SBI એ નાણાકીય વર્ષ 2025-26 દરમિયાન આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) નો ઉપયોગ કરીને લગભગ ₹1 લાખ કરોડની MSME લોનનું સફળતાપૂર્વક અંડરરાઇટિંગ કર્યું છે. બેંક ચેક પ્રોસેસિંગને ઓટોમેટ કરવા અને રિસ્ક મેનેજમેન્ટને સુધારવા માટે નવી ટેકનોલોજી પણ અપનાવી રહી છે, જેનો ઉદ્દેશ્ય સમગ્ર ઓપરેશનલ કાર્યક્ષમતામાં સુધારો કરવાનો છે.
સ્ટેટ બેંક ઓફ ઇન્ડિયા (SBI) એ નાણાકીય વર્ષ 2025-26 દરમિયાન માઇક્રો, સ્મોલ અને મીડિયમ એન્ટરપ્રાઇઝ (MSME) સેક્ટર માટે આશરે ₹1 લાખ કરોડની લોન પર પ્રક્રિયા કરવા અને તેને અંડરરાઇટ કરવા માટે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) નો સફળતાપૂર્વક ઉપયોગ કર્યો છે. આ લોન, જે ₹5 કરોડ સુધીની હતી, તે નવા અને હાલના બંને ગ્રાહકોને આપવામાં આવી હતી, જે દર્શાવે છે કે બેંક હવે ક્રેડિટ રિસ્કનું મૂલ્યાંકન કેવી રીતે કરે છે તેમાં પરિવર્તન લાવી રહી છે.
AI-આધારિત લોન પ્રોસેસિંગ
બેંકની AI-સંચાલિત સિસ્ટમ લોન નિર્ણયો લેવા માટે વિવિધ ડેટા પોઇન્ટ્સ પર પ્રક્રિયા કરવા માટે બિઝનેસ રૂલ એન્જિન (Business Rule Engine) પર આધાર રાખે છે. આમાં GST ફાઇલિંગ્સ, ક્રેડિટ બ્યુરો રિપોર્ટ્સ, બેંક એકાઉન્ટ ડેટા અને અન્ય અનસ્ટ્રક્ચર્ડ ઇનપુટ્સમાંથી માહિતીનું એકીકરણ શામેલ છે. આ મૂલ્યાંકનોને સ્વચાલિત કરીને, SBI એ તેની અંડરરાઇટિંગ પ્રક્રિયાને સુવ્યવસ્થિત કરી છે. મેનેજિંગ ડિરેક્ટર રામા મોહન રાવ અમારાએ FIBAC 2026 કાર્યક્રમમાં જણાવ્યું હતું કે આ અભિગમે માત્ર મોટી માત્રામાં ધિરાણનું સંચાલન કર્યું નથી, પરંતુ આ AI મોડેલો દ્વારા અંડરરાઇટ કરાયેલા પોર્ટફોલિયોમાં નોન-પર્ફોર્મિંગ એસેટ્સ (NPAs) ઘટાડવામાં પણ યોગદાન આપ્યું છે.
લોન ઉપરાંત, SBI ₹10,000 સુધીના ચેક પર પ્રક્રિયાને સ્વચાલિત કરવા માટે લાર્જ લેંગ્વેજ મોડેલ્સ (LLMs) ને એકીકૃત કરી રહ્યું છે. આ નાની-મૂલ્યની ટ્રાન્ઝેક્શન્સ બેંકના કુલ ચેક વોલ્યુમમાં લગભગ 25% હિસ્સો ધરાવે છે. સિસ્ટમ આપમેળે આવશ્યક ફીલ્ડ્સ અને અનુપાલન આવશ્યકતાઓની ચકાસણી કરે છે, જે દરેક ટ્રાન્ઝેક્શન માટે માનવ હસ્તક્ષેપ વિના સીધી પ્રક્રિયાની મંજૂરી આપે છે. આ ઓટોમેશન કર્મચારીઓ માટે સમય મુક્ત કરે છે, જેનાથી રિલેશનશિપ મેનેજર્સ મેન્યુઅલ ડેટા સંગ્રહ અને વિશ્લેષણ જેવા કાર્યોને બદલે વધુ વ્યૂહાત્મક ગ્રાહક જોડાણ કાર્યો પર ધ્યાન કેન્દ્રિત કરી શકે છે.
જોખમો અને ભવિષ્યનું આઉટલુક
જ્યારે AI અપનાવવાનો હેતુ કાર્યક્ષમતા સુધારવાનો છે, તે નવા પડકારો પણ રજૂ કરે છે. ડિજિટલ ફાઇનાન્સ અને જટિલ એલ્ગોરિધમ્સ પર વધેલા નિર્ભરતાને કારણે ડેટા સુરક્ષા અને સાયબર સુરક્ષા સંબંધિત આંતરિક જોખમો રહેલા છે. વધુમાં, બેંકે તેની હાલની લેગસી ઇન્ફ્રાસ્ટ્રક્ચર સાથે આ અદ્યતન ટેકનોલોજીના એકીકરણનું સંચાલન કરવું પડશે, જેમાં તકનીકી જટિલતાઓ શામેલ હોઈ શકે છે.
રોકાણકારો અને હિતધારકો આ તકનીકી ફેરફારો બેંકના લાંબા ગાળાના ઓપરેશનલ ખર્ચને કેવી રીતે અસર કરે છે તેના પર નજર રાખી શકે છે. જ્યારે બેંક કર્મચારી સંસાધન ફાળવણી અને ગ્રાહક સંતોષમાં પ્રારંભિક હકારાત્મક પરિણામો જોઈ રહી છે, ત્યારે સિસ્ટમ્સ સ્કેલ થતાં સમગ્ર કોસ્ટ-ટુ-ઇન્કમ રેશિયો પર સંપૂર્ણ અસર સમય જતાં વધુ સ્પષ્ટ થશે. બેંક AI-પ્રક્રિયા કરેલ પ્રવૃત્તિઓના નમૂનાનું ઓડિટ કરવા માટે સમર્પિત રિસ્ક યુનિટ સહિત નિયંત્રણ પદ્ધતિ જાળવી રાખે છે જેથી ચોકસાઈ સુનિશ્ચિત કરી શકાય અને જરૂર મુજબ મોડેલોને રિફાઇન કરી શકાય.