कृत्रिम बुद्धिमत्ता आणि बँकिंग

(पूर्वप्रसिद्धी 'शुभम' दिवाळी अंक २०२४)

‘आर्टिफिशियल इंटेलिजन्स’ (AI) अर्थात ‘कृत्रिम बुद्धिमत्ता’ ही गोष्ट अलीकडच्या वर्षांत आपल्या तंत्रज्ञानाधिष्ठित जगण्याचा महत्त्वाचा भाग बनली आहे. आर्टिफिशियल इंटेलिजन्स हे उद्योगांमध्ये आमूलाग्र बदल घडवून आणणारे तंत्रज्ञान मानले जाते आणि बँकांनी सर्वात आधी हे तंत्रज्ञान त्यांच्या सेवांमध्ये समाविष्ट करण्यास सुरवात केली आहे. अलिकडची आकडेवारी दर्शविते की बँकिंग क्षेत्र सेवा, कार्यक्षमता आणि उत्पादकता सुधारण्यासाठी आणि खर्च कमी करण्यासाठी ‘AI’ चा मोठ्या प्रमाणावर वापर करीत आहे.

खरं तर भारतातील बँकिंग, वित्तीय सेवा आणि विमा क्षेत्र या ‘AI’ क्रांतीचा एक प्रमुख लाभार्थी आहेत. वित्तीय सेवांमध्ये ग्राहक सेवा आणि सायबर सुरक्षा या विभागात ‘AI’ चा जास्तकरून उपयोग होतो. फसवणूक शोधणे आणि प्रतिबंध करणे यामध्ये जनरेटीव्ह ‘AI’ ची मोठी भूमिका असते. फ्रंट-ऑफिस, बॅक-ऑफिस, गुंतवणूक, मालमत्ता व्यवस्थापन, ठेवी घेणे, कर्ज वाटप असा बँकिंगचा जवळजवळ प्रत्येक कार्य-विभाग आता कृत्रिम बुद्धिमत्ता वापरावर अवलंबून आहे. मानवी हस्तक्षेपाचा समावेश नसलेले व्यवस्थापन बँकांसाठी आर्थिकदृष्ट्या खूप फायदेशीर ठरते. वेग, अचूकता, कार्यक्षमतावृद्धी, सांख्यिकी माहितीचे वर्गीकरण यादृष्टीने बँकिंग क्षेत्रात ‘AI’ महत्त्वपूर्ण ठरतेय. काही बँका याबाबत चाचणीच्या टप्प्यात आहेत तर काहींनी आपल्या कामकाजात आधुनिक तंत्रज्ञानाचा पूर्णपणे समावेश केला आहे.

बँकिंगच्या कोणत्या विभागांत ‘AI’ चा वापर प्रामुख्याने केला जातो ते पाहूया :

चॅटबॉट्स - बँकिंगमध्ये कृत्रिम बुद्धिमत्तेच्या व्यावहारिक वापराचे ‘चॅटबॉट्स’ हे एक उत्तम उदाहरण आहे. एकदा कार्यरत झाल्यावर ते २४*७ काम करतात, मानवांप्रमाणे त्यांचे कामाचे निश्चित तास नसतात. ते एखाद्या विशिष्ट ग्राहकाच्या वापराच्या पद्धतीबद्दल शिकत राहतात, जे त्यांना वापरकर्त्याच्या गरजा कार्यक्षमतेने समजून घेण्यास मदत करते. बँकिंग अॅप्समध्ये चॅटबॉट्स हे सुनिश्चित करतात की बँका त्यांच्या ग्राहकांसाठी २४ तास उपलब्ध आहेत. शिवाय ग्राहकांचे वर्तन समजून घेऊन चॅटबॉट्स व्यक्तिगत ग्राहकसेवा देऊ शकतात. ईमेल आणि इतर संपर्कयंत्रणांवरील भार कमी होतो आणि योग्य वित्तीय सेवा आणि उत्पादनांची शिफारस केली जाते.

घोटाळ्यांचा शोध (फ्रॉड डिटेक्शन) आणि सायबर सिक्युरिटी – बँकिंग अॅप्स किंवा ऑनलाइन खात्यांद्वारे वापरकर्ते बिल भरतात, पैसे काढतात, चेक जमा करतात आणि बरेच व्यवहार करतात ज्यायोगे दररोज अनेक डिजिटल व्यवहार होतात. अर्थातच त्यामुळे सायबर गुन्हेगारांद्वारे फसवणुकीच्या अनेक घटना घडतात. अशावेळी बँकिंगमधील ‘AI’ व मशीन लर्निंग हे बँकांना फसवणुकीच्या क्रिया ओळखण्यास, त्यांच्या यंत्रणेमधील पळवाटा शोधण्यास, जोखीम कमी करण्यास, एकंदर सुरक्षा सुधारण्यास मदत करतात. ‘AI’ आधारित फ्रॉड डिटेक्शन यंत्रणा, काही प्रकरणे पुढील तपासणीसाठी मानवी विश्लेषकांकडे पाठवताना बरेच महत्त्वपूर्ण निर्णय स्वयंचलित करतात. बँकांना सायबर धोके व्यवस्थापित करण्यास देखील मदत होते. प्रगत ‘AI’ प्रणालीच्या सततच्या देखरेख क्षमतेमुळे संभाव्य सायबर हल्ल्यांना अंतर्गत प्रणालींवर परिणाम करण्यापूर्वीच ओळखून प्रतिकार केला जाऊ शकतो.

कर्ज आणि पत निर्णय - बँकांनी अधिक माहितीपूर्ण, सुरक्षित आणि फायदेशीर कर्ज आणि पतपुरवठाविषयक निर्णय घेण्यासाठी ‘AI’ आधारित प्रणालींचा वापर करण्यास सुरवात केली आहे. सध्या बऱ्याच बँका एखाद्या व्यक्तीची किंवा कंपनीची पतपात्रता निश्चित करण्यासाठी क्रेडिट इतिहास, क्रेडिट स्कोअर आणि ग्राहक संदर्भांच्या वापरापुरत्या मर्यादित आहेत. ‘AI’ आधारित कर्ज आणि क्रेडिट प्रणाली, ग्राहकांची पतपात्रता निश्चित करण्यासाठी त्यांचे आर्थिक वर्तन आणि नमुने पाहू शकते. तसेच ही यंत्रणा बँकांना विशिष्ट अर्थवर्तनांबद्दल चेतावणी देते ज्यामुळे डिफॉल्टची शक्यता घटू शकते. थोडक्यात असे तंत्रज्ञान ग्राहककर्जाचे भवितव्य बदलण्यात महत्त्वाची भूमिका बजावू शकते.

विदा (डेटा) संकलन आणि विश्लेषण - बँकिंग आणि वित्त संस्थांमध्ये दररोज लाखो व्यवहारांची नोंद होते. तयार होणाऱ्या माहितीचे प्रमाण प्रचंड असल्याने त्याचे संकलन व नोंदणी करणे कर्मचाऱ्यांसाठी कठीण होते. कोणत्याही त्रुटीशिवाय एवढ्या मोठ्या प्रमाणात डेटाची आखणी आणि संकलन करणे अशक्य होते. आधुनिक ‘AI’ आणि बँकिंग सॉफ्टवेअर अशा स्थितीत कार्यक्षम डेटा संकलन आणि विश्लेषण करण्यास मदत करते. यामुळे एकंदर वापरकर्त्याचा अनुभव सुधारून या माहितीचा वापर योग्य निर्णय घेण्यासाठी केला जाऊ शकतो.

‘बाजारकला’चा (मार्केट ट्रेंड) मागोवा - वित्तीय सेवांमध्ये ‘AI’ बँकांना मोठ्या प्रमाणात डेटावर प्रक्रिया करण्यास आणि बाजारपेठेच्या नवीनतम ट्रेंडचा अंदाज लावण्यास मदत करते. प्रगत मशीन लर्निंग तंत्र बाजारातील भावनांचे मूल्यांकन करण्यास आणि गुंतवणुकीचे पर्याय सुचविण्यास मदत करते. बँकिंगमध्ये ‘AI’ सोल्यूशन्स शेअर्समध्ये गुंतवणूक करण्याची सर्वोत्तम वेळ सुचवतात आणि संभाव्य जोखीम असल्यास सावध करतात. उच्च डेटा प्रोसेसिंग क्षमतेमुळे हे आधुनिक तंत्रज्ञान, बाजाराच्या कलानुरूप निर्णय घेण्यास मदत करते आणि बँका आणि त्यांच्या ग्राहकांसाठी व्यापार सोयीस्कर बनवते.

ग्राहक सुविधा – बँकांचे ग्राहक चांगले अनुभव आणि आधुनिक सुविधा शोधत असतात. ‘AI’ मुळे बँकिंग सुविधा अधिक नाविन्यपूर्ण होण्यास चालना मिळाली आहे. ग्राहक आता स्मार्टफोनचा वापर करून घरबसल्या बँक खाती उघडू लागले आहेत. ‘केवायसी’ माहिती मिळवण्यासाठी लागणारा वेळ कमी होतोय आणि त्यातील इतर त्रुटी दूर होतायत. ग्राहकांचा विविधांगी अनुभव समृद्ध होतोय. याव्यतिरिक्त नवीन योजना आणि आर्थिक ऑफर्स वेळेवर जारी केल्या जाऊ शकतात. वैयक्तिक कर्ज किंवा इतर कर्जांसाठी अर्ज प्रक्रिया ‘AI’ वापरुन स्वयंचलित होते. या संपूर्ण प्रक्रियेत दीर्घकाळ सहभागी होण्याचा ग्राहकांचा त्रास दूर होतो. कर्ज वितरणासारख्या सुविधांच्या मंजुरीची वेळ कमी होते.

जोखीम व्यवस्थापन (रिस्क मॅनेजमेंट) - चलनातील चढउतार, नैसर्गिक आपत्ती किंवा राजकीय अस्थिरता यासारख्या बाह्य जागतिक घटकांचा बँकिंग आणि वित्तीय उद्योगांवर गंभीर परिणाम होतो. अशा अस्थिर काळात व्यवसायाचे निर्णय अधिक सावधपणे घेणे महत्त्वाचे असते. बँकिंगमधील ‘AI’ सेवा असे विश्लेषण करते जे भावी गोष्टींचे वाजवी चित्र स्पष्ट करते आणि संबंधितांना त्यासाठी तयार राहण्यास आणि वेळेवर योग्य निर्णय घेण्यास मदत करते. एखादा ग्राहक कर्जाची परतफेड करण्यात अपयशी ठरण्याच्या संभाव्यतेचे मूल्यांकन करण्यासदेखील मदत होते.

नियामक अनुपालन (रेग्युलेटरी कंप्लायन्स) - बँकिंग हे जगभरातील अर्थव्यवस्थेच्या अत्यंत महत्त्वाच्या आणि नियंत्रित क्षेत्रांपैकी एक आहे. बँकिंग मधील आर्थिक गुन्हे कमी करण्यासाठी आणि मोठ्या प्रमाणात डिफॉल्ट टाळण्यासाठी सरकार त्यांच्या नियामक अधिकाराचा वापर करते. बँका सहसा या समस्यांना सामोरे जाण्यासाठी अंतर्गत अनुपालन चमू ठेवतात. परंतु या प्रक्रियेस बराच वेळ लागतो आणि मनुष्यबळ वापरुन केल्यास मोठ्या गुंतवणुकीची आवश्यकता असते. अनुपालन नियम देखील वारंवार बदलत असतात आणि बँकांना या नियमांचे अनुसरण करून त्यांची प्रक्रिया आणि कार्यप्रवाह सतत अद्ययावत ठेवणे आवश्यक असते. अश्या वेळी जरी ‘AI’ बँकिंग क्षेत्रातील अनुपालन विश्लेषकांची जागा घेऊ शकत नसले तरी यामुळे त्यांचे कामकाज जलद आणि अधिक कार्यक्षम होऊ शकते.

भविष्यसूचक विश्लेषण (प्रेडिक्टिव्ह अॅनालिटिक्स) - बँकिंग उद्योगात ‘AI’ चा प्राथमिक वापर म्हणजे भाषेचा अर्थ लावणे आणि व्यापक विश्लेषण करणे. ‘AI’ डेटामधील विशिष्ट दाखले आणि सहसंबंध शोधू शकते, जे पारंपारिक तंत्रज्ञान पूर्वी शोधू शकत नव्हते. हे नमुने नवीन विक्रीसंधी, बाजार-उपलब्धता किंवा व्यावहारिक शक्यता दर्शवू शकतात, ज्यामुळे महसुलावर सकारात्मक परिणाम होऊ शकतो.

प्रक्रिया स्वयंचलन (प्रोसेस ऑटोमेशन) – ‘रोबोटिक प्रोसेस ऑटोमेशन’ सारख्या ‘‘AI’ मधील अल्गोरिदम हे कामकाजातील कार्यक्षमता आणि अचूकता वाढवतात. तसेच वेळखाऊ, पुनरावृत्ती कामे स्वयंचलित करून खर्च कमी करतात. यामुळे वापरकर्त्यांना मानवी सहभाग आवश्यक असलेल्या अधिक जटिल प्रक्रियांवर लक्ष केंद्रित करणे शक्य होते. आज जगभरातील अनेक बँकिंग संस्था या व्यवहारांचा वेग आणि कार्यक्षमता वाढविण्यासाठी ‘आरपीए’चा यशस्वीपणे वापर करतात. यामुळे दस्तऐवजांचे पुनरावलोकन जलद होते आणि मानवी क्षमतेपेक्षा अधिक वेगाने डेटा मिळवला जातो.

बँकिंगमध्ये ‘AI’ चा अवलंब करण्यात आव्हाने :

डेटा सुरक्षा - बँकिंग उद्योगात गोळा केलेल्या डेटाचे प्रमाण प्रचंड आहे आणि कोणताही गैरवापर टाळण्यासाठी पुरेशा सुरक्षा उपायांची आवश्यकता असते. म्हणूनच ‘AI’ चा योग्य तंत्रज्ञान भागीदार शोधणे महत्वाचे असते, जो बँकिंग चांगल्या प्रकारे समजून घेतो आणि आपला ग्राहक-डेटा योग्यरित्या हाताळला जातो याची खात्री करण्यासाठी विविध सुरक्षापर्याय प्रदान करतो.

दर्जेदार माहितीचा अभाव - पूर्ण प्रमाणात ‘AI’आधारित बँकिंग प्रणाली लागू करण्यापूर्वी बँकांना योग्य प्रशिक्षणाची आणि प्रणाली-वैधतेसाठी संरचित आणि दर्जेदार डेटाची आवश्यकता असते. वापरला जाणारा ‘अल्गोरिदम’ वास्तविक जीवनातील परिस्थितीत लागू होतोय याची खात्री करण्यासाठी दर्जेदार डेटा आवश्यक असतो. तसेच जर डेटा मशीनसाठी वाचनीय स्वरूपात नसेल तर यामुळे अनपेक्षित ‘AI’ मॉडेल वर्तन होऊ शकते. म्हणून ‘AI’चा अवलंब करण्याऱ्या बँकांनी सर्व गोपनीयता राखण्यासाठी आणि अनुपालन जोखीम कमी करण्यासाठी त्यांच्या डेटा धोरणांमध्ये काटेकोरपणा आणणे आवश्यक आहे.

स्पष्टीकरणक्षमतेचा अभाव - ‘AI’ आधारित प्रणाली आकर्षक असल्या तरी त्या पूर्वीच्या चुकीच्या मानवी निर्णयांचे अनुसरण करू शकतात. ‘AI’ प्रणालीत किरकोळ विसंगती वाढण्यास आणि मोठ्या प्रमाणात समस्या निर्माण होण्यास जास्त वेळ लागत नाही, ज्यामुळे बँकेची प्रतिष्ठा आणि कार्यक्षमता धोक्यात येऊ शकते. अश्या अडचणी टाळण्यासाठी बँकांकडे ‘AI’ मॉडेलद्वारे सादर केलेल्या सर्व निर्णय आणि शिफारशींसाठी योग्य स्पष्टीकरणक्षमता असली पाहिजे. मॉडेल कसे निर्णय घेते हे बँकांनी समजून घेणे, प्रमाणित करणे आणि स्पष्ट करणे आवश्यक आहे.

प्रशिक्षित मनुष्यबळ - ‘AI’वर काम करू शकणारे कुशल डेटा शास्त्रज्ञ अजून फार उपलब्ध नाहीत. पात्र मनुष्यबळ, आधुनिक संसाधने, नवीनतम उपकरणे आणि अद्ययावत सॉफ्टवेअरवर यांची देखील कमतरता आहे. यासाठी बँकांमध्ये मोठ्या प्रमाणावर पात्र डेटा शास्त्रज्ञांची भरती, योग्य अंतर्गत प्रशिक्षण कार्यक्रम आणि अधिक अत्याधुनिक तंत्रज्ञान यांची गरज आहे.

वापरकर्त्याची क्षमता - ‘AI’ ला समजेल अशा प्रकारे विनंत्या किंवा प्रश्न तयार करणे कठीण असू शकते. वित्तीय सेवांचा वापर करणारे ग्राहक विविध स्तरांतून येतात आणि त्यांच्या डिजिटल साक्षरतेची पातळी
व्यापकपणे बदलते, ज्यामुळे समस्या सोडविणे अधिक कठीण होऊ शकते. ग्राहकांच्या गरजा, सरासरी बौद्धिक पातळी आणि ‘AI’ प्रणाली यांची योग्य सांगड घातली तरच या आधुनिक तंत्रज्ञानाचा अधिकतम फायदा होऊ शकतो.

अनेक भाषा – भारतात ग्राहकांच्या भाषांचे वैविध्य लक्षात घेता, इंग्रजी व हिन्दी बरोबरच इतर स्थानिक भाषांमध्ये संपर्क साधणारी ‘AI’ प्रणाली जास्त यशस्वी ठरू शकते. ‘ही प्रणाली स्थानिक भाषांवर प्रक्रिया आणि आकलन करू शकणारी आवश्यक असते. त्यासाठी स्थानिक भाषांचा यंत्रवाचनीय कोश आणि त्यासंबंधी अल्गोरिदम तयार करणे ही मोठी अडचण आहे.

अश्या अनेक अडचणींवर मात करून भारतीय बँकिंगला ‘आर्टिफिशियल इंटेलिजन्स’च्या जागतिक नकाशावर आणण्यासाठी भारतीय तंत्रज्ञ प्रयत्नांची पराकाष्ठा करत आहेत आणि सरकारची त्यांना पुरेपूर मदत होत असते. या क्षेत्रातील संशोधन आणि विकासासाठी विविध सरकारी व खाजगी संस्था अमूल्य योगदान देत आहेत. रिझर्व्ह बँक ऑफ इंडिया (RBI) आणि नॅशनल पेमेंट कौन्सिल ऑफ इंडिया (NPCI) यांची यात महत्त्वपूर्ण भूमिका आहे. या संस्था ‘यूपीआय’ आधारित 'संभाषणात्मक देयके' सुरू करण्याचा विचार करीत असून, त्यात सुरक्षिततेचा अतिरिक्त जोड देण्यासाठी ‘AI’ संचालित प्रणालीचा वापर अपेक्षित आहे. ही सुविधा व्यवहारात आल्यावर ‘पेमेंट्स’च्या कार्यक्षेत्रामध्ये ‘गेम चेंजर’ ठरेल यात शंका नाही.

- गुरुप्रसाद दि पणदूरकर.
(माहीम, मुंबई)