ਭਾਰਤ ਦੇ AI ਫਾਈਨਾਂਸ ਬੂਮ ਨੂੰ ਲੱਗੀ 'ਰਿਐਲਿਟੀ ਚੈੱਕ', ਜਾਣੋ ਕਿਉਂ ਟਿੱਕ ਨਹੀਂ ਪਾ ਰਹੀਆਂ ਅਡਾਪਸ਼ਨ

THE SEAMLESS LINK

ਜਦੋਂ ਭਾਰਤੀ ਬੈਂਕਿੰਗ ਅਤੇ ਡਿਜੀਟਲ ਭੁਗਤਾਨ (Digital Payments) ਖੇਤਰਾਂ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਉਣ ਦੀ ਨਕਲੀ ਬੁੱਧੀ (Artificial Intelligence - AI) ਦੀ ਸੰਭਾਵਨਾ ਬਾਰੇ ਆਸ਼ਾਵਾਦ ਹੈ, ਪਰ ਇਸਦੇ ਵਿਹਾਰਕ ਤਾਇਨਾਤੀ (Practical Deployment) ਨੂੰ ਕਈ ਵੱਡੀਆਂ ਰੁਕਾਵਟਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈ ਰਿਹਾ ਹੈ ਜੋ ਵਿਆਪਕ ਉਤਸ਼ਾਹ ਨੂੰ ਘੱਟ ਕਰ ਰਹੀਆਂ ਹਨ। Salesforce South Asia ਦੀ Arundhati Bhattacharya ਵਰਗੇ ਨੇਤਾਵਾਂ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਦ੍ਰਿਸ਼ਟੀਕੋਣ, ਜੋ ਕੰਮਾਂ ਨੂੰ ਆਟੋਮੇਟ (Automate) ਕਰਨ, ਮਨੁੱਖੀ ਪੂੰਜੀ ਨੂੰ ਮੁੜ-ਨਿਰਧਾਰਤ (Reallocate) ਕਰਨ ਅਤੇ ਨੌਕਰੀਆਂ ਦੀਆਂ ਨਵੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਦੀ ਏਆਈ (AI) ਦੀ ਸਮਰੱਥਾ 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ, ਇੱਕ ਆਸ਼ਾਵਾਦੀ ਤਸਵੀਰ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਇਸ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਨੂੰ ਵਿਸ਼ਵ ਦੇ ਸਭ ਤੋਂ ਗਤੀਸ਼ੀਲ ਵਿੱਤੀ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਿੱਚ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਗੁੰਝਲਦਾਰ ਹਕੀਕਤਾਂ ਦੇ ਵਿਰੁੱਧ ਸੰਤੁਲਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਭਾਰਤੀ ਫਾਈਨਾਂਸ ਵਿੱਚ AI ਦਾ ਉਭਾਰ: ਪ੍ਰੇਰਕ ਅਤੇ ਉਮੀਦਾਂ

ਭਾਰਤੀ ਫਿਨਟੇਕ ਬਾਜ਼ਾਰ (Fintech Market) ਵਿੱਚ ਵੱਡੀ ਛਾਲ ਮਾਰਨ ਦੀ ਤਿਆਰੀ ਹੈ, ਜਿਸ ਦੇ 2033 ਤੱਕ $550.9 ਬਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚਣ ਦਾ ਅਨੁਮਾਨ ਹੈ। ਏਆਈ (AI) ਇਸ ਵਾਧੇ ਵਿੱਚ ਅਹਿਮ ਭੂਮਿਕਾ ਨਿਭਾਏਗੀ ਅਤੇ 2030 ਤੱਕ ਲਗਭਗ $376 ਬਿਲੀਅਨ ਦਾ ਆਰਥਿਕ ਮੁੱਲ (Economic Value) ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ। ਇਸਦੇ ਪਿੱਛੇ ਦੇ ਮੁੱਖ ਕਾਰਨਾਂ ਵਿੱਚ ਇੰਟਰਨੈੱਟ ਅਤੇ ਸਮਾਰਟਫੋਨ ਦੀ ਵੱਧ ਰਹੀ ਪਹੁੰਚ, ਆਧਾਰ (Aadhaar) ਅਤੇ ਯੂਪੀਆਈ (UPI) ਵਰਗੇ ਸਰਕਾਰੀ ਡਿਜੀਟਲ ਪਬਲਿਕ ਇਨਫਰਾਸਟਰਕਚਰ (Digital Public Infrastructure) ਅਤੇ ਵਧਦੇ ਖਰਚੇ ਵਾਲੇ ਮੱਧ ਵਰਗ (Middle Class) ਸ਼ਾਮਲ ਹਨ। ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ (Financial Institutions) ਕਸਟਮਰ ਸਰਵਿਸ (Customer Service), ਧੋਖਾਦੇਹੀ ਦੀ ਪਛਾਣ (Fraud Detection), ਰਿਸਕ ਮੈਨੇਜਮੈਂਟ (Risk Management) ਅਤੇ ਓਪਰੇਸ਼ਨਲ ਐਫੀਸ਼ੀਅਨਸੀ (Operational Efficiency) ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਏਆਈ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੀਆਂ ਹਨ। ਖਾਸ ਤੌਰ 'ਤੇ, ਜਨਰੇਟਿਵ ਏਆਈ (Generative AI) ਬੈਂਕਿੰਗ ਕਾਰਜਾਂ ਨੂੰ 46% ਤੱਕ ਸੁਧਾਰਨ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਹਾਈਪਰ-ਪਰਸਨਲਾਈਜ਼ਡ (Hyper-personalized) ਸੇਵਾਵਾਂ ਅਤੇ ਘੱਟ ਸੇਵਾਵਾਂ ਵਾਲੇ ਵਰਗਾਂ ਲਈ ਵਿੱਤੀ ਸਮਾਵੇਸ਼ (Financial Inclusion) ਵਧਾਉਣ ਲਈ ਬਦਲਵੇਂ ਕ੍ਰੈਡਿਟ ਸਕੋਰਿੰਗ ਮਾਡਲ (Credit Scoring Models) ਮਿਲ ਸਕਦੇ ਹਨ। Salesforce ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਆਪਣੀਆਂ ਪੇਸ਼ਕਸ਼ਾਂ ਰਾਹੀਂ ਇਸ ਏਆਈ ਏਕੀਕਰਨ (AI Integration) ਨੂੰ ਸੁਵਿਧਾਜਨਕ ਬਣਾ ਰਹੀਆਂ ਹਨ। HDFC ਅਤੇ ICICI ਵਰਗੇ ਵੱਡੇ ਬੈਂਕ ਵੀ ਏਆਈ ਚੈਟਬਾਟ (Chatbot) ਅਤੇ ਐਡਵਾਂਸਡ ਐਨਾਲਿਟਿਕਸ (Advanced Analytics) ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ।

ਗੁੰਝਲਾਂ ਨੂੰ ਨੇਵੀਗੇਟ ਕਰਨਾ: ਵਿਸ਼ਲੇਸ਼ਣਾਤਮਕ ਡੂੰਘਾਈ

ਉਮੀਦਾਂ ਦੇ ਬਾਵਜੂਦ, ਭਾਰਤ ਦੀਆਂ ਵਿੱਤੀ ਸੇਵਾਵਾਂ ਵਿੱਚ ਏਆਈ (AI) ਦੀ ਅਪਣਾਉਣ ਦੀ ਰਫ਼ਤਾਰ ਹਾਲੇ ਵੀ ਸ਼ੁਰੂਆਤੀ ਪੜਾਅ 'ਤੇ ਹੈ, ਜਿਸ ਵਿੱਚ ਲਗਭਗ 21% ਸੰਸਥਾਵਾਂ ਹੀ ਸਰਗਰਮੀ ਨਾਲ ਏਆਈ ਹੱਲਾਂ ਨੂੰ ਲਾਗੂ (Implementing) ਜਾਂ ਬਣਾ ਰਹੀਆਂ ਹਨ। ਇਸਦੇ ਮਾਰੂਥਲ ਵਰਗੇ ਮਾਹੌਲ ਦਾ ਮੁੱਖ ਕਾਰਨ ਡਾਟਾ ਇਨਫਰਾਸਟਰਕਚਰ (Data Infrastructure) ਦੀ ਸਥਿਤੀ ਹੈ; ਪੁਰਾਣੀਆਂ ਪ੍ਰਣਾਲੀਆਂ (Legacy Systems) ਅਕਸਰ ਪੁਰਾਣੀਆਂ, ਖੰਡਿਤ (Fragmented) ਹੁੰਦੀਆਂ ਹਨ ਅਤੇ ਉਨ੍ਹਾਂ ਵਿੱਚ ਐਡਵਾਂਸਡ ਏਆਈ ਐਪਲੀਕੇਸ਼ਨਾਂ (AI Applications) ਲਈ ਜ਼ਰੂਰੀ ਰੀਅਲ-ਟਾਈਮ ਪ੍ਰੋਸੈਸਿੰਗ (Real-time Processing) ਦੀ ਸਮਰੱਥਾ ਦੀ ਕਮੀ ਹੁੰਦੀ ਹੈ। ਇਹ ਡਾਟਾ ਤਿਆਰੀ ਦਾ ਪਾੜਾ (Data Readiness Gap) ਏਆਈ ਨਵੀਨਤਾਵਾਂ (AI Innovations) ਦੀ ਸਕੇਲੇਬਿਲਟੀ (Scalability) ਨੂੰ ਰੋਕਦਾ ਹੈ। ਇਸਦੇ ਨਾਲ ਹੀ, ਕੁਸ਼ਲ ਏਆਈ ਪ੍ਰਤਿਭਾ (Skilled AI Talent) ਦੀ ਗੰਭੀਰ ਕਮੀ ਹੈ। ਭਾਰਤੀ ਰਿਜ਼ਰਵ ਅਥਾਰਟੀ (RBI) ਅਤੇ ਸਿਕਿਓਰਿਟੀਜ਼ ਐਂਡ ਐਕਸਚੇਂਜ ਬੋਰਡ ਆਫ ਇੰਡੀਆ (SEBI) ਸਮੇਤ ਰੈਗੂਲੇਟਰ (Regulators) ਜ਼ਿੰਮੇਵਾਰ ਏਆਈ ਤਾਇਨਾਤੀ (AI Deployment) ਨੂੰ ਮਾਰਗਦਰਸ਼ਨ ਦੇਣ ਲਈ ਫਰੇਮਵਰਕ ਵਿਕਸਤ ਕਰ ਰਹੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਨੈਤਿਕ ਸ਼ਾਸਨ (Ethical Governance), ਪਾਰਦਰਸ਼ਤਾ (Transparency) ਅਤੇ ਡਾਟਾ ਸੁਰੱਖਿਆ (Data Protection) 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ, ਇਹਨਾਂ ਨਿਯਮਾਂ ਦਾ ਵਿਕਸਤ ਹੁੰਦਾ ਸੁਭਾਅ ਸੰਸਥਾਵਾਂ ਲਈ ਜਟਿਲਤਾ ਦੀ ਇੱਕ ਪਰਤ ਜੋੜਦਾ ਹੈ। ਭਾਰਤੀ ਫਿਨਟੇਕ ਸੈਕਟਰ (Fintech Sector) ਦੀ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਾਸ ਵੀ ਸਾਈਬਰ ਸੁਰੱਖਿਆ (Cybersecurity) ਅਤੇ ਡਾਟਾ ਗੋਪਨੀਯਤਾ (Data Privacy) ਨਾਲ ਸਬੰਧਤ ਨਿਰੰਤਰ ਚੁਣੌਤੀਆਂ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਜਿਸ ਲਈ ਮਜ਼ਬੂਤ ਸੁਰੱਖਿਆ ਉਪਾਵਾਂ (Protective Measures) ਦੀ ਲੋੜ ਹੈ।

ਵਿਆਪਕ ਅਪਣਾਉਣ (Broad Adoption) ਵਿੱਚ ਰੁਕਾਵਟਾਂ

ਭਾਰਤ ਦੇ ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ ਏਆਈ (AI) ਅਪਣਾਉਣ ਦੀ ਕਹਾਣੀ ਨੂੰ ਇੱਕ ਵੱਡੇ ਅੰਤਰ ਦੁਆਰਾ ਹੋਰ ਗੁੰਝਲਦਾਰ ਬਣਾਇਆ ਗਿਆ ਹੈ - ਪ੍ਰਾਈਵੇਟ ਅਤੇ ਪਬਲਿਕ ਸੈਕਟਰ ਬੈਂਕਾਂ (Private and Public Sector Banks) ਵਿਚਕਾਰ। ਪ੍ਰਾਈਵੇਟ ਬੈਂਕ ਆਮ ਤੌਰ 'ਤੇ ਉੱਚ ਏਆਈ ਪਰਿਪੱਕਤਾ (AI Maturity) ਦਿਖਾਉਂਦੇ ਹਨ, ਜੋ ਲਚਕਦਾਰ ਪੂੰਜੀ ਅਲਾਟਮੈਂਟ (Flexible Capital Allocation), ਪ੍ਰਤੀਯੋਗੀ ਦਬਾਅ (Competitive Pressures) ਅਤੇ ਗਾਹਕ-ਕੇਂਦਰਿਤ ਰਣਨੀਤੀਆਂ (Customer-centric Strategies) ਤੋਂ ਲਾਭ ਉਠਾਉਂਦੇ ਹਨ। ਇਸਦੇ ਉਲਟ, ਪਬਲਿਕ ਸੈਕਟਰ ਬੈਂਕ ਅਕਸਰ ਵਿਰਾਸਤੀ ਪ੍ਰਣਾਲੀਆਂ (Legacy Systems), ਬਿਊਰੋਕ੍ਰੇਟਿਕ (Bureaucratic) ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਅਤੇ ਸਰਕਾਰੀ ਪਹਿਲਕਦਮੀਆਂ ਦੇ ਬਾਵਜੂਦ, ਪ੍ਰਤਿਭਾ ਪ੍ਰਾਪਤੀ (Talent Acquisition) ਵਿੱਚ ਕਮੀ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹਨ। ਇਸ ਪਾੜੇ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਖੇਤਰ ਦਾ ਇੱਕ ਵੱਡਾ ਹਿੱਸਾ ਏਆਈ ਦੇ ਲਾਭਾਂ ਦਾ ਫਾਇਦਾ ਉਠਾਉਣ ਵਿੱਚ ਪਿੱਛੇ ਰਹਿ ਸਕਦਾ ਹੈ। ਬੁਨਿਆਦੀ ਢਾਂਚੇ (Infrastructure) ਅਤੇ ਪ੍ਰਤਿਭਾ (Talent) ਤੋਂ ਪਰੇ, ਨੈਤਿਕ ਚਿੰਤਾਵਾਂ (Ethical Concerns), ਅਲਗੋਰਿਦਮਿਕ ਪੱਖਪਾਤ (Algorithmic Bias) ਅਤੇ ਏਆਈ-ਡਰਾਈਵਨ ਫੈਸਲਿਆਂ (AI-driven Decisions) ਦੀ ਜਵਾਬਦੇਹੀ (Accountability) ਮਹੱਤਵਪੂਰਨ ਜੋਖਮ ਪੇਸ਼ ਕਰਦੀ ਹੈ। ਏਆਈ ਦੀ ਸਮਰੱਥਾ ਮੌਜੂਦਾ ਅਸਮਾਨਤਾਵਾਂ (Inequalities) ਨੂੰ ਵਧਾਉਣ ਦੀ ਵੀ ਹੈ, ਜੇਕਰ ਇਸਨੂੰ ਨਿਰਪੱਖਤਾ ਨਾਲ ਲਾਗੂ ਨਾ ਕੀਤਾ ਜਾਵੇ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਦੋਂ ਕਿ ਏਆਈ ਕੁਸ਼ਲਤਾ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ, ਇੱਕ BCG ਰਿਪੋਰਟ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਭਾਰਤੀ ਬੈਂਕਿੰਗ ਵਿੱਚ 35-50% ਤੱਕ ਦੀਆਂ ਭੂਮਿਕਾਵਾਂ (Roles) ਬਦਲ ਸਕਦੀਆਂ ਹਨ, ਜਿਸ ਨਾਲ ਕਰਮਚਾਰੀਆਂ ਲਈ ਇੱਕ ਗੁੰਝਲਦਾਰ ਤਬਦੀਲੀ (Transition) ਆਵੇਗੀ ਅਤੇ ਮੁੜ-ਪ੍ਰਸ਼ਿਕਸ਼ਨ (Retraining) ਅਤੇ ਨੌਕਰੀਆਂ ਦੇ ਨੁਕਸਾਨ (Job Displacement) ਬਾਰੇ ਪ੍ਰਸ਼ਨ ਖੜ੍ਹੇ ਹੋਣਗੇ। ਛੋਟੀਆਂ ਸੰਸਥਾਵਾਂ ਲਈ ਆਧੁਨਿਕ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਅਤੇ ਬਣਾਈ ਰੱਖਣ ਦੀ ਲਾਗਤ (Cost) ਵੀ ਅਕਸਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੁੰਦੀ ਹੈ।

ਭਵਿੱਖ ਦਾ ਨਜ਼ਰੀਆ: ਰਣਨੀਤਕ ਏਕੀਕਰਨ (Strategic Integration) ਹੈ ਮੁੱਖ

ਭਾਰਤ ਦੀਆਂ ਵਿੱਤੀ ਸੇਵਾਵਾਂ ਵਿੱਚ ਏਆਈ (AI) ਦਾ ਭਵਿੱਖ ਇਨ੍ਹਾਂ ਲਾਗੂ ਕਰਨ ਦੀਆਂ ਚੁਣੌਤੀਆਂ (Implementation Challenges) ਨੂੰ ਹੱਲ ਕਰਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਕਿ ਏਆਈ ਤੇਜ਼ੀ ਨਾਲ ਕ੍ਰੈਡਿਟ ਨਿਰਣੇ (Credit Decisioning) ਅਤੇ ਹਾਈਪਰ-ਪਰਸਨਲਾਈਜ਼ਡ ਉਤਪਾਦ ਬੰਡਲਿੰਗ (Hyper-personalized Product Bundling) ਰਾਹੀਂ ਨਵੇਂ ਮਾਲੀਆ (Revenue Streams) ਅਤੇ ਲਾਗਤ ਬਚਤ (Cost Savings) ਨੂੰ ਅਨਲੌਕ (Unlock) ਕਰਨ ਲਈ ਤਿਆਰ ਹੈ, ਇਸਦੀ ਸੰਭਾਵਨਾ ਕੇਵਲ ਰਣਨੀਤਕ, ਸੁ-ਸ਼ਾਸਿਤ ਏਕੀਕਰਨ (Well-governed Integration) ਦੁਆਰਾ ਹੀ ਪੂਰੀ ਹੋ ਸਕਦੀ ਹੈ। ਰੈਗੂਲੇਟਰੀ ਲੈਂਡਸਕੇਪ (Regulatory Landscape) ਨਵੀਨਤਾ (Innovation) ਅਤੇ ਖਪਤਕਾਰ ਸੁਰੱਖਿਆ (Consumer Protection) ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਣ ਦਾ ਟੀਚਾ ਰੱਖਦੇ ਹੋਏ, ਅਨੁਕੂਲਨ (Adapting) ਕਰ ਰਿਹਾ ਹੈ। ਏਆਈ ਲਈ ਅਸਲ ਵਿੱਚ ਵਿੱਤੀ ਸਮਾਵੇਸ਼ (Financial Inclusion) ਅਤੇ ਕੁਸ਼ਲਤਾ (Efficiency) ਨੂੰ ਸਾਰੇ ਪਾਸੇ ਤੋਂ ਚਲਾਉਣ ਲਈ, ਸੰਸਥਾਵਾਂ ਨੂੰ ਡਾਟਾ ਇਨਫਰਾਸਟਰਕਚਰ (Data Infrastructure) ਨੂੰ ਆਧੁਨਿਕ ਬਣਾਉਣ, ਆਪਣੇ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਅਪਸਕਿੱਲ (Upskill) ਕਰਨ ਅਤੇ ਏਆਈ-ਡਰਾਈਵਨ ਪ੍ਰਕਿਰਿਆਵਾਂ (AI-driven Processes) ਵਿੱਚ ਪਾਰਦਰਸ਼ਤਾ (Transparency) ਅਤੇ ਵਿਸ਼ਵਾਸ (Trust) ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਨੂੰ ਤਰਜੀਹ ਦੇਣੀ ਚਾਹੀਦੀ ਹੈ। ਏਆਈ ਪ੍ਰਯੋਗ (AI Experimentation) ਤੋਂ ਉੱਦਮ-ਪੱਧਰੀ ਏਕੀਕਰਨ (Enterprise-level Integration) ਤੱਕ ਦੀ ਯਾਤਰਾ ਲਈ ਇਨ੍ਹਾਂ ਢਾਂਚਾਗਤ (Structural) ਅਤੇ ਸੰਚਾਲਨ (Operational) ਰੁਕਾਵਟਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ ਨਿਰੰਤਰ ਵਚਨਬੱਧਤਾ (Sustained Commitment) ਦੀ ਲੋੜ ਹੈ।