Alacaklılar, potansiyel borçluların kredi değerliliğini değerlendirirken bilgi asimetrileri ile karşılaşır. Kendi memleketimde yıllardır bana kredi sağlayan ve görevime uygun bir şekilde geri ödediğim bir bankacı için bu asimetriler düşüktür. Ama ya New York’a taşınırsam? Bir Amerika Birleşik Devletleri (ABD) bankasının benden sağlamamı isteyeceği klasik öğelerin hiçbirine sahip olmayacağım -elektrik faturası, cep telefonu sözleşmesi veya ABD merkezli bir kuruluşla ödeme geçmişim bulunmuyor. ABD bankası benimle ilgili gizli temel bilgileri nasıl yeniden oluşturacaktır? Tek seçenekleri, gözlemlenebilir değişkenlere güvenmektir. Tarihsel olarak, ‘sermaye’, ‘kapasite’ ve ‘karakter’ (capital, capacity, and character) gibi sinyaller, temel bilgilere yönelik önemli ipuçlarıydı. 1930’lardan başlayarak, borç verenler istatistiklerdeki gelişmelerden yararlandılar. Sınırlı bir gözlemlenebilir nitelikler listesine dayalı olarak oldukça iyi tahminler yapılabilir.
Bugünse, borç verenlerin borç alanlarını değerlendirmek için kaynak maliyetleri, sigortalama modelinin kalitesi ve verilere erişim tarafından yönlendirilmektedir. Her ikisi de son yıllarda büyük veri ve makine öğreniminin ortaya çıkması nedeniyle radikal bir değişim geçirdi. New York şehrindeki bankam artık ABD elektrik faturası yerine, tatmin edici bir çevrimiçi ödeme geçmişinin kanıtını kabul etmekten mutluluk duyabilir. Bu şekilde, dijital teknoloji finansal hizmetlerin her zamankinden daha verimli ve daha düşük maliyetli bir şekilde sunulmasını sağlayabilir. Kredi verenler, kredi değerliliğini değerlendirmede hızdan ödün vermeden geleneksel finansal değişkenlerin çok ötesindeki verilere erişebilirler. Popüler ifadeyle ‘tüm veriler kredi verileridir. Henüz nasıl kullanılacağını bilmiyoruz’ (all data is credit data. We just don’t know how to use it yet[1]) sorusu, çevrimiçi ödeme geçmişinden, yaş veya cinsiyete, metin mesajlarındaki yazım hatalarının sayısına ve bir “captcha”[2] alıştırmasında tıklama hızına kadar keşfedilecek çok şey olduğunu gösteriyor.
Bazı adaylar için bu, kapsayıcılık ve finansmana daha iyi erişim vaadini içerir. Daha geniş veriler ve daha rafine, genellikle yapay zeka destekli modeller, daha önce görünmez olan, ancak son derece çekici adayları fahiş maliyetleri tetiklemeden tespit etmeye yardımcı olur. Ancak, tüm başvuranlar aynı ölçüde yararlanmıyor. Bu konudaki birkaç deneysel çalışma, dahil etme potansiyelini kanıtlamıştır, ancak aynı zamanda, korunan ve korunmayan topluluklar arasındaki çıktı eşitsizliklerine işaret etmiştir. Bu arka plana karşı, ‘algoritmik ayrımcılık’ (algorithmic discrimination) üzerine canlı bir uluslararası tartışma gelişmiştir. ABD, yeni endişeleri 1970’lerde geliştirilen mevcut adil borç verme çerçevesine bütünleştirmeye odaklanmıştır. Adil Konut Edinme Yasası (Fair Housing Act[3]) ipoteğe dayalı kredi vermeyi düzenlerken, Eşit Kredi Fırsatı Yasası (Equal Credit Opportunity Act[4]) genel tüketici kredisini düzenler. Buna karşılık Avrupa Birliği (AB), dijitalleşmenin getirdiği endişelere yanıt olarak şu anda bir AB Yapay Zeka Yasası[5] ve yeni bir Tüketici Kredisi Yönergesi[6] taslağı hazırlıyor.
Yazar yeni makalesinde (önceki bir sürümün Ocak 2023 revizyonu), tartışmaya iki ana katkı yapıyor. Makalede, ayrımcılıkla mücadele doktrininin, kredi taahhüdünde algoritmik ayrımcılıkla başa çıkmak için uygun olmadığı belirtiliyor ve tartışmanın yeniden perakende kredi piyasalarının düzenleyici tasarımına doğru yönlendirilmesi öneriliyor.
İlk olarak, makale, ABD ve AB’nin ayrımcılıkla mücadele yasalarının algoritmik kredi taahhüdü ile karşı karşıya kaldığında ne durumda olduğunu araştırıyor. Makalede, farklı muamele/doğrudan ayrımcılık tartışılıyor ve geleneksel olarak nadir, fakat zor vakalar olarak anlaşılan durumların yeni normal haline geleceği öne sürülüyor. Bir örnek, cinsiyet ayrımcılığı ve hamilelik ile ilgilidir. Cinsiyet değiştirme vakalarını bir kenara bırakırsak, hamilelik kadın cinsiyeti ile ilişkilidir. Yine de, önceki bir ABD Yüksek Mahkemesi kararı[7], hamileliğin bir engellilik yardımları ödeme planından hariç tutulmasının cinsiyete dayalı olmadığına karar vererek ABD Kongresi’ni yasayı değiştirmeye sevk etmiştir. Avrupa Adalet Divanı hamileliğin kadın cinsiyetiyle ‘ayrılmaz bir şekilde bağlantılı’ (inextricably linked) olduğunu savunarak tam tersi bir sonuca varmıştı. Bugün, hamileliğin cinsiyetle yaptığı gibi, korunan bir özellikle açıkça ilişkili olan değişkenlere işaret etmekte zorlanılabilir. Ancak, büyük verilerin geniş yelpazesi ve yapay zeka modellerinin daha önce görünmez olan korelasyonlar oluşturma gücü nedeniyle bu durum değişecektir. Korunan bir özniteliğe ‘ayrılmaz bir şekilde bağlantılı’ (inextricably linked) görece az sayıda değişken olduğu şeklindeki kabul görmüş doktrinde zımnen var olan varsayım artık geçerli değildir.
Farklı etki/dolaylı ayrımcılığa (disparate impact/indirect discrimination) doğru yönelen makalede, bu doktrinlerin kredi yüklenimi kapsamına girip girmediği tartışılıyor. Onların yaptıkları varsayım altında, makalede, farklı etki/dolaylı ayrımcılık doktrini (disparate impact/indirect discrimination doctrine) temelinde korunan topluluklar için olumsuz bir sonucu tetiklediği anlaşılan bir “yüze göre tarafsız özelliğin” (facially neutral attribute) nasıl tanımlanacağı araştırılmıştır. Makalede, algoritmik modellerin aynı sonucu tahmin eden yedek değişkenleri bulma gücü göz önüne alındığında, bireysel tarafsız/nötr niteliklerin ortadan kaldırılmasının fazla bir şey getirmeyeceğini öne sürülüyor.
Ayrımcılıkla mücadele yasasının önemli eksiklikleriyle karşı karşıya kalan makalenin ikinci bölümünde, algoritmik tüketici kredisi yüklenimi için düzenleyici bir tasarımın ön hatları özetlenmekte; hem algoritmik modellerin hem de verilerin kalite kontrolünün rolü vurgulanmakta ve AB Yapay Zeka Yasasının (Artificial Intelligence Act) temel kuralları özetlenerek bunu yapmanın bir yolu gösterilmektedir. Ayrıca, makalede, sosyal medya ağları gibi kaynaklardan toplanan bilgilerin hatalara ve yanlış anlamalara eğilimli olması nedeniyle, bu hakların önem kazanacağı varsayılarak, ABD ve AB yasaları uyarınca yanlış verileri düzeltmeye yönelik tüketici hakları araştırılmaktadır. Makale, puanlama ve kredi reddi nedenleri hakkında bilgi almak için her iki yargı alanındaki tüketici haklarını keşfetmeye devam etmekte; ABD Eşit Kredi Fırsatı Yasası bildirimlerini[8] açıklamakta ve bunu AB Genel Veri Koruma Tüzüğü (General Data Protection Regulation-GDPR) ve devam eden AB Tüketici Kredisi Direktifi (Consumer Credit Directive) reformu ile karşılaştırır. Sonuç olarak, makale, kredi taahhütlerinde kişiselleştirilmiş fiyatlandırma hakkında bazı düşünceler sunmakta ve gelecekte ayrıntılı bir çalışma yapılmasını gerektirmektedir.
[1] Bu konuda bkz. < https://archive.nytimes.com/query.nytimes.com/gst/fullpage-9A0CE7DD153CF936A15750C0A9649D8B63.html >
[2] CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart) “Carnegie Mellon School of Computer Science” tarafından geliştirilen bir projedir. Projenin amacı, bilgisayar ile insanların davranışlarının ayırt edilmesidir ve daha çok bu ayrımı yapmanın en zor olduğu web ortamında kullanılmaktadır. CAPTCHA projesinin bazı uygulamalarına çoğu web sayfalarında rastlamak mümkündür. Üyelik formlarında rastgele resim gösterilerek formu dolduran kişiden bu resmin üzerinde yazan sözcüğü girmesi istenir. Buradaki basit mantık o resimde insan tarafından okunabilecek ancak bilgisayar programları tarafından okunması zor olan bir sözcük oluşturmaktır. Eğer forma girilen sözcük resimdeki ile aynı değilse ya formu dolduran kişi yanlış yapmıştır ya da formu dolduran bir programdır denebilir. CAPTCHA ile bilgi girişlerinin kötü niyetli kişilerin yazdığı programlar tarafından otomatik olarak yapılmasının önüne geçilmesi amaçlanır. [< https://tr.wikipedia.org/wiki/CAPTCHA >]
[3] “Adil Konut Edinme Yasası” için bkz. < https://www.justice.gov/crt/fair-housing-act-1 >
[4] “Eşit Kredi Fırsatı Yasası” için bkz. < https://www.govinfo.gov/content/pkg/USCODE-2011-title15/html/USCODE-2011-title15-chap41-subchapIV.htm >
[5] Anılan yasa için bkz. < https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex%3A52021PC0206 >
[6] “AB Tüketici Kredisi Yönergesi” için bkz. < https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A52021PC0347 >
[7] “ABD Yüksek Mahkemesi kararı” [General Elec. Co. v. Gilbert, 429 U.S. 125 (1976)] için bkz. < https://supreme.justia.com/cases/federal/us/429/125/ >
[8] “ABD Eşit Kredi Fırsatı Yasası bildirimleri” için bkz. < https://www.consumerfinance.gov/rules-policy/regulations/1002/9/ >
Yavuz Akbulak
1966 yılında, Gence-Borçalı yöresinden göç etmiş bir ailenin çocuğu olarak Ardahan/Çıldır’da doğdu. 1984 yılında yapılan sınavda Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Maliye bölümünü kazandı. 1985 yılında Marmara Üniversitesi İktisadi ve İdari Bilimler Fakültesi Maliye bölümüne yatay geçiş yaptı ve 1988’de Marmara Üniversitesi İktisadi ve İdari Bilimler Fakültesi Maliye bölümünü birincilikle, Fakülteyi ise 11’inci olarak bitirdi.
1997 yılında Amerika Birleşik Devletleri’nin Denver şehrinde yer alan ‘Spring International Language Center’da; 65’inci dönem müdavimi olarak 2008-2009 döneminde Milli Güvenlik Akademisi’nde (MGA) eğitim gördü ve MGA’dan dereceyle mezun oldu. MGA eğitimi esnasında ‘Sınır Aşan Sular Meselesi’, ‘Petrol Sorunu’ gibi önemli başlıklarda bilimsel çalışmalar yaptı.
• Türkiye’de Yatırımların ve İstihdamın Durumu ve Mevcut Ortamın İyileştirilmesine İlişkin Öneriler (Maliye Hesap Uzmanları Vakfı Araştırma Yarışması İkincilik Ödülü);
• Türk Sosyal Güvenlik Sisteminde Yaşanan Sorunlar ve Alınması Gereken Önlemler (Maliye Hesap Uzmanları Vakfı Araştırma Yarışması İkincilik Ödülü, Sevinç Akbulak ile birlikte);
• Kayıp Yıllar: Türkiye’de 1980’li Yıllardan Bu Yana Kamu Borçlanma Politikaları ve Bankacılık Sektörüne Etkileri (Bankalar Yeminli Murakıpları Vakfı Eser Yarışması, Övgüye Değer Ödülü, Emre Kavaklı ve Ayça Tokmak ile birlikte),
• Türkiye’de Sermaye Piyasası Araçları ve Halka Açık Anonim Şirketler (Sevinç Akbulak ile birlikte) ve
• Türkiye’de Reel ve Mali Sektör: Genel Durum, Sorunlar ve Öneriler (Sevinç Akbulak ile birlikte)
başlıklı kitapları yayımlanmıştır.
• Anonim Şirketlerde Kâr Dağıtımı Esasları ve Yedek Akçeler (Bilgi Toplumunda Hukuk, Ünal TEKİNALP’e Armağan, Cilt I; 2003),
• Anonim Şirketlerin Halka Açılması (Muğla Üniversitesi İktisadi ve İdari Bilimler Fakültesi Tartışma Tebliğleri Serisi II; 2004)
ile
• Prof. Dr. Saim ÜSTÜNDAĞ’a Vefa Andacı (2020), Cilt II;
• Prof. Dr. Saim Üstündağ’a İthafen İlmi Makaleler (2021);
• Prof. Dr. Saim Üstündağ’a İthafen İlmi Makaleler II (2021);
• Sosyal Bilimlerde Güncel Gelişmeler (2021);
• Ticari İşletme Hukuku Fasikülü (2022);
• Ticari Mevzuat Notları (2022);
• Bilimsel Araştırmalar (2022);
• Hukuki İncelemeler (2023);
• Prof. Dr. Saim Üstündağ Adına Seçme Yazılar (2024);
• Hukuka Giriş (2024);
• İşletme, Pazarlama ve Hukuk Yazıları (2024),
• İnterdisipliner Çalışmalar (e-Kitap, 2025)
başlıklı kitapların bazı bölümlerinin de yazarıdır.
1992 yılından beri Türkiye’de yayımlanan otuza yakın Dergi, Gazete ve Blog’da 3 bini aşkın Telif Makale ve Telif Yazı ile tamamı İngilizceden olmak üzere Türkçe Derleme ve Türkçe Çevirisi yayımlanmıştır.
1988 yılında intisap ettiği Sermaye Piyasası Kurulu’nda (SPK) uzman yardımcısı, uzman (yeterlik sınavı üçüncüsü), başuzman, daire başkanı ve başkanlık danışmanı; Özelleştirme İdaresi Başkanlığı GSM 1800 Lisansları Değerleme Komisyonunda üye olarak görev yapmış, ayrıca Vergi Konseyi’nin bazı alt çalışma gruplarında (Menkul Sermaye İratları ve Değer Artış Kazançları; Kayıt Dışı Ekonomi; Özkaynakların Güçlendirilmesi) yer almış olup; halen başuzman unvanıyla SPK’da çalışmaktadır.
Hayatı dosdoğru yaşamak ve çalışkanlık vazgeçilmez ilkeleridir. Ülkesi ‘Türkiye Cumhuriyeti’ her şeyin üstündedir.