Aye Finance નો કમાલ! દુકાનના ફોટાથી થશે લોનનું મૂલ્યાંકન, IPO બાદ AI ટેકનોલોજીનો મોટો દાવ

Aye Finance, જેણે તાજેતરમાં ₹1,010 કરોડ નો IPO સફળતાપૂર્વક પૂર્ણ કર્યો છે, તે હવે ધિરાણ પ્રક્રિયામાં અદ્યતન AI ટેકનોલોજીનો ઉપયોગ કરી રહી છે. કંપનીએ એક ગ્રાઉન્ડબ્રેકિંગ જનરેટિવ AI અને મશીન લર્નિંગ મોડેલનું સફળતાપૂર્વક પાયલોટિંગ (piloting) કર્યું છે. આ નવીન ટેકનોલોજી ટ્રેડિંગ બિઝનેસના વેચાણનો અંદાજ ફક્ત દુકાનોના ફોટા પરથી લગાવી શકે છે.

આ નવી ટેકનોલોજીનો મુખ્ય ઉદ્દેશ્ય નાના ઉદ્યોગોને સેવા આપવાનો ખર્ચ (cost-to-serve) નોંધપાત્ર રીતે ઘટાડવાનો છે. આ નવીનતા ખાસ કરીને એવા બિઝનેસ માટે ફાયદાકારક છે જેમની પાસે ઔપચારિક હિસાબો (formal accounting) ઉપલબ્ધ નથી. આનાથી ક્રેડિટ નિર્ણય પ્રક્રિયાને પણ ઝડપી બનાવવામાં મદદ મળશે, જે આ સેગમેન્ટ માટે ખૂબ જ મહત્વપૂર્ણ છે.

Aye Finance ની આ પહેલ ગ્રાસરૂટ બિઝનેસમાં ઔપચારિક હિસાબોના અભાવના લાંબા સમયથી ચાલતા પડકારનો સીધો ઉકેલ લાવે છે. આનાથી ખાસ કરીને ટિયર 2 અને તેનાથી આગળના શહેરોમાં કાર્યરત નાના ઉદ્યોગો માટે જરૂરી ફોર્મલ ક્રેડિટની પહોંચ વધી શકે છે. ઓપરેશનલ કાર્યક્ષમતા અને સ્કેલેબિલિટી (scalability) માટે AI દ્વારા આવકનો અંદાજ લગાવવાની પ્રક્રિયાને ઓટોમેટ કરવાથી Aye Finance વધુ કાર્યક્ષમ અને ટેકનોલોજી-આગળ (technology-forward) ધિરાણકર્તા તરીકે ઉભરી આવશે.

કંપનીએ 2019 માં પોતાનું સમર્પિત ડેટા સાયન્સ અને AI યુનિટ સ્થાપ્યું હતું, જે ટેક-ડ્રિવન ધિરાણ ઉકેલો પ્રત્યે તેની લાંબા ગાળાની પ્રતિબદ્ધતા દર્શાવે છે. તાજેતરના IPO દ્વારા એકત્ર કરાયેલ INR 1,010 કરોડ ની મૂડી ભવિષ્યના ટેકનોલોજીકલ વિકાસ અને વિસ્તરણ માટે મજબૂત પાયો પૂરો પાડે છે.

આનાથી શું બદલાશે?

• ઝડપી ક્રેડિટ નિર્ણયો: AI દ્વારા મેન્યુઅલ આવક ચકાસણીને સુવ્યવસ્થિત કરવાથી ધિરાણ લેનારાઓ લોનની ઝડપી મંજૂરીની અપેક્ષા રાખી શકે છે.


• ઓપરેશનલ ખર્ચમાં ઘટાડો: છબી વિશ્લેષણ દ્વારા અંડરરાઇટિંગને સ્વચાલિત કરવાથી દરેક માઇક્રો-એન્ટરપ્રાઇઝની સેવા સાથે સંકળાયેલ ખર્ચમાં નોંધપાત્ર ઘટાડો થાય છે.


• ક્રેડિટ પહોંચમાં સુધારો: ઔપચારિક ખાતાઓ ન ધરાવતા માઇક્રો-ઉદ્યોગસાહસિકો માટે લોન મેળવવાનું સરળ બનશે.


• સ્કેલેબિલિટી: AI મોડેલ Aye Finance ને મોટા ગ્રાહક આધાર સુધી તેની ધિરાણ કામગીરીને વધુ કાર્યક્ષમ રીતે સ્કેલ કરવાની મંજૂરી આપે છે.


• ભવિષ્યનું વિસ્તરણ: કંપની યોજના ધરાવે છે કે આ છબી-આધારિત અંડરરાઇટિંગ પદ્ધતિને ટ્રેડિંગ સિવાયના અન્ય બિઝનેસ ક્ષેત્રોમાં પણ અપનાવવામાં આવે.

• મોડેલની ચોકસાઈ: વિવિધ ટ્રેડિંગ બિઝનેસના છબીઓમાંથી વેચાણનો ચોક્કસ અંદાજ લગાવવામાં AI મોડેલોની ચોકસાઈને સતત માન્યતાની જરૂર પડશે.


• ડેટા બાયસ (Data Bias): AI મોડેલ પક્ષપાત મુક્ત રહે તેની ખાતરી કરવી જે અમુક પ્રકારના વ્યવસાયો અથવા સ્થળોને અયોગ્ય રીતે નુકસાન પહોંચાડી શકે.


• રેગ્યુલેટરી સ્ક્રુટિની (Regulatory Scrutiny): ફાઇનાન્સમાં AI અપનાવવામાં વધારો થતાં, નિયમનકારી સંસ્થાઓ AI-સંચાલિત ધિરાણ પદ્ધતિઓ માટે નવી માર્ગદર્શિકાઓ અથવા દેખરેખ રજૂ કરી શકે છે.


• સ્પર્ધા: સ્પર્ધકો સમાન AI-સંચાલિત અંડરરાઇટિંગ તકનીકો અપનાવી શકે છે, જે નીશ ધિરાણ ક્ષેત્રોમાં સ્પર્ધાને વધુ તીવ્ર બનાવી શકે છે.


• એસેટ ક્વોલિટી (Asset Quality): જ્યારે ટેકનોલોજી અંડરરાઇટિંગ સુધારવાનું લક્ષ્ય રાખે છે, ત્યારે માઇક્રો-લેન્ડિંગમાં NPAs (Non-Performing Assets) સાથેના ઐતિહાસિક પડકારો યથાવત છે અને તેને મજબૂત જોખમ વ્યવસ્થાપનની જરૂર છે.

• સર્વ કરાયેલા માઇક્રો-ઉદ્યોગસાહસિકો: 60 મિલિયન થી વધુ (માર્ચ 2026 મુજબ).


• IPO ફંડરેઇઝિંગ: INR 1,010 કરોડ (2026 ની શરૂઆતમાં પૂર્ણ).

• અન્ય ક્ષેત્રોમાં રોલઆઉટ: ટ્રેડિંગ બિઝનેસ ઉપરાંત અન્ય ક્ષેત્રોમાં છબી-આધારિત AI અંડરરાઇટિંગ મોડેલના સફળ વિસ્તરણ પર નજર રાખો.


• પ્રદર્શન મેટ્રિક્સ: નવા AI અંડરરાઇટિંગ સિસ્ટમ સંબંધિત મુખ્ય પ્રદર્શન સૂચકાંકો (performance indicators) ટ્રૅક કરો, જેમ કે મંજૂરી દર, ડિફોલ્ટ દર અને કોસ્ટ-ટુ-સર્વ (cost-to-serve) માં સુધારા.


• વધુ AI એકીકરણ: તેની વિસ્તૃત ધિરાણ કામગીરીમાં AI અને ML ના તેના સતત રોકાણ અને એકીકરણનું અવલોકન કરો.


• સ્પર્ધાત્મક પ્રતિભાવ: સ્પર્ધકો આ ટેકનોલોજીકલ છલાંગ પર કેવી પ્રતિક્રિયા આપે છે અને તેઓ સમાન વિઝ્યુઅલ અંડરરાઇટિંગ પદ્ધતિઓ અપનાવે છે કે કેમ તેનું મૂલ્યાંકન કરો.


• NPAs પર અસર: મૂલ્યાંકન કરો કે શું આ નવી અંડરરાઇટિંગ અભિગમ નોન-પર્ફોર્મિંગ એસેટ્સ (non-performing assets) માં નક્કર ઘટાડો તરફ દોરી જાય છે.