla bulut sağlayıcısının maliyetleri ayrı ekranlarda yönetiliyordu. Merkezi teknoloji ekibi, başka birimlerin kullandığı hizmetlerin maliyetini üstleniyor; kaynak sahipliği, bütçe tahmini ve optimizasyon fırsatları yeterince görünmüyordu.

Bulut maliyet yönetimi çözümüyle ortak FinOps çalışma modeli oluşturuldu. Gereğinden büyük kaynaklar yeniden boyutlandırıldı, kullanılmayan kaynaklar kapatıldı ve uygun sistemler mesai dışında durduruldu. Altı ay içinde bulut giderlerinde %20 azalma bildirildi. Uygulamaların maliyet eşleştirmesini destekleyen etiketleme kapsamı %30’un altından %80’e yükseldi. Tahmin sapması yaklaşık %3 düzeyine indi. Finans, teknoloji ve iş birimleri aynı maliyet görünümüyle karar almaya başladı.

Finansal kapanışa katılan ekipler farklı prosedürlerle çalışıyordu. İş devirleri net olmadığı için tekrar iş yapılıyor, sorunları çözmek amacıyla kalabalık ve uzun toplantılar düzenleniyordu.

Süreç modelleme ve iş akışı otomasyonu çözümleriyle görevler, bağımlılıklar ve ekipler arası devirler görünür hale getirildi. Ortak süreç üzerinden ilerleme ve sorun takibi sağlandı. Dönem kapanışı toplantıları için gereken katılımcı sayısı yarıya indi. Toplantı süresi ve katılım yükündeki azalmadan çeyrek başına yaklaşık 240 bin USD maliyet tasarrufu hesaplandı. Değer, yalnız otomasyondan değil, belirsiz koordinasyonun düzenli iş akışına dönüştürülmesinden doğdu.

Hesap açılışı, kredi işlemleri ve müşteri bilgi güncellemeleri belge ve form yoğun ilerliyordu. Aynı verinin tekrar girilmesi, hataların düzeltilmesi ve manuel kontroller işlem sürelerini uzatıyordu.

Süreçler incelenerek otomasyona uygun adımlar belirlendi. Robotik süreç otomasyonu; belge kontrolü, veri aktarımı, kredi analizi ve hesap açılışı gibi işlere uygulandı. İncelenen süreçlerde sürelerin %80’e kadar, maliyetlerin %20’ye kadar azaldığı bildirildi. Çalışanların tekrar eden işlemlerden daha anlamlı işlere zaman ayırması sağlandı. Bu oranlar tüm bankanın operasyonlarına genellenebilecek ortalamalar değildir.

Hasar belgelerinin incelenmesi, verilerin yeniden girilmesi ve eski sistemler arasında geçiş yapılması çalışan kapasitesini sınırlıyordu. Büyüyen talep, mevcut çalışma biçimiyle daha fazla operasyon yükü yaratıyordu.

İş akışları haritalanarak robotik süreç otomasyonu, iş akışı yönetimi ve yapay zekâ destekli belge işleme birlikte uygulandı. Karmaşık belgelerden veri çıkarılması ve tekrar eden işlemler otomatikleştirildi. Günlük işlem kapasitesinin 15 hasar dosyasından 288’e kadar yükseldiği, işlem döngüsünün ise dört kat hızlandığı bildirildi. Parasal tasarruf açıklanmadı; operasyonel değer, mevcut çalışan kapasitesinin daha yüksek hacmi karşılayabilmesi ve hataların azalmasıdır.