Bir sistem milyonlarca işlemi tarayabilir, sıra dışı örüntüleri yakalayabilir, ilişkileri görünür hale getirebilir ve risk sinyallerini önceliklendirebilir. Ancak hangi yanlış pozitif maliyetinin kabul edilebilir olduğu, hangi sinyalin inceleme başlatmaya yeteceği, hangi kanıt seviyesinde kişiyi etkileyen bir karara geçilebileceği veya hangi kararın otomasyona bırakılabileceği yalnızca teknik bir optimizasyon
Amaç mümkün olduğunca fazla alarm üretmek değil, anlamlı risk sinyallerini daha erken ve daha seçici biçimde görünür kılabilmektir. ACFE’ nin 2026 çalışmasında proaktif veri izleme ve analizi(“ proactive data monitoring and analysis”) bulunan kurumlarda medyan suistimal kaybı 70 bin USD iken bu kontrolün bulunmadığı kurumlarda 150 bin USD; medyan tespit süresi ise sırasıyla 9 ay ve 16 ay olarak raporlanmıştır. Bu karşılaştırma nedensellik kurmuyor; ancak analitiğin uygun bir kontrol ortamı içinde neden önemli olabileceğine dair güçlü bir saha göstergesi sunuyor.
Fakat doğru alarmın öne çıkarılması, sorunun yalnızca bir bölümünü çözüyor. Bir sinyal incelemeye değer bulunduğunda daha zor bir soru ortaya çıkıyor: alarm ile karar arasındaki mesafe nasıl yönetilecek?
31 lışması, sürekli denetim sistemlerinde istisna hacmi manuel inceleme kapasitesini aştığında önceliklendirmenin kritik hale geldiğini gösteriyor; eşik değer belirleme(“ thresholding”) ise bu hacmi risk ve inceleme kapasitesine göre yönetmenin yollarından biri olarak ele alınıyor.
Aslında bu önceliklendirme sorunu, suistimal analitiğinde daha eski ve daha genel bir gerilimin güncel biçimidir. Analitik hassasiyet arttıkça daha fazla sapma görünür hale gelir. Ancak daha fazla sinyal üretmek, bunların daha büyük bölümünün gerçekten in- problemi değildir. Bunlar aynı zamanda muhakeme, orantılılık ve yönetişim gerektiren tercihlerdir.
celemeye değer olduğu anlamına gelmez. Bu nedenle“ normal” davranışın nasıl tanımlanacağı, yanlış pozitiflerin nasıl yönetileceği ve çok fazla ya da çok az kırmızı bayrak(“ red flag”) üretme arasındaki dengenin nasıl kurulacağı uzun süredir temel sorunlardan biridir.¹² Makine öğrenmesi, derin öğrenme ve AI daha ince sapmaları görünür hale getirebilir. Ancak daha fazlasını görmek, görülen her şeyin aynı ölçüde önemli olduğu anlamına gelmez.
Bu gerilim analitiğin değerini azaltmıyor; aksine bu değerin nerede ortaya çıktığını daha görünür hale getiriyor.
5. Alarmdan Karara: İnsan Nerede Devreye Girmeli? Analitik sistemin bir işlemi veya ilişkiyi yüksek riskli bulması, suistimalin gerçekleştiği sonucuna varmak için yeterli değildir. Modelin neden şüphelendiğinin anlaşılması gerekir; ancak açıklama da kanıt değildir. Analitik alarm incelemenin başlangıç noktasıdır. Alternatif açıklamalar test edilmeli ve bulgular kanıtlarla desteklendikten sonra karar verilmelidir.
Argüden ve Erimez, yapay zekâ destekli karar süreçlerini“ Human in the Loop”,“ Human on the Loop” ve“ No Human in the Loop” olmak üzere üç insan gözetimi yaklaşımı üzerinden ele alıyor. İnsan ilkinde kritik kararın içinde, ikincisinde gözetim ve müdahale konumunda; üçüncüsünde ise sistem otonom çalışmakta ve yaklaşım dü-