RBI चे गव्हर्नर संजय मल्होत्रा यांनी FIBAC 2026 परिषदेत भारतीय बँकांना आर्टिफिशियल इंटेलिजन्स (AI) ला मुख्य धोरणात्मक प्राधान्य देण्याचे आवाहन केले आहे. AI मुळे पतपुरवठा (credit access) आणि कार्यक्षमतेत (operational efficiency) सुधारणा होण्याची शक्यता असली तरी, डेटातील त्रुटी आणि सायबर सुरक्षा यांसारख्या धोक्यांचे व्यवस्थापन करण्यासाठी बोर्ड स्तरावरील देखरेख आणि मानवी उत्तरदायित्वाची गरज असल्याचे मध्यवर्ती बँकेने अधोरेखित केले.
पायलट प्रोजेक्ट्सच्या पलीकडे जा
गव्हर्नर संजय मल्होत्रांनी भारतीय बँकिंग क्षेत्रासाठी एक स्पष्ट संदेश दिला आहे. त्यांनी बँकांना आर्टिफिशियल इंटेलिजन्स (AI) ला केवळ एक प्रायोगिक तंत्रज्ञान न मानता, त्याला एक मुख्य धोरणात्मक आधारस्तंभ बनवण्यास सांगितले आहे. FIBAC 2026 परिषदेत बोलताना, गव्हर्नर यांनी भारतीय बँकिंगमध्ये AI क्रांती घडवण्यासाठी, त्याला मजबूत प्रशासकीय संरचना (governance structures), अर्थपूर्ण मानवी देखरेख (human oversight) आणि दीर्घकालीन डिजिटल इन्फ्रास्ट्रक्चर गुंतवणुकीची जोड देणे आवश्यक असल्याचे सांगितले.
गव्हर्नर यांचा मुख्य संदेश हा आहे की AI चे एकत्रीकरण (integration) आता विस्कळीत, केवळ चाचणीवर आधारित प्रकल्पांपुरते मर्यादित राहू नये. याऐवजी, बँकांना बोर्ड-चालित धोरण (board-driven strategy) स्वीकारणे आवश्यक आहे, जेणेकरून तंत्रज्ञानाचा वापर संस्थेच्या उद्दिष्टांशी जुळेल. यामुळे बँकांना तंत्रज्ञान आणि मनुष्यबळ विकासावर अधिक भांडवली खर्च (capital spending) वाढवावा लागेल. यामुळे अल्पावधीत कार्यान्वयन खर्चावर (operational costs) दबाव येऊ शकतो, परंतु AI चा वापर चांगल्या पतपुरवठ्यासाठी (credit delivery) आणि आर्थिक समावेशनासाठी (financial inclusion) करणे हा मुख्य उद्देश आहे. GST फाइलिंग आणि डिजिटल व्यवहारांचे ठसे (digital transaction footprints) यांसारख्या पर्यायी डेटा स्रोतांचा (alternative data sources) वापर करून, बँ दुर्लक्षित लोकसंख्येपर्यंत पोहोचू शकतात, ज्यात गिग वर्कर्स (gig workers) आणि पारंपरिक क्रेडिट इतिहास नसलेले छोटे व्यवसाय यांचा समावेश आहे.
सिस्टिमिक आणि ऑपरेशनल धोक्यांचे व्यवस्थापन
कार्यक्षमतेची शक्यता जास्त असली तरी, गव्हर्नर यांनी AI च्या जलद वापरामध्ये असलेल्या धोक्यांबद्दल स्पष्टपणे इशारा दिला आहे. मध्यवर्ती बँकेसाठी एक मोठी चिंता म्हणजे काही AI मॉडेल्सचे 'ब्लॅक-बॉक्स' स्वरूप (black-box nature), जिथे आर्थिक निर्णयामागील तर्क पारदर्शक नसतो. या अपारदर्शकतेमुळे कार्यान्वयन आव्हाने (operational challenges) निर्माण होऊ शकतात आणि ऑडिट करणे कठीण होऊ शकते. याशिवाय, तंत्रज्ञान विक्रेत्यांच्या (technology vendors) मर्यादित संचावर अवलंबून राहिल्याने सिस्टिमिक असुरक्षितता (systemic vulnerabilities) निर्माण होऊ शकते, जर त्या तृतीय-पक्ष मॉडेल्समध्ये बिघाड झाला किंवा अनपेक्षितपणे काम केले.
गव्हर्नर मल्होत्रांनी यावर जोर दिला की बँ जबाबदारी 'आऊटसोर्स' करू शकत नाहीत. वापरलेले अल्गोरिदम काहीही असो, पत आणि कार्यान्वयन निर्णयांची अंतिम जबाबदारी बँक आणि तिच्या नेतृत्वाची असली पाहिजे. यासाठी बँकांना अल्गोरिथमिक पक्षपात (algorithmic bias), डेटा गोपनीयता (data privacy) आणि संभाव्य बहिष्कृततेचे धोके (exclusion risks) यासाठी त्यांच्या प्रणालींचे सक्रियपणे निरीक्षण करणे आवश्यक आहे, जेणेकरून स्वयंचलित प्रणाली नकळतपणे आर्थिक असमानतेचे नवीन प्रकार तयार करणार नाहीत.
फसवणुकीविरुद्ध सुरक्षा मजबूत करणे
वाढत्या सायबर धोक्यांना तोंड देण्यासाठी, RBI संरक्षणावरही लक्ष केंद्रित करत आहे. नियामक AI-आधारित फसवणुकीला (AI-driven fraud) आळा घालण्यासाठी 'डिजिटल पेमेंट इंटेलिजन्स प्लॅटफॉर्म' (Digital Payment Intelligence Platform) सादर करत आहे. गुन्हेगार आता मशीन लर्निंगचा वापर करून पारंपरिक, नियम-आधारित सुरक्षा प्रणालींना (rule-based security systems) चकमा देत आहेत, या वास्तवाला प्रतिसाद म्हणून ही मोहीम सुरू करण्यात आली आहे. बँकांसाठी, याचा अर्थ असा की त्यांना सायबर सुरक्षा (cybersecurity) फ्रेमवर्कमध्ये सतत गुंतवणूक करणे आवश्यक आहे, जे विसंगतींना (anomalies) त्वरित निष्प्रभ करण्यासाठी वास्तविक वेळेत जुळवून घेऊ शकतील. गुंतवणूकदार आणि बाजारातील निरीक्षकांनी मोठ्या आणि मध्यम आकाराच्या कर्जदारांनी या केंद्रीय बँक अपेक्षांशी अंतर्गत डिजिटल प्रशासनाला किती लवकर संरेखित केले आहे, तसेच चालू असलेल्या तंत्रज्ञान खर्चाचा त्यांच्या नफा मार्जिनवर (profit margins) आणि एकूण सेवा विश्वासार्हतेवर (service reliability) काय परिणाम होतो याचा मागोवा घ्यावा.