IMF ਨੇ ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੇ ਵਧਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਇਸਦੇ ਸਿਸਟਮਿਕ ਜੋਖਮਾਂ ਨੂੰ ਰੋਕਣ ਲਈ ਸਖਤ ਗਲੋਬਲ ਨਿਗਰਾਨੀ ਦੀ ਮੰਗ ਕੀਤੀ ਹੈ। ਭਾਵੇਂ AI ਕਾਰਜਕੁਸ਼ਲਤਾ ਵਧਾਉਂਦਾ ਹੈ, ਪਰ ਇੱਕੋ ਜਿਹੀਆਂ ਪ੍ਰਤੀਕਿਰਿਆਵਾਂ ਫਲੈਸ਼ ਕ੍ਰੈਸ਼ ਅਤੇ ਸਾਈਬਰ ਖਤਰਿਆਂ ਨੂੰ ਜਨਮ ਦੇ ਸਕਦੀਆਂ ਹਨ, ਜੋ ਭਾਰਤ ਦੇ ਡਿਜੀਟਲ ਹੋ ਰਹੇ ਵਿੱਤੀ ਸੈਕਟਰ ਲਈ ਇੱਕ ਵੱਡੀ ਚੁਣੌਤੀ ਹੈ।
Detailed Coverage
IMF ਨੇ ਕੇਂਦਰੀ ਬੈਂਕਾਂ ਨੂੰ ਦਿੱਤੀ ਸਖ਼ਤ ਚੇਤਾਵਨੀ
ਅੰਤਰਰਾਸ਼ਟਰੀ ਮੁਦਰਾ ਫੰਡ (IMF) ਨੇ ਦੁਨੀਆ ਭਰ ਦੇ ਕੇਂਦਰੀ ਬੈਂਕਾਂ ਨੂੰ ਇੱਕ ਨਵੀਂ ਹਦਾਇਤ ਜਾਰੀ ਕੀਤੀ ਹੈ। ਇਸ ਵਿੱਚ ਕਿਹਾ ਗਿਆ ਹੈ ਕਿ ਵਿੱਤੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੇ ਡੂੰਘੇ ਹੋ ਰਹੇ ਇੱਕੀਕਰਨ ਨੂੰ ਦੇਖਦੇ ਹੋਏ, ਇਸਦੀ ਨਿਗਰਾਨੀ ਨੂੰ ਹੋਰ ਮਜ਼ਬੂਤ ਕੀਤਾ ਜਾਵੇ। ਇਹ ਚੇਤਾਵਨੀ ਅਜਿਹੇ ਸਮੇਂ ਆਈ ਹੈ ਜਦੋਂ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਹਾਈ-ਫ੍ਰੀਕੁਐਂਸੀ ਟਰੇਡਿੰਗ, ਲੈਂਡਿੰਗ, ਅੰਦਰੂਨੀ ਪਾਲਣਾ ਅਤੇ ਬਾਜ਼ਾਰ ਨਿਗਰਾਨੀ ਵਰਗੇ ਕੰਮਾਂ ਲਈ ਆਟੋਮੇਟਿਡ ਸਿਸਟਮਾਂ 'ਤੇ ਵਧੇਰੇ ਨਿਰਭਰ ਹੋ ਰਹੀਆਂ ਹਨ।
ਆਟੋਮੇਟਿਡ ਟਰੇਡਿੰਗ ਤੋਂ ਸਿਸਟਮਿਕ ਜੋਖਮ
ਹਾਲਾਂਕਿ AI ਬਾਜ਼ਾਰ ਤਰਲਤਾ (Market Liquidity) ਨੂੰ ਸੁਧਾਰਨ ਅਤੇ ਲੈਣ-ਦੇਣ ਦੀ ਲਾਗਤ ਘਟਾਉਣ ਲਈ ਮਸ਼ਹੂਰ ਹੈ, ਪਰ IMF ਇਸ ਕੁਸ਼ਲਤਾ ਦੇ ਹਨੇਰੇ ਪਹਿਲੂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ। ਮੁੱਖ ਚਿੰਤਾ ਇਹ ਹੈ ਕਿ ਬਾਜ਼ਾਰ ਦੇ ਤਣਾਅ ਹੇਠ, ਸਮਾਨ ਤਰਕ (Similar Logic) ਨਾਲ ਪ੍ਰੋਗਰਾਮ ਕੀਤੇ ਗਏ ਕਈ AI ਸਿਸਟਮ ਇੱਕੋ ਸਮੇਂ ਇੱਕੋ ਜਿਹੇ ਡਾਟਾ 'ਤੇ ਪ੍ਰਤੀਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਸਮਕਾਲੀ ਵਿਵਹਾਰ (Synchronized Behaviour) ਫਲੈਸ਼ ਕ੍ਰੈਸ਼ (Flash Crashes) ਦਾ ਖਤਰਾ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਜੋ ਮਨੁੱਖੀ ਗਲਤੀ ਕਾਰਨ ਹੋਣ ਵਾਲੇ ਕ੍ਰੈਸ਼ਾਂ ਨਾਲੋਂ ਤੇਜ਼ ਅਤੇ ਵਧੇਰੇ ਗੰਭੀਰ ਹੋ ਸਕਦੇ ਹਨ। IMF ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ ਕਿ ਮੌਜੂਦਾ ਰੈਗੂਲੇਟਰੀ ਢਾਂਚੇ ਅਕਸਰ ਇਨ੍ਹਾਂ ਆਟੋਮੇਟਿਡ ਪਰਸਪਰ ਕ੍ਰਿਆਵਾਂ ਦੀ ਗਤੀ ਅਤੇ ਪੈਮਾਨੇ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਕਾਫੀ ਨਹੀਂ ਹੁੰਦੇ।
ਭਾਰਤੀ ਵਿੱਤੀ ਸੈਕਟਰ ਲਈ ਚੁਣੌਤੀਆਂ
IMF ਦੀਆਂ ਸਿਫ਼ਾਰਸ਼ਾਂ ਭਾਰਤ ਲਈ ਖਾਸ ਤੌਰ 'ਤੇ ਪ੍ਰਸੰਗਿਕ ਹਨ, ਜਿੱਥੇ ਰਿਜ਼ਰਵ ਬੈਂਕ ਆਫ ਇੰਡੀਆ (RBI) ਅਤੇ ਨਿੱਜੀ ਬੈਂਕ ਆਕਰਸ਼ਕ ਤੌਰ 'ਤੇ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ। RBI ਇਨੋਵੇਸ਼ਨ ਹੱਬ ਦੁਆਰਾ ਵਿਕਸਿਤ MuleHunter.AI ਵਰਗੇ ਟੂਲ ਪਹਿਲਾਂ ਹੀ ਧੋਖਾਧੜੀ ਵਾਲੇ ਖਾਤਿਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਅਤੇ ਸਾਈਬਰ ਅਪਰਾਧ ਨਾਲ ਲੜਨ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, AI-ਅਧਾਰਿਤ ਕ੍ਰੈਡਿਟ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਉਨ੍ਹਾਂ ਕਰਜ਼ਦਾਰਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ ਜਿਨ੍ਹਾਂ ਕੋਲ ਰਵਾਇਤੀ ਕ੍ਰੈਡਿਟ ਹਿਸਟਰੀ ਨਹੀਂ ਹੈ, ਜਿਸ ਨਾਲ ਸੂਖਮ, ਛੋਟੇ ਅਤੇ ਦਰਮਿਆਨੇ ਉੱਦਮਾਂ (MSMEs) ਨੂੰ ਕਰਜ਼ਾ ਮਿਲਣ ਦੀ ਸੰਭਾਵਨਾ ਵਧ ਸਕਦੀ ਹੈ। ਹਾਲਾਂਕਿ, IMF ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ ਕਿ ਜਿਵੇਂ-ਜਿਵੇਂ ਇਨ੍ਹਾਂ ਮਾਡਲਾਂ 'ਤੇ ਨਿਰਭਰਤਾ ਵਧਦੀ ਹੈ, ਤਰਕਸੰਗਤਤਾ (Concentration) ਦਾ ਖਤਰਾ ਵੀ ਵਧਦਾ ਹੈ। ਜੇਕਰ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਸੀਮਤ ਕਲਾਉਡ ਅਤੇ AI ਮਾਡਲ ਪ੍ਰਦਾਤਾਵਾਂ ਦੇ ਸਮੂਹ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ, ਤਾਂ ਇੱਕ ਪ੍ਰਦਾਤਾ ਦੀ ਇੱਕੋ ਤਕਨੀਕੀ ਜਾਂ ਸੁਰੱਖਿਆ ਅਸਫਲਤਾ ਇੱਕ ਵਿਆਪਕ ਸਿਸਟਮਿਕ ਝਟਕਾ ਦੇ ਸਕਦੀ ਹੈ।
ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਦੀ ਲੋੜ
ਭਾਰਤ ਵਰਗੇ ਉਭਰਦੇ ਬਾਜ਼ਾਰਾਂ (Emerging Markets) ਲਈ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਗੁੰਝਲਦਾਰ AI ਐਲਗੋਰਿਦਮ ਦਾ ਆਡਿਟ ਅਤੇ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਤਕਨੀਕੀ ਪ੍ਰਤਿਭਾ ਦੀ ਘਾਟ ਹੈ। ਵਿੱਤੀ ਸੁਪਰਵਾਈਜ਼ਰਾਂ ਨੂੰ ਇਨ੍ਹਾਂ "ਬਲੈਕ ਬਾਕਸ" ਮਾਡਲਾਂ ਨੂੰ ਸਮਝਣ ਲਈ ਡੂੰਘੇ ਗਿਆਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜੋ ਨਵੇਂ ਮਾਹਿਰਾਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਨਿਵੇਸ਼ ਤੋਂ ਬਿਨਾਂ ਮੁਸ਼ਕਲ ਹੈ। IMF ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ ਕਿ AI ਨੂੰ ਮਨੁੱਖੀ ਫੈਸਲੇ ਨੂੰ ਵਧਾਉਣ (Augment) ਲਈ ਇੱਕ ਸਾਧਨ ਵਜੋਂ ਕੰਮ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਇਸਨੂੰ ਬਦਲਣ ਲਈ। ਪ੍ਰਭਾਵੀ ਸ਼ਾਸਨ (Governance) ਲਈ ਇਹ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਸੰਸਥਾਵਾਂ ਮਜ਼ਬੂਤ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਬਣਾਈ ਰੱਖਣ ਤਾਂ ਜੋ ਐਲਗੋਰਿਦਮ ਦੇ ਪੱਖਪਾਤੀ ਜਾਂ ਗਲਤ ਨਤੀਜੇ ਪੈਦਾ ਕਰਨ 'ਤੇ ਦਖਲ ਦੇ ਸਕਣ।
ਅੰਦਰੂਨੀ ਸ਼ਾਸਨ ਤੋਂ ਪਰੇ, AI-ਸੰਚਾਲਿਤ ਸਾਈਬਰ ਹਮਲਿਆਂ ਦੀ ਵਧਦੀ ਸੂਝ-ਬੂਝ ਨੇ ਸਾਈਬਰ ਲਚਕੀਲੇਪਣ (Cyber Resilience) ਨੂੰ ਵਿੱਤੀ ਸਥਿਰਤਾ ਦਾ ਇੱਕ ਪ੍ਰਾਇਮਰੀ ਥੰਮ ਬਣਾ ਦਿੱਤਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਜਨਰੇਟਿਵ AI ਫਿਸ਼ਿੰਗ ਅਤੇ ਧੋਖਾਧੜੀ ਨੂੰ ਵਧੇਰੇ ਯਕੀਨਨ ਬਣਾਉਂਦਾ ਹੈ, ਰੈਗੂਲੇਟਰਾਂ ਨੂੰ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਵਿੱਤੀ ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਲਗਾਤਾਰ ਵਿਕਸਿਤ ਹੋ ਰਹੇ ਖਤਰਿਆਂ ਦੇ ਵਿਰੁੱਧ ਮਜ਼ਬੂਤ ਹੋਵੇ। ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਬਾਜ਼ਾਰ ਭਾਗੀਦਾਰਾਂ ਨੂੰ ਇਸ ਗੱਲ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ ਕਿ RBI ਆਪਣੇ ਰੈਗੂਲੇਟਰੀ ਸੈਂਡਬਾਕਸ ਪਹਿਲਕਦਮੀਆਂ ਨੂੰ ਇਨ੍ਹਾਂ ਵਿਕਾਸਸ਼ੀਲ ਸਥਿਰਤਾ ਲੋੜਾਂ ਨਾਲ ਕਿਵੇਂ ਸੰਤੁਲਿਤ ਕਰਦਾ ਹੈ, ਕਿਉਂਕਿ ਭਵਿੱਖ ਦੀਆਂ ਨੀਤੀਆਂ ਤੀਜੀ-ਧਿਰ AI ਮਾਡਲਾਂ 'ਤੇ ਭਾਰੀ ਨਿਰਭਰ ਸੰਸਥਾਵਾਂ ਲਈ ਸਖਤ ਆਡਿਟਿੰਗ ਅਤੇ ਉੱਚ ਪੂੰਜੀ ਬਫਰਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।