बैंकों के लिए AI रणनीति: तीन साल का रोडमैप

बैंक का कोई AI पायलट बोर्ड को प्रभावित करे और फिर मॉडल रिस्क रिव्यू में अटक जाए, यह जानी-पहचानी कहानी है। बैंकों के लिए एक ठोस AI रणनीति चार चरणों में आगे बढ़कर इससे बचती है, गवर्न्ड डेटा से लेकर असली काम करने वाले एजेंट तक।

DXC में अपनी भूमिका के दौरान मैंने मिडिल ईस्ट और अफ़्रीका के बैंकों के साथ काम किया है। महत्वाकांक्षा की कमी उनकी समस्या शायद ही कभी होती है।

समस्या डेटा है। कस्टमर, अकाउंट और ट्रांज़ैक्शन के रिकॉर्ड एक कोर बैंकिंग सिस्टम, एक कार्ड प्लेटफ़ॉर्म, एक CRM और दर्जन भर स्प्रेडशीट में बिखरे होते हैं। हर एक की अपनी राय है कि कस्टमर कौन है।

यह रोडमैप किसी भी ऐसे कोर बैंकिंग प्लेटफ़ॉर्म, क्लाउड या मॉडल प्रोवाइडर के साथ काम करता है जिसे आपका रेगुलेटर स्वीकार करता है। इसमें रिटेल, SME और कॉर्पोरेट बैंकिंग शामिल हैं।

तीन साल, चार चरण

1. 01

   अभी: डेटा फ़ाउंडेशन

   कस्टमर, प्रोडक्ट और रिस्क डेटा एक गवर्न्ड प्लेटफ़ॉर्म पर, ऐसे लीनिएज के साथ जिसे रेगुलेटर ट्रेस कर सकें।

2. 02

   साल 1: गवर्न्ड इंटेलिजेंस

   कस्टमर, अकाउंट और ट्रांज़ैक्शन के लिए एक बिज़नेस भाषा, AI गवर्नेंस और पहले क्विक विन।

3. 03

   साल 2: AI एजेंट्स का विस्तार

   ऑनबोर्डिंग, क्रेडिट, फ़्रॉड और AML के एजेंट, साथ में लगभग रियल-टाइम कस्टमर एंगेजमेंट।

4. 04

   साल 3: बड़े पैमाने पर AI

   मुख्य बिज़नेस फ़ंक्शन के भीतर AI, जहाँ लोग और एजेंट साथ काम करते हैं और हर फ़ैसला ट्रेस किया जा सकता है।

फ़ाउंडेशन भरोसेमंद डेटा और साफ़ रेगुलेटरी रिपोर्टिंग के ज़रिए अपनी लागत ख़ुद निकाल लेता है। AI की पहली वैल्यू साल 1 में दिखती है, और बड़े फ़ायदे तब आते हैं जब साल 2 में एजेंट असली काम करने लगते हैं।

बैंक पहले से जानते हैं कि डेटा क्यों मायने रखता है, क्योंकि रेगुलेटर ने उन्हें सिखाया है। रिस्क डेटा एग्रीगेशन पर BCBS 239 के सिद्धांत सटीक, पूरा और समय पर रिस्क डेटा माँगते हैं, जिसके ओनर स्पष्ट हों। एक अच्छा AI फ़ाउंडेशन वही अनुशासन है, जिसे कस्टमर और प्रोडक्ट डेटा तक बढ़ाया गया है।

काम यह है, उसी क्रम में जिसमें मैं इसे करूँगा।

1. कोर बैंकिंग, कार्ड, पेमेंट, लेंडिंग, CRM और डिजिटल चैनल का डेटा एक प्लेटफ़ॉर्म पर लाइए। आमतौर पर यह एक लेकहाउस होता है, यानी कच्चे और साफ़ किए गए डेटा का एक ही स्टोर, क्लाउड में या देश के भीतर।
2. एक कैटलॉग और लीनिएज जोड़िए, ताकि रेगुलेटरी रिटर्न का हर आँकड़ा और मॉडल का हर इनपुट अपने सोर्स सिस्टम तक ट्रेस हो सके।
3. प्रोडक्ट, रिस्क और फ़ाइनेंस टीमों को उन्हीं कस्टमर और बैलेंस आँकड़ों पर बनी सेल्फ़-सर्विस रिपोर्ट दीजिए।

सबसे कठिन हिस्सा सिंगल कस्टमर व्यू है। एक महिला को लीजिए जिसका आपके बैंक में करंट अकाउंट और क्रेडिट कार्ड है। वह अपने भाई के बिज़नेस लोन की गारंटर भी है और आपके एक कॉर्पोरेट क्लाइंट की डायरेक्टर भी।

ज़्यादातर बैंकों में वह चार रिकॉर्ड है। कोर सिस्टम उसका नाम एक तरह लिखता है, कार्ड प्लेटफ़ॉर्म दूसरी तरह, और कॉर्पोरेट फ़ाइल में उसका पासपोर्ट नंबर है पर जन्मतिथि नहीं। उसका कुल एक्सपोज़र जाँचने वाला AI एजेंट गारंटी को पूरी तरह चूक जाएगा।

इसका हल उबाऊ है। ID नंबर, जन्मतिथि और पते पर मैचिंग नियम तय कीजिए, फिर एक नामित बिज़नेस ओनर के साथ एक गोल्डन रिकॉर्ड बनाइए। इसे फ़ाउंडेशन में एक बार कीजिए, और हर मॉडल को यह अपने आप मिल जाता है।

एक दूसरा मामला देखिए। आपकी रिस्क रिपोर्ट और फ़ाइनेंस लेजर एक ही कॉर्पोरेट क्लाइंट के लिए अलग-अलग एक्सपोज़र आँकड़े दिखाते हैं। कार्ड प्लेटफ़ॉर्म रात में पोस्ट करता है और लोन सिस्टम दोपहर में।

लीनिएज होने पर एक एनालिस्ट दोनों संख्याओं को सोर्स तक ट्रेस करता है और समय का अंतर देख लेता है। उसके बिना, हर बोर्ड मीटिंग से पहले कोई आँकड़ा स्प्रेडशीट में फिर से बनाता है।

1. 01कोर बैंकिंगअकाउंट, बैलेंस और ट्रांज़ैक्शन
2. 02कार्ड और पेमेंटकार्ड ख़र्च, ट्रांसफ़र और सैलरी
3. 03लेंडिंग और CRMलोन, लिमिट और संपर्क का इतिहास
4. 04लैंडिंग ज़ोनपहले दिन से लीनिएज के साथ कच्ची कॉपी
5. 05सिंगल कस्टमर व्यूएक व्यक्ति, उसकी हर भूमिका
6. 06रिपोर्ट और रिटर्नआपस में मेल खाते प्रोडक्ट, रिस्क और रेगुलेटरी आँकड़े

भरोसेमंद डेटा जिसे आप रेगुलेटर के लिए ट्रेस कर सकें

पहले साल का केंद्र एक सिमेंटिक लेयर है। यह एक बिज़नेस भाषा है, जिसे लोग और AI एजेंट दोनों साझा करते हैं, और जहाँ कस्टमर, अकाउंट, प्रोडक्ट, लिमिट, एक्सपोज़र, ट्रांज़ैक्शन और शिकायत, हर एक की एक परिभाषा होती है।

यह क्यों मायने रखता है? तीन टीमों से पूछिए कि आपके कितने एक्टिव कस्टमर हैं।

मार्केटिंग हर उस व्यक्ति को गिनती है जिसने पिछले 90 दिनों में ऐप खोला। फ़ाइनेंस हर उस व्यक्ति को गिनता है जिसका बैलेंस है, और रिस्क हर उस व्यक्ति को जिसका कोई प्रोडक्ट खुला है।

बोर्ड के लिए इस सवाल का जवाब देने वाले एजेंट को बोर्ड पैक की परिभाषा ही इस्तेमाल करनी चाहिए। सिमेंटिक लेयर वह जगह है जहाँ आप इसे एक बार लिख देते हैं।

AI गवर्नेंस उसी साल आती है, आपके रेगुलेटर के हिसाब से ढली हुई। UAE में इसका मतलब है एनेबलिंग टेक्नोलॉजी अपनाने वाली वित्तीय संस्थाओं के लिए संयुक्त दिशानिर्देश। UK में यह PRA के मॉडल रिस्क मैनेजमेंट सिद्धांत (SS1/23) हैं।

EU में AI Act व्यक्तियों की क्रेडिट योग्यता की जाँच को हाई-रिस्क मानता है। मेरी सलाह है कि AI यूज़ केस का एक ही रजिस्टर रखिए। हर एक को एक ओनर, एक रिस्क रेटिंग, टेस्ट के नतीजे और इंसानी रिव्यू का एक चरण दीजिए, फिर रजिस्टर को उन सभी नियमों से मैप कीजिए जिनके प्रति आप जवाबदेह हैं।

फिर ऐसे क्विक विन चुनिए जो स्टाफ़ और कस्टमर को दिखें। मैं इनमें से चुनूँगा:

1. एक स्टाफ़ कोपायलट, यानी एक असिस्टेंट जो पॉलिसी, प्रोडक्ट की शर्तों और कस्टमर हिस्ट्री से सवालों के जवाब देता है।
2. शिकायतों के सारांश, जो केस हैंडलर को पूरी कहानी एक स्क्रीन पर दे देते हैं।
3. उसी ऐप के भीतर एक पर्सनल स्पेंडिंग एडवाइज़र, जिसे कस्टमर पहले से इस्तेमाल करते हैं।
4. रिटेंशन प्रॉम्प्ट, जो रिलेशनशिप मैनेजर को बताते हैं कि कोई कस्टमर छोड़ने के लिए तैयार दिख रहा है।

एक कॉन्टैक्ट सेंटर में स्टाफ़ कोपायलट को देखिए। एक कस्टमर विदेश में किए गए कार्ड पेमेंट पर लगी फ़ीस के बारे में फ़ोन करती है। कोपायलट फ़ीस वाला क्लॉज़ ढूँढता है, उसके कार्ड का टियर जाँचता है और क्लॉज़ के उद्धरण के साथ जवाब दिखाता है।

सद्भावना में फ़ीस लौटानी है या नहीं, यह फ़ैसला अब भी कॉल संभालने वाले कर्मचारी का है, और मेरी राय में ऐसा ही रहना चाहिए।

स्पेंडिंग एडवाइज़र उन पैटर्न पर काम करता है जिनके साथ कस्टमर पहले से जीते हैं। मान लीजिए सैलरी 25 तारीख़ को आती है, किराया 1 तारीख़ को जाता है और स्कूल फ़ीस हर सितंबर में लगती है। एडवाइज़र सुझाता है कि सितंबर के लिए हर महीने थोड़ा बचाइए।

रिटेंशन प्रॉम्प्ट धीमे संकेत पढ़ते हैं, जैसे ऐसी सैलरी जो अचानक 25 तारीख़ को आना बंद हो जाए। रिलेशनशिप मैनेजर को उसी हफ़्ते पता चल जाता है, जब फ़ोन करने का समय अभी बाक़ी है।

1. 01रिलेशनशिप मैनेजर पूछता हैमेरे कौन-से क्लाइंट छोड़ने वाले लगते हैं?
2. 02सिमेंटिक लेयरकस्टमर, प्रोडक्ट और एक्टिव की बैंक की परिभाषाएँ
3. 03गवर्न्ड डेटाअकाउंट, ट्रांज़ैक्शन और शिकायतें
4. 04कोपायलट जवाब देता हैहर एक की वजह और स्रोत के साथ
5. 05मैनेजर जाँचता हैक्लाइंट को फ़ोन करता है या प्रॉम्प्ट छोड़ देता है

वही जवाब जो बोर्ड पैक देता

बिज़नेस वैल्यूऊँचीमध्यमकम

• पर्सनल स्पेंडिंग एडवाइज़र

• रिटेंशन प्रॉम्प्ट
• AML अलर्ट ट्राइएज

• क्रेडिट फ़ैसले में सहायता

• स्टाफ़ पॉलिसी कोपायलट
• शिकायतों के सारांश

कममध्यमऊँचारेगुलेटरी रिस्क

• कम
• मध्यम
• गंभीर

दूसरे साल में असिस्टेंट से एजेंट की ओर बढ़ा जाता है। असिस्टेंट किसी व्यक्ति के सवाल का जवाब देता है। एजेंट आपकी तय सीमाओं के भीतर काम का एक हिस्सा पूरा करता है, फिर उसे किसी व्यक्ति को सौंप देता है।

बैंकिंग में वॉल्यूम और वैल्यू चार जगहों पर हैं:

1. ऑनबोर्डिंग और KYC, यानी know-your-customer जाँचें जो हर नए अकाउंट के लिए ज़रूरी हैं।
2. क्रेडिट, दस्तावेज़ जुटाने से लेकर क्रेडिट मेमो का ड्राफ़्ट बनाने तक।
3. फ़्रॉड, जहाँ एजेंट कार्ड और पेमेंट ट्रांज़ैक्शन को लगभग रियल टाइम में स्कोर करता है।
4. AML (एंटी-मनी लॉन्ड्रिंग), जहाँ अलर्ट उससे तेज़ी से जमा होते हैं जितनी तेज़ी से इन्वेस्टिगेटर उन्हें निपटा पाते हैं।

SME ऑनबोर्डिंग को लीजिए। एक ट्रेडिंग कंपनी ट्रेड लाइसेंस, मेमोरेंडम ऑफ़ एसोसिएशन और अपने शेयरधारकों के पासपोर्ट अपलोड करती है। एक शेयरधारक किसी दूसरे देश में रजिस्टर्ड कंपनी है।

एजेंट इसे क़दम दर क़दम निपटाता है:

1. वह हर दस्तावेज़ पढ़ता है और नाम, तारीख़ें और रजिस्ट्रेशन नंबर निकालता है।
2. वह लाइसेंस को कंपनी रजिस्टर से मिलाता है और हर नाम को सैंक्शन और वॉच लिस्ट से स्क्रीन करता है।
3. वह विदेशी शेयरधारक की चेन में ऊपर तक जाकर अल्टीमेट बेनिफ़िशियल ओनर ढूँढता है, यानी वह असली व्यक्ति जो बिज़नेस का मालिक है।
4. उसे एक डायरेक्टर के लिए सैंक्शन लिस्ट पर एक मिलता-जुलता नाम मिलता है, नाम वही, पर जन्मतिथि अलग।
5. वह फ़ाइल तैयार करता है, उस मिलान को फ़्लैग करके और सबूत संलग्न करके।

एक कंप्लायंस ऑफ़िसर फ़्लैग देखती है और फ़ैसला करती है। जुटाने का काम एजेंट ने किया, और परखने का काम वह करती है।

क्रेडिट भी इसी तरह काम करता है। वर्किंग कैपिटल लाइन माँग रहे किसी SME के लिए एजेंट बैंक स्टेटमेंट, ऑडिटेड अकाउंट और ब्यूरो रिपोर्ट जुटाता है। वह संख्याओं को बैंक के स्टैंडर्ड फ़ॉर्मैट में रखता है (क्रेडिट टीमें इसे स्प्रेडिंग कहती हैं) और क्रेडिट मेमो का ड्राफ़्ट बनाता है।

वह यह बता सकता है कि ज़्यादातर बिक्री एक ही ख़रीदार को जाती है। फ़ैसला क्रेडिट ऑफ़िसर के पास रहता है।

फ़्रॉड में रफ़्तार तेज़ होती है। कोई व्यक्ति अपने देश की एक दुकान में कार्ड इस्तेमाल करता है, फिर चालीस मिनट बाद किसी दूसरे देश में ऑनलाइन। एजेंट दूसरा पेमेंट रोकता है, कस्टमर से ऐप में पुष्टि माँगता है और एनालिस्ट को दिखाता है कि उसने ऐसा क्यों किया।

AML धीमा है। अलग-अलग ब्रांच में कैश डिपॉज़िट बार-बार रिपोर्टिंग सीमा से ठीक नीचे आते रहते हैं। एजेंट इतिहास जुटाता है और केस नैरेटिव का ड्राफ़्ट बनाता है, और इन्वेस्टिगेटर तय करता है कि संदिग्ध गतिविधि रिपोर्ट फ़ाइल करनी है या नहीं।

इसी साल लगभग रियल-टाइम एंगेजमेंट आता है। एक छोटे बिज़नेस का मालिक किसी बड़े सप्लायर पेमेंट से एक हफ़्ते पहले कैश-फ़्लो फ़ोरकास्ट देख लेता है।

ऑपरेटिंग मॉडल भी बदलता है। हर एजेंट को एक ओनर, वह क्या कर सकता है इसकी साफ़ सीमा, मॉनिटरिंग और एक किल स्विच चाहिए। मॉडल रिस्क टीमों को एजेंट्स का रिव्यू उसी सावधानी से करना चाहिए जिससे वे मॉडल का करती हैं।

1. 01अलर्टट्रांज़ैक्शन मॉनिटरिंग एक अलर्ट उठाती है
2. 02जुटानाअकाउंट, काउंटरपार्टी, इतिहास और स्क्रीनिंग हिट
3. 03आकलनपुराने मामलों के मुक़ाबले अलर्ट को स्कोर करता है
4. 04ड्राफ़्टसबूत के साथ केस नैरेटिव लिखता है
5. 05फ़ैसलाइन्वेस्टिगेटर बंद करता है या आगे बढ़ाता है
6. 06सीखनानतीजे अगले ट्राइएज को बेहतर करते हैं

मॉडल रिस्क एजेंट का रिव्यू मॉडल की तरह करता है

तीसरे साल तक AI रिटेल लेंडिंग, कार्ड, SME बैंकिंग, ट्रेज़री, ऑपरेशंस और रिस्क के भीतर बैठा होता है। लोग और एजेंट साथ-साथ काम करते हैं, और हर फ़ैसले के रास्ते का एक नामित ओनर और एक ऑडिट ट्रेल होता है।

डेटा शेयरिंग से एजेंट्स को ज़्यादा दिखने लगता है। ओपन बैंकिंग API कस्टमर को सहमति के साथ दूसरी जगह रखे अकाउंट साझा करने देते हैं। ISO 20022, पेमेंट मैसेज का नया स्टैंडर्ड, इस बारे में ज़्यादा जानकारी देता है कि किसने किसे और क्यों भुगतान किया।

एक कॉर्पोरेट क्लाइंट को लीजिए जिसे रोज़ सैकड़ों पेमेंट मिलते हैं। एक एजेंट ISO 20022 के रेमिटेंस विवरण से हर पेमेंट को सही इनवॉइस से मिलाता है। बाक़ी को वह क्लाइंट की ट्रेज़री टीम के लिए फ़्लैग कर देता है।

बैक-ऑफ़िस का काम भी बदलता है। महीने के अंत में एक एजेंट बैंक के नॉस्ट्रो अकाउंट (दूसरे बैंकों में विदेशी मुद्राओं में रखे उसके अकाउंट) लाइन दर लाइन मिलाता है। ऑपरेशंस एनालिस्ट सिर्फ़ उन अंतरों पर काम करता है जिन्हें एजेंट समझा नहीं पाता।

पार्टनर उसी गवर्न्ड लेयर से जुड़ते हैं और आपकी परिभाषाएँ और कंट्रोल इस्तेमाल करते हैं। कोई प्रतिस्पर्धी तीन साल में बिछाई गई यह व्यवस्था जल्दी नक़ल नहीं कर सकता।

1. चीफ़ ऑपरेटिंग ऑफ़िसरएजेंट पोर्टफ़ोलियो और उसके नतीजों के ओनर
   मॉडल रिस्क और कंप्लायंसवैलिडेशन, मॉनिटरिंग और किल स्विच
2. बिज़नेस हेडअपनी बिज़नेस लाइन के एजेंट्स के ओनर

• ऑनबोर्डिंग एजेंटओनर: हेड ऑफ़ ऑनबोर्डिंग
• क्रेडिट एजेंटओनर: चीफ़ क्रेडिट ऑफ़िसर
• फ़्रॉड एजेंटओनर: हेड ऑफ़ फ़्रॉड
• AML एजेंटओनर: MLRO

1. 04AI एजेंट और कोपायलटऑनबोर्डिंग, क्रेडिट, फ़्रॉड, AML और एंगेजमेंट एजेंट, इंसानी मंज़ूरी के बिंदुओं के साथ
2. 03गवर्न्ड इंटेलिजेंस लेयरकस्टमर, अकाउंट, प्रोडक्ट और ट्रांज़ैक्शन का सिमेंटिक मॉडल, साथ में AI रजिस्टर
3. 02डेटा फ़ाउंडेशनलीनिएज, कैटलॉग और डेटा क्वालिटी वाला लेकहाउस, ज़रूरत हो तो देश के भीतर
4. 01कोर सिस्टमकोर बैंकिंग, कार्ड, पेमेंट, लेंडिंग, CRM और डिजिटल चैनल

बैंकों के लिए किसी भी AI रणनीति में चार प्रतिबद्धताएँ हर चरण में चलती हैं।

1. देश के भीतर और सॉवरेन AI विकल्प। कई रेगुलेटर चाहते हैं कि कस्टमर डेटा देश के भीतर रहे। ऐसे प्लेटफ़ॉर्म और मॉडल चुनिए जो वहीं चल सकें, जिनमें वे ओपन मॉडल भी शामिल हैं जिन्हें आप ख़ुद होस्ट करते हैं।
2. खुला, मल्टी-प्लेटफ़ॉर्म स्टैक। मॉडल हर कुछ महीनों में बदलते हैं, इसलिए बैंक को AI वेंडर बदलने की आज़ादी रखनी चाहिए।
3. आपके रेगुलेटर के अनुरूप गवर्नेंस। एक AI रजिस्टर और एक मॉडल रिस्क प्रोसेस, उन सभी नियमों से मैप जिनके प्रति आप जवाबदेह हैं।
4. ऐसे लोग जो एजेंट्स के साथ काम कर सकें। रिलेशनशिप मैनेजर, एनालिस्ट और इन्वेस्टिगेटर को पता होना चाहिए कि कब एजेंट पर भरोसा करना है और कब उसे पलटना है।

पलटना कैसा दिखता है, यह देखिए। एक AML एजेंट किसी अलर्ट को कम रिस्क का मानता है, क्योंकि डिपॉज़िट कस्टमर की सामान्य सैलरी से मेल खाते हैं। इन्वेस्टिगेटर जानती है कि वह एम्प्लॉयर पिछले महीने बंद हो गया, इसलिए वह केस फिर से खोलती है।

पहली ग़लती है कस्टमर से बात करने वाले चैटबॉट से शुरुआत करना। सिमेंटिक लेयर के बिना वह एक ही सवाल के अलग-अलग जवाब देता है।

अपनी कार्ड लिमिट दो बार पूछिए, और आपको दो आँकड़े मिल सकते हैं। एक कार्ड प्लेटफ़ॉर्म से आया, दूसरा CRM की पुरानी कॉपी से।

मैं आपके बैंक की AI रणनीति बैंक के भीतर से शुरू करूँगा। स्टाफ़ कोपायलट और ऑपरेशंस एजेंट सीखने की ज़्यादा सुरक्षित जगहें हैं, क्योंकि कस्टमर तक कोई भी जवाब पहुँचने से पहले एक व्यक्ति उसे जाँचता है।

दूसरी ग़लती है मॉडल रिस्क मैनेजमेंट के बाहर AI बनाना। जिस पायलट ने वैलिडेशन छोड़ दिया, वह प्रोडक्शन में नहीं जा सकता, इसलिए टीम फिर से शुरू करती है। रिस्क और कंप्लायंस को पहले यूज़ केस से ही शामिल कीजिए, भले ही यह धीमा लगे।

कैसे ग़लत होता हैक्या काम करता है

1. 01कैसे ग़लत होता है: पहले प्रोजेक्ट के रूप में कस्टमर चैटबॉट→क्या काम करता है: पहले अंदरूनी कोपायलट और ऑपरेशंस एजेंट
2. 02कैसे ग़लत होता है: मॉडल रिस्क मैनेजमेंट के बाहर बने पायलट→क्या काम करता है: पहले यूज़ केस से ही मॉडल रिस्क शामिल
3. 03कैसे ग़लत होता है: हर मॉडल की कस्टमर की अपनी परिभाषा→क्या काम करता है: हर मॉडल के लिए एक गवर्न्ड कस्टमर व्यू
4. 04कैसे ग़लत होता है: रिस्क और कंप्लायंस को आख़िर में बुलाया गया→क्या काम करता है: रिस्क, कंप्लायंस और बिज़नेस मिलकर ओनर

अगर आप जानना चाहते हैं कि आज आपका बैंक किस चरण पर है, तो मेरे साथ एक कॉल बुक कीजिए। AI यूज़ केस की अपनी मौजूदा सूची लाइए, और मैं आपको बताऊँगा कि मैं कहाँ से शुरू करूँगा।

बैंक की AI रणनीति में क्या शामिल होना चाहिए?

बैंकों के लिए एक अच्छी AI रणनीति को एक गवर्न्ड डेटा फ़ाउंडेशन, एक सिमेंटिक लेयर और आपके रेगुलेटर के अनुरूप AI गवर्नेंस चाहिए। फिर इसमें ऑनबोर्डिंग, क्रेडिट, फ़्रॉड और AML के एजेंट जुड़ते हैं। देश के भीतर के विकल्प, खुला स्टैक और स्टाफ़ की ट्रेनिंग इन सबकी नींव में रहते हैं।

किसी बैंक को AI की शुरुआत कहाँ से करनी चाहिए?

डेटा फ़ाउंडेशन और अंदरूनी यूज़ केस से शुरू कीजिए। स्टाफ़ कोपायलट, शिकायतों के सारांश और पर्सनल स्पेंडिंग एडवाइज़र संभालने लायक़ रिस्क के साथ वैल्यू देते हैं। क्रेडिट फ़ैसले बाद में आते हैं, सबसे मज़बूत कंट्रोल के साथ और हर एक पर किसी व्यक्ति की मंज़ूरी के साथ।

क्या EU AI Act के तहत क्रेडिट स्कोरिंग के लिए AI हाई-रिस्क है?

हाँ, EU AI Act उन AI सिस्टम को हाई-रिस्क की सूची में रखता है जो व्यक्तियों की क्रेडिट योग्यता का आकलन करते हैं या उनका क्रेडिट स्कोर तय करते हैं। फ़्रॉड डिटेक्शन इसका अपवाद है। हाई-रिस्क सिस्टम को रिस्क मैनेजमेंट, डेटा गवर्नेंस, डॉक्यूमेंटेशन, इंसानी निगरानी और मॉनिटरिंग चाहिए।

बैंकिंग में AI एजेंट AI असिस्टेंट से कैसे अलग हैं?

असिस्टेंट किसी व्यक्ति के लिए सवालों के जवाब देता है। एजेंट आपकी तय सीमाओं के भीतर कार्रवाई करता है, जैसे KYC दस्तावेज़ जुटाना, अलर्ट का ट्राइएज करना या क्रेडिट मेमो का ड्राफ़्ट बनाना। बैंकिंग में एजेंट्स को फ़ैसले तैयार करने चाहिए और किसी व्यक्ति को उन्हें मंज़ूर करना चाहिए।

क्या बैंक AI इस्तेमाल करते हुए डेटा को देश के भीतर रख सकते हैं?

हाँ। कई क्लाउड प्रोवाइडर देश के भीतर रीजन देते हैं, और ओपन मॉडल ऐसे सर्वर पर चल सकते हैं जिन पर बैंक का नियंत्रण हो। प्लेटफ़ॉर्म और मॉडल चुनने से पहले तय कीजिए कि कौन-सा डेटा देश से बाहर जा सकता है।