भारतीय रिजर्व बैंक (RBI) ने बैंकों में हो रहे फर्जीवाड़े को रोकने के लिए एक बड़ा कदम उठाया है। RBI ने AI-पावर्ड 'MuleHunter' सिस्टम को 26 बैंकों में लागू कर दिया है। यह सिस्टम मनी लॉन्ड्रिंग के लिए इस्तेमाल होने वाले संदिग्ध खातों का पता लगाएगा।
क्या है 'MuleHunter'?
भारतीय रिजर्व बैंक (RBI) और फाइनेंशियल इंटेलिजेंस यूनिट-इंडिया (FIU-IND) ने मिलकर "म्यूल अकाउंट्स" के खिलाफ एक बड़ी मुहिम छेड़ी है। ये वो बैंक खाते होते हैं जिनका इस्तेमाल अक्सर अपराधी मनी लॉन्ड्रिंग के लिए करते हैं। इस पर लगाम लगाने के लिए, RBI ने आर्टिफिशियल इंटेलिजेंस (AI) और मशीन लर्निंग (ML) पर आधारित एक खास सिस्टम 'MuleHunter.ai' को लॉन्च किया है।
यह टेक्नोलॉजी अभी 26 बैंकों में एक्टिव है और इसका मुख्य काम संदिग्ध लेन-देन पैटर्न की निगरानी करके ऐसे खातों को पहले से ही पकड़ना है। यह सिस्टम आम ग्राहक के व्यवहार से अलग दिखने वाले ट्रांजैक्शन पैटर्न को पहचान लेगा।
AI सिस्टम को लागू करने के साथ-साथ, रेगुलेटर नए खाते खोलने के नियमों को भी सख्त कर रहे हैं। इसमें खातों में जमा होने वाली कुल राशि की सीमा तय करना और 'अपने ग्राहक को जानें' (KYC) प्रक्रियाओं को और मजबूत करना शामिल है। इसी के साथ, टेलीकॉम विभाग (DoT) ने नए सिम कार्ड के लिए आधार ऑथेंटिकेशन को अनिवार्य कर दिया है, ताकि साइबर अपराधी फर्जी गतिविधियों के लिए मोबाइल नंबर रजिस्टर न करा सकें।
बैंकों पर 'MuleHunter' का असर
भारतीय बैंकों के लिए, साइबर क्राइम से जुड़ा सबसे बड़ा चैलेंज सिर्फ पैसों का नुकसान ही नहीं, बल्कि बढ़ती हुई कंप्लायंस कॉस्ट (compliance cost) और संस्थागत भरोसे को पहुंची क्षति भी है। बैंक अभी एंटी-मनी लॉन्ड्रिंग (AML) और फ्रॉड डिटेक्शन टीमों पर भारी खर्च करते हैं। MuleHunter.ai जैसा ऑटोमेटेड सिस्टम बैंकों को इंसानी टीमों से कहीं ज्यादा तेजी से अवैध पैटर्न की पहचान करने में मदद कर सकता है। इससे संदिग्ध खातों को ब्लॉक करने में लगने वाला समय भी कम हो सकता है।
हालांकि, निवेशकों को यह ध्यान रखना चाहिए कि यह टेक्नोलॉजी एक नई ऑपरेशनल कॉस्ट (operational cost) भी लाएगी। भले ही इसका मकसद फ्रॉड को रोकना है, लेकिन बैंकों को यह सुनिश्चित करना होगा कि AI सिस्टम सही ग्राहक के ट्रांजैक्शन को गलती से ब्लॉक न कर दे, जिससे ग्राहकों में असंतोष फैल सकता है या खाते अस्थायी रूप से फ्रीज हो सकते हैं।
कंप्लायंस और फ्रॉड की लागत
साइबर फ्रॉड का सीधा असर बैंक के प्रॉफिट मार्जिन पर पड़ता है। इसमें रेगुलेटरी पेनल्टी (regulatory penalties), रेमेडिएशन कॉस्ट (remediation costs) और पीड़ितों को मुआवजा देने का खर्च शामिल है। जब किसी बैंक के सिस्टम का इस्तेमाल मनी लॉन्ड्रिंग के लिए भारी मात्रा में होता है, तो RBI जैसे रेगुलेटर की कड़ी नजर पड़ती है, जिससे कभी-कभी ऑपरेशनल रिस्ट्रिक्शन (operational restrictions) भी लग सकते हैं।
इंडियन साइबर क्राइम कोऑर्डिनेशन सेंटर (I4C) और रिजर्व बैंक इनोवेशन हब (RBIH) जैसे संस्थानों से इंटेलिजेंस शेयरिंग का इस्तेमाल करके, बैंकिंग सिस्टम एक ज्यादा सहयोगात्मक रक्षा प्रणाली की ओर बढ़ रहा है। अगर AI-आधारित यह तरीका फ्रॉड वाले ट्रांजैक्शन की संख्या को सफलतापूर्वक कम करता है, तो इससे बैंकों पर साइबर-संबंधित विवादों को सुलझाने का बोझ लंबे समय में कम हो सकता है और ओवरऑल ऑपरेशनल एफिशिएंसी (operational efficiency) में सुधार हो सकता है।
निवेशक क्या देखें?
इन उपायों की प्रभावशीलता इस बात पर निर्भर करेगी कि AI सिस्टम धोखाधड़ी की बदलती चालों के साथ कितनी जल्दी और सटीकता से तालमेल बिठाता है। निवेशक इन बातों पर अपडेट देख सकते हैं:
- शुरुआती 26 बैंकों के अलावा बाकी बैंकिंग सेक्टर में इसके लागू होने की प्रगति।
- कंप्लायंस लागतों की तुलना में धोखाधड़ी से होने वाले नुकसान में कमी के बारे में मैनेजमेंट की कमेंट्री।
- ग्राहक ऑनबोर्डिंग की गति पर कोई प्रभाव, क्योंकि सख्त KYC और ट्रांजैक्शन मॉनिटरिंग से कभी-कभी खाता खोलने की प्रक्रिया में दिक्कतें आ सकती हैं।
- भविष्य के रेगुलेटरी ऑडिट, जो यह बता सकते हैं कि क्या इन सिस्टमों ने सेक्टर के भीतर म्यूल खातों की घटनाओं को प्रभावी ढंग से कम किया है।