ਭਾਰਤੀ ਰਿਜ਼ਰਵ ਬੈਂਕ (RBI) ਨੇ ਇੱਕ ਨਵਾਂ ਮਾਡਲ ਰਿਸਕ ਮੈਨੇਜਮੈਂਟ ਫਰੇਮਵਰਕ ਪੇਸ਼ ਕੀਤਾ ਹੈ, ਜਿਸ ਤਹਿਤ AI (Artificial Intelligence) ਦੁਆਰਾ ਲਏ ਗਏ ਸਾਰੇ ਬੈਂਕਿੰਗ ਫੈਸਲਿਆਂ 'ਤੇ ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਲਾਜ਼ਮੀ ਹੋਵੇਗੀ। ਹੁਣ ਬੈਂਕਾਂ ਨੂੰ 'ਕਿਲ ਸਵਿੱਚ' (Kill Switches) ਲਾਗੂ ਕਰਨੇ ਪੈਣਗੇ ਅਤੇ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੋਵੇਗਾ ਕਿ ਆਟੋਮੈਟਿਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਦਖਲ ਸੰਭਵ ਹੋਵੇ। ਇਹ ਕਦਮ ਦੇਸ਼ ਵਿੱਚ ਡਿਜੀਟਲ ਬੈਂਕਿੰਗ ਦੇ ਵਧਣ ਦੇ ਨਾਲ ਸਿਸਟਮਿਕ ਜੋਖਮਾਂ ਨੂੰ ਰੋਕਣ ਲਈ ਚੁੱਕਿਆ ਗਿਆ ਹੈ।
ਆਟੋਮੇਟਿਡ ਬੈਂਕਿੰਗ 'ਚ ਜਵਾਬਦੇਹੀ
ਭਾਰਤੀ ਰਿਜ਼ਰਵ ਬੈਂਕ (RBI) ਨੇ ਇੱਕ ਡਰਾਫਟ ਮਾਡਲ ਰਿਸਕ ਮੈਨੇਜਮੈਂਟ ਫਰੇਮਵਰਕ ਜਾਰੀ ਕੀਤਾ ਹੈ, ਜੋ AI (Artificial Intelligence) ਅਤੇ ML (Machine Learning) ਦੀ ਵਰਤੋਂ ਵਾਲੇ ਬੈਂਕਿੰਗ ਕੰਮਾਂ ਵਿੱਚ ਮਨੁੱਖੀ ਕੰਟਰੋਲ ਨੂੰ ਕੇਂਦਰ ਵਿੱਚ ਰੱਖਦਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਭਾਰਤ ਵਿੱਚ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਤੇਜ਼ ਡਿਜੀਟਲ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵੱਲ ਵਧ ਰਹੀਆਂ ਹਨ, ਰੈਗੂਲੇਟਰ ਸਪੱਸ਼ਟ ਨਿਯਮ ਬਣਾ ਰਿਹਾ ਹੈ ਤਾਂ ਜੋ ਇਹ ਯਕੀਨੀ ਬਣਾਇਆ ਜਾ ਸਕੇ ਕਿ ਬੈਂਕ ਗਾਹਕਾਂ ਅਤੇ ਸਿਸਟਮਿਕ ਸਥਿਰਤਾ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਨ ਵਾਲੇ ਆਟੋਮੇਟਿਡ ਫੈਸਲਿਆਂ ਲਈ ਜਵਾਬਦੇਹ ਰਹਿਣ।
ਪੇਸ਼ ਕੀਤੇ ਗਏ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਅਨੁਸਾਰ, ਬੈਂਕਾਂ ਨੂੰ ਆਪਣੇ ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਮਾਡਲਾਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਲਈ ਪੂਰੀ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਣੀ ਪਵੇਗੀ, ਭਾਵੇਂ ਇਹ ਸਿਸਟਮ ਇਨ-ਹਾਊਸ ਟੀਮਾਂ ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਹੋਣ ਜਾਂ ਤੀਜੀ-ਧਿਰ ਟੈਕਨਾਲੋਜੀ ਪ੍ਰਦਾਤਾਵਾਂ ਤੋਂ ਖਰੀਦੇ ਗਏ ਹੋਣ। ਇਸ ਫਰੇਮਵਰਕ ਅਨੁਸਾਰ ਬੈਂਕਾਂ ਨੂੰ ਇੱਕ ਬੋਰਡ-ਪ੍ਰਵਾਨਿਤ ਪਾਲਿਸੀ ਬਣਾਉਣੀ ਹੋਵੇਗੀ ਜੋ ਮਾਡਲ ਦੇ ਵਿਕਾਸ ਤੋਂ ਲੈ ਕੇ ਰਿਟਾਇਰਮੈਂਟ ਤੱਕ ਦੇ ਪੂਰੇ ਜੀਵਨ ਚੱਕਰ ਨੂੰ ਕਵਰ ਕਰੇ। ਹਰ ਮਾਡਲ ਨੂੰ ਲਾਈਵ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਵੈਲਿਡੇਟ (Validate) ਕਰਨਾ ਹੋਵੇਗਾ, ਭਾਵੇਂ ਟੈਕਨਾਲੋਜੀ ਸਪਲਾਇਰ ਨੇ ਇਸਨੂੰ ਪਹਿਲਾਂ ਹੀ ਸਰਟੀਫਾਈ ਕਰ ਦਿੱਤਾ ਹੋਵੇ।
ਓਪਰੇਸ਼ਨਲ ਸੇਫਗਾਰਡਜ਼ ਅਤੇ ਮਨੁੱਖੀ ਕੰਟਰੋਲ
ਟੈਕਨਾਲੋਜੀ 'ਤੇ ਜ਼ਿਆਦਾ ਨਿਰਭਰਤਾ ਦੇ ਜੋਖਮ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ, RBI ਨੇ 'ਹਿਊਮਨ-ਇਨ-ਦ-ਲੂਪ' (Human-in-the-loop) ਸਿਧਾਂਤ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੱਤਾ ਹੈ। ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਬੈਂਕ ਕਰਮਚਾਰੀ ਆਟੋਮੇਟਿਡ ਫੈਸਲਿਆਂ 'ਤੇ ਸਵਾਲ ਉਠਾਉਣ, ਓਵਰਰਾਈਡ (Override) ਕਰਨ ਜਾਂ ਰੋਕਣ ਦੀ ਸ਼ਕਤੀ ਬਰਕਰਾਰ ਰੱਖਣ। ਜੇਕਰ ਕੋਈ ਸਿਸਟਮ ਅਣ-ਅਨੁਮਾਨਿਤ ਨਤੀਜੇ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਬੈਂਕਾਂ ਨੂੰ ਤੁਰੰਤ AI ਮਾਡਲ ਨੂੰ ਮੁਅੱਤਲ ਕਰਨ ਲਈ ਐਮਰਜੈਂਸੀ ਪ੍ਰੋਟੋਕਾਲ, ਜਿਸਨੂੰ ਅਕਸਰ 'ਕਿਲ ਸਵਿੱਚ' ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਨੂੰ ਐਕਟੀਵੇਟ ਕਰਨਾ ਹੋਵੇਗਾ।
ਰੈਗੂਲੇਟਰ ਨੇ ਖਾਸ ਤੌਰ 'ਤੇ ਆਟੋਮੇਸ਼ਨ ਬਾਇਸ (Automation Bias) ਬਾਰੇ ਚਿੰਤਾਵਾਂ ਉਜਾਗਰ ਕੀਤੀਆਂ ਹਨ, ਜਿੱਥੇ ਸਟਾਫ ਅੰਨ੍ਹੇਵਾਹ ਕੰਪਿਊਟਰ ਆਊਟਪੁੱਟ 'ਤੇ ਭਰੋਸਾ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਡਿਸੀਜ਼ਨ ਫਟੀਗ (Decision Fatigue), ਜਿਸ ਕਾਰਨ ਨਿਗਰਾਨੀ ਵਿੱਚ ਗਲਤੀਆਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਉਨ੍ਹਾਂ ਸਿਸਟਮਾਂ ਲਈ ਜੋ ਸਿੱਧੇ ਗਾਹਕਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਦੇ ਹਨ, ਇਸ ਡਰਾਫਟ ਵਿੱਚ ਇਹ ਲਾਜ਼ਮੀ ਹੈ ਕਿ ਬੈਂਕ AI ਦੀ ਵਰਤੋਂ ਦਾ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਖੁਲਾਸਾ ਕਰਨ ਅਤੇ ਗਾਹਕਾਂ ਨੂੰ ਮਨੁੱਖੀ ਪ੍ਰਤੀਨਿਧੀ ਤੱਕ ਪਹੁੰਚਣ ਦਾ ਵਿਕਲਪ ਪ੍ਰਦਾਨ ਕਰਨ।
ਗਵਰਨੈਂਸ ਅਤੇ ਰਿਸਕ ਕਲਾਸੀਫਿਕੇਸ਼ਨ
ਬੈਂਕਾਂ ਨੂੰ ਆਪਣੇ ਮਾਡਲਾਂ ਨੂੰ ਉਨ੍ਹਾਂ ਦੀ ਗੁੰਝਲਤਾ ਅਤੇ ਜੋਖਮ ਪੱਧਰ ਦੇ ਆਧਾਰ 'ਤੇ ਸ਼੍ਰੇਣੀਬੱਧ (Categorize) ਕਰਨ ਦੀ ਲੋੜ ਹੋਵੇਗੀ। ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਮਾਡਲਾਂ ਨੂੰ ਡਿਪਲਾਏ (Deploy) ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਬੈਂਕ ਦੀ ਰਿਸਕ ਮੈਨੇਜਮੈਂਟ ਕਮੇਟੀ ਤੋਂ ਪ੍ਰਵਾਨਗੀ ਦੀ ਲੋੜ ਹੋਵੇਗੀ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸੰਸਥਾਵਾਂ ਨੂੰ ਸਾਰੇ ਮਾਡਲਾਂ ਦੀ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਇਨਵੈਂਟਰੀ (Inventory) ਬਣਾਈ ਰੱਖਣੀ ਹੋਵੇਗੀ। ਰਿਟਾਇਰਡ ਜਾਂ ਡੀਕਮਿਸ਼ਨ (Decommissioned) ਕੀਤੇ ਗਏ ਮਾਡਲਾਂ ਦੇ ਰਿਕਾਰਡ ਘੱਟੋ-ਘੱਟ 10 ਸਾਲਾਂ ਤੱਕ ਰੱਖਣੇ ਹੋਣਗੇ ਤਾਂ ਜੋ ਇਤਿਹਾਸਕ ਆਡਿਟਿੰਗ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਸਮੀਖਿਆਵਾਂ ਦੀ ਇਜਾਜ਼ਤ ਮਿਲ ਸਕੇ।
ਡਿਜੀਟਲ ਬੈਂਕਿੰਗ ਰਣਨੀਤੀ 'ਤੇ ਅਸਰ
ਇਹ ਫਰੇਮਵਰਕ ਭਾਰਤੀ ਬੈਂਕਿੰਗ ਸੈਕਟਰ ਲਈ ਇੱਕ ਤਬਦੀਲੀ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਸਧਾਰਣ ਪਾਲਣਾ ਤੋਂ ਪਰੇ ਜਾ ਕੇ ਓਪਰੇਸ਼ਨਲ ਲਚਕੀਲਾਪਣ (Resilience) ਬਣਾਉਣ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ ਬੈਂਕ AI ਨੂੰ ਕ੍ਰੈਡਿਟ ਅੰਡਰਰਾਈਟਿੰਗ, ਟ੍ਰੇਜ਼ਰੀ ਮੈਨੇਜਮੈਂਟ ਅਤੇ ਫਰਾਡ ਡਿਟੈਕਸ਼ਨ ਵਰਗੇ ਸੰਵੇਦਨਸ਼ੀਲ ਕੰਮਾਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ (Integrate) ਕਰਦੇ ਹਨ, ਟੈਕਨਾਲੋਜੀ ਲਾਗਤ ਵਿੱਚ ਵਾਧਾ ਹੋ ਸਕਦਾ ਹੈ ਕਿਉਂਕਿ ਵਿਸ਼ੇਸ਼ ਤਕਨੀਕੀ ਸਟਾਫ ਅਤੇ ਸੁਤੰਤਰ ਵੈਲੀਡੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਲੋੜ ਹੋਵੇਗੀ। ਨਿਵੇਸ਼ਕ ਆਉਣ ਵਾਲੀਆਂ ਤਿਮਾਹੀਆਂ ਵਿੱਚ ਇਨ੍ਹਾਂ ਸਖ਼ਤ ਰੈਗੂਲੇਟਰੀ ਲੋੜਾਂ ਨਾਲ ਤਾਲਮੇਲ ਬਿਠਾਉਣ ਲਈ ਵੱਡੇ ਪ੍ਰਾਈਵੇਟ ਅਤੇ ਪਬਲਿਕ ਸੈਕਟਰ ਬੈਂਕਾਂ ਦੇ ਡਿਜੀਟਲ ਬਜਟ ਅਤੇ ਵਿਕਰੇਤਾ ਭਾਈਵਾਲੀ (Vendor Partnerships) ਵਿੱਚ ਹੋਏ ਬਦਲਾਅ 'ਤੇ ਨਜ਼ਰ ਰੱਖ ਸਕਦੇ ਹਨ।