ભારતીય બેંકોમાં **70%** AI ટૂલ્સ ઉત્પાદનમાં હોવા છતાં, સુરક્ષા અને ડેટા પ્રાઈવસીના મુદ્દે તેનો વ્યાપક અમલ ધીમો છે. RBI ની કડક સૂચના અને ગવર્નન્સના કારણોસર બેંકો તેમના નવા ટેકનોલોજી બજેટના માત્ર **10%** થી ઓછો હિસ્સો જ AI પાછળ ખર્ચી રહી છે.
AI ના અમલીકરણમાં અવરોધ
ભારતીય બેંકિંગ સેક્ટરમાં ડિજિટલ ઉત્ક્રાંતિ એક મહત્વપૂર્ણ વળાંક પર છે. 2026 ના Zeta CXO સર્વે મુજબ, જોકે 70% ડોમેસ્ટિક બેંકોએ AI એપ્લિકેશનને પ્રોડક્શન લેવલ પર પહોંચાડી છે, પરંતુ આ ટેકનોલોજીને સમગ્ર સંસ્થામાં મોટા પાયે લાગુ કરવામાં બેંકો હજુ પણ સંઘર્ષ કરી રહી છે.
મર્યાદિત ઉપયોગ અને ડેટા સાયલોસ
હાલમાં AI નો ઉપયોગ માત્ર ફ્રોડ ડિટેક્શન, કસ્ટમર સર્વિસ અને ડોક્યુમેન્ટ પ્રોસેસિંગ જેવા મર્યાદિત કાર્યો પૂરતો જ સીમિત છે. જટિલ નિર્ણયો લેવા માટે AI નો ઉપયોગ કરવો હજુ પણ એક પડકાર છે. આનું મુખ્ય કારણ 50% બેંકોમાં રહેલી ડેટા સાયલોસની સમસ્યા છે, જે ડેટાના પ્રવાહને અવરોધે છે. ડેટા લેબલિંગ અને પ્રાઈવસી સંબંધિત નિયમોને લીધે બેંકો ફૂંકી-ફૂંકીને પગલાં ભરી રહી છે.
RBI ની ચેતવણી અને સાવચેતીભર્યું વલણ
Reserve Bank of India (RBI) એ સ્પષ્ટ કર્યું છે કે AI ને બોર્ડ-લેવલની વ્યૂહાત્મક પ્રાથમિકતા આપવી જોઈએ. નિયમનકારે ખાસ કરીને 'બ્લેક-બોક્સ' નિર્ણય પ્રક્રિયા (જ્યાં AI ના તર્ક સમજી શકાતા નથી) અને થર્ડ-પાર્ટી ટેકનોલોજી પર વધુ પડતી નિર્ભરતા સામે ચેતવણી આપી છે. આ કારણે જ બેંકો તેમના કુલ ટેક બજેટના 10% થી પણ ઓછો હિસ્સો AI પ્રોજેક્ટ્સ પાછળ ફાળવી રહી છે.
આગામી સમયમાં, જે બેંકો પોતાની ડેટા આર્કિટેક્ચરને મજબૂત બનાવશે અને રોબસ્ટ રિસ્ક મેનેજમેન્ટ ફ્રેમવર્ક સ્થાપિત કરશે, તેમની પ્રોફિટેબિલિટીમાં વધારો જોવા મળી શકે છે.