SBI Funds Management, भारतातील सर्वात मोठी अॅसेट मॅनेजर कंपनी, आता गुंतवणुकीचे संशोधन आणि नियामक पालनासारख्या महत्त्वाच्या कामांसाठी आर्टिफिशियल इंटेलिजन्स (AI) चा वापर करत आहे. कंपनीने एक अंतर्गत प्लॅटफॉर्म विकसित केला आहे, जो व्यवहार आणि संवाद डेटाचे विश्लेषण करून संभाव्य इनसाइडर ट्रेडिंग शोधण्यात मदत करेल. या तंत्रज्ञानामुळे कामाची उत्पादकता वाढेल आणि डेटा गव्हर्नन्सचे (Data Governance) नियम अधिक मजबूत होतील.
AI-आधारित पाळत ठेवणे आणि संशोधन
SBI Funds Management, मालमत्तेनुसार भारतातील सर्वात मोठी म्युच्युअल फंड हाऊस, आपल्या कोअर फायनान्शियल ऑपरेशन्सला (Financial Operations) आधुनिक करण्यासाठी आर्टिफिशियल इंटेलिजन्स (AI) चा वापर वाढवत आहे. कंपनी AI चा वापर पोर्टफोलिओ संशोधन (Portfolio Research), गुंतवणूकदार सेवा (Investor Servicing) आणि नियामक अनुपालन (Regulatory Compliance) यांसारख्या कार्यांमध्ये समाकलित करत आहे. हे तंत्रज्ञान आता केवळ प्रायोगिक टप्प्यावर नसून, त्यांच्या दैनंदिन कामकाजाचा एक मध्यवर्ती भाग बनले आहे.
या तंत्रज्ञानाच्या विकासातील एक महत्त्वाचा प्रकल्प म्हणजे इनसाइडर ट्रेडिंग पाळत ठेवण्यासाठीचा स्वतःचा प्लॅटफॉर्म. गेल्या दोन वर्षांत अंतर्गत स्तरावर विकसित केलेल्या या प्रणालीमध्ये, व्यवहारांचे रेकॉर्ड (Transaction Records) आणि कर्मचाऱ्यांमधील संभाषणे, जसे की ईमेल्स (Emails) आणि चॅट्स (Chats) यांचे विश्लेषण करून संभाव्य मार्केट अनियमितता (Market Irregularities) ओळखल्या जातात. सध्या या प्लॅटफॉर्ममध्ये चुकीचे निष्कर्ष टाळण्यासाठी मानवी हस्तक्षेपाची (Human Intervention) गरज असली तरी, अंतर्गत पालनावर (Internal Compliance) पाळत ठेवण्याच्या दृष्टिकोनात हा एक महत्त्वाचा बदल आहे.
गुंतवणुकीच्या बाजूने, कंपनीने आपल्या NEO या संशोधन टूलला (Research Tool) अपग्रेड केले आहे. हा प्लॅटफॉर्म AI चा वापर करून विश्लेषक अहवाल (Analyst Reports) आणि अर्निंग कॉल ट्रान्सक्रिप्ट्स (Earnings Call Transcripts) यांसारख्या आर्थिक कागदपत्रांवर प्रक्रिया करतो. यामध्ये सेंटीमेंट ॲनालिसिसचा (Sentiment Analysis) वापर केला जातो. यामुळे गुंतवणूक टीमला व्यवस्थापनाच्या (Management) भूमिकेतील बदलांचा मागोवा अधिक कार्यक्षमतेने घेता येतो आणि पोर्टफोलिओच्या कामगिरीवर (Portfolio Performance) संभाव्य बदलांचे मूल्यांकन करण्यास मदत होते.
ग्राहक प्रतिबद्धता आणि पायाभूत सुविधा
अॅसेट मॅनेजर (Asset Manager) किरकोळ गुंतवणूकदारांसाठी (Retail Investors) डिजिटल टूल्सवरही लक्ष केंद्रित करत आहे, विशेषतः त्यांच्या InvestApp द्वारे. कंपनीचे मुख्य ग्राहक-केंद्रित प्लॅटफॉर्म (Customer-facing Platform) म्हणून, हे ॲप्लिकेशन AI चा वापर वापरकर्त्यांना व्यवहार प्रक्रिया (Transaction Processing) आणि पोर्टफोलिओ विश्लेषणामध्ये (Portfolio Analysis) मदत करते, तसेच स्वयंचलित गुंतवणूक शिफारसी (Automated Investment Recommendations) देखील प्रदान करते.
या सर्व उपक्रमांना एका केंद्रीय डेटा लेक (Centralized Data Lake) द्वारे समर्थन दिले जाते, जो कंपनीच्या AI मॉडेल्सचा आधारस्तंभ आहे. विविध विभागांतील डेटा एकत्रित करून, कंपनी जोखीम मूल्यांकन (Risk Assessment) आणि नियामक अहवाल (Regulatory Reporting) यांमध्ये सुसंगतता सुधारण्याचे उद्दिष्ट ठेवत आहे. कंपनीच्या नेतृत्वाच्या मते, तंत्रज्ञानावरील हे गुंतवणूक कठोर डेटा गोपनीयता (Data Privacy) आणि सुरक्षा प्रोटोकॉलवर (Security Protocols) लक्ष केंद्रित करून संतुलित केली जात आहे.
मालमत्ता व्यवस्थापकांसाठी धोरणात्मक संदर्भ
गुंतवणूकदारांसाठी, म्युच्युअल फंड क्षेत्रात AI चे एकत्रीकरण एक सामान्य ट्रेंड बनत आहे, कारण कंपन्या वाढत्या व्यवहारांचे प्रमाण आणि जटिल नियामक आवश्यकतांचे व्यवस्थापन करण्याचा प्रयत्न करत आहेत. भारतीय बाजारपेठेत, SEBI सारख्या नियामक संस्था डेटा-आधारित पाळत ठेवण्यावर (Data-driven Surveillance) अधिक लक्ष केंद्रित करत आहेत, ज्यामुळे मोठ्या मालमत्ता व्यवस्थापकांसाठी स्वयंचलित पाळत ठेवण्याची प्रणाली (Automated Monitoring Systems) स्वीकारणे आवश्यक झाले आहे. या प्रकल्पांचे यश संस्थेच्या त्रुटी दर (Error Rates) कमी करण्याच्या क्षमतेवर आणि डेटाची जटिलता वाढल्याने अखंडित प्रणाली एकत्रीकरण (Seamless System Integration) राखण्यावर अवलंबून असेल. गुंतवणूकदार या तंत्रज्ञान खर्चाचा कंपनीच्या कॉस्ट-टू-इन्कम रेशोवर (Cost-to-Income Ratio) कसा परिणाम होतो आणि येणाऱ्या तिमाहीत पोर्टफोलिओ व्यवस्थापन (Portfolio Management) आणि जोखीम कमी करण्यात (Risk Mitigation) ही साधने किती प्रभावीपणे योगदान देतात यावर लक्ष ठेवू शकतात.