RBI की चेतावनी: बैंकों की टेक्नोलॉजी में कमी से नए बिज़नेस क्रेडिट ग्रोथ पर असर

क्या है RBI की चिंता?

भारतीय रिजर्व बैंक (RBI) ने देश के बैंकिंग सेक्टर में एक बड़ी संरचनात्मक चुनौती को उजागर किया है। जहां एक ओर कुल कमर्शियल क्रेडिट (Commercial Credit) में ज़बरदस्त बढ़ोतरी हो रही है, वहीं दूसरी ओर बैंकों की नए बिज़नेस को फॉर्मल फाइनेंसियल सिस्टम में लाने की क्षमता कमज़ोर पड़ रही है। हाल ही में हुए बैंकिंग ट्रांसफॉर्मेशन समिट में RBI के डेप्युटी गवर्नर, श्री शिरिष चंद्र मुर्मू ने इस बात पर जोर दिया कि वित्तीय वर्ष 2025-26 में नए बिज़नेस द्वारा फॉर्मल क्रेडिट तक पहुंचने का अनुपात घटकर 42% रह गया है, जो कि 2022-23 में 52% था।

मज़बूत प्रदर्शन के बावजूद समस्या?

यह ट्रेंड ऐसे समय में सामने आया है जब बैंकिंग सेक्टर शानदार प्रदर्शन कर रहा है। FY26 में कुल आउटस्टैंडिंग कमर्शियल क्रेडिट 14% बढ़कर ₹65.8 लाख करोड़ तक पहुँच गया है। RBI का यह ऑब्ज़र्वेशन बताता है कि बैंक भले ही ज़्यादा एफिशिएंट हो रहे हों, लेकिन उनकी यह एफिशिएंसी मौजूदा ग्राहकों को फायदा पहुंचा रही है, न कि नए या कम सेवा प्राप्त सेगमेंट तक बाजार का विस्तार कर रही है।

टेक्नोलॉजी और डेटा मॉडल की भूमिका

सेंट्रल बैंक के अनुसार, मुख्य समस्या बैंकों द्वारा अपनी टेक्नोलॉजी और डेटा एनालिटिक्स क्षमताओं के उपयोग में है। बैंकों ने उन मौजूदा ग्राहकों के साथ संबंधों को मैनेज और बढ़ाने के लिए एडवांस्ड मॉडल पर ज़्यादा ध्यान केंद्रित किया है, जिनका पहले से क्रेडिट हिस्ट्री (Credit History) और स्पष्ट फाइनेंशियल फुटप्रिंट (Financial Footprint) है। हालांकि, इसी टेक्नोलॉजी का इस्तेमाल नए बरोअर्स (Borrowers) को पहचानने और ऑनबोर्ड करने के लिए प्रभावी ढंग से नहीं किया जा रहा है। इन नए बरोअर्स को 'क्रेडिट इनविजिबल' (Credit Invisibles) भी कहा जाता है। ये ऐसे बिज़नेस होते हैं जिनके पास पारंपरिक क्रेडिट हिस्ट्री, कोलैटरल (Collateral) या ऑडिटेड फाइनेंशियल स्टेटमेंट नहीं होते, फिर भी उनमें लोन चुकाने की क्षमता हो सकती है।

वैकल्पिक डेटा और AI का महत्व

इस अंतर को पाटने के लिए, RBI ने लेंडर्स (Lenders) से पारंपरिक लेंडिंग मेट्रिक्स (Lending Metrics) से आगे देखने का आग्रह किया है। बैंकों को वैकल्पिक डेटा स्रोतों को अपने असेसमेंट मॉडल (Assessment Models) में एकीकृत करने के लिए प्रोत्साहित किया जा रहा है। GST फाइलिंग, कैश फ्लो पैटर्न, यूटिलिटी बिल भुगतान, ई-कॉमर्स ट्रांज़ैक्शन रिकॉर्ड और मोबाइल यूसेज डेटा जैसी जानकारी, कोलैटरल से कहीं ज़्यादा एक बरोअर की भुगतान क्षमता की स्पष्ट तस्वीर पेश कर सकती है। आर्टिफिशियल इंटेलिजेंस (AI) इसमें एक महत्वपूर्ण भूमिका निभा सकता है, क्योंकि यह बैंकों को इस गैर-पारंपरिक डेटा की व्याख्या करने और तेज़ व सटीक क्रेडिट निर्णय लेने में मदद कर सकता है।

सिस्टमैटिक रिस्क और आगे का रास्ता

हालांकि, डेटा-संचालित लेंडिंग मॉडल की ओर बढ़ना अपनी चिंताओं के साथ आता है। RBI डेप्युटी गवर्नर ने टेक्नोलॉजी प्रोवाइडर्स (Technology Providers) और डेटा मॉडल पर अत्यधिक निर्भरता के सिस्टमैटिक रिस्क (Systematic Risk) के बारे में चेतावनी दी। यदि कई वित्तीय संस्थान एक ही AI मॉडल या टेक वेंडर पर निर्भर हो जाते हैं, तो यह विफलता का एक बिंदु बन सकता है जो व्यापक व्यवधान पैदा कर सकता है। सेंट्रल बैंक ने यह सुनिश्चित करने के लिए मज़बूत निगरानी और सख्त कंसंट्रेशन लिमिट (Concentration Limits) की आवश्यकता पर जोर दिया है।

निवेशकों और बाजार पर्यवेक्षकों के लिए, अगला महत्वपूर्ण चरण यह देखना होगा कि व्यक्तिगत बैंक अपनी लेंडिंग रणनीतियों को कैसे समायोजित करते हैं। सफलता इस बात पर निर्भर करेगी कि वित्तीय संस्थान अपनी टेक लागत को केवल मौजूदा, जाने-पहचाने ग्राहकों की सेवा करने से बदलकर, नए बरोअर्स के अप्रयुक्त बाजार को प्रभावी ढंग से कैप्चर कर पाते हैं या नहीं, वो भी रिस्क मैनेजमेंट (Risk Management) से समझौता किए बिना।