Whalesbook
तंत्रज्ञानाचा धोरणात्मक वापर: कार्यक्षमतेच्या पलीकडे
मोठ्या नॉन-बँकिंग फायनान्स कंपन्यांकडून (NBFCs) आर्टिफिशियल इंटेलिजन्स (AI) आणि जनरेटिव्ह AI चा धोरणात्मक वापर हे ऑपरेशनल स्ट्रॅटेजीमधील (Operational Strategy) एक मोठे बदल दर्शवते. Bajaj Finance, L&T Finance आणि Tata Capital सारख्या कंपन्या केवळ प्राथमिक डिजिटायझेशनच्या (Digitization) पलीकडे जाऊन AI ला आपल्या मुख्य व्यवसाय मॉडेलमध्ये (Business Model) खोलवर रुजवत आहेत. याचा उद्देश केवळ कॉस्ट एफिशिएंसी (Cost Efficiency) वाढवणे नसून, वेगाने बदलणाऱ्या बाजारात आपली स्पर्धात्मक स्थिती (Competitive Positioning) मजबूत करणे आणि उत्पन्नाचे नवीन मार्ग शोधणे हा आहे. या गुंतवणुकीचा आवाका दर्शवतो की AI भविष्यातील मार्केट शेअर (Market Share) आणि टिकून राहण्यासाठी एक निर्णायक घटक बनत आहे, ज्यामुळे तांत्रिकदृष्ट्या प्रगत संस्था आणि कमी सज्ज असलेल्या त्यांच्या प्रतिस्पर्धकांमधील दरी आणखी रुंदावू शकते.
कामकाजात मोजता येण्यासारखे फायदे
बाजारात आघाडीवर असलेल्या Bajaj Finance ने, ज्याचे मार्केट कॅपिटल अंदाजे ₹6.30 लाख कोटी आणि P/E रेशो सुमारे 34.6 आहे, मोठ्या प्रमाणात कस्टमर इंटरॅक्शन्सचे (Customer Interactions) विश्लेषण करण्यासाठी AI चा वापर केला आहे. रिपोर्ट्सनुसार, कंपनीने 2 कोटींहून अधिक कॉल्सचे टेक्स्टमध्ये (Text) रूपांतर करून 5 लाखाहून अधिक ग्राहकांना सेवा दिली. यातून 1 लाखाहून अधिक नवीन ऑफर्स (Offers) तयार झाल्या आणि पूर्वी अप्रचलित असलेला डेटा (Data) उपलब्ध झाला. या AI-आधारित माहितीमुळे त्यांच्या AI कॉल सेंटरमार्फत जवळजवळ ₹1,600 कोटींचे कर्ज वाटप (Loan Disbursements) झाले आहे, तर केवळ कॉल डेटा विश्लेषणातून ₹325 कोटींचे व्हॉल्यूम (Volume) मिळाले आहे. कंपनीचे लक्ष्य हे वार्षिक 10 कोटी कॉल्सपर्यंत पोहोचवणे आहे. तसेच, 2026 च्या मध्यापर्यंत सर्व 26 उत्पादनांमध्ये संवादात्मक बॉट्स (Conversational Bots) समाविष्ट केले जातील आणि FY27 मध्ये 800 हून अधिक ऑटोनॉमस एजंट्स (Autonomous Agents) तैनात केले जातील.
सुमारे ₹74,519 कोटी मार्केट व्हॅल्यू (Market Value) आणि 26.25 P/E रेशोसह L&T Finance, प्रोजेक्ट नॉस्ट्रॅडॅमस (Project Nostradamus) आणि प्रोजेक्ट हेलिओस (Project Helios) सारख्या AI उपक्रमांचा अवलंब करत आहे. प्रोजेक्ट हेलिओस, एक एजन्टिक AI प्लॅटफॉर्म, ज्याने 5,000 हून अधिक अंडररायटिंग केसेस (Underwriting Cases) हाताळल्या आहेत. यामुळे SME सेगमेंटमध्ये टर्नअराउंड टाइम (Turnaround Time) 30% ने कमी झाला आहे आणि प्रति केस 1.5 तास वाचले आहेत. नॉस्ट्रॅडॅमसचे संपूर्ण इम्प्लिमेंटेशन (Implementation) FY27 च्या सुरुवातीला विविध बिझनेस व्हर्टिकल्समध्ये (Business Verticals) अपेक्षित आहे. त्याचबरोबर, अंदाजे ₹1.51 लाख कोटी मार्केट कॅप (Market Cap) आणि 34.06 P/E रेशोसह Tata Capital, आपल्या ऑपरेशन्समध्ये गती, सुसंगतता आणि रिस्क गव्हर्नन्स (Risk Governance) सुधारण्यासाठी AI अंडररायटिंग को-पायलॉट्स (Co-pilots) आणि AI-जनरेटेड क्रेडिट मेमो (Credit Memos) समाविष्ट करत आहे.
तंत्रज्ञानातील वाढती दरी
मोठ्या NBFCs AI चा आक्रमकपणे अवलंब करत असल्या तरी, संपूर्ण भारतीय वित्तीय सेवा क्षेत्रात AI चा अवलंब करण्याचे प्रमाण फारसे समान नाही. केवळ सुमारे 21% वित्तीय संस्थांनी आपल्या मुख्य ऑपरेशन्ससाठी AI चा वापर सुरू केला आहे. हा अवलंब मुख्यत्वे मोठ्या कंपन्यांमध्ये केंद्रित आहे. लहान अर्बन को-ऑपरेटिव्ह बँका (Urban Cooperative Banks) आणि अनेक NBFCs ना अपुरे डेटा इन्फ्रास्ट्रक्चर (Data Infrastructure), कुशल कर्मचाऱ्यांची कमतरता आणि मर्यादित IT बजेट्स (IT Budgets) सारख्या मोठ्या अडचणींचा सामना करावा लागत आहे. यामुळे, ज्यांच्याकडे गुंतवणूक करण्याची क्षमता आहे, त्यांना एक मोठी स्पर्धात्मक धार मिळत आहे. AI रिअल-टाइममध्ये अनेक डेटा पॉइंट्सवर प्रक्रिया करून कर्ज मंजुरीचा वेळ काही दिवसांवरून मिनिटांवर आणत असल्याने ही दरी आणखी वाढत आहे.
Bajaj Finance ची आघाडी आणि शेअरची किंमत
Bajaj Finance, ₹4.44 लाख कोटी AUM (Assets Under Management) आणि इतर प्रतिस्पर्धकांच्या तुलनेत दहापट मोठ्या ग्राहक वर्गामुळे आघाडीवर आहे. त्यांच्या विस्तृत शाखा नेटवर्कमुळे AI चा वापर मोठ्या प्रमाणावर करणे शक्य होते आणि प्रभावी AI मॉडेल्ससाठी अधिक समृद्ध डेटा सेट्स मिळतात. L&T Finance चा सध्याचा स्टॉक प्राईस (Stock Price) सुमारे ₹297.65 आहे, तर Bajaj Finance ₹1012.70 च्या आसपास ट्रेड करत आहे, जे त्यांची बाजारातील स्थापित स्थिती दर्शवते. याउलट, Tata Capital, सुमारे ₹355 वर ट्रेड करत असून, एक महत्त्वपूर्ण डायव्हर्सिफाईड प्लेयर (Diversified Player) म्हणून स्थित आहे, परंतु अनेकदा त्याची तुलना Bajaj Finance सारख्या मोठ्या ऑपरेशनल स्केलशी केली जाते.
धोके आणि अप्रत्यक्ष दायित्वे
AI वरील वाढत्या अवलंबामुळे नवीन धोकेही निर्माण झाले आहेत. अल्गोरिथमिक बायस (Algorithmic Bias) आणि फेअरनेस (Fairness) हे गंभीर चिंतेचे विषय आहेत, ज्यांना मजबूत गव्हर्नन्स (Governance) आणि सतत देखरेखेची आवश्यकता आहे. मोठ्या खेळाडूंमध्ये AI चा केंद्रीकृत अवलंबामुळे सिस्टिमिक रिस्क (Systemic Risk) देखील वाढू शकते, ज्यामुळे बाजारात एकत्रीकरण (Consolidation) होऊ शकते आणि तंत्रज्ञानात गुंतवणूक करू न शकणाऱ्या लहान संस्था बाहेर फेकल्या जाऊ शकतात. शिवाय, AI सिस्टमची जटिलता डेटा प्रायव्हसी (Data Privacy) आणि सायबर सिक्युरिटी (Cybersecurity) सारख्या क्षेत्रांमध्ये नवीन असुरक्षितता निर्माण करू शकते, ज्यासाठी अत्याधुनिक नियामक फ्रेमवर्कची (Regulatory Frameworks) आवश्यकता आहे. Bajaj Finance सारख्या कंपन्या मजबूत वाढीची नोंद करत असल्या तरी, नियामक वातावरणातील बदलांमुळे किंवा डेटाची अखंडता न गमावता AI क्षमता वाढवण्यातील अनपेक्षित आव्हानांमुळे भविष्यात अडचणी येऊ शकतात. AI क्षमतांचा जलद विस्तार हा एथिकल AI वापर (Ethical AI Deployment) आणि लवचिक ऑपरेशनल फ्रेमवर्कच्या (Resilient Operational Frameworks) गरजेचा समतोल साधूनच व्हायला हवा.
भविष्यातील वाटचाल
AI चे सध्याचे एकत्रीकरण NBFC क्षेत्रात स्पर्धात्मक गतिशीलता (Competitive Dynamics) नव्याने परिभाषित करेल. Bajaj Finance, L&T Finance, आणि Tata Capital सारख्या कंपन्या जसजसे त्यांचे AI-आधारित प्रक्रिया परिष्कृत करत राहतील, तसतसे वैयक्तिकृत उत्पादने (Personalized Products) ऑफर करण्याची, रिस्क डायनॅमिकली (Risk Dynamically) व्यवस्थापित करण्याची आणि उच्च कार्यक्षमतेने कार्य करण्याची त्यांची क्षमता उद्योगासाठी नवीन बेंचमार्क (Benchmarks) तयार करेल. Bajaj Finance साठी विश्लेषकांची मते बहुतांश सकारात्मक आहेत. बहुसंख्य विश्लेषकांनी 'बाय' (Buy) रेटिंग दिली आहे आणि सरासरी 12 महिन्यांच्या प्राइस टार्गेटमध्ये (Price Target) संभाव्य वाढ दर्शविली आहे. हे गुंतवणूकदारांचा दीर्घकालीन वाढ आणि नफ्यासाठी AI अवलंबनाच्या धोरणात्मक मूल्यावरील विश्वास दर्शवते.