आंतरराष्ट्रीय नाणेनिधी (IMF) ने जगभरातील केंद्रीय बँकांना AI च्या वाढत्या वापरामुळे आर्थिक प्रणालींना धोका निर्माण होत असल्याचा इशारा दिला आहे. AI मुळे कार्यक्षमता वाढत असली तरी, यामुळे 'फ्लॅश क्रॅश' (Flash Crash) आणि सायबर हल्ल्यांचा धोका वाढू शकतो, जी भारतासारख्या वेगाने डिजिटायझेशन करणाऱ्या देशांसाठी मोठी चिंता आहे.
Detailed Coverage
AI च्या धोक्यांबद्दल IMF चा इशारा
आंतरराष्ट्रीय नाणेनिधी (IMF) ने जगभरातील केंद्रीय बँकांना एक नवी सूचना जारी केली आहे. AI (Artificial Intelligence) आता जागतिक आर्थिक प्रणालींमध्ये खोलवर रुळत आहे आणि त्यामुळे यावर अधिक कडक नियमन (Oversight) आणण्याची गरज आहे, असे IMF ने म्हटले आहे. अनेक वित्तीय संस्था आता हाय-फ्रिक्वेन्सी ट्रेडिंग, कर्ज देणे, अंतर्गत नियमांचे पालन करणे आणि बाजारावर लक्ष ठेवणे यांसारख्या कामांसाठी स्वयंचलित (Automated) AI प्रणालींवर अवलंबून आहेत.
ऑटोमेटेड ट्रेडिंगमुळे सिस्टमिक रिस्कचा धोका
AI मुळे बाजारातील लिक्विडिटी (Liquidity) वाढते आणि व्यवहारांचा खर्च कमी होतो, हे खरे असले तरी IMF ने या कार्यक्षमतेच्या गडद बाजूकडे लक्ष वेधले आहे. सर्वात मोठी चिंता ही आहे की, बाजारात तणाव असताना, समान लॉजिकवर प्रोग्राम केलेले अनेक AI सिस्टम एकाच वेळी समान डेटावर प्रतिक्रिया देऊ शकतात. अशा समन्वित (Synchronized) प्रतिक्रियेमुळे 'फ्लॅश क्रॅश' (Flash Crash) होऊ शकतो, जो मानवी चुकांमुळे होणाऱ्या क्रॅशपेक्षा अधिक जलद आणि तीव्र असेल. IMF च्या मते, सध्याचे नियामक (Regulatory) नियम या स्वयंचलित परस्परसंवादांची गती आणि व्याप्ती हाताळण्यासाठी पुरेसे नाहीत.
भारतीय वित्तीय क्षेत्रापुढील आव्हाने
IMF च्या या शिफारशी भारतासाठी विशेषतः महत्त्वाच्या आहेत, कारण रिझर्व्हर्व्ह बँक ऑफ इंडिया (RBI) आणि खाजगी बँका AI चा वेगाने अवलंब करत आहेत. RBI च्या इनोव्हेशन हबने विकसित केलेले MuleHunter.AI सारखे टूल्स फसव्या खात्यांची ओळख पटवण्यासाठी आणि सायबर गुन्हेगारीचा सामना करण्यासाठी मशीन लर्निंगचा वापर करतात. तसेच, ज्या कर्जदारांचा पारंपरिक क्रेडिट इतिहास (Credit History) नाही, त्यांच्यासाठी AI-आधारित क्रेडिट मॉडेल्स वापरली जात आहेत, ज्यामुळे सूक्ष्म, लघु आणि मध्यम उद्योगांना (MSMEs) कर्ज मिळण्याची शक्यता वाढू शकते. मात्र, IMF च्या मते, या मॉडेल्सवरील अवलंबित्व वाढल्यास केंद्रीकरणाचा (Concentration) धोकाही वाढतो. जर अनेक वित्तीय संस्था मर्यादित क्लाउड आणि AI मॉडेल प्रदात्यांवर (Providers) अवलंबून असतील, तर एका प्रदात्याकडील तांत्रिक किंवा सुरक्षा बिघाडामुळे व्यापक सिस्टमिक शॉक (Systemic Shock) येऊ शकतो.
मानवी निरीक्षणाची गरज
भारतासारख्या विकसनशील (Emerging) बाजारपेठांसाठी एक मोठे आव्हान म्हणजे जटिल AI अल्गोरिदमचे ऑडिट (Audit) आणि पर्यवेक्षण करण्यासाठी आवश्यक तांत्रिक प्रतिभेची (Talent) कमतरता. वित्तीय पर्यवेक्षकांना या 'ब्लॅक बॉक्स' मॉडेल्सना समजून घेण्यासाठी सखोल ज्ञानाची आवश्यकता आहे, जी नवीन कौशल्यांमध्ये महत्त्वपूर्ण गुंतवणूक केल्याशिवाय मिळवणे कठीण आहे. IMF च्या मते, AI हे मानवी निर्णयांना मदत करणारे एक साधन असले पाहिजे, त्याचे पर्याय नाही. प्रभावी प्रशासनासाठी (Governance), अल्गोरिदम पक्षपाती किंवा चुकीचे निकाल देत असताना हस्तक्षेप करण्यासाठी संस्थांकडे मजबूत मानवी निरीक्षण (Human Oversight) असणे आवश्यक आहे.
अंतर्गत प्रशासनाव्यतिरिक्त, AI-शक्तीशाली सायबर हल्ल्यांच्या वाढत्या जटिलतेमुळे सायबर लवचिकता (Cyber Resilience) आर्थिक स्थिरतेचा एक प्राथमिक स्तंभ बनली आहे. जनरेटिव्ह AI मुळे फिशिंग (Phishing) आणि फसवणूक अधिक खात्रीशीर होत असल्याने, नियामकांनी हे सुनिश्चित केले पाहिजे की सतत विकसित होणाऱ्या धोक्यांपासून वित्तीय पायाभूत सुविधा (Infrastructure) मजबूत केल्या पाहिजेत. गुंतवणूकदार आणि बाजार सहभागींनी रिझर्व्ह बँक ऑफ इंडियाने आपल्या नियामक सँडबॉक्स (Regulatory Sandbox) उपक्रमांना प्रोत्साहन देताना या विकसित होणाऱ्या स्थिरता आवश्यकतांना कसे संतुलित केले आहे यावर लक्ष ठेवले पाहिजे, कारण भविष्यातील धोरणांमध्ये तृतीय-पक्ष AI मॉडेल्सवर जास्त अवलंबून असलेल्या संस्थांसाठी कठोर ऑडिटिंग आणि उच्च भांडवली बफर्सला (Capital Buffers) प्राधान्य मिळण्याची शक्यता आहे.