ਭਾਰਤੀ ਬੈਂਕਾਂ ਹੁਣ AI ਨਾਲ ਫੜਨਗੀਆਂ ਧੋਖਾਧੜੀ, ₹40,774 ਕਰੋੜ ਦੇ ਘੁਟਾਲੇ 'ਤੇ ਲੱਗੇਗਾ ਰੋਕ

ਭਾਰਤੀ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਹੁਣ AI (Artificial Intelligence) ਦੀ ਮਦਦ ਨਾਲ ਰੀਅਲ-ਟਾਈਮ ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵੱਲ ਵਧ ਰਹੀਆਂ ਹਨ। ਵਿੱਤੀ ਸਾਲ 2026 ਵਿੱਚ, ਕਰਜ਼ਿਆਂ ਨਾਲ ਸਬੰਧਤ ਧੋਖਾਧੜੀ ਦਾ ਅੰਕੜਾ ₹40,774 ਕਰੋੜ ਤੱਕ ਪਹੁੰਚ ਗਿਆ ਹੈ। ਇਹ ਤਬਦੀਲੀ MSME ਕਰਜ਼ਿਆਂ ਦੀਆਂ ਗੰਭੀਰ ਕਮੀਆਂ ਨੂੰ ਦੂਰ ਕਰਨ ਦਾ ਟੀਚਾ ਰੱਖਦੀ ਹੈ, ਜਿੱਥੇ ਮੈਨੂਅਲ ਰਿਕਾਰਡ ਅਕਸਰ ਜਾਅਲੀ ਇਨਵੌਇਸਾਂ ਨੂੰ ਲੁਕਾਉਂਦੇ ਹਨ। ਹਾਲਾਂਕਿ ਇਸ ਲਈ ਅੱਜ ਵੱਡੇ ਟੈਕਨਾਲੋਜੀ ਨਿਵੇਸ਼ ਦੀ ਲੋੜ ਹੈ, ਪਰ ਇਸ ਨਾਲ ਲੰਬੇ ਸਮੇਂ ਵਿੱਚ ਜਾਇਦਾਦ ਦੀ ਗੁਣਵੱਤਾ (Asset Quality) ਵਿੱਚ ਸੁਧਾਰ, ਮੁਨਾਫੇ ਦੇ ਮਾਰਜਿਨ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਬੈਂਕਿੰਗ ਤੇ NBFC ਸੈਕਟਰ ਦੀ ਸਮੁੱਚੀ ਸਥਿਰਤਾ ਨੂੰ ਮਜ਼ਬੂਤੀ ਮਿਲਣ ਦੀ ਉਮੀਦ ਹੈ।

ਕੀ ਹੋਇਆ?

ਸਾਰੇ ਭਾਰਤ ਵਿੱਚ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਧੋਖਾਧੜੀ ਦੀ ਨਿਗਰਾਨੀ ਅਤੇ ਰੋਕਥਾਮ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਦੇਖ ਰਹੀਆਂ ਹਨ। ਬੈਂਕ, ਨਾਨ-ਬੈਂਕਿੰਗ ਵਿੱਤੀ ਕੰਪਨੀਆਂ (NBFCs) ਅਤੇ ਡਿਜੀਟਲ ਭੁਗਤਾਨ ਪ੍ਰਦਾਤਾ, ਰਵਾਇਤੀ, ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਨਿਯਮਾਂ 'ਤੇ ਆਧਾਰਿਤ ਜਾਂਚਾਂ ਤੋਂ ਹੱਟ ਕੇ, ਅਤਿ-ਆਧੁਨਿਕ, ਰੀਅਲ-ਟਾਈਮ AI ਸਿਸਟਮਾਂ ਵੱਲ ਵਧ ਰਹੇ ਹਨ। ਇਹ ਨਵਾਂ ਪਹੁੰਚ ਲੈਣ-ਦੇਣ ਦੇ ਪੈਟਰਨ, ਉਪਭੋਗਤਾ ਡਿਵਾਈਸ ਡਾਟਾ ਅਤੇ KYC ਜਾਣਕਾਰੀ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ ਸ਼ੱਕੀ ਗਤੀਵਿਧੀਆਂ ਦਾ ਪਤਾ ਲੱਗਦੇ ਹੀ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਜਾ ਸਕੇ, ਨਾ ਕਿ ਨੁਕਸਾਨ ਹੋਣ ਤੋਂ ਬਾਅਦ।

ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇਹ ਕਿਉਂ ਮਾਇਨੇ ਰੱਖਦਾ ਹੈ?

ਸਮੱਸਿਆ ਦਾ ਪੱਧਰ ਕਾਫੀ ਵੱਡਾ ਹੈ। ਇੰਡਸਟਰੀ ਦੇ ਅੰਕੜੇ ਦੱਸਦੇ ਹਨ ਕਿ ਵਿੱਤੀ ਸਾਲ 2026 ਵਿੱਚ ਐਡਵਾਂਸ ਸੈਗਮੈਂਟ (Advances Segment) ਵਿੱਚ ਧੋਖਾਧੜੀ ₹40,774 ਕਰੋੜ ਤੱਕ ਪਹੁੰਚ ਗਈ, ਜੋ ਕਿ ਬੈਂਕਿੰਗ ਧੋਖਾਧੜੀ ਦੇ ਕੁੱਲ ਮੁੱਲ ਦਾ ਲਗਭਗ 85% ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ ਬੈਂਕ ਡਿਜੀਟਲ ਪਰਿਵਰਤਨ (Digital Transformation) ਨੂੰ ਇੰਨੀ ਤਰਜੀਹ ਕਿਉਂ ਦੇ ਰਹੇ ਹਨ। ਟ੍ਰਾਂਜ਼ੈਕਸ਼ਨ ਪੱਧਰ 'ਤੇ ਧੋਖਾਧੜੀ ਫੜ ਕੇ, ਕਰਜ਼ਾ ਦੇਣ ਵਾਲੇ ਆਪਣੇ ਲੋਨ ਬੁੱਕ ਨੂੰ ਖਰਾਬ ਸੰਪਤੀਆਂ (Bad Assets) ਤੋਂ ਬਚਾਉਣ ਦਾ ਟੀਚਾ ਰੱਖਦੇ ਹਨ, ਜੋ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਦੀ ਮੁਨਾਫੇ ਅਤੇ ਸਥਿਰਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ।

ਵਪਾਰਕ ਉਧਾਰ (Business Lending) ਦੀ ਚੁਣੌਤੀ

ਖਾਸ ਤੌਰ 'ਤੇ ਸੂਖਮ, ਲਘੂ ਅਤੇ ਦਰਮਿਆਨੇ ਉਦਯੋਗਾਂ (MSMEs) ਨੂੰ ਕਰਜ਼ਾ ਦੇਣਾ, ਇਨ੍ਹਾਂ ਧੋਖਾਧੜੀ ਖੋਜ ਯਤਨਾਂ ਲਈ ਇੱਕ ਵੱਡਾ ਫੋਕਸ ਖੇਤਰ ਬਣ ਗਿਆ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਕਰਜ਼ਾਦਾਤਾ ਇਸ ਸੈਗਮੈਂਟ ਨਾਲ ਸੰਘਰਸ਼ ਕਰਦੇ ਹਨ ਕਿਉਂਕਿ ਮੈਨੂਅਲ ਵਿੱਤੀ ਰਿਕਾਰਡ ਮਨੁੱਖੀ ਗਲਤੀ ਜਾਂ ਹੇਰਾਫੇਰੀ ਲਈ ਪ੍ਰਵਿਰਤ ਹੋ ਸਕਦੇ ਹਨ। ਜਾਅਲੀ ਇਨਵੌਇਸਿੰਗ, ਬਣਾਵਟੀ ਤੌਰ 'ਤੇ ਵਧਾਇਆ ਗਿਆ ਟਰਨਓਵਰ, ਅਤੇ ਬੇਮੇਲ ਕੈਸ਼ ਫਲੋ ਵਰਗੀਆਂ ਸਮੱਸਿਆਵਾਂ ਪੁਰਾਣੇ ਸਿਸਟਮਾਂ ਨਾਲ ਖੋਜਣੀਆਂ ਮੁਸ਼ਕਲ ਹਨ। ਇੰਡਸਟਰੀ ਹੁਣ ਵਧੇਰੇ ਸੰਰਚਿਤ, ਆਡਿਟ ਕਰਨ ਯੋਗ ਵਿੱਤੀ ਡਾਟਾ ਲਈ ਦਬਾਅ ਪਾ ਰਹੀ ਹੈ, ਜੋ AI ਮਾਡਲਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।

ਟੈਕਨਾਲੋਜੀ ਨਿਵੇਸ਼ ਦੀ ਲਹਿਰ

ਇਹ ਬਦਲਾਅ ਸਿਰਫ ਸੌਫਟਵੇਅਰ ਬਾਰੇ ਨਹੀਂ ਹੈ; ਇਸ ਲਈ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ ਇੱਕ ਵੱਡੇ ਨਿਵੇਸ਼ ਦੀ ਲੋੜ ਹੈ। ਵਿੱਤੀ ਫਰਮਾਂ ਸਟਰੀਮਿੰਗ ਡਾਟਾ ਪਲੇਟਫਾਰਮਾਂ ਅਤੇ ਕਲਾਉਡ-ਨੇਟਿਵ ਆਰਕੀਟੈਕਚਰ ਵੱਲ ਵਧ ਰਹੀਆਂ ਹਨ ਜੋ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਵਿਸ਼ਾਲ ਡਾਟਾ ਦੀ ਮਾਤਰਾ ਨੂੰ ਸੰਭਾਲ ਸਕਦੀਆਂ ਹਨ। Redington, Busy Infotech, mFilterIt, ਅਤੇ Eucloid Data Solutions ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਦੇ ਮਾਹਰ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ ਇਹ ਕਦਮ ਇੱਕ ਜ਼ਰੂਰੀ ਵਿਕਾਸ ਹੈ। ਫਰਮਾਂ ਲੇ legacy ਸਿਸਟਮਾਂ ਤੋਂ ਮਾਈਗ੍ਰੇਟ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੀਆਂ ਹਨ ਜੋ ਰੀਅਲ-ਟਾਈਮ, ਆਟੋਮੇਟਿਡ ਫੈਸਲੇ ਲੈਣ ਲਈ ਕਦੇ ਨਹੀਂ ਬਣਾਏ ਗਏ ਸਨ। ਹਾਲਾਂਕਿ ਇਹ ਅੱਜ ਇੱਕ ਲਾਗਤ ਹੈ, ਇਸਨੂੰ ਇੱਕ ਵਧੇਰੇ ਲਚਕੀਲਾ ਵਪਾਰ ਮਾਡਲ ਬਣਾਉਣ ਦੇ ਤਰੀਕੇ ਵਜੋਂ ਦੇਖਿਆ ਜਾ ਰਿਹਾ ਹੈ।

ਨਿਵੇਸ਼ਕ ਇਸ ਨੂੰ ਕਿਵੇਂ ਦੇਖ ਸਕਦੇ ਹਨ?

ਨਿਵੇਸ਼ਕ ਇਸ ਨੂੰ ਛੋਟੀ ਮਿਆਦ ਦੇ ਖਰਚੇ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੀ ਕੁਸ਼ਲਤਾ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਸੰਤੁਲਨ ਵਜੋਂ ਦੇਖ ਸਕਦੇ ਹਨ। AI ਨੂੰ ਅਪਣਾਉਣਾ ਅਤੇ legacy ਡਾਟਾਬੇਸਾਂ ਨੂੰ ਮਾਈਗ੍ਰੇਟ ਕਰਨ ਵਿੱਚ ਉੱਚ ਸ਼ੁਰੂਆਤੀ ਟੈਕਨਾਲੋਜੀ ਲਾਗਤਾਂ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ, ਜੋ ਨੇੜੇ ਦੀ ਮਿਆਦ ਵਿੱਚ ਸੰਚਾਲਨ ਮਾਰਜਿਨ 'ਤੇ ਕੁਝ ਦਬਾਅ ਪਾ ਸਕਦੀਆਂ ਹਨ। ਹਾਲਾਂਕਿ, ਸੰਭਾਵੀ ਲਾਭ ਗੈਰ-ਕਾਰਜਸ਼ੀਲ ਸੰਪਤੀਆਂ (NPAs) ਵਿੱਚ ਕਮੀ ਅਤੇ ਧੋਖਾਧੜੀ ਕਾਰਨ ਘੱਟ ਲਿਖਤਾਂ (Write-offs) ਹੋਣਾ ਹੈ। ਇਹ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ ਕਿਉਂਕਿ ਧੋਖਾਧੜੀ ਦੀ ਗੁੰਝਲਤਾ—ਖਾਤਾ ਟੇਕਓਵਰ ਤੋਂ ਲੈ ਕੇ ਸਿੰਥੈਟਿਕ ਆਈਡੈਂਟਿਟੀ ਤੱਕ—ਵੱਧ ਰਹੀ ਹੈ। ਇੱਕ ਬਿਹਤਰ, ਰੀਅਲ-ਟਾਈਮ ਖੋਜ ਪ੍ਰਣਾਲੀ ਵਾਲਾ ਕਰਜ਼ਾ ਦੇਣ ਵਾਲਾ ਆਪਣੇ ਹਮਰੁਤਬਾ ਦੇ ਮੁਕਾਬਲੇ ਬਿਹਤਰ ਜਾਇਦਾਦ ਗੁਣਵੱਤਾ ਦਾ ਆਨੰਦ ਮਾਣ ਸਕਦਾ ਹੈ ਜੋ ਅਜੇ ਵੀ ਮੈਨੂਅਲ, ਹੌਲੀ ਪ੍ਰਕਿਰਿਆਵਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ।

ਕੀ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ?

ਨਵੀਂ ਟੈਕਨਾਲੋਜੀ ਵਿੱਚ ਤਬਦੀਲੀ ਕਦੇ ਵੀ ਆਸਾਨ ਨਹੀਂ ਹੁੰਦੀ। ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਵਿੱਚ ਦੇਰੀ ਦਾ ਖਤਰਾ ਹੈ ਕਿਉਂਕਿ ਸੰਸਥਾਵਾਂ ਇਨ੍ਹਾਂ ਨਵੇਂ AI ਸਿਸਟਮਾਂ ਨੂੰ ਪੁਰਾਣੇ, ਹਾਈਬ੍ਰਿਡ ਮਾਡਲਾਂ 'ਤੇ ਲੇਅਰ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੀਆਂ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਰੈਗੂਲੇਟਰ ਇਹਨਾਂ AI ਇੰਜਣਾਂ ਦੁਆਰਾ ਫੈਸਲੇ ਲੈਣ ਦੇ ਤਰੀਕਿਆਂ ਵਿੱਚ ਪਾਰਦਰਸ਼ਤਾ ਦੀ ਉਮੀਦ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਬੈਂਕ ਦਾ AI ਸਿਸਟਮ ਕੋਈ ਗਲਤੀ ਕਰਦਾ ਹੈ ਜਾਂ ਇਹ ਨਹੀਂ ਦੱਸ ਸਕਦਾ ਕਿ ਉਸਨੇ ਟ੍ਰਾਂਜ਼ੈਕਸ਼ਨ ਨੂੰ ਕਿਉਂ ਬਲੌਕ ਕੀਤਾ, ਤਾਂ ਇਹ ਕਾਰਜਸ਼ੀਲ ਸਮੱਸਿਆਵਾਂ ਜਾਂ ਰੈਗੂਲੇਟਰੀ ਜਾਂਚ ਵੱਲ ਲੈ ਜਾ ਸਕਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਸਿਸਟਮਾਂ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਬੈਂਕਾਂ ਦੁਆਰਾ ਉਨ੍ਹਾਂ ਵਿੱਚ ਫੀਡ ਕੀਤੇ ਗਏ ਡਾਟਾ ਦੀ ਗੁਣਵੱਤਾ 'ਤੇ ਵੀ ਨਿਰਭਰ ਕਰੇਗੀ; ਜੇਕਰ ਇਨਪੁੱਟ ਡਾਟਾ ਗੰਦਾ ਜਾਂ ਅਣ-ਸਤਿਕਾਰਿਤ ਰਹਿੰਦਾ ਹੈ, ਤਾਂ ਸਭ ਤੋਂ ਵਧੀਆ AI ਮਾਡਲ ਵੀ ਧੋਖਾਧੜੀ ਨੂੰ ਫੜਨ ਵਿੱਚ ਅਸਫਲ ਹੋ ਸਕਦੇ ਹਨ।

ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?

ਅੱਗੇ ਵਧਦੇ ਹੋਏ, ਨਿਵੇਸ਼ਕ ਇਹ ਟਰੈਕ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਆਪਣੇ ਟੈਕਨਾਲੋਜੀ ਖਰਚਿਆਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਿਵੇਂ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਕੀ ਇਹ ਨਿਵੇਸ਼ ਘੱਟ ਕ੍ਰੈਡਿਟ ਲਾਗਤਾਂ ਵਿੱਚ ਪਰਿਵਰਤਿਤ ਹੁੰਦੇ ਹਨ। MSME ਪੋਰਟਫੋਲੀਓ ਵਿੱਚ ਜਾਇਦਾਦ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰਾਂ ਬਾਰੇ ਪ੍ਰਬੰਧਨ ਦੀ ਟਿੱਪਣੀ ਦੇਖਣਾ ਮਹੱਤਵਪੂਰਨ ਹੋਵੇਗਾ। ਨਾਲ ਹੀ, ਇਸ ਬਾਰੇ ਅਪਡੇਟਸ ਦੇਖੋ ਕਿ ਬੈਂਕ AI ਗਵਰਨੈਂਸ ਲਈ ਰੈਗੂਲੇਟਰੀ ਲੋੜਾਂ ਨੂੰ ਕਿਵੇਂ ਨੈਵੀਗੇਟ ਕਰ ਰਹੇ ਹਨ, ਕਿਉਂਕਿ ਕੇਂਦਰੀ ਬੈਂਕ ਡਿਜੀਟਲ ਲੈਂਡਿੰਗ ਸਿਸਟਮਾਂ ਦੀ ਸੁਰੱਖਿਆ ਅਤੇ ਪਾਰਦਰਸ਼ਤਾ 'ਤੇ ਸਖ਼ਤ ਫੋਕਸ ਬਣਾਈ ਰੱਖਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।