karar

Bankacılık müşteri mesajlarını tek geçişte, olasılıklarıyla birlikte karara bağlayan Türkçe model.

Müşteri mesajını okur ve bir operasyon ekibinin ilk bakışta vereceği kararı verir: hangi birim ilgilenmeli, müşteri ne istiyor, işlem otomatik yürütülebilir mi, açık onay ya da güçlü kimlik doğrulama gerekir mi, risk var mı, insana mı aktarılmalı. Her karar bir olasılıkla gelir; model metin üretmediği için uydurma cevap, ayrıştırılacak serbest metin ve belirsiz çıktı yoktur.

Canlı deneme: karar (Space): mesajınızı yazın, kararı ve olasılıkları görün.

Ne karar verir?

Karar	Çıktı
Birim (kategori)	20 bankacılık alanı: hesap, para transferi, FAST, uluslararası/döviz transfer, kredi kartı, kart güvenliği, krediler, yatırım, döviz ve kıymetli maden, sigorta/BES, fatura, vergi ve kamu ödemeleri, açık bankacılık, çek/senet/POS, dijital bankacılık ve güvenlik, destek/itiraz ve diğerleri
İşlem (niyet)	376 müşteri işlemi (ör. kart harcamasına itiraz, dolandırıcılık bildirimi, EFT, hesap kapatma, kredi başvurusu, otomatik ödeme talimatı)
Araç / API gerekli mi?	Evet / hayır olasılığı
Açık onay gerekli mi?	Durum değiştiren işlemler için evet / hayır olasılığı
Güçlü kimlik doğrulama gerekli mi?	Evet / hayır olasılığı
Yüksek risk mi?	Geri döndürülemez zarar riski için evet / hayır olasılığı
İnsana aktarılmalı mı?	Evet / hayır olasılığı

Kendi seçeneklerinizi ve kendi evet/hayır sorularınızı da tanımlayabilirsiniz; model sorular çalışma zamanında verildiği için yeniden eğitim gerektirmez.

Kullanım alanları

• Müşteri mesajı ve şikâyet yönlendirme, doğru birime otomatik atama
• Chatbot / sesli asistan için niyet katmanı
• Çağrı merkezi ve şube taleplerinde ön triyaj ve önceliklendirme
• Dolandırıcılık ve riskli talep işaretleme; insan incelemesine yönlendirme
• Onay ve kimlik doğrulama politikalarını tetikleme (ör. riskli işlemde OTP iste)
• Olasılık eşiğiyle otomasyon: yüksek güvende otomatik, düşük güvende insana

Neden bu yaklaşım?

• Hızlı: Tek ileri geçiş, metin üretimi yok.
• Denetlenebilir: Her karar için olasılık; eşikleri siz belirlersiniz.
• Uydurma yok: Serbest metin üretmediği için halüsinasyon riski yok.
• Kendi altyapınızda: ~169M parametre, açık ağırlıklar; mesajlar sizin ortamınızdan çıkmaz.

Öne çıkanlar

Jev (kapalı kaynak, ticari API) ile aynı örnekler üzerinde ölçüldü, satırdaki tek seçme sorusu, tüm modellere aynı seçenekler:

Alan	karar	Jev
Gerçek müşteri şikâyetleri	%85,0	%63,1
Zor çeldirici sorular	%94,6	%78,3
Bankacılık seti	%90,3	%85,7
Bankacılık, yeni şema	%78,0	%79,7
Banking77 top-5 (924 örnek, 77 seçenek)	%93,8	%92,2

• Gerçek şikâyet ve zor çeldiricideki fark anlamlıdır (p<0,001).
• Bankacılık seti ve yeni şemada Jev ile başa baş performans (p>0,05).

Sonuçlar (doğruluk, %)

n≈100 satırlı setlerde hata payı ±8–10 puandır.

Set	karar	Jev
Gerçek şikâyet	85,0	63,1
Zor çeldirici	94,6	78,3
Bankacılık seti	90,3	85,7
Bankacılık, yeni şema	78,0	79,7
Banking77 (924 örnek, 77 seçenek), top-1	71,3	74,5
Banking77 top-5	93,8	92,2
Banking77 (100 örnek)	73,0	76,0

Kapsam

Model Türkçe bankacılık için optimize edilmiştir. Genel amaçlı görevlerde (CLINC150, MASSIVE, çok alanlı genel Türkçe görevler) Jev belirgin üstündür; bu modelin hedefi bu değildir. Banking77'nin 77 seçenekli ölçümü gerçek kullanımı yansıtmaz; gerçek kullanımda seçenek sayısı genellikle 10–25 civarındadır.

Örnek mesajlar

Denemek için:

• Kartımdan tanımadığım bir harcama çekilmiş, iade istiyorum.
• Kredi kartımı kaybettim, hemen kapatmanızı istiyorum.
• Dün gönderdiğim EFT karşı tarafa ulaşmamış, ne zaman ulaşır?
• Konut kredisi için başvuru yapmak istiyorum, faiz oranları nedir?
• Hesabımdan haberim olmadan para çekilmiş, dolandırıldığımı düşünüyorum.
• Almanya'daki arkadaşıma 2.000 euro göndermek istiyorum.
• Kredi kartı limitimi artırmak istiyorum.
• Hesap bakiyemi öğrenmek istiyorum.
• Gram altın almak istiyorum.
• Telefon numaramı değiştirmek istiyorum.
• ATM kartımı yuttu, yardım edin.
• Vadeli hesap açmak istiyorum, 3 aylık.

Kullanım

Model standart bir transformers sınıfı değildir (ModernBERT kodlayıcı + karar başlığı). Depodaki inference.py çıkarım sınıfını içerir:

from inference import KV2Agent

agent = KV2Agent(repo="saturday-labs/karar", device="cuda")   # varsayılan girdi dizilimi: soru önce
questions = {
    "intent": {
        "type": "choice",
        "instructions": "Müşterinin ana talebi nedir?",
        "criteria": {
            "kart_itiraz": "Kart harcamasına itiraz",
            "kart_kayip": "Kart kayıp/çalıntı bildirimi",
            "bilgi": "Hesap bilgisi sorgulama",
        },
    }
}
out = agent.predict("Kartımdan tanımadığım bir harcama çekilmiş, iade istiyorum.", questions)
print(out["answers"]["intent"]["choice"], out["answers"]["intent"]["probabilities"])

Kritik işlemlerde (ödeme, kapatma, limit değişikliği) kararları insan onayı olmadan uygulamayın; düşük güvenli çıktıları insana yönlendirin ve kendi mesajlarınızla doğrulama yapın.

Gereksinimler: torch, transformers>=4.48, safetensors, huggingface_hub.