नई दिल्ली 

 

मैकिन्से की एक रिपोर्ट के अनुसार, बैंक एजेंटिक आर्टिफिशियल इंटेलिजेंस (एआई) का उपयोग करके लेनदेन निगरानी जांच में लगने वाले मानवीय प्रयासों को 30-50 प्रतिशत तक कम कर सकते हैं, साथ ही अनुपालन रिपोर्टों की गुणवत्ता और निरंतरता में सुधार कर सकते हैं। रिपोर्ट में कहा गया है कि एआई एजेंट डेटा संग्रह, अनुसंधान, विश्लेषण और रिपोर्ट तैयार करने का काम संभाल सकते हैं, जिससे मानव विशेषज्ञ जटिल मामलों, जोखिम मूल्यांकन और अंतिम निर्णयों पर ध्यान केंद्रित कर सकेंगे। मैकिन्से ने कहा, "लेनदेन निगरानी जांच में, हमने देखा है कि बैंकों ने मानवीय प्रसंस्करण समय में 40 प्रतिशत से अधिक की कमी हासिल की है।" रिपोर्ट में यह भी कहा गया है कि एआई एजेंटों द्वारा तैयार की गई रिपोर्टें विश्लेषकों द्वारा लिखी गई रिपोर्टों की तुलना में पूर्वनिर्धारित चेकलिस्ट के अनुसार अधिक पूर्ण थीं।

 

विशिष्ट कार्यों में व्यक्तिगत विश्लेषकों की सहायता करने वाले उपकरणों के विपरीत, एजेंटिक एआई विभिन्न प्रणालियों से जानकारी एकत्र करने से लेकर दस्तावेजी सिफारिशें तैयार करने तक, पूरी जांच का समन्वय कर सकता है। मैकिन्से ने कहा कि इससे बैंकों को बढ़ते हुए परिष्कृत वित्तीय अपराध खतरों का सामना करने और अनुपालन के लिए आवश्यक बढ़ते समय और संसाधनों का प्रबंधन करने में मदद मिल सकती है।

 

रिपोर्ट में कहा गया है कि एआई द्वारा तैयार की गई रिपोर्टों में एकरूपता लाने के लिए सभी मामलों में समान लेनदेन विश्लेषण अवधि और रिपोर्ट संरचना का उपयोग किया जा सकता है, साथ ही गुणवत्ता टीमों, लेखा परीक्षकों और नियामकों द्वारा समीक्षा के लिए दावों को उनके स्रोत डेटा से जोड़ा जा सकता है। हालांकि, मैककिन्सी ने इस बात पर जोर दिया कि मानवीय निगरानी अभी भी आवश्यक है। एआई एजेंट साक्ष्य का विश्लेषण कर सकते हैं और सिफारिशें दे सकते हैं, लेकिन निष्कर्षों का मूल्यांकन करना, सूचना की कमियों को दूर करना और निर्णयों की जिम्मेदारी बनाए रखना मानव अनुभव पर निर्भर है। कॉमर्ज़बैंक के मुख्य क्रेडिट जोखिम अधिकारी और पूर्व समूह मुख्य अनुपालन अधिकारी, हंस-जॉर्ज बेयर ने रिपोर्ट में कहा, "एआई हमारे काम को बेहतर बनाता है, लेकिन सभी निर्णय हमारी टीम के पास ही रहते हैं।"

 

मैककिन्सी ने कहा कि जो बैंक इस तकनीक को बड़े पैमाने पर अपनाना चाहते हैं, उन्हें गुणवत्ता जांच, स्पष्ट जोखिम नियंत्रण और पता लगाने योग्य निर्णयों वाली प्रणालियाँ बनानी चाहिए। इसमें कहा गया है कि एजेंट नेटवर्क का 30-50 प्रतिशत हिस्सा गुणवत्ता आश्वासन और पता लगाने की क्षमता के लिए समर्पित होना चाहिए। रिपोर्ट में यह भी कहा गया है कि इसी दृष्टिकोण को लेनदेन निगरानी से आगे बढ़ाकर धोखाधड़ी का पता लगाने, ग्राहक को जानें (Know-Your-Customer) जांच और नियामक अनुपालन तक बढ़ाया जा सकता है। एक बड़े बैंक ने कॉर्पोरेट क्रेडिट जोखिम आकलन तैयार करने के लिए इसी तरह के सिद्धांतों पर आधारित एक मल्टी-एजेंट सिस्टम का उपयोग किया, जिससे क्रेडिट अधिकारियों द्वारा विश्लेषण में लगने वाला समय आधा हो गया।

 

मैकिन्से का कहना है कि बैंकों को एक खास 'यूज़ केस' (उपयोग के मामले) से शुरुआत करनी चाहिए, उसका महत्व साबित करना चाहिए और फिर अनुपालन (compliance) से जुड़ी व्यापक गतिविधियों तक इसका विस्तार करना चाहिए। रिपोर्ट में चेतावनी दी गई है कि इसे सफलतापूर्वक लागू करना न केवल तकनीक और डेटा तक पहुंच पर, बल्कि कर्मचारियों के कौशल, अनुपालन विशेषज्ञों और डेटा वैज्ञानिकों के बीच निरंतर सहयोग, और मजबूत गवर्नेंस पर भी निर्भर करेगा। रिपोर्ट के अनुसार, बैंकों को अपने लागू किए गए AI सिस्टम की बारीकी से निगरानी करनी होगी, उनकी विश्वसनीयता की जांच करनी होगी, और जैसे-जैसे जोखिम और व्यावसायिक जरूरतें बदलें, उनमें लगातार सुधार करते रहना होगा।