KaydedilenlerDerginizi ekleyin

Dergiler / Sayıştay Dergisi / 2026 / Cilt: 36 Sayı: 137

FİNANSAL KURUMLARIN KARA PARA AKLAMA İLE MÜCADELESİNDE YAPAY ZEKÂ PERSPEKTİFİ

ARTIFICIAL INTELLIGENCE PERSPECTIVE IN FINANCIAL INSTITUTIONS FIGHT AGAINST MONEY LAUNDERING

Hüseyin Akkaya(TOKAT GAZİOSMANPAŞA ÜNİVERSİTESİ, ARTOVA MESLEK YÜKSEKOKULU, FİNANS BANKACILIK VE SİGORTACILIK BÖLÜMÜ)0000-0002-9886-6552
Sayfa
321–349
Yayın Tarihi
2025-07-17
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Çalışma sonucunda elde edilen çıkarımlar ise geleneksel yöntemlerle kıyaslandığında yapay zekâ tabanlı sistemlerin yanlış pozitifleri ciddi oranda azaltarak maliyet verimliliğini artırdığını ve düzenleyici uyum süreçlerine katkı sağladığını göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Kara para aklama, suçtan kaynaklı gelirlerin karmaşık yöntemlerle meşru gösterilmesi sonucu ortaya çıkan hem küresel finans sisteminde hem de toplumsal düzende ciddi güvensizlik yaratan bir olgudur.
📊
Temel Bulgular & Veri:Bu araştırmanın önemli bir parçası, kara para aklama ile mücadelede yapay zekânın etkinliğini gösteren gerçek vaka çalışmalarının araştırılmasıdır.
💡
Sonuç & Katkı:Çalışma sonucunda elde edilen çıkarımlar ise geleneksel yöntemlerle kıyaslandığında yapay zekâ tabanlı sistemlerin yanlış pozitifleri ciddi oranda azaltarak maliyet verimliliğini artırdığını ve düzenleyici uyum süreçlerine katkı sağladığını göstermektedir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Kara Para Aklamayla Mücadele · Yapay Zekâ · Yapay Zekâ Teknikleri ve Vaka Örnekleri

Özet

Kara para aklama, suçtan kaynaklı gelirlerin karmaşık yöntemlerle meşru gösterilmesi sonucu ortaya çıkan hem küresel finans sisteminde hem de toplumsal düzende ciddi güvensizlik yaratan bir olgudur. Bu alanın mücadelesinde günümüz teknolojik paradigmalarından yararlanmak kaçınılmaz bir hal almıştır. Mali suçların en önemli ve işlenen suçu olan kara para aklama ile mücadelede de yapay zekânın önemi giderek artmaktadır. Bu çalışma, kara para aklama faaliyetleriyle mücadelede yapay zekâ tabanlı yaklaşımları inceleyerek yapay zekâ tekniklerinin artan önemi ve uygulanabilirliğini ortaya koymaktadır. Bu araştırmanın önemli bir parçası, kara para aklama ile mücadelede yapay zekânın etkinliğini gösteren gerçek vaka çalışmalarının araştırılmasıdır. Ayrıca, finansal kuruluşlar için yapay zekânın bir dönüşüm aracı olduğunu ve gelecekte kara para aklama ile mücadele süreçlerinin daha da geliştirilmesi için önemli bir potansiyel taşıdığını ortaya koymaktadır. Çalışma sonucunda elde edilen çıkarımlar ise geleneksel yöntemlerle kıyaslandığında yapay zekâ tabanlı sistemlerin yanlış pozitifleri ciddi oranda azaltarak maliyet verimliliğini artırdığını ve düzenleyici uyum süreçlerine katkı sağladığını göstermektedir.

Abstract

Money laundering is a phenomenon that creates serious insecurity both in the global financial system and in the social order as a result of the legitimisation of the proceeds of crime through complex methods. It has become inevitable to utilise today's technological paradigms in the fight against this field. Artificial intelligence is becoming increasingly important in the fight against money laundering, which is the most important and committed crime of financial crimes. This study examines artificial intelligence-based approaches in combating money laundering activities and reveals the increasing importance and applicability of artificial intelligence techniques. An important part of this research is the investigation of real case studies that demonstrate the effectiveness of AI in combating money laundering. It also reveals that AI is a transformational tool for financial institutions and has significant potential for further development of anti-money laundering processes in the future. The conclusions of the study show that compared to traditional methods, AI-based systems significantly reduce false positives, increase cost efficiency and contribute to regulatory compliance processes.

🔖

Bu Makaleye Atıf Yap

Akkaya, H. (2025). FİNANSAL KURUMLARIN KARA PARA AKLAMA İLE MÜCADELESİNDE YAPAY ZEKÂ PERSPEKTİFİ. Sayıştay Dergisi, Cilt: 36 Sayı: 137, 321–349. https://doi.org/10.52836/sayistay.1629117

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (63)

  1. AB (2024). Artificial Intelligence Act (Regulation (EU) 2024/1689, https:// artificialintelligenceact.eu/article/3/ Erişim: 01.11.2024.
  2. Adamoli S. (2025). Money Laundering. https://www.britannica.com/topic/moneylaundering Erişim: 02.01.2025.
  3. Ahmed, S., Alshater, M. M., El Ammari, A. ve Hammami, H. (2022). Artificial Intelligence and Machine Learning in Finance: A Bibliometric Review. Research in International Business and Finance, 61, 101646.
  4. Akman, G., Yorur, B., Boyaci, A. I., ve Chiu, M. C. (2023). Assessing İnnovation Capabilities of Manufacturing Companies by Combination of Unsupervised and Supervised Machine Learning Approaches. Applied Soft Computing, 147, 110735.
  5. Alhajeri, R. ve Alhashem, A. (2023). Using Artificial Intelligence to Combat Money Laundering. Intelligent Information Management, 15(4), 284-305.
  6. Alotibi, J., Almutanni, B., Alsubait, T., Alhakami, H. ve Baz, A. (2022). Money Laundering Detection Using Machine Learning and Deep Learning. International Journal of Advanced Computer Science and Applications, 13(10).
  7. Anirudh V. K. (2025). What Are the Types of Artificial Intelligence: Narrow, General, and Super AI Explained. https://www.spiceworks.com/tech/artificial-intelligence/articles/ types-of-ai/#_011 Erişim: 20.03.2025
  8. AML Watcher (2024). 7 Use Cases of Artificial Intelligence in Anti-Money Laundering, https://amlwatcher.com/blog/7-use-cases-of-artificial-intelligence-in-antimoney- laundering/ Erişim: 11.12.2024.
  9. Andersen, E. (2023). Big data analytics for AML compliance. https://kyrosaml.com/bigdata- analytics-for-aml-compliance/ Erişim: 15.11.2024.
  10. Bahrammirzaee, A. (2010). A Comparative Survey of Artificial Intelligence Applications in Finance: Artificial Neural Networks, Expert System and Hybrid Intelligent Systems. Neural Computing and Applications, 19(8), 1165-1195.
  11. Bahulkar, A., Baycik, N. O., Sharkey, T., Shen, Y., Szymanski, B. ve Wallace, W. (2018, October). Integrative Analytics for Detecting and Disrupting Transnational Interdependent Criminal Smuggling, Money and Money-Laundering Networks. In 2018 IEEE International Symposium on Technologies for Homeland Security (HST) (pp. 1-6). IEEE.
  12. Bansal, U., Bharatwal, S., Bagiyam, D. S., ve Kismawadi, E. R. (2024). Fraud detection in the era of AI: Harnessing technology for a safer digital economy. In AI-Driven Decentralized Finance and the Future of Finance (pp. 139-160). IGI Global.
  13. Bozdoğanoğlu, B. (2024). Vergi İdarelerinde Yapay Zekâ Sistemlerinin Kullanımının Riskleri: AB Uygulamaları ve Mevzuatı Çerçevesinde Değerlendirmeler. Malî Hukuk Dergisi, Cilt No: 20, Sayı No.: 234, s. 1003-1062.
  14. Bakry, A. N., Alsharkawy, A. S., Farag, M. S. ve Raslan, K. R. (2024). Automatic Suppression of False Positive Alerts in Anti-Money Laundering Systems Using Machine Learning. The Journal of Supercomputing, 80(5), 6264-6284.
  15. Brynjolfsson, E., ve Mcafee, A. (2017). Artificial Intelligence, For Real. Harvard Business Review, 1, 1-31
  16. Chen, J. I. Z. ve Lai, K. L. (2021). Deep Convolution Neural Network Model for Credit-Card Fraud Detection and Alert. Journal of Artificial Intelligence, 3(02), 101-112.
  17. Canhoto, A. I. (2021). Leveraging Machine Learning in the Global Fight Against Money Laundering and Terrorism Financing: An Affordances Perspective. Journal of Business Research, 131, 441-452.
  18. Carda, H., Bozdoganoglu, B. ve Biyan, Ö. (2023). Vergi Denetiminin Dijitalleşmesinde Yapay Zekânın Rolü ve Mükellef Haklarına Olası Etkileri. Maliye Araştırmaları–6, (Ed. Selen, U. ve Gerçek, A.). Bursa: Ekin Yayınevi.
  19. Damar, M., Köse, H.Ö., Cagle, M.N. and Özen, A. (2024). Mapping the Digital Frontier: Bibliometric and Machine Learning Insights into Public Administration Transformation. Sayıştay Dergisi, 35(132), 9-41.
  20. Darity W. (2008). Money Laundering in International Encyclopedia of the Social Sciences, 2nd vol. 5, Detroit, MI: Macmillan Reference USA
  21. Day, M. Y., Chiu, P. T., Teng, Y. W. ve Liu, C. L. (2022, August). Developing Relation Types of Cryptocurrency Anti-Money Laundering Knowledge Graph. In 2022 IEEE 23rd International Conference on Information Reuse and Integration for Data Science (IRI) (pp. 90-94). IEEE.
  22. Dib J. E. (2024). Data Analytics and AML: Can Data Analytics Make It Difficult for Financial Crimes to Prosper? https://mea-biz.com/data-analytics-and-aml-can-dataanalytics- make-it-difficult-for-financial-crimes-to-prosper/ Erişim: 01.12.2024.
  23. Emiroğlu, E. E. (2023). Texture Analysis and Classification by Deep Architectures for Paper Fraud Detection (Doctoral dissertation, Middle East Technical University (Turkey).
  24. FCA (2024a). Cracking the Code: How Big Data Analysis Transforms AML. https:// financialcrimeacademy.org/big-data-analysis-in-aml/. Erişim: 23.11.2024.
  25. FCA (2024b). AI: The Game Changer in Anti-Money Laundering. https:// financialcrimeacademy.org/ai-in-anti-money-laundering/ Erişim: 23.11.2024.
  26. GIR (2024). The Guide to Anti-Money Laundering – Second Edition. Using AI and Machine Learning to Build an Effective Anti-Money Laundering Compliance Programme.
  27. https://globalinvestigationsreview.com/guide/the-guide-anti-money-laundering/ second-edition/article/introduction/download Erişim: 08.11.2024.
  28. Galiana, L. I., Gudino, L. C., ve González, P. M. (2024). Ethics and Artificial Intelligence. Revista Clínica Española (English Edition), 224(3), 178-186.
  29. Goodfellow I., Bengio Y., and Courville A., Deep learning. MIT press, 2016.
  30. Grint, R., O’Driscoll, C. ve Paton, S. (2017). New Technologies and Anti-Money Laundering Compliance. London: Financial Conduct Authority, 282.
  31. Han, J., Huang, Y., Liu, S. ve Towey, K. (2020). Artificial Intelligence For Anti-Money Laundering: A Review And Extension. Digital Finance, 2(3), 211-239.
  32. Huang, J., Chai, J. ve Cho, S. (2020). Deep learning in finance and banking: A Literature Review and Classification. Frontiers of Business Research in China, 14(1), 13.
  33. IMF (2023). Anti-Money Laundering/Combating the Financing of Terrorism – Topics, https:// www.imf.org/external/np/leg/amlcft/eng/aml1.htm#moneylaundering Erişim: 18.11.2024. Jensen, R. I. T. ve Iosifidis, A. (2023). Qualifying and Raising Anti-Money Laundering Alarms with Deep Learning. Expert Systems with Applications, 214, 119037.
  34. Khogali, H. O., ve Mekid, S. (2023). The blended future of automation and AI: Examining some long-term societal and ethical impact features. Technology in Society, 73, 102232.
  35. Kurum, E. (2023). RegTech Solutions and AML Compliance: What Future For Financial Crime? Journal of Financial Crime, 30(3), 776-794.
  36. LeCun, Y., Bengio, Y. ve Hinton, G. (2015). Deep Learning. Nature, 521(7553), 436-444.
  37. Li, X. ve Tang, P. (2020). Stock Index Prediction Based on Wavelet Transform and FCDMLGRU. Journal of Forecasting, 39(8), 1229-1237.
  38. Lin, T. C. W. ve Deshpande, A. (2020). Financial Artificial Intelligence: Risks and Implications. Bank. Finan. Serv. Policy Rep, 39(1), 9-16.
  39. Luca Primerano (2020). Look Before You Leap: The Risks And Challenges of Implementing AI for AML. https://www.napier.ai/post/ai-aml-challenges Erişim: 08.12.2024.
  40. MASAK (2018). Aklama Suçu. https://masak.hmb.gov.tr/aklama-sucu-genel-bilgi Erişim: 13.11.2024.
  41. McCarthy, J., Minsky, M. L., Rochester, N. ve Shannon, C. E. (2006). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI magazine, 27(4), 12-12.
  42. Merendino, A., Dibb, S., Meadows, M., Quinn, L., Wilson, D., Simkin, L. ve Canhoto, A. (2018). Big Data, Big Decisions: The Impact of Big Data on Board Level Decision-Making. Journal of Business Research, 93, 67-78.
  43. MicroStrategy (2024). How AI is Enhancing Anti-Money Laundering (AML) Compliance in Financial Institutions. https://www.microstrategy.com/blog/how-ai-is-enhancinganti- money-laundering-aml-compliance-in-financial-institutions#the-role-of-aiin- anti-money-laundering-aml-compliance Erişim: 17.12.2024.
  44. Mitchell, T. M. (1997). Machine Learning (Vol. 1, No. 9). New York: McGraw-hill.
  45. Moor, J. (2006). The Dartmouth College Artificial İntelligence Conference: The next fifty years. Ai Magazine, 27(4), 87-87.
  46. Odufisan, O. I., Abhulimen, O. V., ve Ogunti, E. O. (2025). Harnessing Artificial Intelligence and Machine Learning for Fraud Detection and Prevention in Nigeria. Journal of Economic Criminology, 100127.
  47. OECD (2019), Recommendation of the Council on Artificial Intelligence, https:// legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449 Erişim:15.11.2024.
  48. Polat, M. (2024). Yapay Zekânın Denetimde Kullanılması ve Etik Sorunlar. Sayıştay Dergisi, (134), 395-423.
  49. Qadir, H. A. (2017). Will Artificial Intelligence Brighten or Threaten the Future. https://www. researchgate.net/profile/Hemin-Ali-Qadir/publication/323535179_Will_Artificial_ Intelligence_Brighten_or_Threaten_the_Future/links/5a9a656045851586a2aa09f9/ Will-Artificial-Intelligence-Brighten-or-Threaten-the-Future.pdf. Erişim:16.12.2024.
  50. Prasad S. (2023). What is machine learning? URL https://www.analytixlabs.co.in/blog/ what-is-machine-learning/ Erişim:22.03.2025.
  51. Ricadela Aaron, (2024). Anti–Money Laundering AI Explained. https://www.oracle.com/tr/ financial-services/aml-ai/#what Erişim: 19.12.2024.
  52. Rohilla, V., Chakraborty, S., ve Kumar, R. (2022). Deep Learning Based Feature Extraction and a Bidirectional Hybrid Optimized model for Location Based Advertising. Multimedia Tools and Applications, 81(11), 16067-16095.
  53. Russom, P. (2011). Big Data Analytic s. TDWI Best Practices report, TDWI Reserarch, 4th Quarter.1-34.
  54. Sanction Scanner (2024). The Effects of Artificial Intelligence in The Anti-Money Laundering. https://www.sanctionscanner.com/blog/artificial-intelligence-and-anti-moneylaundering- 17 Erişim: 09.12.2024.
  55. Shah P. (2025). What is The Role of Technology in Anti-Money Laundering Compliance. https://amluae.com/what-is-the-role-of-technology-in-anti-money-launderingcompliance/ Erişim: 19.01.2025.
  56. Taddeo, M., ve Floridi, L. (2018). How AI can be a Force for Good. Science, 361(6404), 751- 752.
  57. Teichmann, F. M. J. (2017). Twelve Methods of Money Laundering. Journal of Money Laundering Control, 20(2), 130-137.
  58. Tóth, Z., ve Blut, M. (2024). Ethical Compass: The need for Corporate Digital Responsibility in the use of Artificial Intelligence in Financial Services. Organizational Dynamics, 53(2), 101041.
  59. Tuğaç, Ç. (2023). Birleşmiş Milletler Sürdürülebilir Kalkınma Amaçlarının Gerçekleştirilmesinde Yapay Zekâ Uygulamalarının Rolü. Sayıştay Dergisi, 34 (128), 73-99.
  60. Ünlü, U. (2019). Kara Para Aklamada Yeni Yöntemler ve Kara Paranın Ekonomi Üzerindeki Etkileri. Sayıştay Dergisi (113), 155-179.
  61. Vedesin A. (2024). AML Machine Learning and Its Role in Financial Compliance. https:// vespia.io/blog/aml-machine-learning#how-aml-machine-learning-models-work Erişim:25.02.2025.
  62. Wall, L. D. (2018). Some Financial Regulatory İmplications of Artificial Intelligence. Journal of Economics and Business, 100, 55-63.
  63. Yıldız, A. (2022). Finans Alanında Yapay Zekâ Teknolojisinin Kullanımı: Sistematik Literatür İncelemesi. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (52), 47-66.