भारतातील मोठ्या बँका आता Agentic AI चा वापर केवळ प्रायोगिक स्तरावरून पुढे नेत आहेत. कर्ज प्रक्रिया आणि ग्राहक सेवा सुधारण्यासाठी या तंत्रज्ञानाचा core operations मध्ये समावेश करण्याची त्यांची योजना आहे. यामुळे वाढीची क्षमता असली तरी, RBI ने बँकांना बोर्ड स्तरावर जबाबदारी निश्चित करण्याचे निर्देश दिले आहेत. गुंतवणूकदारांनी येत्या काळात वाढलेल्या तंत्रज्ञान खर्चाचा नफ्यावर आणि सायबर सुरक्षा व्यवस्थापनावर होणारा परिणाम तपासणे महत्त्वाचे ठरेल.
Agentic AI चा बँकिंग क्षेत्रातील वाढता प्रभाव
स्टेट बँक ऑफ इंडिया (SBI), HDFC बँक, बँक ऑफ बडोदा, कॅनरा बँक, बँक ऑफ इंडिया आणि इंडसइंड बँक यांसारख्या प्रमुख भारतीय बँकांनी Agentic AI तंत्रज्ञानाचा आपल्या व्यवसायात खोलवर समावेश करण्याचा धोरणात्मक निर्णय घेतला आहे. मुंबईत आज पार पडलेल्या FIBAC 2026 परिषदेत, बँकिंग क्षेत्रातील नेत्यांनी पुष्टी केली की AI आता केवळ मर्यादित pilot projects पुरते मर्यादित न राहता, त्यांच्या operational strategy चा एक मध्यवर्ती भाग बनले आहे. हे तंत्रज्ञान, जे क्लिष्ट कामे आणि निर्णय प्रक्रिया स्वतंत्रपणे पार पाडण्यास सक्षम आहे, त्याचा उपयोग कर्ज देणे, compliance आणि ग्राहक संवाद यांसारख्या क्षेत्रांमध्ये कार्यक्षमता वाढवण्यासाठी केला जाईल.
RBI चा धोरणात्मक इशारा
बँकिंग उद्योग नवीन AI साधने आत्मसात करण्यास उत्सुक असताना, भारतीय रिझर्व्ह बँकेने (RBI) सावधगिरी बाळगण्याचा सल्ला दिला आहे. RBI गव्हर्नर संजय मल्होत्रा यांनी स्पष्ट केले की बँकांनी AI प्रवासाला बोर्ड स्तरावरील स्पष्ट जबाबदारीने आकार देणे आवश्यक आहे. तंत्रज्ञानाला आपोआप क्षेत्राचे नेतृत्व करू न देण्याचा इशारा देत, त्यांनी human-in-the-loop oversight ची गरज अधोरेखित केली. नियामकाची ही भूमिका सूचित करते की नवोपक्रमाला प्रोत्साहन दिले जात असले तरी, प्रणालीगत अपयश टाळण्यासाठी governance structures तंत्रज्ञानासोबत विकसित होणे आवश्यक आहे.
डेटा गुणवत्ता आणि सुरक्षेसमोरील आव्हाने
बँकिंग अधिकाऱ्यांनी स्पष्ट केले की Agentic AI चे यश हे त्याला पुरवल्या जाणाऱ्या डेटाच्या अचूकतेवर अवलंबून असते. HDFC बँकेचे ग्रुप हेड, डिजिटल बँकिंग आणि ग्राहक अनुभव, अंजनी राठोड यांनी नमूद केले की AI ची बुद्धिमत्ता ही training data च्या गुणवत्तेशी आणि लेबलिंगशी थेट जोडलेली आहे. उदाहरणार्थ, क्रेडिट रिस्कचे मूल्यांकन करण्यासाठी जुन्या उत्पन्नाच्या डेटासारख्या कालबाह्य माहितीचा वापर केल्यास चुकीचे निर्णय येऊ शकतात, असे धोके त्यांनी सांगितले. हे धोके व्यवस्थापित करण्यासाठी, बँका ग्राहकांच्या डेटाचे tokenization करण्यावर आणि अधिक मजबूत transaction monitoring systems ची मागणी करण्यावर भर देत आहेत.
गुंतवणूकदारांसाठी महत्त्वाचे मुद्दे
गुंतवणूकदारांसाठी, Agentic AI चे एकत्रीकरण संधी आणि धोके दोन्ही घेऊन येते. संभाव्य फायद्यांमध्ये operational costs कमी होणे आणि जलद सेवा यांचा समावेश आहे, ज्यामुळे long-term productivity सुधारू शकते. तथापि, काही महत्त्वपूर्ण धोके आहेत ज्यांचा मागोवा घेणे आवश्यक आहे. पहिले म्हणजे, या बदलासाठी लागणारा भांडवली खर्च—ज्यामध्ये data infrastructure चे अपग्रेडेशन आणि कर्मचाऱ्यांचे प्रशिक्षण यांचा समावेश आहे—temporary pressure operating margins वर आणू शकतो. दुसरे म्हणजे, बँकांना सायबर धोके आणि फसवणुकीचा वाढलेला धोका आहे, कारण अत्याधुनिक हल्ले पारंपरिक संरक्षण प्रणालींना मागे टाकू शकतात. तिसरे म्हणजे, AI hallucinations किंवा biased credit modeling चा धोका आहे, ज्यामुळे regulatory scrutiny किंवा आर्थिक नुकसान होऊ शकते.
या संदर्भात, L&T टेक्नॉलॉजी सर्व्हिसेसने आज 'AgenticIQ' प्लॅटफॉर्म लाँच केला आहे, जो या बँकिंग गरजांना समर्थन देण्याचा प्रयत्न करतो. येत्या तिमाहीत, बँका या नवीन खर्चाचे त्यांच्या profit targets सोबत कसे संतुलन साधतात आणि त्यांची risk management frameworks AI adoption च्या वेगाशी जुळवून घेऊ शकतात की नाही, हे पाहणे महत्त्वाचे ठरेल.