Whalesbook
Accumn, Yubi Group ਦੀ ਕੰਪਨੀ, ਭਾਰਤੀ MSME ਅਤੇ ਰਿਟੇਲ ਕਰਜ਼ਦਾਰਾਂ ਲਈ ਰਵਾਇਤੀ ਲੈਂਡਿੰਗ ਚੁਣੌਤੀਆਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਉੱਨਤ AI ਨੂੰ ਤਾਇਨਾਤ ਕਰ ਰਹੀ ਹੈ। ਇਸਦੀ ਟੈਕਨਾਲੋਜੀ ਸਟੈਟਿਕ ਡਾਟਾ ਪੁਆਇੰਟਸ ਤੋਂ ਅੱਗੇ ਵਧਦੀ ਹੈ, AI ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਡਾਇਨਾਮਿਕ ਵਿੱਤੀ ਵਿਵਹਾਰ ਅਤੇ ਮੌਸਮੀ ਪੈਟਰਨਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦੀ ਹੈ, ਜੋ ਵਧੇਰੇ ਸਹੀ ਕ੍ਰੈਡਿਟ ਫੈਸਲਿਆਂ ਅਤੇ ਪ੍ਰੋਐਕਟਿਵ ਅਰਲੀ ਵਾਰਨਿੰਗਜ਼ ਵੱਲ ਲੈ ਜਾਂਦੀ ਹੈ, ਫਾਲਸ ਅਲਾਰਮ ਘਟਾਉਂਦੀ ਹੈ ਅਤੇ ਲੋਨ ਮਨਜ਼ੂਰੀਆਂ (loan approvals) ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ।
Accumn, Yubi Group ਦੀ ਇੱਕ ਕੰਪਨੀ, ਸੂਖਮ, ਲਘੂ ਅਤੇ ਮੱਧਮ ਉਦਯੋਗਾਂ (MSMEs) ਅਤੇ ਰਿਟੇਲ ਕਰਜ਼ਦਾਰਾਂ ਲਈ ਭਾਰਤੀ ਲੈਂਡਿੰਗ ਲੈਂਡਸਕੇਪ ਵਿੱਚ ਅਤਿ-ਆਧੁਨਿਕ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (Artificial Intelligence) ਦਾ ਲਾਭ ਉਠਾ ਕੇ ਕ੍ਰਾਂਤੀ ਲਿਆ ਰਹੀ ਹੈ। ਕੰਪਨੀ ਲੈਂਡਿੰਗ ਵਿੱਚ ਦੋ ਮੁੱਖ ਸਮੱਸਿਆਵਾਂ ਦਾ ਹੱਲ ਕਰ ਰਹੀ ਹੈ: ਹੌਲੀ, ਅਤੇ ਅਕਸਰ ਅਧੂਰੀ ਕ੍ਰੈਡਿਟ ਅੰਡਰਰਾਈਟਿੰਗ (credit underwriting), ਅਤੇ ਲੋਨ ਪੋਰਟਫੋਲੀਓ ਵਿੱਚ ਫਾਲਸ ਅਲਾਰਮ ਦੀ ਉੱਚ ਮਾਤਰਾ। ਰਵਾਇਤੀ ਲੈਂਡਿੰਗ ਸਿਸਟਮ ਅਕਸਰ ਆਮਦਨ ਸਬੂਤਾਂ ਅਤੇ ਕ੍ਰੈਡਿਟ ਸਕੋਰਾਂ ਵਰਗੇ ਸਟੈਟਿਕ ਡਾਟਾ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਜੋ ਭਾਰਤੀ ਕਾਰੋਬਾਰਾਂ ਅਤੇ ਵਿਅਕਤੀਆਂ ਦੀਆਂ ਡਾਇਨਾਮਿਕ ਵਿੱਤੀ ਹਕੀਕਤਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੇ ਹਨ। Accumn ਦਾ AI-ਡਰਾਈਵਨ ਪਲੇਟਫਾਰਮ ਸਟਰਕਚਰਡ ਡਾਟਾ (ITRs ਅਤੇ GST ਫਾਈਲਿੰਗਜ਼ ਵਰਗੇ), ਅਨਸਟਰਕਚਰਡ ਡਾਟਾ (ਬੈਂਕ ਸਟੇਟਮੈਂਟ ਨੈਰੇਟਿਵਜ਼, ਇਨਵੌਇਸ PDFs), ਵਿਕਲਪਿਕ ਡਾਟਾ, ਲੈਂਡਰ ਦਾ ਅੰਦਰੂਨੀ ਡਾਟਾ, ਟ੍ਰਾਂਜੈਕਸ਼ਨ ਰਿਕਾਰਡ, ਅਤੇ ਨਿੱਜੀ ਗੱਲਬਾਤ ਤੋਂ ਪ੍ਰਾਪਤ ਵਿਵਹਾਰਕ ਡਾਟਾ (behavioral data) ਦੇ ਸੁਮੇਲ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ।
Accumn ਦੇ CEO, ਅਨਿਕੇਤ ਸ਼ਾਹ, ਸਮਝਾਉਂਦੇ ਹਨ ਕਿ AI ਸੱਚੀ ਮੁਸ਼ਕਲ (genuine distress) ਅਤੇ ਅਸਥਾਈ ਮੰਦਵਾੜੇ (temporary slowdowns) ਵਿੱਚ ਫਰਕ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਕਿਸੇ ਕਾਰੋਬਾਰ ਦੇ ਬੈਂਕ ਬੈਲੰਸ ਵਿੱਚ ਮੌਸਮੀ ਗਿਰਾਵਟ। ਨੀਤੀ ਦੀ ਉਲੰਘਣਾ (policy breach) ਨੂੰ ਫਲੈਗ ਕਰਨ ਵਾਲੀ ਇੱਕ ਰਵਾਇਤੀ ਪ੍ਰਣਾਲੀ ਦੇ ਉਲਟ, Accumn ਦਾ AI ਗਿਰਾਵਟ ਦੇ ਮੌਸਮੀ ਸੁਭਾਅ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦਾ ਹੈ, ਤਿਉਹਾਰਾਂ ਦੇ ਚੱਕਰ ਤੋਂ ਬਾਅਦ ਆਮ ਸਥਿਤੀ ਦੀ ਪੁਸ਼ਟੀ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਨਿਗਰਾਨੀ ਸ਼ਰਤਾਂ (monitoring covenants) ਦੇ ਨਾਲ ਮਨਜ਼ੂਰੀ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦਾ ਹੈ। ਇਹ ਪਹੁੰਚ ਲੋਨ ਮਨਜ਼ੂਰੀਆਂ ਲਈ ਟਰਨਅਰਾਊਂਡ ਸਮਾਂ (turnaround times) ਨੂੰ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਘਟਾਉਂਦੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਕ੍ਰੈਡਿਟ ਮੈਨੇਜਰ ਡਾਟਾ-ਆਧਾਰਿਤ ਤਰਕ (reasoning) ਦੇ ਆਧਾਰ 'ਤੇ ਅੰਤਿਮ ਫੈਸਲਾ ਲੈਂਦਾ ਹੈ।
Accumn ਦੇ ਪਲੇਟਫਾਰਮ ਦਾ ਮੁੱਖ ਹਿੱਸਾ ਇਸਦਾ AI-ਡਰਾਈਵਨ ਡਿਜੀਟਲ ਟਵਿਨ (Digital Twin) ਹੈ, ਜੋ ਹਰ ਕਰਜ਼ਦਾਰ ਅਤੇ ਲੈਂਡਿੰਗ ਪ੍ਰਕਿਰਿਆ ਦੀ ਲਗਾਤਾਰ ਵਿਕਸਿਤ ਹੋ ਰਹੀ ਪ੍ਰਤੀਕ੍ਰਿਤੀ ਹੈ। ਇਹ ਡਿਜੀਟਲ ਟਵਿਨਜ਼ ਬੈਂਕ ਦੇ ਅੰਦਰ ਮੁੱਖ ਭੂਮਿਕਾਵਾਂ ਦਾ ਅਨੁਕਰਨ (simulate) ਕਰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਰਿਲੇਸ਼ਨਸ਼ਿਪ ਮੈਨੇਜਰ (RM) ਟਵਿਨ ਸ਼ਾਮਲ ਹੈ, ਜੋ ਕਰਜ਼ਦਾਰ ਦੇ ਸੰਦਰਭ ਨੂੰ ਸਮਝਦਾ ਹੈ ਅਤੇ ਵਿਅਕਤੀਗਤ ਗੱਲਬਾਤ ਦੇ ਪ੍ਰਸ਼ਨ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਅੰਡਰਰਾਈਟਰ ਟਵਿਨ, ਜੋ ਵਿੱਤੀ ਡਾਟਾ ਪੜ੍ਹਦਾ ਹੈ, ਨੀਤੀਆਂ ਲਾਗੂ ਕਰਦਾ ਹੈ, ਅਤੇ ਮਾਤਰਾਤਮਕ ਤਰਕ (quantified reasoning) ਦੇ ਨਾਲ ਕ੍ਰੈਡਿਟ ਮੈਮੋ (credit memos) ਲਿਖਦਾ ਹੈ; ਅਤੇ ਕ੍ਰੈਡਿਟ ਪ੍ਰੋਸੈਸ ਐਨਾਲਿਸਟ (CPA) ਟਵਿਨ, ਜੋ ਬੈਕਐਂਡ ਜਾਂਚਾਂ ਅਤੇ ਡਾਟਾ ਪ੍ਰਮਾਣਿਕਤਾ ਨੂੰ ਸੰਭਾਲਦਾ ਹੈ।
Accumn ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਮੁਫਤ-ਪ੍ਰਵਾਹ (free-flowing) ਵਾਲੇ ਪਰਸਨਲ ਡਿਸਕਸ਼ਨ (PD) ਪੜਾਅ ਨੂੰ ਢਾਂਚਾਗਤ (structure) ਕਰਨ ਵਿੱਚ ਵੀ ਨਵੀਨਤਾ ਲਿਆ ਰਿਹਾ ਹੈ। AI, ਕਰਜ਼ਦਾਰ ਦੇ ਵਿੱਤੀ ਡਾਟਾ ਦੇ ਆਧਾਰ 'ਤੇ ਗੱਲਬਾਤ ਦੇ ਫਰੇਮਵਰਕ ਨੂੰ ਕਸਟਮਾਈਜ਼ (customize) ਕਰਦਾ ਹੈ, ਰਿਲੇਸ਼ਨਸ਼ਿਪ ਮੈਨੇਜਰਾਂ ਨੂੰ ਜੋਖਮ ਪ੍ਰਬੰਧਨ (risk management) ਬਾਰੇ ਨਿਸ਼ਾਨਾ ਪ੍ਰਸ਼ਨ ਪੁੱਛਣ ਲਈ ਪ੍ਰੇਰਿਤ ਕਰਦਾ ਹੈ। ਜਵਾਬਾਂ ਦਾ ਵਿਵਹਾਰਕ ਸੰਕੇਤਾਂ (behavioral signals) ਲਈ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜੋ ਵਿੱਤੀ ਜੋਖਮ ਮੁਲਾਂਕਣਾਂ ਨੂੰ ਪੂਰਕ ਬਣਾਉਂਦੇ ਹਨ।
ਇਸ ਤੋਂ ਇਲਾਵਾ, Accumn ਦੀ ਅਰਲੀ ਵਾਰਨਿੰਗ ਸਿਸਟਮ (EWS) ਆਮ ਚੇਤਾਵਨੀਆਂ ਦੀ ਬਜਾਏ ਪ੍ਰਸੰਗਿਕ (contextualized) ਚੇਤਾਵਨੀਆਂ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਕਮਜ਼ੋਰ ਪ੍ਰੋਫਾਈਲ ਵਾਲੇ ਕਰਜ਼ਦਾਰ ਲਈ ਬੈਂਕ ਬੈਲੰਸ ਵਿੱਚ ਗਿਰਾਵਟ ਇੱਕ ਮਜ਼ਬੂਤ ਤਣਾਅ ਸੰਕੇਤ (stress signal) ਨੂੰ ਟਰਿੱਗਰ ਕਰਦੀ ਹੈ, ਜਦੋਂ ਕਿ ਮਜ਼ਬੂਤ ਵਿੱਤੀ ਬਫਰ ਵਾਲੇ ਕਰਜ਼ਦਾਰ ਲਈ ਉਹੀ ਗਿਰਾਵਟ ਇੱਕ ਮੌਸਮੀ ਗਿਰਾਵਟ ਵਜੋਂ ਫਲੈਗ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਜੋ 'ਉਡੀਕ ਕਰੋ ਅਤੇ ਦੇਖੋ' (wait-and-watch) ਪਹੁੰਚ ਦਾ ਸੁਝਾਅ ਦਿੰਦੀ ਹੈ। ਇਹ ਫਾਲਸ ਪੌਜ਼ਿਟਿਵ (false positives) ਨੂੰ 40% ਤੋਂ ਵੱਧ ਘਟਾਉਂਦਾ ਹੈ ਅਤੇ ਲੈਂਡਰਾਂ ਨੂੰ ਸਰੋਤਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
ਭਵਿੱਖ ਵੱਲ ਦੇਖਦੇ ਹੋਏ, Accumn 'ਏਜੰਟਿਕ AI' (Agentic AI) ਵਿਕਸਿਤ ਕਰ ਰਿਹਾ ਹੈ, ਜੋ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਖੁਦਮੁਖਤਿਆਰ ਕਾਰਜ ਨਿਪਟਾਰੇ (autonomous task execution) ਵੱਲ ਜਾਂਦਾ ਹੈ, ਕ੍ਰੈਡਿਟ ਨਿਯਮ ਬਣਾ ਕੇ, ਮੈਮੋ ਲਿਖ ਕੇ, ਅਤੇ ਨੀਤੀ ਸਿਮੂਲੇਸ਼ਨ (policy simulations) ਚਲਾ ਕੇ ਕ੍ਰੈਡਿਟ ਟੀਮਾਂ ਲਈ ਕੋ-ਪਾਇਲਟ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਹਾਲਾਂਕਿ ਮਨੁੱਖੀ ਨਿਰਣਾ ਕੇਂਦਰੀ ਰਹਿੰਦਾ ਹੈ।
ਪ੍ਰਭਾਵ: ਇਹ ਖ਼ਬਰ ਭਾਰਤੀ ਵਿੱਤੀ ਖੇਤਰ ਨੂੰ ਲੈਂਡਿੰਗ ਕੁਸ਼ਲਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਕੇ, ਡਿਫਾਲਟ ਘਟਾ ਕੇ, ਅਤੇ MSME ਅਤੇ ਰਿਟੇਲ ਕਰਜ਼ਦਾਰਾਂ ਲਈ ਵਿੱਤੀ ਸ਼ਮੂਲੀਅਤ (financial inclusion) ਵਧਾ ਕੇ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਪ੍ਰਭਾਵਿਤ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਡਾਟਾ-ਆਧਾਰਿਤ, ਸਹੀ ਕ੍ਰੈਡਿਟ ਜੋਖਮ ਪ੍ਰਬੰਧਨ ਵੱਲ ਇੱਕ ਬਦਲਾਅ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਪ੍ਰਭਾਵ ਰੇਟਿੰਗ 8/10 ਹੈ।
