भारतीय बँका आता रिटेल आणि होलसेल सेगमेंटऐवजी मिड-मार्केट कंपन्यांकडे लक्ष वळवत आहेत. ₹100 कोटी ते ₹1,000 कोटी उलाढाल असलेल्या या कंपन्यांच्या सेगमेंटमध्ये 16-17% क्रेडिट ग्रोथ दिसून येत आहे, जी इतर क्षेत्रांपेक्षा खूप जास्त आहे. AI च्या मदतीने बँका या कर्जांमधील धोका कसा कमी करतील, याकडे गुंतवणूकदारांचे लक्ष लागले आहे.
मिड-मार्केट सेगमेंटमध्ये का वाढतोय रस?
भारतीय बँकिंग क्षेत्रात आता मिड-मार्केट सेगमेंटला (ज्या कंपन्यांची वार्षिक उलाढाल ₹100 कोटी ते ₹1,000 कोटी आहे) भविष्यकालीन क्रेडिट ग्रोथसाठी महत्त्वाचे मानले जात आहे. रिटेल कर्ज क्षेत्रात, जेथे 2005 ते 2024 दरम्यान 17% वार्षिक वाढीचा दर (CAGR) होता, तिथे आता थोडी मंदावलेली गती दिसून येत आहे. विशेषतः गोल्ड लोन वगळता, रिटेल क्रेडिटचा विस्तार अलीकडे सुमारे 11-12% पर्यंत कमी झाला आहे.
पारंपरिक कर्ज विभागातील आव्हाने
मोठ्या कॉर्पोरेट्ससाठी (₹1,000 कोटींपेक्षा जास्त उलाढाल) असलेल्या होलसेल लेंडिंग सेगमेंटमध्ये पूर्वीपासून अस्थिरता दिसून आली आहे. 2005 ते 2014 या दशकात हा सेगमेंट 22% वाढला असला तरी, पुढील दशकात उच्च कॉर्पोरेट कर्ज आणि बुडीत कर्जांच्या वाढीमुळे हा दर 8% पर्यंत घसरला. जरी 2024-2026 दरम्यान मोठ्या कॉर्पोरेट कर्जांमध्ये 11-12% वाढ झाली असली तरी, बँका अधिक स्थिर परतावा शोधत आहेत, ज्यामुळे मिड-मार्केटवर लक्ष केंद्रित केले जात आहे.
मिड-मार्केटची रणनीतिक आघाडी
होलसेल सेगमेंटच्या तुलनेत, मिड-मार्केटने सातत्याने 16-17% वार्षिक क्रेडिट ग्रोथ दिली आहे. हा दर इतर पारंपरिक बँकिंग क्षेत्रांपेक्षा सुमारे 1.5 पट अधिक आहे. याचा फायदा घेण्यासाठी, बँका आता स्टँडर्ड होलसेल उत्पादनांऐवजी व्यापक आर्थिक उपाय (comprehensive financial solutions) देत आहेत, ज्यात पेमेंट्स, कलेक्शन्स, ट्रेझरी आणि ट्रेड फायनान्सचा समावेश आहे. या सेवा ग्राहकांच्या व्यवसायात थेट समाकलित करून, बँका त्यांचे संपूर्ण ऑपरेटिंग खाते मिळवण्याचा प्रयत्न करत आहेत. यामुळे दीर्घकाळ टिकणारे आणि प्रतिस्पर्धकांसाठी तोडणे कठीण असलेले व्यावसायिक संबंध तयार होतात.
जोखीम व्यवस्थापनात तंत्रज्ञानाची भूमिका
मिड-मार्केटमध्ये कार्यरत राहण्यामध्ये स्वाभाविकपणे क्रेडिट रिस्क (credit risk) आहे, कारण हे उद्योग आर्थिक चक्रांना संवेदनशील असतात. मालमत्तेची गुणवत्ता टिकवून ठेवण्यासाठी, बँका आर्टिफिशियल इंटेलिजन्स (AI) मध्ये गुंतवणूक करत आहेत. AI टूल्स डेटाचे विश्लेषण करून आर्थिक अडचणीची पूर्वसूचना देऊ शकतात, जसे की कॅश-फ्लोमधील विसंगती किंवा पेमेंटला उशीर होणे. यामुळे कर्ज बुडीत होण्यापूर्वीच बँका हस्तक्षेप करू शकतात.
कार्यक्षमतेत वाढ आणि भविष्यातील वाढ
बँका मिड-मार्केटमध्ये आपला विस्तार करत असताना, कार्यक्षमतेवर लक्ष ठेवणे गुंतवणूकदारांसाठी महत्त्वाचे आहे. या सेगमेंटमध्ये रिलेशनशिप मॅनेजरना होलसेल बँकिंगच्या तुलनेत अधिक ग्राहक (साधारणपणे 30 ते 45 खाती) हाताळावे लागतील, जेथे 10 ते 15 खाती व्यवस्थापित केली जातात. हा फरक कमी करण्यासाठी, बँका AI-आधारित एजन्टिक टूल्स (agentic tools) वापरत आहेत, जे अकाउंट प्लॅनिंग स्वयंचलित करण्यास आणि रिलेशनशिप मॅनेजरसाठी रिअल-टाइम सूचना प्रदान करण्यास मदत करतात. या धोरणाचे यश, बँका त्यांचे कॉस्ट-टू-इनकम रेशो (cost-to-income ratio) कसे राखतात आणि या सेगमेंटमध्ये उच्च-गुणवत्तेचे कर्जदार कसे ओळखतात यावर अवलंबून असेल.