शशांक दीदमिशे और शुभ्रा टंडन द्वारा
ऐसे समय में जब बैंक तीव्र गति से प्रौद्योगिकी को अपना रहे हैं और लेन-देन की गति में सुधार कर रहे हैं, प्रौद्योगिकी अधिकारियों के एक समूह का मानना है कि धोखाधड़ी के मामले में कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमएल) की बहुत बड़ी भूमिका होती है। बैंकों का पता लगाना और उनकी अनुपालन आवश्यकताओं को पूरा करने में सक्षम बनाना। हालांकि, अभी तक बैंक इस तरह के समाधानों को लागू करने के लिए आवश्यक जानकारी से लैस नहीं हैं, उन्होंने कहा।
वर्तमान में, बैंकिंग क्षेत्र द्वारा धोखाधड़ी के लिए दिया गया व्यवहार प्रतिक्रियात्मक है जैसे कि ग्राहक को राहत प्रदान करने के लिए की गई कोई भी कार्रवाई धोखाधड़ी होने के बाद की जाती है। धोखाधड़ी होने से पहले ही उन्हें रोकने के लिए एआई और एमएल के उपयोग के साथ उभरने वाले पैटर्न से बैंक लाभान्वित हो सकते हैं।
“एआई अब जो कर रहा है वह यह है कि जो भी पैटर्न उभर रहे हैं, हम मॉडलों को इस तरह से प्रशिक्षित कर सकते हैं कि वे भविष्यवाणी कर सकें और सटीकता के स्तर के साथ भविष्यवाणी कर सकें जो हम चाहते हैं। चूंकि हम इस तकनीक का उत्पादन स्वयं बैंकों में नहीं करते हैं, इसलिए हम प्रौद्योगिकी प्रदाताओं पर निर्भर हैं, ”भारतीय स्टेट बैंक में डिजिटल बैंकिंग के उप प्रबंध निदेशक और प्रमुख नितिन चुघ ने Financialexpress.com के मॉडर्न बीएफएसआई शिखर सम्मेलन में बात करते हुए कहा।
धोखाधड़ी को रोकने के लिए, बैंकों को मजबूत तंत्र की आवश्यकता है क्योंकि डिजिटल बैंकिंग के उदय के साथ, कई चैनलों के माध्यम से कई लेनदेन चल रहे हैं जिन पर नजर रखने की आवश्यकता है। निवारक आधार पर धोखाधड़ी का पता लगाने का कार्य मशीन के लिए अधिक उपयुक्त है और मनुष्यों के लिए अक्षम्य है। सवाल यह नहीं है कि हमें एएल और एमएल की आवश्यकता है या नहीं, क्योंकि प्रति सेकंड हजारों लेनदेन डिजिटल रूप से हो रहे हैं, बैंकों को अनिवार्य रूप से इन तंत्रों को बिना असफलता के तैनात करने की आवश्यकता है।
“जैसे-जैसे डिजिटल फैलता है और विस्फोट होता है, धोखाधड़ी भी एक निश्चित गति से विस्तारित होती है, जिसे संबोधित करने की आवश्यकता होती है। एआई-आधारित मॉडल धोखाधड़ी का पता लगाने में सहायता कर सकते हैं। एआई पता लगाने की गति में मदद कर सकता है, ”जगदीश नारायणन, वरिष्ठ उपाध्यक्ष, Jio Financial Services।
बैंकों पर अनुपालन बोझ की मात्रा पर जोर देते हुए, बैंक ऑफ बड़ौदा के मुख्य डिजिटल अधिकारी, अखिल हांडा ने कहा कि ऋणदाता प्रति माह लगभग 600 नियामक फाइलिंग, प्रौद्योगिकी के अनुप्रयोग को फाइल करता है। उन्होंने कहा कि बहुत कुछ किया जाना है और अनुपालन प्रणाली में एआई और एमएल का अनुप्रयोग विकसित हो रहा है। इसके अतिरिक्त, प्रणाली का ढांचा इतना कठोर है कि नियामक को यह सुनिश्चित करने की आवश्यकता है कि बैंक जागरूक और सुरक्षित हैं, आईसीआईसीआई बैंक में डिजिटल बैंकिंग के राष्ट्रीय प्रमुख बिजित भास्कर ने कहा।
एआई और एमएल के खिलाफ एक धारणा है कि यह मानव कार्यबल को अप्रचलित बना देता है; हालाँकि, हांडा के अनुसार, प्रौद्योगिकी के विरुद्ध यह तर्क मान्य नहीं है। एआई के साथ इकाई की दक्षता बढ़ जाती है, जो हालांकि कार्यबल के कुछ वर्ग के कार्यभार को हटा देती है, यह मौजूदा कार्यबल को अपस्किल करके उसी स्थान के भीतर नई भूमिकाएं बनाने की गुंजाइश प्रदान करती है।
“दूसरी बात यह है कि बैंकों ने पारंपरिक रूप से ग्राहक द्वारा शुरू किए गए डेटा का उपयोग किया है। इसलिए त्रुटि की गुंजाइश हमेशा बनी रहती है। एआई पर चलने वाले अधिकांश मॉडल मशीन डेटा का उपयोग करते हैं, ”चुग ने कहा। मशीन डेटा बल्कि शुद्ध है और इसमें त्रुटियों के वे सेट नहीं हैं जो मनुष्य डेटा इनपुट करते समय कर सकते हैं। उन्होंने कहा, “इसलिए जैसे-जैसे हम अधिक डिजिटल लेनदेन की ओर बढ़ते हैं, मोबाइल पर अधिक मशीन-आधारित इंटरैक्शन की ओर बढ़ते हैं या अन्यथा, डेटा शुद्धता में भी सुधार होगा और इससे हमें मॉडल को परिभाषित करने में मदद मिलेगी।”
