Whalesbook
બેન્કો AI ના ફાયદાથી કેમ વંચિત?
McKinsey ના રિપોર્ટમાં સ્પષ્ટપણે જણાવવામાં આવ્યું છે કે બેન્કો AI માં કરેલા રોકાણ અને તેના વાસ્તવિક પરિણામો વચ્ચે મોટી ખાઈનો સામનો કરી રહી છે. આનું મુખ્ય કારણ તેમની જૂની સિસ્ટમ્સ અને પ્રક્રિયાઓ પરની નિર્ભરતા છે.
AI રોકાણ પર જૂનો આધાર
બેન્કો AI જેવી ટેક્નોલોજી, જેમ કે વોઇસ બોટ્સ અને એનાલિટિક્સમાં, ભારે રોકાણ કરી રહી છે. ઘણીવાર 30-45% સુધીના ખર્ચમાં ઘટાડાની શક્યતાઓ દર્શાવાય છે. જોકે, આ લાભો ઘણીવાર મળતા નથી. AI ની અસરકારકતામાં ઘટાડો થાય છે કારણ કે તે હાલની બિનકાર્યક્ષમ પ્રક્રિયાઓને સુધારવાને બદલે તેને ઓટોમેટ કરે છે, જેનાથી સમસ્યાના મૂળ કારણો યથાવત રહે છે. આ ઉપરાંત, નિયમનકારી (regulatory) અને જોખમ (risk) સંબંધિત મર્યાદાઓ પણ AI ની અસરકારકતાને ઘટાડે છે, જે શરૂઆતથી જ ડિઝાઇનમાં સામેલ હોતી નથી.
લેગસી સિસ્ટમ્સ IT બજેટને ખાલી કરે છે
એક વિશ્લેષણ દર્શાવે છે કે બેન્કો તેમના IT બજેટનો મોટો હિસ્સો, લગભગ 70% સુધી, માત્ર જૂની સિસ્ટમ્સ જાળવવા પાછળ ખર્ચી રહી છે. આના કારણે નવીનતા (innovation) અને આધુનિક ટેકનોલોજી માટે ઓછું ભંડોળ બચે છે. IT ખર્ચ આવકના 6% થી 12% સુધી હોઈ શકે છે. મુખ્ય બેંકિંગ પ્લેટફોર્મ્સ 30-40 વર્ષ જૂના હોઈ શકે છે, જે નવા ઉત્પાદનો ઝડપથી લોન્ચ કરવામાં વિલંબ કરે છે અને ઝડપી ફિનટેક કંપનીઓ સામે સ્પર્ધાને મુશ્કેલ બનાવે છે. ઘણી સંસ્થાઓ હજુ પણ COBOL-આધારિત સિસ્ટમ્સનો ઉપયોગ કરી રહી છે, જેમાં અબજો લાઇન્સનો COBOL કોડ છે, જે જાળવવામાં મોંઘો અને મુશ્કેલ બની રહ્યો છે. આ જૂની સિસ્ટમો આધુનિક સિસ્ટમોની સરખામણીમાં અપડેટ્સને ધીમું પાડે છે. લગભગ 43% કંપનીઓ સ્પષ્ટ વ્યાપારિક લક્ષ્યો અને યોગ્ય ડેટા મેનેજમેન્ટના અભાવે AI પ્રોજેક્ટ્સમાં સંઘર્ષ કરે છે. JPMorgan Chase અને Bank of America જેવી કેટલીક અગ્રણી બેંકો ટેકનોલોજી અને AI પ્રતિભામાં ભારે રોકાણ કરી રહી છે. Bank of America 2024 માટે ટેકનોલોજીમાં $4 બિલિયનનું રોકાણ કરી રહી છે, અને તેનું વર્ચ્યુઅલ આસિસ્ટન્ટ Erica અબજો ક્રિયાપ્રતિક્રિયાઓ સંભાળી રહ્યું છે. જોકે, ઘણી અન્ય બેંકો હજુ પણ "પાયલોટ પર્યાય" (pilot purgatory) માં અટવાયેલી છે, નાના પ્રોજેક્ટ્સમાં AI અજમાવી રહી છે પરંતુ તેને કંપની-વ્યાપી વિસ્તૃત કરી શકતી નથી.
નિષ્ક્રિયતાની ઊંચી કિંમત: ચૂકી ગયેલી આવક અને જોખમો
જે બેંકો આધુનિકીકરણ નહીં કરે તેમને માત્ર તકો ગુમાવવાનો જ નહીં, પરંતુ અપ્રસ્તુત (irrelevant) બની જવાનો ભય છે. જૂની સિસ્ટમો ચલાવવામાં વધુ ખર્ચાળ, ઓછી સુરક્ષિત અને ડિજિટલ જરૂરિયાતો સાથે તાલ મિલાવી શકતી નથી. 2028 સુધીમાં, આધુનિકીકરણ કરવામાં નિષ્ફળ રહેતી બેંકો $57 બિલિયનથી વધુ ગુમાવી શકે છે, જેમાં માત્ર પેમેન્ટ્સમાંથી જ નોંધપાત્ર આવક ચૂકી જવાય તેવી શક્યતા છે. મર્જર દ્વારા વર્ષોથી તૈયાર થયેલી સિસ્ટમો બેંકોને ગ્રાહકની માંગ અને નવા નિયમો સાથે અનુકૂલન સાધવામાં ધીમી પાડે છે. આ અસ્થિર સિસ્ટમો પર લાગુ કરવામાં આવતા AI ની કાર્યક્ષમતાની આશા મર્યાદિત છે. આધુનિક સિસ્ટમ્સ બનાવતી સ્પર્ધકોથી વિપરીત, જૂના "ટેકનિકલ ડેટ" (technical debt - જૂની સિસ્ટમ્સનો બોજ) ધરાવતી બેંકો વધતા જાળવણી ખર્ચ અને વધુ સુરક્ષા જોખમોનો સામનો કરે છે, જેમાં બ્રીચની શોધમાં વિલંબનો પણ સમાવેશ થાય છે. ટેક કંપનીઓ સાથેની સ્પર્ધાને કારણે AI પ્રતિભાની અછત પણ અદ્યતન AI પ્રોજેક્ટ્સમાં અવરોધ ઊભો કરે છે.
AI ની શક્તિને અનલોક કરવા માટે સંપૂર્ણ પુનર્ગઠનની જરૂર
McKinsey ભારપૂર્વક જણાવે છે કે બેન્કોએ ફક્ત AI ઉમેરવાને બદલે તેમની કાર્ય કરવાની રીતમાં મૂળભૂત પરિવર્તન લાવવાની જરૂર છે. તેઓએ તેમની કામગીરીને સંપૂર્ણપણે ફરીથી ડિઝાઇન (redesign) કરવી પડશે. સફળતા માટે જૂની રચનાઓને તોડવી પડશે. આનાથી ગ્રાહક સેવા કોલમાં 25-40% નો ઘટાડો અને ગ્રાહક સંતોષમાં વધારા જેવા લાભો મળી શકે છે. બેંકિંગનું ભવિષ્ય AI ને પરિવર્તનશીલ શક્તિ તરીકે જોવામાં રહેલું છે, જેમાં પ્રતિભા, ટેકનોલોજી, ડેટા અને જોખમ વ્યવસ્થાપન સહિત દરેક વસ્તુના સંપૂર્ણ પુનર્ગઠનની જરૂર પડશે.