ભારતીય રિઝર્વ બેંક (RBI) એ એક નવું મોડેલ રિસ્ક મેનેજમેન્ટ (Model Risk Management) ફ્રેમવર્ક રજૂ કર્યું છે, જેમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) દ્વારા લેવાતા તમામ બેન્કિંગ નિર્ણયોમાં માનવ દેખરેખ ફરજિયાત બનાવવામાં આવી છે. બેન્કોએ હવે 'કિલ સ્વીચ' (kill switches) જેવી સિસ્ટમ લાગુ કરવી પડશે અને ઓટોમેટેડ પ્રક્રિયાઓમાં માનવ હસ્તક્ષેપ શક્ય બનાવવો પડશે. આ પગલું સિસ્ટમિક જોખમોને રોકવાના ઉદ્દેશ્યથી લેવાયું છે, કારણ કે બેન્કો ધિરાણ અને છેતરપિંડી શોધવા જેવા ક્ષેત્રોમાં AI અપનાવી રહી છે.
ઓટોમેટેડ બેન્કિંગમાં જવાબદારી
RBI દ્વારા રજૂ કરાયેલ ડ્રાફ્ટ મોડેલ રિસ્ક મેનેજમેન્ટ ફ્રેમવર્ક, આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) અને મશીન લર્નિંગ (ML) નો ઉપયોગ કરીને થતા બેન્કિંગ કાર્યોમાં માનવ નિયંત્રણને કેન્દ્રમાં રાખે છે. જેમ જેમ ભારતમાં નાણાકીય સંસ્થાઓ ડિજિટલ પ્રક્રિયાઓને વધુ ઝડપી બનાવી રહી છે, તેમ તેમ રેગ્યુલેટર સ્પષ્ટ નિયમો સ્થાપિત કરી રહ્યું છે જેથી ગ્રાહકો અને સિસ્ટમની સ્થિરતા પર અસર કરતા ઓટોમેટેડ નિર્ણયો માટે બેન્કો જવાબદાર રહે.
આ પ્રસ્તાવિત માર્ગદર્શિકા હેઠળ, બેન્કોએ તેમના એનાલિટિકલ મોડેલ્સ (analytical models) ના પ્રદર્શન માટે સંપૂર્ણ જવાબદારી જાળવવી પડશે, ભલે તે સિસ્ટમ ઇન-હાઉસ ટીમો દ્વારા બનાવવામાં આવી હોય કે થર્ડ-પાર્ટી ટેકનોલોજી પ્રદાતાઓ પાસેથી ખરીદવામાં આવી હોય. આ ફ્રેમવર્ક મુજબ, બેન્કોએ મોડેલના વિકાસથી લઈને તેને બંધ કરવા સુધીની સમગ્ર જીવનચક્રને આવરી લેતી બોર્ડ-મંજૂર નીતિ બનાવવી પડશે. દરેક મોડેલને લાઇવ કરતા પહેલા સ્વતંત્ર વેલિડેશન (independent validation) માંથી પસાર થવું પડશે, ભલે ટેકનોલોજી સપ્લાયરે તેને પહેલાથી જ પ્રમાણિત કર્યું હોય.
ઓપરેશનલ સુરક્ષા અને માનવ નિયંત્રણ
ટેકનોલોજી પર વધુ પડતી નિર્ભરતાના જોખમને પહોંચી વળવા, RBI એ 'હ્યુમન-ઇન-ધ-લૂપ' (human-in-the-loop) સિદ્ધાંતનો પ્રસ્તાવ મૂક્યો છે. આ સુનિશ્ચિત કરે છે કે બેન્ક કર્મચારીઓ ઓટોમેટેડ નિર્ણયો પર પ્રશ્ન ઉઠાવવા, તેને ઓવરરાઇડ કરવા અથવા રોકવાની સત્તા જાળવી રાખે. એવી પરિસ્થિતિઓમાં જ્યાં સિસ્ટમ અણધાર્યા પરિણામો ઉત્પન્ન કરે છે, બેન્કોએ તાત્કાલિક AI મોડેલને સસ્પેન્ડ કરવા માટે 'કિલ સ્વીચ' (kill switches) જેવા ઇમરજન્સી પ્રોટોકોલને સક્રિય કરવા પડશે.
રેગ્યુલેટરે ખાસ કરીને ઓટોમેશન બાયસ (automation bias), જ્યાં સ્ટાફ કમ્પ્યુટરના આઉટપુટ પર આંધળો વિશ્વાસ કરી શકે છે, અને ડિસિઝન ફેટિગ (decision fatigue), જે સુપરવિઝનમાં ભૂલો તરફ દોરી શકે છે, અંગેની ચિંતાઓ પર પ્રકાશ પાડ્યો છે. જે સિસ્ટમ્સ ગ્રાહકો સાથે સીધો સંપર્ક કરે છે, તેના માટે ડ્રાફ્ટ જણાવે છે કે બેન્કોએ AI ના ઉપયોગ વિશે સ્પષ્ટપણે જાહેર કરવું પડશે અને ગ્રાહકોને માનવ પ્રતિનિધિ સુધી પહોંચવાનો વિકલ્પ પૂરો પાડવો પડશે.
ગવર્નન્સ અને રિસ્ક ક્લાસિફિકેશન
બેન્કોએ તેમના મોડેલ્સને તેમની જટિલતા અને જોખમના સ્તરના આધારે વર્ગીકૃત કરવા પડશે. ઉચ્ચ-જોખમી તરીકે ઓળખાયેલા મોડેલ્સને જમાવટ કરતા પહેલા બેન્કના રિસ્ક મેનેજમેન્ટ કમિટી (risk management committee) ની મંજૂરીની જરૂર પડશે. આ ઉપરાંત, સંસ્થાઓએ તમામ મોડેલોની વિગતવાર ઇન્વેન્ટરી (inventory) જાળવવી પડશે. નિવૃત્ત થયેલા અથવા ડીકમિશન થયેલા મોડેલ્સના રેકોર્ડ ઓછામાં ઓછા 10 વર્ષ સુધી જાળવવા પડશે જેથી ઐતિહાસિક ઓડિટિંગ (auditing) અને પ્રદર્શન સમીક્ષા શક્ય બની શકે.
ડિજિટલ બેન્કિંગ સ્ટ્રેટેજી પર અસર
આ ફ્રેમવર્ક ભારતીય બેન્કિંગ ક્ષેત્ર માટે એક સંક્રમણ દર્શાવે છે, જે ફક્ત અનુપાલનથી આગળ વધીને ઓપરેશનલ સ્થિતિસ્થાપકતા (operational resilience) બનાવવાની દિશામાં છે. જેમ જેમ બેન્કો ક્રેડિટ અંડરરાઇટિંગ (credit underwriting), ટ્રેઝરી મેનેજમેન્ટ (treasury management) અને ફ્રોડ ડિટેક્શન (fraud detection) જેવા સંવેદનશીલ કાર્યોમાં AI ને એકીકૃત કરે છે, તેમ તેમ ખાસ ટેકનિકલ સ્ટાફ અને સ્વતંત્ર વેલિડેશન પ્રક્રિયાઓની જરૂરિયાતને કારણે ટેકનોલોજીના અમલીકરણનો ખર્ચ વધી શકે છે. રોકાણકારો આગામી ક્વાર્ટર્સમાં મોટી ખાનગી અને જાહેર ક્ષેત્રની બેન્કો તેમના ડિજિટલ બજેટ અને વિક્રેતા ભાગીદારી (vendor partnerships) ને આ કડક નિયમનકારી જરૂરિયાતો સાથે કેવી રીતે સંરેખિત કરે છે તેના પર નજર રાખી શકે છે.