भारतीय रिझर्व्ह बँक (RBI) ने एक नवीन मॉडेल रिस्क मॅनेजमेंट (Model Risk Management) फ्रेमवर्क जारी केले आहे. यानुसार, बँकांना AI (Artificial Intelligence) वापरून घेतलेल्या प्रत्येक निर्णयावर मानवी देखरेख ठेवावी लागेल. 'किल स्विचेस' (Kill Switches) लागू करणे आणि स्वयंचलित प्रक्रियेत मानवी हस्तक्षेप शक्य करणे आता बँकांसाठी बंधनकारक आहे. बँकिंग क्षेत्रात AI चा वापर वाढत असताना, कर्ज वाटप आणि फसवणूक शोधण्यासारख्या कामांमध्ये पद्धतशीर जोखीम टाळण्यासाठी हा निर्णय घेण्यात आला आहे.
AI आणि बँकिंग: RBI ची नवी नियमावली
रिझर्व्ह बँक ऑफ इंडियाने (RBI) आर्टिफिशियल इंटेलिजन्स (AI) आणि मशीन लर्निंग (ML) वापरून चालणाऱ्या बँकिंग सेवांसाठी एक मसुदा मॉडेल रिस्क मॅनेजमेंट फ्रेमवर्क सादर केले आहे. या नवीन नियमांमुळे, बँकांमध्ये स्वयंचलित निर्णयांवर मानवी नियंत्रण ठेवणे आता महत्त्वाचे ठरणार आहे. देशातील वित्तीय संस्था डिजिटल प्रक्रियांना अधिक गती देत असताना, ग्राहकांवर आणि एकूणच आर्थिक स्थिरतेवर परिणाम करणाऱ्या स्वयंचलित निर्णयांसाठी बँकांना जबाबदार धरले जाईल.
स्वयंचलित बँकिंगमध्ये जबाबदारी
या प्रस्तावित मार्गदर्शक तत्त्वांनुसार, बँकांना त्यांच्या ॲनालिटिकल मॉडेल्सच्या (Analytical Models) कामगिरीची संपूर्ण जबाबदारी घ्यावी लागेल. मग हे मॉडेल्स बँकेच्या अंतर्गत टीमने तयार केले असोत किंवा थर्ड-पार्टी टेक्नॉलॉजी प्रोव्हायडरकडून घेतले असोत. या फ्रेमवर्कनुसार, बँकांना मॉडेल तयार करण्यापासून ते निवृत्त करेपर्यंतच्या संपूर्ण प्रक्रियेसाठी बोर्ड-अप्रुव्हड (Board-approved) पॉलिसी तयार करणे आवश्यक आहे. तसेच, कोणतेही मॉडेल प्रत्यक्षात वापरण्यापूर्वी, जरी टेक्नॉलॉजी सप्लायरने ते प्रमाणित केले असले तरी, स्वतंत्र प्रमाणीकरण (Independent Validation) करणे बंधनकारक असेल.
ऑपरेशनल सुरक्षा आणि मानवी नियंत्रण
तंत्रज्ञानावरील अतिरिक्त अवलंबित्व टाळण्यासाठी, RBI ने 'ह्युमन-इन-द-लूप' (Human-in-the-loop) तत्त्वाचा प्रस्ताव ठेवला आहे. यामुळे बँक कर्मचाऱ्यांना स्वयंचलित निर्णयांवर प्रश्न विचारण्याचा, ते बदलण्याचा किंवा थांबवण्याचा अधिकार मिळेल. जर एखाद्या सिस्टमने अनपेक्षित परिणाम दिले, तर बँकांना आपत्कालीन प्रोटोकॉल, ज्यांना 'किल स्विचेस' (Kill Switches) म्हणतात, सक्रिय करून AI मॉडेल त्वरित निलंबित करावे लागेल.
यामध्ये कर्मचाऱ्यांचा संगणकाच्या निष्कर्षांवर आंधळेपणाने विश्वास ठेवणे (Automation Bias) आणि पर्यवेक्षणातील चुका (Decision Fatigue) यांसारख्या समस्यांवर RBI ने विशेष लक्ष केंद्रित केले आहे. जी सिस्टीम थेट ग्राहकांशी संवाद साधते, त्यासाठी बँकांना AI वापराची स्पष्ट माहिती देणे आणि ग्राहकांना मानवी प्रतिनिधीशी बोलण्याचा पर्याय उपलब्ध करून देणे आवश्यक असेल.
प्रशासन आणि जोखीम वर्गीकरण
बँकांना त्यांची मॉडेल्स त्यांच्या जटिलतेनुसार आणि जोखमीच्या पातळीनुसार वर्गीकृत करावी लागतील. उच्च-जोखमीची मॉडेल्स तैनात करण्यापूर्वी बँक व्यवस्थापन समितीची (Risk Management Committee) मंजुरी आवश्यक असेल. याव्यतिरिक्त, संस्थांना त्यांच्याकडील सर्व मॉडेल्सची तपशीलवार यादी (Inventory) ठेवावी लागेल. निवृत्त किंवा बंद केलेल्या मॉडेल्सचे रेकॉर्ड कमीतकमी 10 वर्षे जतन करावे लागतील, जेणेकरून ऐतिहासिक ऑडिट आणि कामगिरीचे पुनरावलोकन करता येईल.
डिजिटल बँकिंग धोरणावरील परिणाम
हे फ्रेमवर्क भारतीय बँकिंग क्षेत्रासाठी एक महत्त्वपूर्ण बदल दर्शवते. केवळ नियमांचे पालन करण्याऐवजी, ऑपरेशनल लवचिकता (Operational Resilience) निर्माण करण्यावर भर दिला जाईल. बँका AI चा वापर क्रेडिट अंडररायटिंग (Credit Underwriting), ट्रेझरी मॅनेजमेंट (Treasury Management) आणि फसवणूक शोधणे (Fraud Detection) यांसारख्या महत्त्वाच्या कार्यांमध्ये करत असल्याने, विशेष तांत्रिक कर्मचारी आणि स्वतंत्र प्रमाणीकरणाच्या आवश्यकतेमुळे तंत्रज्ञान अंमलबजावणीचा खर्च वाढू शकतो. गुंतवणूकदार पुढील तिमाहीत मोठ्या खाजगी आणि सार्वजनिक क्षेत्रातील बँका त्यांच्या डिजिटल बजेटमध्ये आणि व्हेंडर भागीदारीमध्ये या कठोर नियामक आवश्यकतांशी जुळवून घेण्यासाठी कसे बदल करतात यावर लक्ष ठेवू शकतात.