Whalesbook
AI च्या वापरावर NPCI ची नजर
NPCI आता AI च्या वापरावर कडक नियंत्रण आणण्याच्या तयारीत आहे. विशेषतः, ऑटोमेटेड ट्रान्झॅक्शन ऑथोरायझेशन (Automated Transaction Authorization) आणि डिस्प्यूट रिझोल्यूशन (Dispute Resolution) यांसारख्या कामांसाठी AI टूल्सचा वापर कसा नियंत्रित करायचा, यावर NPCI लक्ष केंद्रित करत आहे. FiMI हे NPCI चे स्वतःचे लहान भाषेचे मॉडेल (Small Language Model) आहे, जे वेगाने लोकप्रिय होत आहे आणि दररोज लाखो युजर्स याचा वापर करत आहेत.
FiMI ची वाढ आणि धोके
FiMI मॉडेल UPI पेमेंटमध्ये एक महत्त्वाचा भाग बनत चालले आहे. सध्या दर महिन्याला याला 10 लाख युजर्सचा वापर मिळत आहे आणि लवकरच हा आकडा दररोज 10 लाख युजर्सपर्यंत पोहोचण्याची शक्यता आहे. मात्र, वाढत्या वापरासोबतच काही धोकेही समोर येत आहेत. दर महिन्याला 8 लाख पेक्षा जास्त वेळा मॅंडेट रद्द होण्याचे प्रमाण हे दर्शवते की ऑटोमेटेड सिस्टम वापरकर्त्यांच्या हेतूंमध्ये स्पष्टता राखण्यात कमी पडत आहे. त्यामुळे, केवळ प्रादेशिक भाषांमधील प्रभुत्व असूनही, वापरकर्त्यांच्या तक्रारींचे निराकरण करण्यासाठी AI ला अचूक असणे आवश्यक आहे.
नियामक आणि अंमलबजावणीतील आव्हाने
AI-आधारित पेमेंट सिस्टममध्ये काही गंभीर ऑपरेशन्स रिस्क (Operational Risks) आहेत, ज्यांवर वेळीच लक्ष न दिल्यास भविष्यात समस्या निर्माण होऊ शकतात. पारंपरिक बँकिंग सॉफ्टवेअरच्या विपरीत, AI मध्ये अनिश्चिततेचे प्रमाण जास्त असते, ज्याचे ऑडिट करणे कठीण आहे. Sarvam सारख्या कंपन्यांच्या मदतीने व्हॉईस-पेमेंटची अचूकता 95% वरून 99% पर्यंत नेण्याचा प्रयत्न केला जात आहे, हे दर्शवते की तंत्रज्ञान अजूनही बीटा (Beta) स्थितीत आहे. जर या प्रणालींमध्ये काही बिघाड झाला, जसे की अनधिकृत व्यवहार किंवा अयशस्वी मॅंडेट्स, तर NPCI ला नियामक स्तरावर मोठ्या टीकेला सामोरे जावे लागू शकते. AI च्या निर्णयांमध्ये पारदर्शकता आणणे हे फिनटेक (Fintech) इकोसिस्टमसाठी एक मोठे आव्हान आहे.