नई दिल्ली 

 

मैकिन्से की एक रिपोर्ट के अनुसार, आर्टिफिशियल इंटेलिजेंस (AI) बैंकों के जोखिम प्रबंधन कार्यों में 60-70 प्रतिशत मैनुअल (हाथ से किए जाने वाले) कामों को खत्म कर सकता है। इससे बैंक अपने संसाधनों को गहन जोखिम विश्लेषण, रणनीतिक निर्णय लेने और AI के विकास जैसे कामों में लगा सकेंगे। रिपोर्ट में कहा गया है कि बैंक डेटा इकट्ठा करने, दस्तावेज़ीकरण, अनुपालन जांच (compliance checks) और निगरानी जैसे नियमित कामों को ऑटोमेट करने के लिए AI का उपयोग कर सकते हैं। वहीं, जटिल आकलन और महत्वपूर्ण निर्णयों के लिए इंसानी देखरेख बनी रहेगी।

 

मैकिन्से का कहना है कि ऑटोमेशन से जो क्षमता (समय और संसाधन) बचेगी, उसका आधा हिस्सा बैंक बेहतर विश्लेषण क्षमताओं, रणनीतिक जोखिम सलाह और पोर्टफोलियो से जुड़े त्वरित निर्णयों में फिर से निवेश कर सकते हैं। बाकी बची क्षमता का उपयोग विशेष AI इंजीनियरिंग, डेटा गवर्नेंस और प्लेटफॉर्म विकास के लिए किया जा सकता है। रिपोर्ट में कहा गया है, "हमारा अनुमान है कि AI-आधारित कार्यप्रणालियां 60 से 70 प्रतिशत तक मैनुअल कामों को खत्म कर सकती हैं। यह इस बात पर निर्भर करेगा कि प्रक्रिया कैसी है और ऑटोमेशन का स्तर क्या है।"

 

इसमें यह भी कहा गया है कि इंसानी जांच और देखरेख को ध्यान में रखने के बाद भी, कुछ चुनिंदा जोखिम-संबंधी प्रक्रियाओं में 30-60 प्रतिशत तक संरचनात्मक दक्षता (structural efficiency) हासिल की जा सकती है। कुछ प्रमुख बैंक अगले दो से तीन वर्षों में अपने जोखिम प्रबंधन कार्यों में उत्पादकता (productivity) को 30 प्रतिशत से भी अधिक बढ़ाने का लक्ष्य रख रहे हैं। पारंपरिक तरीकों में आमतौर पर सालाना 5-10 प्रतिशत सुधार का लक्ष्य रखा जाता था।

 

AI का उपयोग पहले से ही क्रेडिट मूल्यांकन, वित्तीय अपराधों की निगरानी, ​​नियामक अनुपालन और जोखिम प्रबंधन जैसे क्षेत्रों में किया जा रहा है। रिपोर्ट के अनुसार, होलसेल लेंडिंग (बड़े पैमाने पर कर्ज देने) के क्षेत्र में, शुरुआती प्रयोगों से क्रेडिट प्रक्रिया में 30-50 प्रतिशत तक उत्पादकता में सुधार हुआ है, और आउटपुट की गुणवत्ता लगभग 95 प्रतिशत रही है। यह तकनीक बैंकों को संभावित कर्जदार की वित्तीय स्थिति में तनाव का पहले ही पता लगाने में मदद कर सकती है। इसके लिए यह लगातार वित्तीय जानकारी, क्रेडिट रेटिंग और संबंधित सेक्टर के घटनाक्रमों की निगरानी करती है। इससे बैंक समस्याओं के गंभीर होने से पहले ही अपने जोखिम (exposure) का पुनर्मूल्यांकन कर सकते हैं।

हालांकि, मैकिन्से ने चेतावनी दी है कि AI को बड़े पैमाने पर लागू करने के लिए कार्यबल की योजना (workforce planning), तकनीकी प्रणालियों और गवर्नेंस में बदलाव की आवश्यकता होगी। बैंकों को ऐसे कुशल कर्मचारियों की जरूरत होगी जो जोखिम प्रबंधन और AI दोनों को समझते हों। साथ ही, AI द्वारा दिए गए परिणामों की सटीकता और विश्वसनीयता की जांच के लिए स्पष्ट नियम भी होने चाहिए।

 

रिपोर्ट में कहा गया है कि अगर बैंक साझा तकनीकी प्लेटफॉर्म और गवर्नेंस के सामान्य मानक नहीं बनाते हैं, तो अलग-अलग हिस्सों में चल रहे AI प्रोजेक्ट्स बड़े पैमाने पर लाभ देने में विफल हो सकते हैं। मैकिन्से ने कहा कि AI-आधारित रिस्क ऑपरेटिंग मॉडल को अपनाना अब कोई 'क्या ऐसा होगा' वाला सवाल नहीं रह गया है, बल्कि यह एक 'कब और किसके द्वारा' किया जाएगा, वाला ऑपरेशनल जरूरी कदम है। उन्होंने आगे कहा कि जो लोग इसे जल्दी अपना लेंगे, वे बेहतर जानकारी के साथ तेजी से फैसले लेकर लागत और उत्पादकता के मामले में फायदा उठा सकते हैं।