ਭਾਰਤੀ ਬੈਂਕ AI ਅਪਣਾਉਣ ਦੀ ਰਫਤਾਰ ਵਧਾ ਰਹੇ ਹਨ, ਜਨਰੇਟਿਵ AI ਨਾਲ ਉਤਪਾਦਕਤਾ ਵਧਣ ਦੀ ਉਮੀਦ

ਭਾਰਤੀ ਬੈਂਕ ਹੁਣ ਪ੍ਰਯੋਗਾਤਮਕ AI ਅਪਣਾਉਣ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਵਿੱਤੀ ਸੇਵਾਵਾਂ ਦੇ ਖੇਤਰ ਵਿੱਚ ਸਫਲਤਾ ਲਈ ਇਸਨੂੰ ਇੱਕ ਮੁੱਖ ਲੋੜ ਵਜੋਂ ਏਕੀਕ੍ਰਿਤ ਕਰ ਰਹੇ ਹਨ। ਸ਼ੁਰੂਆਤੀ ਪਾਇਨੀਅਰਾਂ ਜਿਵੇਂ ਕਿ ਬੈਂਕ ਆਫ਼ ਬੜੌਦਾ (ਜਿਸਨੇ 2018 ਵਿੱਚ ਇੱਕ ਪੇਟਾਬਾਈਟ-ਸਕੇਲ ਡਾਟਾ ਪਲੇਟਫਾਰਮ ਦੇ ਨਾਲ ਐਨਾਲਿਟਿਕਸ ਸੈਂਟਰ ਆਫ਼ ਐਕਸਲੈਂਸ ਦੀ ਸਥਾਪਨਾ ਕੀਤੀ), ਸਟੇਟ ਬੈਂਕ ਆਫ਼ ਇੰਡੀਆ (ਆਪਣੇ SIA ਚੈਟਬੋਟ ਦੇ ਨਾਲ ਜੋ 2017 ਵਿੱਚ ਲਾਂਚ ਹੋਇਆ ਸੀ), HDFC ਬੈਂਕ (EVA ਚੈਟਬੋਟ), ਅਤੇ ICICI ਬੈਂਕ (iPal ਚੈਟਬੋਟ) ਨੇ ਰਾਹ ਪੱਧਰਾ ਕੀਤਾ ਹੈ। ਮੌਜੂਦਾ ਲਹਿਰ ਜਨਰੇਟਿਵ AI (GenAI) ਅਤੇ ਉੱਨਤ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ ਦੁਆਰਾ ਚਲਾਈ ਜਾ ਰਹੀ ਹੈ, ਜੋ ਕਿ ਡੂੰਘੀ ਵਿਅਕਤੀਗਤਤਾ ਅਤੇ ਵਿੱਤੀ ਸਲਾਹ ਵਰਗੀਆਂ ਨਵੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਵਾਅਦਾ ਕਰਦੀ ਹੈ। EY ਇੰਡੀਆ ਦੀ ਇੱਕ ਰਿਪੋਰਟ ਦਾ ਅੰਦਾਜ਼ਾ ਹੈ ਕਿ 2030 ਤੱਕ, ਭਾਰਤੀ ਬੈਂਕਿੰਗ ਕਾਰਜਾਂ ਵਿੱਚ GenAI ਕਾਰਨ ਉਤਪਾਦਕਤਾ ਵਿੱਚ 46% ਤੱਕ ਦਾ ਸੁਧਾਰ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਵਰਤਮਾਨ ਵਿੱਚ, ਭਾਰਤ ਵਿੱਚ 74% ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਨੇ GenAI ਪ੍ਰੂਫ-ਆਫ਼-ਕੌਂਸੈਪਟ (PoC) ਪ੍ਰੋਜੈਕਟ ਲਾਂਚ ਕੀਤੇ ਹਨ, ਅਤੇ 11% ਪਹਿਲਾਂ ਹੀ ਉਤਪਾਦਨ (production) ਵਿੱਚ ਹਨ। ਮੁੱਖ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਵਿਕਰੀ ਵਾਧਾ, ਗਾਹਕ ਸੇਵਾ, ਦਸਤਾਵੇਜ਼ੀਕਰਨ ਆਟੋਮੇਸ਼ਨ, ਰੈਗੂਲੇਟਰੀ ਪਾਲਣਾ, ਜੋਖਮ ਵਿਸ਼ਲੇਸ਼ਣ (risk analytics) ਅਤੇ ਕੋਡ ਵਿਕਾਸ ਸ਼ਾਮਲ ਹਨ। ਹਾਲਾਂਕਿ, ਲਾਗੂਕਰਨ ਅਸਲ-ਦੁਨੀਆ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦਾ ਹੈ। ਬੈਂਕਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੋ ਰਹੇ ਤਕਨਾਲੋਜੀ ਲੈਂਡਸਕੇਪ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨਾ ਹੋਵੇਗਾ, ਤਕਨੀਕੀ ਕਰਜ਼ੇ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਹੋਵੇਗਾ, ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਚਿੰਤਾਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨਾ ਹੋਵੇਗਾ। ਡਾਟਾ ਗੋਪਨੀਯਤਾ ਅਤੇ AI ਮਾਡਲ ਦੇ ਭਰਮ (hallucinations) ਦਾ ਜੋਖਮ ਮਹੱਤਵਪੂਰਨ ਰੁਕਾਵਟਾਂ ਹਨ। YES ਬੈਂਕ ਵਰਗੇ ਬੈਂਕ ਗਾਹਕ ਰੋਲਆਊਟ ਤੋਂ ਪਹਿਲਾਂ ਅੰਦਰੂਨੀ ਟੈਸਟਿੰਗ ਅਤੇ ਪਾਲਣਾ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਕੇ ਸਾਵਧਾਨੀ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ। The 'build versus buy' (ਬਣਾਓ ਬਨਾਮ ਖਰੀਦੋ) ਦਾ ਫੈਸਲਾ ਵੀ ਮਹੱਤਵਪੂਰਨ ਹੈ, ਜਿਸ ਵਿੱਚ ਹਾਈਬ੍ਰਿਡ ਪਹੁੰਚ ਨੂੰ ਅਕਸਰ ਤਰਜੀਹ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਵਿੱਚ ਮੁੱਖ ਸਮਰੱਥਾਵਾਂ ਦਾ ਇਨ-ਹਾਊਸ ਵਿਕਾਸ ਅਤੇ ਖਾਸ ਕਾਰਜਾਂ ਲਈ ਬਾਹਰੀ ਮਹਾਰਤ ਸ਼ਾਮਲ ਹੈ। ਅੰਦਰੂਨੀ AI ਪ੍ਰਤਿਭਾ ਅਤੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦਾ ਨਿਰਮਾਣ ਭਵਿੱਖ ਦੇ ਕਾਰਜਾਂ ਲਈ ਬੁਨਿਆਦੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। ਥਰਡ-ਪਾਰਟੀ AI ਵਿਕਰੇਤਾਵਾਂ ਨੂੰ ਵਿਆਖਿਆਤਮਕਤਾ (explainability), ਸੁਰੱਖਿਆ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਸਖ਼ਤ ਲੋੜਾਂ ਪੂਰੀਆਂ ਕਰਨੀਆਂ ਪੈਣਗੀਆਂ। ਇਕਰਾਰਨਾਮੇ ਵਿੱਚ ਅਪਟਾਈਮ, ਸ਼ੁੱਧਤਾ ਅਤੇ ਪੱਖਪਾਤ ਘਟਾਉਣ (bias mitigation) ਬਾਰੇ ਧਾਰਾਵਾਂ ਸ਼ਾਮਲ ਹਨ। AI ਨਿਵੇਸ਼ਾਂ ਦਾ ਲਾਗਤ-ਲਾਭ ਵਿਸ਼ਲੇਸ਼ਣ, ਜੋ ਆਮ ਤੌਰ 'ਤੇ ਕੁੱਲ ਲਾਗਤਾਂ ਦਾ 2% ਤੋਂ 10% ਹੁੰਦਾ ਹੈ, ਦੁਹਰਾਉਣ ਯੋਗ ਕੰਮਾਂ, ਗਾਹਕਾਂ ਦੇ ਵਿਵਹਾਰ ਦੀ ਸਮਝ, ਰੈਗੂਲੇਟਰੀ ਜ਼ਰੂਰਤਾਂ ਅਤੇ ਕਾਰਜ ਕੁਸ਼ਲਤਾਵਾਂ ਦੀ ਪਛਾਣ ਦੁਆਰਾ ਮਾਰਗਦਰਸ਼ਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਪਾਇਲਟਾਂ ਤੋਂ ਅੱਗੇ AI ਨੂੰ ਸਕੇਲ ਕਰਨ ਲਈ ਮਜ਼ਬੂਤ ​​ਸ਼ਾਸਨ, ਪ੍ਰਬੰਧਨ ਦੀ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਸਪਸ਼ਟ ਮੈਟ੍ਰਿਕਸ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਪ੍ਰੋਜੈਕਟਾਂ ਤੋਂ ਸਿੱਖੇ ਗਏ ਸਬਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸੁਧਾਰਨ ਅਤੇ ਇਕਸਾਰ, ਸੁਰੱਖਿਅਤ ਅਤੇ ਅਨੁਕੂਲ AI ਤਾਇਨਾਤੀ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹਨ। ਪ੍ਰਭਾਵ: ਇਸ ਖ਼ਬਰ ਦਾ ਭਾਰਤੀ ਬੈਂਕਿੰਗ ਖੇਤਰ ਅਤੇ ਇਸਦੀ ਕਾਰਜ ਕੁਸ਼ਲਤਾ, ਲਾਭਪਾਤਰਤਾ ਅਤੇ ਗਾਹਕ ਸੇਵਾ ਸਮਰੱਥਾਵਾਂ 'ਤੇ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਭਾਵ ਪਿਆ ਹੈ। AI ਅਤੇ GenAI ਦੀ ਵਿਆਪਕ ਅਪਣਾਉਣ ਇੱਕ ਪੈਰਾਡਾਈਮ ਸ਼ਿਫਟ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਜੋ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਅਤੇ ਭਵਿੱਖ ਦੇ ਵਿਕਾਸ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰੇਗਾ। ਰੇਟਿੰਗ: 9/10. Difficult terms: GenAI (Generative AI), Analytics Centre of Excellence (CoE), Petabyte-scale, Data pipelines, Machine learning operations (MLOps), Data-science workbench, Chatbot, Large language models (LLMs), APIs, Technical debt, Hallucinations (in LLMs), Proof-of-concept (PoC), Agentic AI, Prompt engineering, BFSI.