The Institute of Chartered Accountants of India (ICAI) એ Sarvam AI સાથે એક કરાર કર્યો છે. આ ભાગીદારીનો મુખ્ય ઉદ્દેશ્ય ફાઇનાન્સિયલ ડેટા સોવરેનિટી (financial data sovereignty) માટે એક કસ્ટમ લાર્જ લેંગ્વેજ મોડેલ (LLM) વિકસાવવાનો છે. આ પહેલ ડેટા ગોપનીયતા (data privacy) અને એલ્ગોરિધમિક પૂર્વગ્રહ (algorithmic bias) ને મેનેજ કરવા માટે AI એશ્યોરન્સ સ્ટાન્ડર્ડ્સ (AI assurance standards) સ્થાપિત કરવાનો છે, જે દેશભરમાં ઓડિટ અને ફાઇનાન્સિયલ કમ્પ્લાયન્સ (financial compliance) ના કામકાજમાં પરિવર્તન લાવી શકે છે.
શું થયું?
26 જૂન, 2026 ના રોજ યોજાયેલ AI ઇનોવેશન સમિટ (AI Innovation Summit) માં, The Institute of Chartered Accountants of India (ICAI) એ ભારતીય લાર્જ લેંગ્વેજ મોડેલ (LLM) ડેવલપર Sarvam AI સાથે એક વ્યૂહાત્મક સમજૂતી કરાર (MoU) ની જાહેરાત કરી. આ ભાગીદારી એકાઉન્ટિંગ અને ફાઇનાન્સિયલ સેવાઓ માટે ખાસ તૈયાર કરાયેલ કસ્ટમ AI મોડેલ બનાવવા પર કેન્દ્રિત છે. આ સાથે, સંસ્થા AI માટે "એશ્યોરન્સ સ્ટાન્ડર્ડ્સ" (assurance standards) સ્થાપિત કરવા પર પણ કામ કરી રહી છે, જે કેન્દ્રીય મંત્રી ગજેન્દ્ર સિંહ શેખાવત દ્વારા પ્રોત્સાહન અપાયેલું પગલું છે જેથી ટેકનોલોજીનો ઉપયોગ આ વ્યવસાયમાં જવાબદારીપૂર્વક થાય.
ડેટા સોવરેનિટી શા માટે મહત્વપૂર્ણ છે?
ફાઇનાન્સિયલ ડેટા અત્યંત સંવેદનશીલ હોય છે, જેમાં ઘણીવાર માલિકીના બિઝનેસ સિક્રેટ્સ (proprietary business secrets), ટેક્સ રેકોર્ડ્સ (tax records) અને ઓડિટ વિગતો (audit details) શામેલ હોય છે. Sarvam AI સાથે ઇન-હાઉસ LLM વિકસાવીને, ICAI ડેટા સોવરેનિટી (data sovereignty) સુનિશ્ચિત કરવાનો પ્રયાસ કરી રહ્યું છે. આનો અર્થ એ છે કે AI મોડેલને સુરક્ષિત, નિયંત્રિત વાતાવરણમાં તાલીમ આપવામાં આવશે અને તેનું સંચાલન કરવામાં આવશે, જેનાથી ફાઇનાન્સિયલ ડેટા બાહ્ય અથવા સાર્વજનિક સર્વર્સ પર પ્રોસેસ થવાનું જોખમ ઘટશે. આ અભિગમ કંપનીઓ અને ઓડિટર્સની તેમના ડેટા ક્યાં સંગ્રહિત થાય છે અને AI મોડેલોને તાલીમ આપવા માટે તેનો ઉપયોગ કેવી રીતે થાય છે તે અંગેની મુખ્ય ચિંતાઓને સંબોધે છે.
AI એશ્યોરન્સ સ્ટાન્ડર્ડ્સ તરફનો બદલાવ
મંત્રી ગજેન્દ્ર સિંહ શેખાવત દ્વારા "એશ્યોરન્સ સ્ટાન્ડર્ડ્સ" (assurance standards) માટેનો આહ્વાન સૂચવે છે કે ફાઇનાન્સમાં AI માટે નિયમનકારી વાતાવરણ વિકસિત થવાનું છે. હાલમાં, વ્યવસાયો એલ્ગોરિધમિક પૂર્વગ્રહ (algorithmic bias) જેવા જોખમોનો સામનો કરે છે, જ્યાં AI ટૂલ અયોગ્ય, અન્યાયી અથવા પક્ષપાતી પરિણામો આપી શકે છે. વિશિષ્ટ ધોરણો નક્કી કરીને, ICAI એક માળખું બનાવવા માંગે છે જેનું પાલન ઓડિટર્સ અને કંપનીઓએ કરવું પડશે. વ્યવસાયો માટે, આનો અર્થ એ છે કે ભવિષ્યના ઓડિટમાં તપાસ શામેલ હોઈ શકે છે કે એકાઉન્ટિંગમાં વપરાતા AI ટૂલ્સ આ ઉભરતા ધોરણોનું પાલન કરે છે કે નહીં, જે ટેકનિકલ કમ્પ્લાયન્સ (technical compliance) નો નવો સ્તર ઉમેરશે.
નાણાકીય વ્યાવસાયિકો માટે આનો અર્થ શું છે?
એકાઉન્ટિંગ વ્યવસાય માટે, AI એકીકરણ ફક્ત સાદા ઓટોમેશન (automation) થી આગળ વધવાની અપેક્ષા છે. હવે ધ્યાન ઊંડાણપૂર્વકના વિશ્લેષણ (deeper analysis), સુધારેલી ઓડિટ કાર્યક્ષમતા (audit efficiency) અને મજબૂત નિર્ણય લેવા (decision-making) માટે AI નો ઉપયોગ કરવા પર છે. જોકે, આ સંક્રમણ જોખમો સાથે આવે છે. AI પર નિર્ભરતા વ્યાવસાયિકોને એ ઓળખવા માટે અપસ્કિલ (upskilled) થવાની જરૂર પડે છે કે મશીન ક્યાં ભૂલ કરી શકે છે. જો એકાઉન્ટિંગ સોફ્ટવેર ભારે માત્રામાં AI પર આધાર રાખવાનું શરૂ કરે, તો નાણાકીય રિપોર્ટિંગમાં વિશ્વાસ જાળવી રાખવા માટે આ ગણતરીઓના સ્ત્રોતને ચકાસવાની ઓડિટર્સની ક્ષમતા નિર્ણાયક બની જાય છે.
રોકાણકારોએ શું ટ્રૅક કરવું જોઈએ?
આ જાહેરાત બાદ રોકાણકારો કેટલાક મુખ્ય વિકાસ પર નજર રાખી શકે છે. પ્રથમ, કસ્ટમ LLM ક્યારે તૈયાર થશે અને ICAI સભ્યો માટે ક્યારે ઉપલબ્ધ થશે તેની સમયરેખા. બીજું, આ નવા એશ્યોરન્સ સ્ટાન્ડર્ડ્સ (assurance standards) એકાઉન્ટિંગ ફર્મ્સ દ્વારા ટેકનોલોજી અપનાવવા (technology adoption) પર શું અસર કરશે; ફાઇનાન્સિયલ સોફ્ટવેર પ્રદાન કરતી કંપનીઓએ તેમના ઉત્પાદનોને આ નવા નિયમનકારી આવશ્યકતાઓને પહોંચી વળવા માટે અનુકૂલિત કરવાની જરૂર પડી શકે છે. અંતે, આ પહેલ સાયબર સુરક્ષા જોખમો (cybersecurity risks) ને કેવી રીતે સંચાલિત કરે છે તેનું નિરીક્ષણ કરવું મહત્વપૂર્ણ રહેશે, કારણ કે કેન્દ્રિય ફાઇનાન્સિયલ AI મોડેલો ડેટા ભંગ (data breaches) માટે ઉચ્ચ-પ્રાધાન્ય લક્ષ્યાંક બનશે.