Microsoft आणि Chainalysis चा इशारा: AI मुळे फायनान्समध्ये क्रांती, पण 'विश्वास' नसेल तर सर्व व्यर्थ!

AI मुळे फायनान्समध्ये वाढती गती

आर्टिफिशियल इंटेलिजन्स (AI) आज फायनान्शियल सिस्टीम्सना (Financial Systems) पूर्णपणे बदलून टाकत आहे. यामुळे मोठ्या प्रमाणावर आणि क्लिष्ट व्यवहार (Transactions) मशीनद्वारे (Machine) होत आहेत. Microsoft चे कॉर्पोरेट VP, बिल बोर्डन यांनी सांगितले की, जुन्या सिस्टीम्स या वाढत्या मागणीमुळे दबावाखाली येत आहेत. वेग (Latency), प्रमाण (Scale) आणि गुंतागुंत (Complexity) थेट स्पर्धेवर परिणाम करत आहेत. यातून बाहेर पडण्यासाठी सिस्टीम्स कशा तयार कराव्यात याचा नव्याने विचार करण्याची गरज आहे. Microsoft यासाठी नवीन टूल्स (Tools) विकसित करत आहे, ज्यात AI एजंट्सच्या (Agents) कृतींचा मागोवा घेणे समाविष्ट आहे. Microsoft चे मार्केट कॅपिटलायझेशन (Market Capitalization) सुमारे $3.17 ट्रिलियन आहे, आणि P/E रेशो (Ratio) जवळपास 26.6 आहे. त्यांचे शेअर्स दररोज सरासरी 32 दशलक्ष पेक्षा जास्त ट्रेड होतात, जी उत्तम मार्केट लिक्विडिटी (Liquidity) दर्शवते.

फायनान्शियल सर्विसेस सेक्टर (Financial Services Sector) 2027 पर्यंत AI वर जवळपास $100 अब्ज खर्च करेल असा अंदाज आहे. फायनान्शियल सर्विसेसमधील AI एजंट्सचे ग्लोबल मार्केट 2025 मध्ये $691.3 दशलक्ष वरून 2033 पर्यंत $6.7 अब्ज पेक्षा जास्त होण्याची अपेक्षा आहे, जो 31.5% चा कंपाउंड वार्षिक वाढीचा दर (CAGR) दर्शवतो. 99% नेते AI लागू करत आहेत, जी या तंत्रज्ञानाची रणनीतिक (Strategic) महत्त्वाची बाब अधोरेखित करते. मात्र, गुंतवणुकीवरील परतावा (ROI) आणि खऱ्या कार्यक्षमतेतील वाढ कशी मोजायची, हे प्रश्न अजून अनुत्तरित आहेत.

विश्वासार्हता आणि नियंत्रण महत्त्वाचे

फायनान्समध्ये ऑटोमेशन (Automation) बद्दलची चर्चा आता केवळ क्षमतेपलीकडे गेली आहे. बोर्डन यांनी एका महत्त्वाच्या बदलावर जोर दिला. आता प्रश्न 'तंत्रज्ञान हे ऑटोमेट करू शकते का?' याऐवजी 'आपण त्यावर विश्वास ठेवू शकतो का आणि ते ऑडिट (Audit) करू शकतो का?' असा विचारला जात आहे. नियंत्रित (Regulated) क्षेत्रात, कंपन्यांना हे सिद्ध करावे लागेल की 'त्यावर नियंत्रण कोणाचे होते' आणि AI चे निर्णय, ज्यात थेट मानवी हस्तक्षेप नव्हता, ते नियमांनुसार (Rules) होते.

या पडताळण्यायोग्य नियंत्रणाची (Verifiable Control) आणि पारदर्शकतेची (Transparency) गरज, विशेषतः क्लिष्ट आणि जुन्या फायनान्शियल सिस्टीम्समध्ये AI चा जलद स्वीकार करण्यासाठी एक मोठा अडथळा आहे. जुन्या IT सिस्टीम्समध्ये प्रगत AI समाकलित करणे (Integrating) कठीण आहे, ज्यासाठी अनेकदा महागड्या वर्कफ्लो बदलांची (Workflow Changes) आणि कर्मचाऱ्यांच्या पुन्हा प्रशिक्षणाची (Retraining) आवश्यकता असते. मजबूत AI गव्हर्नन्स (Governance), ज्यात बायस (Bias), ड्रिफ्ट (Drift) आणि नियंत्रण (Control) यांचा समावेश आहे, हे बदलत्या नियामक वातावरणासाठी (Regulatory Environment) अत्यावश्यक आहे.

ब्लॉकचेन: ऑटोमेटेड नियंत्रणासाठी एक मॉडेल

Chainalysis चे सह-संस्थापक आणि CEO, जोनाथन लेविन, क्रिप्टो (Crypto) मधील ब्लॉकचेन (Blockchain) नेटवर्क्सना अंगभूत नियंत्रणासह (Built-in Controls) ऑटोमेटेड फायनान्ससाठी एक मॉडेल मानतात. स्मार्ट कॉन्ट्रॅक्ट्स (Smart Contracts) आणि सॉफ्टवेअर वॉलेट्स (Software Wallets) मोठ्या व्यवहारांना एजंट-आधारित प्रणालींमध्ये (Agent-based Systems) हाताळतात. लेविन यांनी नमूद केले की, क्रिप्टो उद्योगाचा जोखीम व्यवस्थापन (Risk Management) अनुभव, जसे की अवैध निधीचा (Illicit Funds) मागोवा घेणे, हे मोठ्या, ऑटोमेटेड व्यवहारांवर लक्ष ठेवण्यासाठी धडे देते. ब्लॉकचेन तंत्रज्ञान फायनान्समध्ये एक व्यवसायिक गरज (Business Imperative) बनत आहे, ज्यामुळे जलद पेमेंट्स (Payments), उत्तम अनुपालन (Compliance) आणि अधिक पारदर्शकता येते. ब्लॉकचेनमुळे आंतरराष्ट्रीय पेमेंट सेटलमेंटचा (Cross-border Settlement) खर्च 2030 पर्यंत $27 अब्ज पर्यंत कमी होऊ शकतो.

भविष्य: एकत्रित फायनान्शियल सिस्टीम्स

दोन्ही अधिकाऱ्यांनी भविष्यात अनेक सिस्टीम्स एकत्र काम करतील अशी अपेक्षा केली आहे. लेविन यांनी अंदाज वर्तवला आहे की पुढील 10 वर्षांत बहुतेक व्यावसायिक व्यवहार (Commerce) पब्लिक नेटवर्क्सवर (Public Networks) सेटल होतील. बोर्डन अधिक एकत्रित दृष्टिकोन पाहतात, ज्यात पब्लिक ब्लॉकचेन, प्रायव्हेट नेटवर्क्स (Private Networks) आणि पारंपरिक फायनान्स (Traditional Finance) सॉफ्टवेअरद्वारे जोडलेले असतील. हे सॉफ्टवेअर या वेगवेगळ्या भागांना एकत्र काम करण्यास मदत करेल.

AI आणि फायनान्समध्ये प्रमुख धोके

AI च्या क्षमतेनंतरही, फायनान्समध्ये त्याच्या जलद एकात्मतेसह (Integration) लक्षणीय धोके आहेत. मुख्य चिंतांमध्ये जुन्या सिस्टीम्सवरील ताण, उच्च अंमलबजावणी खर्च (Implementation Costs) आणि संभाव्य बायस, ड्रिफ्ट आणि सुरक्षा धोके व्यवस्थापित करण्यासाठी सतत गव्हर्नन्सची (Governance) गरज यांचा समावेश आहे. क्लिष्ट डिजिटल सिस्टीम्समध्ये सायबर सुरक्षा धोके (Cybersecurity Risks) देखील वाढतात. मानवी घटक देखील महत्त्वाचा आहे. बदल व्यवस्थापित करणे, AI एजंट्समध्ये विश्वास निर्माण करणे आणि फायनान्स व्यावसायिकांमधील संभाव्य कौशल्य तफावत (Skill Gaps) दूर करणे ही मोठी कामे आहेत. IBM, Oracle, SAP आणि DataRobot सारख्या AI कंपन्या देखील फायनान्शियल सर्विसेसमध्ये मोठी गुंतवणूक करत आहेत, ज्यामुळे स्पर्धा वाढत आहे. नियामक स्पष्टता (Regulatory Clarity) देखील सतत विकसित होत आहे, ज्यासाठी जलद तांत्रिक प्रगती आणि आर्थिक अखंडता (Financial Integrity) यांच्यात संतुलन राखणे आवश्यक आहे.

फायनान्सचे AI भविष्य नेव्हिगेट करणे

AI, ब्लॉकचेन आणि बाजारातील बदल यांचे मिश्रण फायनान्शियल सर्विसेससाठी एक गतिशील लँडस्केप (Dynamic Landscape) तयार करते. पुढे जाण्याचा मार्ग म्हणजे ऑटोमेटेड एक्झिक्युशन (Automated Execution) आणि मजबूत मानवी देखरेख (Human Oversight) यांच्यात संतुलन साधणे, तंत्रज्ञानाचा वापर विश्वासाला, ऑडिटेबिलिटीला आणि अनुपालनाला चालना देण्यासाठी करणे, त्यांना बदलण्यासाठी नाही. स्मार्ट सॉफ्टवेअरसह (Smart Software) विविध सिस्टीम्स एकत्रित करणे हे अधिक कार्यक्षम, जरी गुंतागुंतीचे, फायनान्शियल भविष्यासाठी एक दृष्टीकोन देते.