RBI ના AI મોડેલ રિસ્ક મેનેજમેન્ટ પરના ડ્રાફ્ટ નિયમો સ્પષ્ટ સિદ્ધાંતો આપે છે, પરંતુ બેંકોને વ્યવહારિક અમલીકરણમાં મુશ્કેલી પડી રહી છે. પારદર્શિતા અને નિષ્પક્ષતા જેવા ગવર્નન્સ લક્ષ્યોને સમજવા છતાં, જવાબદારી અને રિસ્ક રિપોર્ટિંગ જેવા કાર્યો માટે ઓપરેશનલ 'કેવી રીતે' પગલાંનો અભાવ નાણાકીય કાર્યોમાં AI અપનાવવાની ગતિ ધીમી પાડી શકે છે.
Detailed Coverage
RBI ની નવી AI ગાઈડલાઈન્સ
ભારતીય રિઝર્વ બેંક (RBI) હાલમાં મોડેલ રિસ્ક મેનેજમેન્ટ (MRM) માટેના નિયમનકારી સિદ્ધાંતો પરના તેના ડ્રાફ્ટ માર્ગદર્શનને અંતિમ ઓપ આપી રહી છે. આ પગલું નાણાકીય સંસ્થાઓ કૃત્રિમ બુદ્ધિમત્તા (AI) નો ઉપયોગ કેવી રીતે કરે છે તે પ્રમાણિત કરવાનો હેતુ ધરાવે છે. જ્યારે આ માર્ગદર્શિકા જવાબદારી, પારદર્શિતા અને માનવ દેખરેખ માટે સેન્ટ્રલ બેંકની અપેક્ષાઓ સ્પષ્ટપણે જણાવે છે, ત્યારે ઘણી બેંકો અને ફિનટેક કંપનીઓને આ ઉચ્ચ-સ્તરના સિદ્ધાંતોને દૈનિક કામગીરીમાં રૂપાંતરિત કરવામાં નોંધપાત્ર મુશ્કેલીઓનો સામનો કરવો પડી રહ્યો છે.
નાણાકીય સંસ્થાઓ માટે ઓપરેશનલ પડકાર
ઉદ્યોગ તરફથી મળેલા પ્રતિસાદ સૂચવે છે કે જ્યારે નાણાકીય સંસ્થાઓ નિયમનકારી લક્ષ્યોને સમજે છે, ત્યારે તેમને ટેકનિકલ અને માળખાકીય અમલીકરણ માટે સ્પષ્ટ સૂચનાઓનો અભાવ છે. હાલમાં, ભારતમાં લગભગ 21% નિયંત્રિત સંસ્થાઓ જ મોટા પાયે AI વિકસાવી રહી છે અથવા તેનો ઉપયોગ કરી રહી છે. મોટાભાગના વર્તમાન અમલીકરણો ઓછા-જોખમવાળા ક્ષેત્રો સુધી મર્યાદિત છે, જેમ કે ગ્રાહક સેવા ચેટબોટ્સ અથવા મૂળભૂત આંતરિક ઓટોમેશન. ક્રેડિટ રિસ્ક એસેસમેન્ટ, લોન મંજૂરીઓ અને રીઅલ-ટાઇમ ફ્રોડ ડિટેક્શન જેવા વધુ જટિલ, ઉચ્ચ-મહત્વના કાર્યો હજુ પણ સાવચેતીના ક્ષેત્રો છે કારણ કે જો AI નિર્ણય ખોટો પડે તો RBI ની દસ્તાવેજીકરણ અને દેખરેખની જરૂરિયાતોને કેવી રીતે સંતોષવી તે અંગે કંપનીઓ અચોક્કસ છે.
નવા ગવર્નન્સ અને વેલિડેશન જરૂરિયાતો
પ્રસ્તાવિત MRM ફ્રેમવર્ક હેઠળ, સંસ્થાઓને વ્યાપક મોડેલ ઇન્વેન્ટરી જાળવવાની અને તમામ AI સિસ્ટમ્સ માટે રિસ્ક-આધારિત ટિયરિંગ લાગુ કરવાની જરૂર પડશે. એક મોટો ફેરફાર એ છે કે થર્ડ-પાર્ટી વિક્રેતાઓ દ્વારા વિકસાવવામાં આવેલા મોડેલોના પણ સ્વતંત્ર મૂલ્યાંકનની ફરજિયાતતા. આનો અર્થ એ છે કે બેંકો હવે અનુપાલન સુનિશ્ચિત કરવા માટે બાહ્ય ટેકનોલોજી પ્રદાતાઓ પર સંપૂર્ણપણે આધાર રાખી શકશે નહીં; તેમને પૂર્વગ્રહ મૂલ્યાંકન, સમજૂતી તપાસ અને રેડ-ટીમિંગ - એક પ્રથા જ્યાં ટીમો સિસ્ટમ્સને નબળાઈઓ માટે ચકાસવા માટે હુમલાઓનું અનુકરણ કરે છે - હાથ ધરવા માટે આંતરિક ક્ષમતા બનાવવી પડશે.
નવીનતા અને જવાબદારી વચ્ચે સંતુલન
ટેકનોલોજી અપનાવણને પ્રોત્સાહન આપવા માટે, RBI એ ગ્રેડેડ લાયેબિલિટી ફ્રેમવર્ક સૂચવ્યું છે જે પ્રયોગોની મંજૂરી આપવા માટે રચાયેલ છે. જો કે, ઘટના રિપોર્ટિંગ અને આંતરિક સમિતિની મંજૂરીઓ પર ચોક્કસ 'કેવી રીતે' માર્ગદર્શનના અભાવથી અનિશ્ચિતતા ઊભી થાય છે. નાણાકીય કંપનીઓ ખાસ કરીને AI-આધારિત નિષ્ફળતા માટે સંસ્થામાં કોણ કાયદેસર અથવા ઓપરેશનલ રીતે જવાબદાર છે તે ઓળખવા અંગે ચિંતિત છે. આ સ્પષ્ટ વ્યાખ્યાઓ વિના, સંસ્થાઓ સંભવિત નિયમનકારી દંડ અથવા પ્રતિષ્ઠાને નુકસાન ટાળવા માટે અદ્યતન AI સુવિધાઓના રોલઆઉટમાં વિલંબ કરે તેવી શક્યતા છે.
બેંકો અને ફિનટેક માટે આગામી પગલાં
જેમ જેમ સલાહ-પરામર્શ પ્રક્રિયા સમાપ્ત થાય છે, તેમ નાણાકીય ક્ષેત્રે વ્યવહારિક ગવર્નન્સ સાધનો વિકસાવવાની દિશામાં આગળ વધવું પડશે. આમાં મોડેલ ઇન્વેન્ટરી માટે પ્રમાણિત ટેમ્પલેટ્સ બનાવવી અને વિક્રેતા સંચાલન માટે આંતરિક ચેકલિસ્ટ સ્થાપિત કરવી શામેલ છે. રોકાણકારો માટે, બેંક અથવા નાણાકીય સંસ્થા આ આંતરિક ગવર્નન્સ માળખા કેટલી ઝડપથી બનાવી શકે છે તે એક મુખ્ય મોનિટરબલ બનશે. જે કંપનીઓ આ નિયંત્રણોને અસરકારક રીતે એકીકૃત કરી શકશે તેઓ નિયમનકારી અવરોધોનો સામનો કર્યા વિના AI ને મુખ્ય વ્યવસાય ક્ષેત્રોમાં જમાવી શકશે, જ્યારે અન્ય મર્યાદિત, ઓછી-અસરકારક AI ક્ષમતાઓ સાથે કાર્યરત રહી શકે છે.