L&T Finance च्या 'Cyclops' नावाच्या AI-आधारित अंडररायटिंग प्लॅटफॉर्मने कंपनीच्या नफ्यात तब्बल ₹250 कोटींची भर घातली आहे. या तंत्रज्ञानामुळे टू-व्हीलर सेगमेंटमध्ये कर्ज देण्याची प्रक्रिया सोपी झाली असून क्रेडिट कॉस्टमध्येही मोठी घट झाली आहे.
L&T Finance या कंपनीने आपल्या 'Cyclops' या आर्टिफिशियल इंटेलिजन्स (AI) प्लॅटफॉर्ममुळे मोठा आर्थिक फायदा मिळवला आहे. कंपनीने दिलेल्या माहितीनुसार, या AI-आधारित अंडररायटिंग इंजिनमुळे, विशेषतः टू-व्हीलर फायनान्सिंग व्यवसायात, सुरुवातीच्या गुंतवणुकीच्या जवळपास 10 पट परतावा मिळाला आहे.
यामुळे कंपनीच्या नफा-तोटा खात्यात (Profit and Loss Account) सुमारे ₹250 कोटींची भर पडली आहे. या यशाचे मुख्य कारण म्हणजे क्रेडिट कॉस्टमध्ये (Credit Costs) झालेली घट आणि कर्ज वितरणाची (Loan Disbursement) प्रक्रिया सुलभ होणे.
AI चा कर्ज वितरणावर परिणाम
या आर्थिक लाभाचे कारण म्हणजे कंपनीची कमी खर्चातील गुंतवणूक (Lean Investment Strategy) होय. सुरुवातीला टू-व्हीलर सेगमेंटसाठी सुमारे ₹20 कोटींची गुंतवणूक करण्यात आली होती. गेल्या 26 महिन्यांत या प्लॅटफॉर्ममुळे महत्त्वाच्या ऑपरेशनल मेट्रिक्समध्ये (Operational Metrics) सुधारणा झाली आहे.
या काळात, टू-व्हीलर सेगमेंटमधील मासिक कर्ज वितरण (Monthly Loan Disbursements) ₹650 कोटींवरून ₹1,000 कोटींपर्यंत वाढले. त्याच वेळी, संभाव्य बुडीत कर्जांसाठी (Bad Loans) बाजूला ठेवण्यात येणारी रक्कम, म्हणजेच क्रेडिट कॉस्ट, लक्षणीयरीत्या 4% वरून 1.5% पेक्षाही खाली आली आहे.
ही तंत्रज्ञान-आधारित कार्यक्षमता (Technology-led Efficiency) कंपनीच्या 'लक्ष्य 2031' या मोठ्या धोरणाचा भाग आहे. या धोरणाद्वारे कंपनीला प्रामुख्याने रिटेल-केंद्रित कर्जदार (Retail-focused Lender) म्हणून रूपांतरित करण्याचे उद्दिष्ट आहे. कंपनीने Q1 FY27 या तिमाहीत ₹902 कोटींचा विक्रमी एकत्रित करपश्चात नफा (Consolidated Profit After Tax) नोंदवला, जो मागील वर्षाच्या तुलनेत 29% जास्त आहे. आता कंपनीच्या एकूण कर्ज पुस्तिकेतील (Loan Book) 98% भाग रिटेल सेगमेंटचा आहे.
तंत्रज्ञान धोरण आणि भविष्यातील वाटचाल
L&T Finance आपल्या डिजिटल इन्फ्रास्ट्रक्चरमध्ये (Digital Infrastructure) मोठी गुंतवणूक करत आहे. कंपनीच्या ऑपरेशनल खर्चाच्या (Operating Expenditure) सुमारे 10% इतका वार्षिक तंत्रज्ञान खर्च (Technology Spending) आहे. ही इंडस्ट्री मानकांनुसार (Industry Standards) बरीच जास्त गुंतवणूक आहे. यासाठी कंपनी स्वतःचे प्रायव्हेट क्लाउड इन्फ्रास्ट्रक्चर (Private Cloud Infrastructure) तयार करत आहे आणि डेटा प्रोसेसिंग क्षमता वाढवण्यासाठी NVIDIA सारख्या टेक पार्टनर्ससोबत (Technology Partners) सहयोग करत आहे.
पुढे, कंपनी उत्तर प्रदेश, महाराष्ट्र आणि राजस्थानसारख्या राज्यांमध्ये मायक्रोफायनान्स (Microfinance) ऑपरेशन्सचा विस्तार करण्याची योजना आखत आहे. तंत्रज्ञानाने अंडररायटिंग प्रक्रिया मानकीकृत (Standardize) आणि वेगवान केली असली तरी, मायक्रोफायनान्स क्षेत्रात काही आव्हाने आहेत. या उद्योगावर अलीकडेच ग्राहकांचे जास्त कर्ज घेणे (Customer Over-leveraging) आणि नियामक अनुपालन (Regulatory Compliance) याबाबत वाढत्या तपासणीचा सामना करावा लागत आहे.
कंपनीने सांगितले की ते मायक्रोफायनान्स इन्स्टिट्यूशन नेटवर्क (MFIN) च्या नवीनतम मार्गदर्शक तत्त्वांचे (Guidelines) काटेकोरपणे पालन करत आहेत आणि जोखीम व्यवस्थापनासाठी (Risk Management) सरकारी क्रेडिट गॅरंटी योजनांचा (Credit Guarantee Schemes) वापर करत आहेत.
लक्ष ठेवण्यासारखे धोके
AI-आधारित अंडररायटिंगमुळे मार्जिन (Margins) आणि प्रोसेसिंग स्पीडमध्ये (Processing Speed) स्पष्ट फायदे दिसत असले तरी, गुंतवणूकदारांनी सेक्टरमधील व्यापक धोक्यांकडे (Broader Sector Risks) लक्ष देणे आवश्यक आहे. मायक्रोफायनान्स आणि ग्रामीण कर्ज क्षेत्र (Rural Lending Space) हे मॅक्रोइकॉनॉमिक घटकांसाठी (Macroeconomic Factors) संवेदनशील आहे, ज्यात चलनवाढ (Inflationary Pressures) आणि ग्रामीण मागणीतील चढ-उतार (Rural Demand Fluctuations) यांचा समावेश आहे. याव्यतिरिक्त, कंपनीला आपल्या विविध व्यावसायिक पोर्टफोलिओमध्ये (Business Portfolio) या जटिल AI मॉडेल्सचा विस्तार करताना अंमलबजावणीतील आव्हानांना (Execution Challenges) सामोरे जावे लागेल. कर्ज पुस्तिका वाढत असताना या मॉडेल्सची विश्वसनीयता (Reliability) आणि अचूकता (Accuracy) टिकवून ठेवणे हे आगामी तिमाहीत गुंतवणूकदारांसाठी महत्त्वाचे ठरेल.