Whalesbook
NPCI (National Payments Corporation of India) ਨੇ ਦੇਸ਼ ਦੇ ਡਿਜੀਟਲ ਭੁਗਤਾਨ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀਆਂ ਵੱਧਦੀਆਂ ਮੰਗਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਆਪਣਾ ਖਾਸ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਭਾਸ਼ਾ ਮਾਡਲ, FiMI (Finance Model for India) ਨੂੰ ਰਣਨੀਤਕ ਤੌਰ 'ਤੇ ਤਾਇਨਾਤ ਕੀਤਾ ਹੈ। ਇਹ ਕਦਮ NPCI ਦੁਆਰਾ UPI ਵਰਗੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਜ਼ਬਰਦਸਤ ਮਾਤਰਾ ਅਤੇ ਗੁੰਝਲਤਾ ਨੂੰ ਪ੍ਰਬੰਧਿਤ ਕਰਨ ਲਈ ਉੱਨਤ AI ਦਾ ਲਾਭ ਉਠਾਉਣ ਦੀ ਇੱਕ ਸਰਗਰਮ ਪਹੁੰਚ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜੋ ਭਾਰਤ ਦੇ ਵਪਾਰ ਦੀ ਰੀੜ੍ਹ ਬਣ ਗਿਆ ਹੈ।
FiMI ਦਾ ਮੁੱਖ ਢਾਂਚਾ UPI ਟਰਾਂਜੈਕਸ਼ਨਾਂ, ਮੈਂਡੇਟ ਮੈਨੇਜਮੈਂਟ, ਅਤੇ ਵਿਵਾਦ ਨਿਪਟਾਰੇ (dispute resolution) ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਸਵਾਲਾਂ ਵਰਗੀਆਂ ਮਹੱਤਵਪੂਰਨ ਭੁਗਤਾਨ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਆਟੋਮੇਟ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਫਿਲਹਾਲ, FiMI, UPI ਹੈਲਪ ਅਸਿਸਟੈਂਟ (UPI Help Assistant) ਦਾ ਇੰਜਣ ਹੈ, ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਲਈ ਕਨਵਰਸੇਸ਼ਨਲ AI ਸਪੋਰਟ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਇੱਕ ਪਾਇਲਟ ਪ੍ਰੋਗਰਾਮ ਹੈ। ਇਹ ਸਿਸਟਮ ਭੁਗਤਾਨ-ਸਬੰਧਤ ਪੁੱਛਗਿੱਛਾਂ ਦਾ ਤੇਜ਼ੀ ਨਾਲ ਜਵਾਬ ਦੇਣ ਅਤੇ ਸ਼ਿਕਾਇਤਾਂ ਦੇ ਨਿਪਟਾਰੇ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਏਜੰਟ-ਆਧਾਰਿਤ AI ਫਰੇਮਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਦਸੰਬਰ 2025 ਵਿੱਚ ਹੀ UPI ਟਰਾਂਜੈਕਸ਼ਨਾਂ ਨੇ ਰਿਕਾਰਡ 21.6 ਅਰਬ ਦਾ ਅੰਕੜਾ ਪਾਰ ਕੀਤਾ, ਜਿਸ ਦਾ ਮੁੱਲ ₹27.97 ਟ੍ਰਿਲੀਅਨ ਸੀ, ਇਸ ਲਈ scalable, ਆਟੋਮੇਟਿਡ ਸਪੋਰਟ ਮਕੈਨਿਜ਼ਮ ਦੀ ਲੋੜ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ। ਭਾਰਤ ਦਾ ਡਿਜੀਟਲ ਭੁਗਤਾਨ ਬਾਜ਼ਾਰ 2026 ਤੱਕ $10 ਟ੍ਰਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚਣ ਦੀ ਉਮੀਦ ਹੈ, ਜਿਸ ਨਾਲ NPCI 'ਤੇ ਕੰਮ ਦਾ ਦਬਾਅ ਵਧੇਗਾ। ਇਸ ਲਈ, FiMI ਦੀ ਤਾਇਨਾਤੀ ਇਸ ਵਾਧੇ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਲੋੜੀਂਦੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਉਪਭੋਗਤਾ ਸੰਤੁਸ਼ਟੀ ਯਕੀਨੀ ਬਣਾਉਣ ਵਿੱਚ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕਦਮ ਹੈ।
FiMI ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਭਾਰਤੀ ਵਿੱਤੀ ਡਾਟਾ ਅਤੇ ਸਿੰਥੈਟਿਕ ਭੁਗਤਾਨ ਡਾਟਾਸੈੱਟਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਆਪਕ ਪ੍ਰੀ-ਟ੍ਰੇਨਿੰਗ ਅਤੇ ਫਾਈਨ-ਟਿਊਨਿੰਗ ਸ਼ਾਮਲ ਹੈ, ਜਿਸ ਦਾ ਟੀਚਾ ਉੱਚ-ਵਾਲੀਅਮ ਵਾਤਾਵਰਣ ਵਿੱਚ ਉੱਚ ਸ਼ੁੱਧਤਾ (accuracy) ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ। ਇਹ ਵਿਸ਼ਵ ਭੁਗਤਾਨ ਉਦਯੋਗ ਵਿੱਚ ਇੱਕ ਵਿਆਪਕ ਰੁਝਾਨ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿੱਥੇ AI ਦੀ ਵਰਤੋਂ ਨਾ ਸਿਰਫ਼ ਗਾਹਕ ਸੇਵਾ ਲਈ, ਸਗੋਂ ਧੋਖਾਧੜੀ ਦੀ ਰੋਕਥਾਮ, ਜੋਖਮ ਮੁਲਾਂਕਣ (risk assessment) ਅਤੇ ਸੰਚਾਲਨ ਅਨੁਕੂਲਨ (operational optimization) ਲਈ ਵੀ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ। ਦੁਨੀਆ ਭਰ ਦੇ ਮੁਕਾਬਲੇਬਾਜ਼ ਵੀ ਗਾਹਕ ਯਾਤਰਾਵਾਂ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਅਤੇ ਬੈਕ-ਆਫਿਸ ਕਾਰਜਾਂ ਨੂੰ ਸੁਚਾਰੂ ਬਣਾਉਣ ਲਈ AI ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰ ਰਹੇ ਹਨ। NPCI ਲਈ, ਇੱਕ ਮੁੱਖ ਚੁਣੌਤੀ FiMI ਦੀਆਂ ਬਹੁ-ਭਾਸ਼ਾਈ ਸਮਰੱਥਾਵਾਂ ਦਾ ਵਿਸਤਾਰ ਕਰਨਾ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਵਰਤਮਾਨ ਵਿੱਚ ਅੰਗਰੇਜ਼ੀ, ਹਿੰਦੀ, ਤੇਲਗੂ ਅਤੇ ਬੰਗਾਲੀ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ, NPCI ਦੀ ਯੋਜਨਾ ਛੇ ਤੋਂ ਅੱਠ ਮਹੀਨਿਆਂ ਦੇ ਅੰਦਰ ਹੋਰ ਭਾਰਤੀ ਭਾਸ਼ਾਵਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਹੈ। ਇਹ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਕੰਮ ਹੈ, ਕਿਉਂਕਿ ਭਾਰਤ ਦੇ ਵਿਭਿੰਨ ਭਾਸ਼ਾਈ ਲੈਂਡਸਕੇਪ ਵਿੱਚ ਸੂਖਮ, ਸਹੀ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਤੌਰ 'ਤੇ ਸੰਵੇਦਨਸ਼ੀਲ ਸਮਰਥਨ ਪ੍ਰਾਪਤ ਕਰਨਾ ਕਾਫ਼ੀ ਤਕਨੀਕੀ ਅਤੇ ਕਾਰਜਕਾਰੀ ਚੁਣੌਤੀਆਂ ਪੇਸ਼ ਕਰਦਾ ਹੈ। FiMI ਦਾ ਰਣਨੀਤਕ ਮਹੱਤਵ NPCI ਦੀ ਮੁੱਖ ਵਿੱਤੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਕੰਟਰੋਲ ਬਣਾਈ ਰੱਖਣ ਦੀ ਵਚਨਬੱਧਤਾ ਵਿੱਚ ਵੀ ਹੈ, ਜੋ ਇੱਕ ਗੈਰ-ਲਾਭਕਾਰੀ ਸੰਸਥਾ ਵਜੋਂ ਇਸਦੇ ਮੈਂਡੇਟ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ ਅਤੇ ਜਨਤਕ ਹਿੱਤ ਅਤੇ ਵਿੱਤੀ ਸਮਾਵੇਸ਼ (financial inclusion) 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਹੈ।
FiMI ਦੀ ਨਵੀਨਤਾਕਾਰੀ ਪ੍ਰਕਿਰਤੀ ਦੇ ਬਾਵਜੂਦ, ਕਈ ਜੋਖਮਾਂ ਅਤੇ ਚੁਣੌਤੀਆਂ 'ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ। ਵਿੱਤ ਵਿੱਚ AI ਦੀ ਤੇਜ਼ੀ ਨਾਲ ਅਪਣਾਉਣ, ਜਦੋਂ ਕਿ ਕੁਸ਼ਲਤਾ ਲਾਭ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ, ਭਾਰਤ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਰੈਗੂਲੇਟਰੀ ਚਿੰਤਾਵਾਂ ਦੇ ਨਾਲ ਆਉਂਦਾ ਹੈ। ਭਾਰਤੀ ਰਿਜ਼ਰਵ ਬੈਂਕ (RBI) ਅਤੇ ਸਿਕਿਓਰਿਟੀਜ਼ ਐਂਡ ਐਕਸਚੇਂਜ ਬੋਰਡ ਆਫ਼ ਇੰਡੀਆ (SEBI) ਵਰਗੇ ਰੈਗੂਲੇਟਰ, AI ਗਵਰਨੈਂਸ ਲਈ ਫਰੇਮਵਰਕ ਵਿਕਸਿਤ ਕਰ ਰਹੇ ਹਨ, ਜੋ ਭਰੋਸਾ, ਮਨੁੱਖੀ ਨਿਗਰਾਨੀ ਅਤੇ ਡਾਟਾ ਸੁਰੱਖਿਆ ਦੇ ਸਿਧਾਂਤਾਂ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ। ਡਿਜੀਟਲ ਪਰਸਨਲ ਡਾਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ ਐਕਟ, 2023, ਡਾਟਾ ਗੋਪਨੀਯਤਾ ਲਈ ਇੱਕ ਮਿਸਾਲ ਕਾਇਮ ਕਰਦਾ ਹੈ, ਅਤੇ NPCI ਦੇ AI ਮਾਡਲ ਨੂੰ ਇਹਨਾਂ ਵਿਕਸਿਤ ਹੋ ਰਹੇ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਸਖ਼ਤੀ ਨਾਲ ਪਾਲਣਾ ਕਰਨੀ ਪਵੇਗੀ। ਇੱਕ ਮੁੱਖ ਜੋਖਮ ਕਈ ਭਾਸ਼ਾਵਾਂ ਲਈ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (large language models) ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਅਤੇ ਫਾਈਨ-ਟਿਊਨ ਕਰਨ ਵਿੱਚ ਸ਼ਾਮਲ ਕਠਿਨਾਈ ਅਤੇ ਲਾਗਤ ਹੈ, ਜਿਸ ਨਾਲ ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਈ ਸਮੂਹਾਂ ਵਿੱਚ ਸੇਵਾ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਅਸਮਾਨਤਾ ਆ ਸਕਦੀ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਕੁਝ AI ਐਲਗੋਰਿਦਮ ਦੀ 'ਬਲੈਕ ਬਾਕਸ' ਪ੍ਰਕਿਰਤੀ ਪਾਰਦਰਸ਼ਤਾ (transparency) ਸੰਬੰਧੀ ਚਿੰਤਾਵਾਂ ਪੈਦਾ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਫੈਸਲੇ ਲੈਣ ਦੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਸਮਝਾਉਣਾ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ, ਖਾਸ ਕਰਕੇ ਵਿੱਤੀ ਪ੍ਰਸੰਗਾਂ ਵਿੱਚ ਜਿੱਥੇ ਭਰੋਸਾ ਅਤੇ ਜਵਾਬਦੇਹੀ (accountability) ਸਰਵੋਤਮ ਹੈ। ਸਿਖਲਾਈ ਡਾਟਾ ਵਿੱਚ ਸ਼ਾਮਲ ਪੱਖਪਾਤ (bias), AI ਵਿਕਾਸ ਵਿੱਚ ਇੱਕ ਜਾਣੀ-ਪਛਾਣੀ ਚੁਣੌਤੀ, ਕੁਝ ਉਪਭੋਗਤਾ ਵਰਗਾਂ ਲਈ ਪ੍ਰਣਾਲੀਗਤ ਨੁਕਸਾਨ (systemic disadvantages) ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ, ਜੋ ਵਿੱਤੀ ਸਮਾਵੇਸ਼ ਦੇ ਟੀਚਿਆਂ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰ ਸਕਦਾ ਹੈ। UPI ਟਰਾਂਜੈਕਸ਼ਨਾਂ ਦਾ ਵਿਸ਼ਾਲ ਪੈਮਾਨਾ, AI ਸਹਾਇਤਾ ਦੇ ਬਾਵਜੂਦ, ਵਧ ਰਹੇ ਧੋਖਾਧੜੀ ਅਤੇ ਕਾਰਜਕਾਰੀ ਦਬਾਅ ਦਾ ਨਿਰੰਤਰ ਖਤਰਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਹਾਲਾਂਕਿ NPCI ਕੋਲ ਇੱਕ ਮਜ਼ਬੂਤ ਗਵਰਨੈਂਸ ਫਰੇਮਵਰਕ ਹੈ, ਰਾਸ਼ਟਰੀ ਪੱਧਰ 'ਤੇ AI ਮਾਡਲ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਨਿਰੰਤਰ ਚੌਕਸੀ ਅਤੇ ਵਧੀਆ ਸਾਈਬਰ ਧਮਕੀਆਂ (cyber threats) ਅਤੇ ਵਿਕਸਿਤ ਹੋ ਰਹੇ AI-ਡਰਾਈਵਨ ਹਮਲਿਆਂ (AI-driven attacks) ਦੇ ਅਨੁਕੂਲਨ ਦੀ ਲੋੜ ਹੈ।
ਉੱਨਤ ਮਾਡਲ ਆਰਕੀਟੈਕਚਰਸ ਵਿੱਚ ਹੋਰ ਖੋਜ ਅਤੇ ਇਸਦੀਆਂ ਬਹੁ-ਭਾਸ਼ਾਈ ਸਮਰੱਥਾਵਾਂ ਦੇ ਵਿਸਥਾਰ ਪ੍ਰਤੀ NPCI ਦੀ ਵਚਨਬੱਧਤਾ ਇੱਕ ਦੂਰਅੰਦੇਸ਼ੀ ਰਣਨੀਤੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਰਾਸ਼ਟਰੀ ਵਿੱਤੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਿੱਚ FiMI ਨੂੰ ਹੋਰ ਡੂੰਘਾਈ ਨਾਲ ਏਕੀਕ੍ਰਿਤ (integrate) ਕਰਨ ਦੇ ਨਾਲ-ਨਾਲ ਗਵਰਨੈਂਸ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਦੇ ਮਾਪਦੰਡਾਂ ਨੂੰ ਬਣਾਈ ਰੱਖਣ 'ਤੇ ਸੰਗਠਨ ਦਾ ਧਿਆਨ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਚੱਲ ਰਹੇ ਵਿਕਾਸ ਦਾ ਉਦੇਸ਼ AI-ਸੰਚਾਲਿਤ ਗਾਹਕ ਸਹਾਇਤਾ ਦੀ ਮਜ਼ਬੂਤੀ ਅਤੇ ਪਹੁੰਚ ਨੂੰ ਵਧਾਉਣਾ ਹੈ, ਜੋ ਭਾਰਤ ਵਿੱਚ ਨਿਰੰਤਰ ਡਿਜੀਟਲ ਪਰਿਵਰਤਨ (digital transformation) ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ।