BFSI क्षेत्राचा AI कडे कल, पण कमाईचा हिशोब चुकतोय?

AI मुळे BFSI कंपन्यांची कार्यक्षमता वाढली

बँकिंग, वित्तीय सेवा आणि विमा (BFSI) कंपन्यांमध्ये आर्टिफिशियल इंटेलिजन्स (AI) चा प्रसार वेगाने होत आहे. कंपन्या प्रामुख्याने कामाची कार्यक्षमता (Operational Efficiency) वाढवण्यासाठी आणि वेळेची बचत करण्यासाठी AI चा वापर करत आहेत. अहवालानुसार, तब्बल 94.1% कंपन्या कामाची प्रक्रिया सुधारण्यासाठी AI चा अवलंब करत आहेत, तर 60.3% कंपन्या गुणवत्ता आणि जोखीम व्यवस्थापनासाठी (Quality and Risk Management) AI वापरत आहेत. यावरून असे दिसते की, AI चा वापर मुख्यतः सध्याच्या कामांना अधिक चांगले करण्यासाठी होत आहे, नवीन महसुलाचे स्रोत (Revenue Streams) किंवा ग्राहक मिळवण्यासाठी थेट चालक म्हणून नाही.

AI चा महसुलावर परिणाम आणि ROI चा मागोवा नाही

कार्यक्षमतेसाठी AI चा मोठ्या प्रमाणावर वापर होत असूनही, AI मधून मिळणाऱ्या प्रत्यक्ष आर्थिक फायद्यांचा (Financial Returns) मागोवा घेण्यात मोठी तफावत आहे. केवळ 19.1% BFSI कंपन्या AI चा महसुलावरील थेट परिणाम (Impact on Revenue) सक्रियपणे ट्रॅक करतात. शिकणे आणि विकास (Learning and Development) उपक्रमांमध्येही हीच स्थिती आहे. केवळ 57.4% कंपन्या प्रशिक्षणाला व्यावसायिक परिणामांशी (Business Outcomes) जोडतात आणि त्याहून कमी, म्हणजेच 47.1% कंपन्या या कार्यक्रमांवरील गुंतवणुकीवरील परतावा (ROI) मोजतात. या संख्यात्मक विश्लेषणाच्या अभावामुळे, अनेक कंपन्यांना त्यांच्या तंत्रज्ञान आणि प्रशिक्षण गुंतवणुकीचे संपूर्ण व्यावसायिक मूल्य (Business Value) दाखवण्यात अडचण येत आहे. यामुळे संसाधनांचे (Resources) चुकीचे वाटप आणि विकासाच्या संधी गमावण्याचा धोका आहे. विश्लेषकांच्या मते, हे एक 'ब्लॅक बॉक्स' तयार करते, जिथे AI चे धोरणात्मक योगदान (Strategic Contribution) अस्पष्ट राहते, ज्यामुळे पुढील गुंतवणुकीचे समर्थन करणे किंवा सुधारणा करणे कठीण होते.

महसूल-आधारित AI मध्ये BFSI क्षेत्र मागे

इतर क्षेत्रांच्या तुलनेत, BFSI क्षेत्राला AI च्या महसुलातील योगदानाचे मोजमाप करण्यात विशेषतः संघर्ष करावा लागत आहे. तंत्रज्ञान (Technology) आणि सल्लागार (Consulting) कंपन्या अनेकदा थेट महसूल किंवा बाजारपेठेतील हिश्श्याशी (Market Share) जोडलेल्या ROI ट्रॅकिंगवर जोर देतात. उदाहरणार्थ, फिनटेक (Fintech) कंपन्या अनेकदा वैयक्तिकृत ग्राहक ऑफर (Personalized Customer Offers) किंवा अंदाज विक्रीसाठी (Predictive Sales) AI चा वापर करतात आणि या प्रयत्नांना रूपांतरण दरांशी (Conversion Rates) जोडतात. मात्र, अनेक स्थापित BFSI कंपन्या, ज्या अनेकदा जुन्या सिस्टीम (Legacy Systems) आणि कठोर नियमांमुळे (Stringent Regulations) बांधलेल्या असतात, त्या AI चा वापर अनुपालन (Compliance), फसवणूक शोध (Fraud Detection) आणि बॅक-ऑफिस ऑटोमेशनसाठी (Back-office Automation) प्राधान्याने करतात. या क्षेत्रांमध्ये कार्यक्षमतेत सुधारणा अधिक स्पष्टपणे दिसून येते, थेट महसूल वाढण्याऐवजी. यामुळे एक धोरणात्मक तफावत (Strategic Divergence) निर्माण होते, जी स्पर्धात्मक धार (Competitive Edge) कमी करू शकते, जर महसूल वाढीला प्राधान्य दिले नाही.

कार्यक्षमतेवर आधारित AI चे धोरणात्मक धोके

कार्यक्षमतेच्या मेट्रिक्सवर (Efficiency Metrics) जास्त लक्ष केंद्रित करणे आणि महसूल निर्मितीकडे (Revenue Generation) दुर्लक्ष करणे, हे एक गंभीर धोका (Critical Vulnerability) निर्माण करते. जर बाजारातील परिस्थिती बदलली किंवा प्रतिस्पर्धकांनी अधिक नाविन्यपूर्ण, महसूल-चालक AI ऍप्लिकेशन्स विकसित केली, तर BFSI कंपन्या तांत्रिकदृष्ट्या प्रगत असूनही आर्थिकदृष्ट्या स्थिर (Financially Stagnant) राहू शकतात. AI चा महसुलावरील परिणाम मोजण्यात असमर्थता जबाबदारीचा अभाव (Lack of Accountability) दर्शवते आणि अशा उपक्रमांवर (Initiatives) वाया खर्च होण्याची शक्यता आहे, जे थेट कंपनीच्या नफ्यात (Bottom Line) योगदान देत नाहीत. याव्यतिरिक्त, शिकण्याला व्यावसायिक परिणामांशी आणि ROI शी मर्यादित जोडल्यामुळे, तांत्रिक अवलंब (Technological Adoption) स्पष्ट भागधारक मूल्यामध्ये (Shareholder Value) रूपांतरित करण्यात व्यापक समस्या दिसून येते. महसूल परिणामासाठी मजबूत मेट्रिक्सशिवाय, AI चा अवलंब हा खऱ्या अर्थाने विकासाचा चालक (Driver of Growth) बनण्याऐवजी एक महागडा कार्यान्वयन अभ्यास (Expensive Operational Exercise) बनण्याचा धोका आहे. ऐतिहासिक डेटा दर्शवितो की, तंत्रज्ञानाचा अवलंब करताना त्यांची मोजमाप चौकट (Measurement Frameworks) जुळवून घेण्यात अयशस्वी होणाऱ्या कंपन्यांना बाजारपेठेतील नेतृत्व टिकवून ठेवण्यात अडचण येते, विशेषतः अनिश्चित आर्थिक काळात.

AI मध्ये अंतर भरून काढण्याचा मार्ग

भविष्यात, BFSI कंपन्यांना कार्यान्वयन कार्यक्षमता आणि AI-चालित महसूल निर्मिती यांमधील मोजमापाची तफावत (Measurement Gap) दूर करणे आवश्यक आहे. उद्योग विश्लेषकांच्या (Industry Analysts) अंदाजानुसार, प्रत्यक्ष महसुलावर परिणाम करू शकतील अशा प्रगत AI मॉडेल्सवर अधिक लक्ष केंद्रित केले जाईल, तसेच या फायद्यांचा मागोवा घेण्यासाठी आवश्यक साधने (Tools) विकसित केली जातील. AI जसजसे परिपक्व होत आहे, तसतसे BFSI संस्था ग्राहक प्रतिबद्धता (Customer Engagement), उत्पादन विकास (Product Development) आणि विक्रीचा अंदाज (Sales Forecasting) यासाठी AI चा अधिकाधिक वापर करतील, जेणेकरून AI चा महसूल प्रवेगक (Revenue Accelerator) म्हणून पूर्णपणे उपयोग करता येईल. ब्रोकरेजचा कल (Brokerage Consensus) दर्शवितो की, उत्कृष्ट AI ROI मोजमाप आणि महसूल-चालित AI ऍप्लिकेशन्ससाठी स्पष्ट धोरण (Clear Strategy) दर्शविणाऱ्या कंपन्यांना उच्च मूल्यांकन (Higher Valuations) मिळण्याची आणि प्रतिस्पर्धकांपेक्षा चांगली कामगिरी करण्याची शक्यता आहे.