RBI का बड़ा कदम, ₹34,771 करोड़ के फ्रॉड के बाद आई नई गाइडलाइन्स! पर क्या ये काफी हैं?

भारत का वित्तीय क्षेत्र बैंकिंग धोखाधड़ी की बढ़ती लहर का सामना कर रहा है। वित्त वर्ष 2024-25 में रिपोर्ट किए गए नुकसान बढ़कर ₹34,771 करोड़ हो गए हैं, जो पिछले वित्त वर्ष के ₹11,261 करोड़ से काफी ज्यादा है। भारतीय रिजर्व बैंक (RBI) की रिपोर्ट के अनुसार, यह प्रवृत्ति न केवल गंभीर वित्तीय नुकसान पहुंचा रही है, बल्कि ग्राहकों के विश्वास को भी कमजोर कर रही है, जिससे वित्तीय समावेशन (financial inclusion) और क्षेत्र के विकास में बाधा आ सकती है। इसी के जवाब में, RBI नई नीतियों पर विचार कर रहा है।

RBI के प्रस्तावित ढांचे के तहत, कम मूल्य के 'पुश पेमेंट फ्रॉड' (push payment frauds) के पीड़ितों को एकमुश्त ₹25,000 तक या लेन-देन के 80% मूल्य तक का मुआवजा मिल सकता है, जिसकी अधिकतम सीमा ₹50,000 होगी। निवारक कदमों में ₹10,000 से अधिक के लेन-देन के लिए एक घंटे की अनिवार्य देरी और ₹50,000 से अधिक के लेन-देन के लिए पुराने ग्राहकों या विकलांग व्यक्तियों के लिए कड़ी सत्यापन प्रक्रिया शामिल है। इन उपायों का उद्देश्य उपयोगकर्ताओं को सोचने के लिए प्रेरित करना है। हालांकि, विशेषज्ञों का कहना है कि ये नियम तय ग्राहक विवरणों पर आधारित हैं। फ्रॉड करने वाले बहुत अनुकूलनीय होते हैं; जब एक तरीका ब्लॉक हो जाता है, तो वे सिस्टम को धोखा देने के नए तरीके खोज लेते हैं, जिसका मतलब है कि तय नियमों को आसानी से मात दी जा सकती है।

जैसे-जैसे भारत का बैंकिंग क्षेत्र अधिक डिजिटल होता जा रहा है, इसने परिष्कृत वित्तीय अपराधों के लिए नए रास्ते भी खोले हैं। पुराने नियम-आधारित सिस्टम विकसित हो रहे खतरों के खिलाफ कम प्रभावी होते जा रहे हैं। यही कारण है कि भारतीय बैंक वित्तीय अपराध से लड़ने के अपने प्रयासों में AI (आर्टिफिशियल इंटेलिजेंस) और ML (मशीन लर्निंग) टूल को तेजी से जोड़ रहे हैं। स्टेट बैंक ऑफ इंडिया (State Bank of India) और HDFC बैंक जैसे बैंकों ने पहले ही AI समाधान लागू किए हैं, जिन्होंने फ्रॉड और गलत अलर्ट को कम किया है। विश्व स्तर पर भी, केंद्रीय बैंक और वित्तीय संस्थान AI और निगरानी का उपयोग कर रहे हैं ताकि फ्रॉड और मनी लॉन्ड्रिंग से लड़ा जा सके। विश्लेषकों का मानना ​​है कि वास्तविक सुरक्षा के लिए निरंतर अपडेट, कई पक्षों को शामिल करने वाली सिस्टम-व्यापी सुरक्षा और मजबूत सूचना साझाकरण की आवश्यकता है।

हालांकि RBI का उपभोक्ताओं की सुरक्षा का लक्ष्य स्पष्ट है, प्रस्तावित 'स्टैटिक' सुरक्षा उपायों को बड़ी चुनौतियों का सामना करना पड़ता है। मुख्य जोखिम यह है कि फ्रॉड करने वाले अनुकूलित हो जाएंगे; उदाहरण के लिए, युवा लोगों को लक्षित करके या उम्र या भौतिक जांच पर आधारित नियमों को दरकिनार करने के लिए नई स्कैमिंग तकनीकों का उपयोग करके। इसके अलावा, AI/ML को लागू करने में अपनी कठिनाइयाँ हैं। उच्च प्रारंभिक लागत, प्रशिक्षित कर्मचारियों की कमी, और डेटा गोपनीयता व अनुचित एल्गोरिदम के बारे में चिंताएं भारत के विविध वित्तीय क्षेत्र में अपनाने की प्रक्रिया को धीमा कर सकती हैं। नियामक समन्वय की कमी भी धोखाधड़ी वाले खातों को रोकने और पैसे की वसूली में निरंतर समस्याएं पैदा करती है।

भारत भविष्य में डिजिटल भुगतान धोखाधड़ी से कैसे निपटता है, यह 'स्टैटिक', प्रतिक्रियाशील उपायों से आगे बढ़ने पर निर्भर करेगा। बैंकिंग में AI/ML का बढ़ता उपयोग एक सकारात्मक संकेत है, जो निरंतर अपडेट और उन्नत खतरे का पता लगाने की आवश्यकता का समर्थन करता है। हालांकि, RBI की नई नीतियों की सफलता उनकी लचीलेपन, उन्नत तकनीक के साथ उनके एकीकरण की क्षमता और सच्ची सिस्टम-व्यापी सुरक्षा बनाने की उनकी क्षमता पर निर्भर करेगी। क्षेत्र को तत्काल उपयोगकर्ता सुरक्षा के साथ उन बचावों की दीर्घकालिक आवश्यकता को संतुलित करने की आवश्यकता है जो बदलते खतरों के अनुकूल हो सकें।