AI થી રેવન્યુમાં તોતિંગ વધારો, પણ ખર્ચાળ?
Bajaj Finance તેની આક્રમક AI સ્ટ્રેટેજી દ્વારા નોંધપાત્ર બિઝનેસ ગેઇન હાંસલ કરી રહ્યું છે. વાઇસ ચેરમેન રાજીવ જૈને જણાવ્યું કે, AI સિસ્ટમ દ્વારા લગભગ 2 કરોડ કસ્ટમર કોલ્સનું પ્રોસેસિંગ કરીને કંપનીએ ₹1,600 કરોડની નવી બિઝનેસ રેવન્યુ જનરેટ કરી છે. આ ઉપરાંત, કોલ ડેટામાંથી મળેલા ઇનસાઇટ્સ (Insights) દ્વારા ધિરાણ વોલ્યુમમાં વધારાના ₹325 કરોડનું યોગદાન મળ્યું છે. કંપનીનો ઉદ્દેશ્ય આગામી નાણાકીય વર્ષમાં 10 કરોડ કોલ્સનું વિશ્લેષણ કરવાનો છે, જે AI ને તેની વૃદ્ધિ વ્યૂહરચનામાં કેન્દ્રિય સ્થાન દર્શાવે છે. આ પહેલ હેઠળ 5.20 લાખથી વધુ ગ્રાહકો માટે વોઇસ કોલ્સને ટેક્સ્ટમાં રૂપાંતરિત કરવામાં આવી રહ્યા છે, જેનાથી નવી ધિરાણ તકો ઓળખવામાં મદદ મળી રહી છે.
નાણાકીય પરિણામો પર AI નો પ્રભાવ
એક તરફ AI દ્વારા રેવન્યુમાં જબરદસ્ત વૃદ્ધિ જોવા મળી રહી છે, તો બીજી તરફ કંપનીના નાણાકીય પરિણામો મિશ્ર ચિત્ર રજૂ કરી રહ્યા છે. 13 ફેબ્રુઆરી, 2026ના રોજ Bajaj Finance ના શેર લગભગ ₹999 પર ટ્રેડ થઈ રહ્યા હતા, અને માર્કેટ કેપિટલાઇઝેશન લગભગ ₹6.15 ટ્રિલિયનની આસપાસ હતું. જોકે, FY26 ના ત્રીજા ક્વાર્ટર (Q3) ના પરિણામો દર્શાવે છે કે નેટ પ્રોફિટ વાર્ષિક ધોરણે લગભગ 6% ઘટ્યો છે, અને નેટ પ્રોફિટ માર્જિન ગત વર્ષની સરખામણીમાં 20% થી વધુ ઘટ્યા છે. આ સૂચવે છે કે AI ટોપ-લાઇન વૃદ્ધિને પ્રભાવિત કરી રહ્યું છે, પરંતુ નફાકારકતાના આંકડા દબાણ હેઠળ છે.
'FINAI' વિઝન અને સ્કેલિંગના પડકારો
Bajaj Finance તેના "FINAI" (FIN+AI) વિઝન હેઠળ FY30 સુધીમાં એસેટ્સ અંડર મેનેજમેન્ટ (AUM) અને પ્રોફિટ આફ્ટર ટેક્સ (PAT) માં 20% થી વધુ વાર્ષિક વૃદ્ધિનું લક્ષ્ય ધરાવે છે, જેમાં એસેટ બેઝ ₹10-12 ટ્રિલિયન સુધી પહોંચવાની ધારણા છે. આ માટે, કંપની ગ્રાહક જોડાણ, અંડરરાઇટિંગ અને રિસ્ક મોનિટરિંગ જેવી તમામ પ્રક્રિયાઓમાં AI ને એકીકૃત કરી રહી છે. AI ને 10 કરોડ કોલ્સ સુધી સ્કેલ કરવાની યોજના એક મોટું ઓપરેશનલ કાર્ય છે, જેમાં AI ઇન્ફ્રાસ્ટ્રક્ચર અને ડેટા પ્રોસેસિંગ ક્ષમતાઓમાં નોંધપાત્ર રોકાણની જરૂર પડશે. આ ભારતીય NBFC સેક્ટરમાં જનરેટિવ AI (GenAI) અપનાવવાના વ્યાપક વલણને અનુરૂપ છે, જે 2030 સુધીમાં વેચાણ અને ગ્રાહક સેવામાં 34-40% સુધી પ્રોડક્ટિવિટી સુધારણા સૂચવે છે.
સ્પર્ધાત્મક ધાર અને વેલ્યુએશન
હાલના અત્યંત સ્પર્ધાત્મક ભારતીય NBFC સેક્ટરમાં AI અપનાવવું એ એક મહત્વપૂર્ણ ભિન્નતા બની રહ્યું છે. HDFC Bank અને ICICI Bank જેવી કંપનીઓ વર્ષોથી AI ચેટબોટ્સ અને વર્ચ્યુઅલ આસિસ્ટન્ટનો ઉપયોગ કરી રહી છે. Bajaj Finance નો આક્રમક AI પ્રયાસ ગ્રાહક કન્વર્ઝન રેટ વધારવા અને ઇન્ટરેક્શનને વ્યક્તિગત કરવાનો છે. હાલમાં, Bajaj Finance નો પ્રાઇસ-ટુ-અર્નિંગ (P/E) રેશિયો લગભગ 33.5 છે, જે ફાઇનાન્સ ઉદ્યોગની સરેરાશ 19.0 કરતાં વધુ છે. જોકે, તે Jio Financial Services (P/E 107.7) અને ICICI Prudential Asset Management (P/E 57.0) જેવા પીયર્સ કરતાં ઓછો છે, જ્યારે Shriram Finance (P/E 20.6) કરતાં વધુ છે. આ વેલ્યુએશન સૂચવે છે કે રોકાણકારો ભવિષ્યની વૃદ્ધિને, આંશિક રીતે ટેકનોલોજીકલ પ્રગતિ દ્વારા સંચાલિત, ધ્યાનમાં લઈ રહ્યા છે.
દેવું, માર્જિન અને અમલીકરણનું જોખમ
AI-ડ્રાઇવ્ડ રેવન્યુ સફળતા છતાં, નોંધપાત્ર નાણાકીય જોખમો છે. Bajaj Finance સતત ઊંચો ડેટ-ટુ-ઇક્વિટી રેશિયો ધરાવે છે, જે વિવિધ સમયગાળામાં 1.24x થી 3.17x થી વધુ નોંધાયેલો છે, જે નોંધપાત્ર નાણાકીય લિવરેજનો સંકેત આપે છે. આ ઊંચું લિવરેજ જોખમ વધારે છે, ખાસ કરીને જો વ્યાજ દરમાં વધારો થાય અથવા એસેટ ક્વોલિટી બગડે. Q3 FY26 માં નફાના માર્જિનમાં ઘટાડો અને નફામાં વાર્ષિક સંકોચન, AI માં મોટા પાયે મૂડી ખર્ચ સાથે મળીને, કમાણી વૃદ્ધિની ટકાઉપણું અંગે ચિંતાઓ વધારે છે. વધુમાં, MarketsMOJO એ 1 ફેબ્રુઆરી, 2026ના રોજ વેલ્યુએશનની ચિંતાઓ અને NBFC ક્ષેત્રના વૃદ્ધિ માર્ગ પર સાવચેત દૃષ્ટિકોણને ટાંકીને Bajaj Finance ના શેર ગ્રેડને 'Buy' થી 'Hold' માં ડાઉનગ્રેડ કર્યો છે. વાર્ષિક 10 કરોડ કોલ્સ પ્રોસેસ કરવાના વિશાળ સ્કેલમાં ડેટાની ચોકસાઈ અને ગોપનીયતાનું પાલન સુનિશ્ચિત કરવાથી માંડીને અંતર્ગત ઓપરેશનલ ખર્ચનું સંચાલન કરવા સુધીના અમલીકરણના પડકારો તેની નફાકારકતા પર વધુ દબાણ લાવી શકે છે.
એનાલિસ્ટનો મત અને ભવિષ્યનો માર્ગ
Bajaj Finance ની FY26-30 માટેની મહત્વાકાંક્ષી રોડમેપ, જે FY30 સુધીમાં 20% થી વધુ વાર્ષિક વૃદ્ધિ અને 200-220 મિલિયન ગ્રાહક આધારનું લક્ષ્ય રાખે છે, તે તેની AI-ફર્સ્ટ વ્યૂહરચના સાથે ગાઢ રીતે જોડાયેલ છે. કંપની ગ્રાહક કેન્દ્રિતતા વધારવા અને ખર્ચ ઘટાડવા માટે તેની કામગીરીમાં AI ને એકીકૃત કરીને "FINAI" એન્ટિટી બનવાની આકાંક્ષા ધરાવે છે. જ્યારે AI પહેલને ભાવિ રેવન્યુ અને કાર્યક્ષમતાના મુખ્ય ચાલક તરીકે સ્થાન આપવામાં આવ્યું છે, ત્યારે એનાલિસ્ટ ડાઉનગ્રેડ વર્તમાન વેલ્યુએશન અને ક્ષેત્રના સંભાવનાઓ પર માપેલ દૃષ્ટિકોણ દર્શાવે છે. આ મોટા પાયે AI ડિપ્લોયમેન્ટની સફળતા તેની સતત નફાકારકતા અને મજબૂત શેરહોલ્ડર વળતરમાં પરિણમવાની ક્ષમતા પર નિર્ભર રહેશે, ખાસ કરીને કંપનીની લિવરેજ્ડ નાણાકીય માળખા અને વધતી જતી ઓપરેશનલ જટિલતાઓને ધ્યાનમાં રાખીને.