Whalesbook
નવા રિપોર્ટ મુજબ, 84% ભારતીય બેંકો ફ્રોડ (Fraud) ને કારણે થયેલા નુકસાનમાં વધારો નોંધાવી રહી છે. AI-સંચાલિત કૌભાંડો અને ઇન્સ્ટન્ટ પેમેન્ટ (Instant Payment) ની નબળાઈઓ આ માટે મુખ્ય કારણ બની રહી છે. ડિજિટલ ટ્રાન્ઝેક્શન (Digital Transaction) વધતાં, નાણાકીય સંસ્થાઓ આ વિકસતા જોખમો સામે લડવા માટે બિહેવિયરલ એનાલિસિસ (Behavioral Analysis) તરફ વળી રહી છે.
શું થયું?
નવા ઉદ્યોગ ડેટા અનુસાર, ભારતીય બેંકિંગ સંસ્થાઓ નાણાકીય છેતરપિંડી (Financial Fraud) માં તીવ્ર વધારાની જાણ કરી રહી છે. ભારતમાં 84% બેંકિંગ લીડર્સે જણાવ્યું છે કે છેલ્લા એક વર્ષમાં ફ્રોડને કારણે થયેલા નુકસાનમાં વધારો થયો છે. આ આંકડો વૈશ્વિક સરેરાશ 76% કરતા ઘણો વધારે છે, જે ભારતને સૌથી વધુ અસરગ્રસ્ત બજારોમાંનું એક બનાવે છે. જેમ જેમ ક્ષેત્ર ડિજિટાઇઝ (Digitize) થઈ રહ્યું છે, તેમ આ ગેરકાયદેસર પ્રવૃત્તિઓમાં વધારો એક મોટો પડકાર બની રહ્યો છે.
ઇન્સ્ટન્ટ પેમેન્ટ્સની ભૂમિકા
યુનિફાઇડ પેમેન્ટ્સ ઇન્ટરફેસ (UPI) જેવા પ્લેટફોર્મ્સે ભારતમાં નાણાંની હેરફેરની રીતને ક્રાંતિકારી બનાવી છે, પરંતુ તે છેતરપિંડી કરનારાઓ માટે પસંદગીનો માર્ગ પણ બની ગયા છે. લગભગ 66% ભારતીય બેંકિંગ એક્ઝિક્યુટિવ્સે ઇન્સ્ટન્ટ પેમેન્ટ પ્લેટફોર્મને વધતી ફ્રોડ (Fraud) નીતિઓના પ્રાથમિક સ્ત્રોત તરીકે ઓળખાવ્યા છે. આ ટ્રાન્ઝેક્શનની ઝડપ સમસ્યાનું મૂળ છે. કારણ કે ભંડોળ તરત જ ટ્રાન્સફર થઈ જાય છે, જ્યારે ફ્રોડ શોધાય ત્યાં સુધીમાં, પૈસા ઘણીવાર એકાઉન્ટમાંથી નીકળી ગયા હોય છે, જેના કારણે તેને પરત મેળવવું અત્યંત મુશ્કેલ બની જાય છે. આ ઝડપ, જેનો હેતુ વપરાશકર્તાને લાભ આપવાનો હતો, તેનો ઉપયોગ પરંપરાગત મેન્યુઅલ વેરિફિકેશન (Manual Verification) પ્રક્રિયાઓને બાયપાસ કરવા માટે થઈ રહ્યો છે.
AI - બેધારી તલવાર
આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) વર્તમાન નાણાકીય લેન્ડસ્કેપમાં બેવડી ભૂમિકા ભજવી રહ્યું છે. જ્યારે બેંકો શંકાસ્પદ પેટર્ન શોધવા માટે AI નો ઉપયોગ કરી રહી છે, ત્યારે ગુનેગારો તેનો ઉપયોગ વધુ અત્યાધુનિક કૌભાંડ યોજનાઓ બનાવવા માટે કરી રહ્યા છે. ભારતમાં લગભગ 93% ઉદ્યોગ નેતાઓ માને છે કે AI એ ફ્રોડના પ્રયાસોને ઓળખવા અત્યંત મુશ્કેલ બનાવી દીધા છે. આધુનિક કૌભાંડોમાં હવે અત્યંત વાસ્તવિક AI-જનરેટેડ કમ્યુનિકેશન (AI-generated Communication) શામેલ છે જે ગ્રાહકોને સરળતાથી છેતરી શકે છે, જેના કારણે બેંકો માટે કાયદેસર ગ્રાહક ક્રિયા અને દૂષિત ક્રિયા વચ્ચે તફાવત કરવો મુશ્કેલ બને છે.
નાણાકીય અને ઓપરેશનલ અસર
આ છેતરપિંડી પ્રવૃત્તિઓની કિંમત સંસ્થાઓ અને તેમના ગ્રાહકો બંને માટે નોંધપાત્ર છે. લગભગ 48% બેંકોએ ફ્રોડ (Fraud) ને કારણે વાર્ષિક $10 મિલિયન થી વધુનું નાણાકીય નુકસાન નોંધાવ્યું છે. જ્યારે નાની પરંતુ નોંધપાત્ર સંખ્યામાં બેંકોએ $50 મિલિયન થી વધુનું નુકસાન સહન કર્યું છે. બેલેન્સ શીટ (Balance Sheet) થી આગળ વધીએ તો, ગ્રાહકોનું નુકસાન પણ નોંધપાત્ર છે, સર્વેક્ષણ કરાયેલા અડધાથી વધુ નેતાઓએ અંદાજ લગાવ્યો છે કે ગ્રાહકોએ દર વર્ષે આ કૌભાંડોમાં $5 મિલિયન થી વધુ ગુમાવ્યા છે.
બિહેવિયરલ એનાલિસિસ તરફ ઝુકાવ
આ પડકારોના પ્રતિભાવમાં, બેંકિંગ ક્ષેત્ર પરંપરાગત સુરક્ષા પદ્ધતિઓ જેવી કે સ્ટેટિક પાસવર્ડ (Static Password) અથવા સરળ વન-ટાઇમ પાસવર્ડ (OTP) થી દૂર જઈ રહ્યું છે. બિહેવિયરલ એનાલિસિસ (Behavioral Analysis) તરફ ઉદ્યોગમાં એક મોટો બદલાવ જોવા મળી રહ્યો છે. આ ટેકનોલોજી ફક્ત 'તમે કોણ છો' તે તપાસતી નથી, પરંતુ 'તમે કેવી રીતે વર્તે છો' તે પણ જુએ છે. તે વપરાશકર્તા કેવી રીતે ટાઇપ કરે છે, તેઓ તેમના ઉપકરણને કેવી રીતે પકડે છે, અને બેંકિંગ એપ્લિકેશનમાં તેમની લાક્ષણિક નેવિગેશન પેટર્ન (Navigation Pattern) જેવા પરિબળોને ધ્યાનમાં લે છે. જો કોઈ ક્રિયા ગ્રાહકની સ્થાપિત બિહેવિયરલ પ્રોફાઇલ (Behavioral Profile) સાથે મેળ ખાતી નથી, તો સિસ્ટમ ટ્રાન્ઝેક્શન પૂર્ણ થાય તે પહેલાં જ તેને સંભવિત જોખમ તરીકે ફ્લેગ કરે છે.
નિયમનકારી અને ક્ષેત્ર સંદર્ભ
ભારતીય નાણાકીય ક્ષેત્ર, ભારતીય રિઝર્વ બેંક (RBI) ના માર્ગદર્શન હેઠળ, મજબૂત ડિજિટલ સુરક્ષા નેટ માટે દબાણ કરી રહ્યું છે. આમાં ડિજિટલ પેમેન્ટ ઇન્ટેલિજન્સ પ્લેટફોર્મનો વિકાસ શામેલ છે જે બેંકોને રીઅલ-ટાઇમ થ્રેટ ડેટા (Real-time Threat Data) શેર કરવાની મંજૂરી આપે છે. ધ્યેય પ્રતિક્રિયાત્મક પગલાંઓથી આગળ વધીને, જ્યાં પૈસા ચોરાઈ ગયા પછી બેંકો કાર્યવાહી કરે છે, તે સક્રિય પગલાં તરફ જવાનો છે, જ્યાં છેતરપિંડીના પ્રયાસો થાય તે પહેલાં જ રોકી દેવામાં આવે. આ જોખમનું સંચાલન બેંકો માટે વ્યવસાય કરવાની કિંમતનો મુખ્ય ભાગ બની રહ્યું છે.
રોકાણકારોએ શું ધ્યાન રાખવું?
રોકાણકારો અને હિસ્સેદારોએ ટ્રૅક કરવું જોઈએ કે બેંકો આ સુરક્ષા અપગ્રેડના ખર્ચને તેમના એકંદર નફાકારકતા સાથે કેવી રીતે સંતુલિત કરે છે. અદ્યતન AI-આધારિત ફ્રોડ ડિટેક્શન (Fraud Detection) માં રોકાણ કરવું જરૂરી છે, તેમાં નોંધપાત્ર મૂડી ખર્ચ શામેલ છે. મુખ્ય મોનિટર (Monitor) એ છે કે આ સિસ્ટમ્સ સમય જતાં ફ્રોડ (Fraud) નુકસાન ઘટાડવામાં કેટલી અસરકારક છે. વધુમાં, જે બેંકો ઉચ્ચ સ્તરનો વિશ્વાસ અને સુરક્ષા જાળવી રાખવામાં સક્ષમ છે તેઓ એવા યુગમાં વધુ સારી ગ્રાહક જાળવણી જોઈ શકે છે જ્યાં ડિજિટલ સુરક્ષા નાણાકીય ભાગીદાર પસંદ કરવામાં એક મુખ્ય પરિબળ છે. ભવિષ્યના કમાણી અહેવાલો (Earnings Report) આ સુરક્ષા ખર્ચની ઓપરેટિંગ માર્જિન (Operating Margin) પર અસરની સમજ આપી શકે છે.