HDFC Bank ਨੇ ਸਿਰਫ ₹2 ਕਰੋੜ ਦੇ ਮੁੱਢਲੇ ਖਰਚੇ 'ਤੇ ਆਪਣਾ ਖੁਦ ਦਾ AI ਪਲੇਟਫਾਰਮ 'Neev' ਤਿਆਰ ਕੀਤਾ ਹੈ। ਇਸ ਕਦਮ ਨਾਲ ਬੈਂਕ ਨੇ ਵੱਡੇ AI ਮਾਡਲਾਂ 'ਤੇ ਭਾਰੀ ਖਰਚ ਕਰਨ ਦੇ ਰੁਝਾਨ ਨੂੰ ਚੁਣੌਤੀ ਦਿੱਤੀ ਹੈ। ਖਾਸ ਡੋਮੇਨ-ਸਪੈਸਿਫਿਕ AI 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਿਤ ਕਰਕੇ, ਬੈਂਕ ਦਾ ਟੀਚਾ ਬੈਂਕਿੰਗ ਡਾਟਾ 'ਤੇ ਸਖ਼ਤ ਕੰਟਰੋਲ ਬਣਾਈ ਰੱਖਦੇ ਹੋਏ ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾ ਨੂੰ ਵਧਾਉਣਾ ਹੈ।
Detailed Coverage
HDFC Bank ਨੇ ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੇ ਖਰਚਿਆਂ ਬਾਰੇ ਚੱਲ ਰਹੀ ਚਰਚਾ ਨੂੰ ਨਵੀਂ ਦਿਸ਼ਾ ਦਿੱਤੀ ਹੈ। ਬੈਂਕ ਨੇ ਖੁਲਾਸਾ ਕੀਤਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਅੰਦਰੂਨੀ AI ਪਲੇਟਫਾਰਮ, 'Neev', ਨੂੰ ਸਿਰਫ ₹2 ਕਰੋੜ ਦੇ ਮੁੱਢਲੇ ਨਿਵੇਸ਼ ਨਾਲ ਲਾਂਚ ਕੀਤਾ ਗਿਆ ਸੀ। ਬੈਂਕ ਦੇ ਗਰੁੱਪ ਹੈੱਡ ਆਫ IT ਅਤੇ ਚੀਫ ਇਨਫਰਮੇਸ਼ਨ ਅਫਸਰ, ਰਮੇਸ਼ ਲਕਸ਼ਮੀਨਾਰਾਇਣ, ਨੇ ਦੱਸਿਆ ਕਿ ਇਸ ਤੋਂ ਬਾਅਦ ਇਸ ਦੇ ਰੱਖ-ਰਖਾਅ (maintenance) ਅਤੇ ਵਿਕਾਸ (development) ਦਾ ਖਰਚਾ ਵੀ ਬਹੁਤ ਘੱਟ ਰਿਹਾ ਹੈ। ਇਹ ਰਣਨੀਤੀ ਇਸ ਧਾਰਨਾ ਨੂੰ ਚੁਣੌਤੀ ਦਿੰਦੀ ਹੈ ਕਿ ਮੁਕਾਬਲੇ ਵਿੱਚ ਰਹਿਣ ਲਈ ਬੈਂਕਾਂ ਨੂੰ ਵੱਡੇ, ਆਮ-ਮਕਸਦ ਵਾਲੇ ਲਾਰਜ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ (LLMs) 'ਤੇ ਭਾਰੀ ਖਰਚ ਕਰਨਾ ਪਵੇਗਾ।
ਵੱਡੇ ਮਾਡਲਾਂ ਦੇ ਮੁਕਾਬਲੇ ਸਪੈਸ਼ਲਾਈਜ਼ਡ AI
ਬੈਂਕ ਦਾ ਪਹੁੰਚ, ਮਹਿੰਗੇ ਅਤੇ ਵਿਸ਼ਾਲ ਮਾਡਲਾਂ 'ਤੇ ਨਿਰਭਰ ਰਹਿਣ ਦੀ ਬਜਾਏ, ਬੈਂਕਿੰਗ ਕਾਰਜਾਂ ਲਈ ਖਾਸ ਤੌਰ 'ਤੇ ਤਿਆਰ ਕੀਤੇ ਗਏ ਛੋਟੇ ਅਤੇ ਬਹੁਤ ਫੋਕਸਡ ਮਾਡਲਾਂ ਨੂੰ ਬਣਾਉਣ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦਾ ਹੈ। ਬੈਂਕ ਅਨੁਸਾਰ, ਇਹ ਡਿਜ਼ਾਈਨ ਵਧੇਰੇ ਸਟੀਕਤਾ (accuracy) ਅਤੇ ਘੱਟ ਪ੍ਰੋਸੈਸਿੰਗ ਦੇਰੀ (processing delays) ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਵਪਾਰਕ ਪੱਤਰਾਂ (trade letters of credit) ਨੂੰ ਵੈਰੀਫਾਈ ਕਰਨ ਜਾਂ ਆਯਾਤ ਅਤੇ ਨਿਰਯਾਤ ਦਸਤਾਵੇਜ਼ਾਂ (import and export documents) ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਵਰਗੇ ਗੁੰਝਲਦਾਰ ਕੰਮਾਂ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ। Neev ਨੂੰ ਇਨ-ਹਾਊਸ (in-house) ਵਿਕਸਿਤ ਕਰਕੇ, HDFC Bank ਆਪਣੀ ਬੁੱਧੀ (intelligence) 'ਤੇ ਪੂਰਾ ਮਾਲਕਾਨਾ ਹੱਕ ਬਣਾਈ ਰੱਖਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵਿੱਤੀ ਸੇਵਾਵਾਂ ਵਿੱਚ ਉੱਚ ਸਟੀਕਤਾ ਦੀ ਮੰਗ ਕਰਨ ਵਾਲੇ ਵਿਕਸਿਤ ਹੋ ਰਹੇ ਰੈਗੂਲੇਟਰੀ ਮਾਪਦੰਡਾਂ (regulatory standards) ਦੀ ਬਿਹਤਰ ਨਿਗਰਾਨੀ ਅਤੇ ਪਾਲਣਾ ਸੰਭਵ ਹੁੰਦੀ ਹੈ।
ਕਾਰਜਕਾਰੀ ਕੁਸ਼ਲਤਾ ਅਤੇ ਅੰਦਰੂਨੀ ਮਾਲਕੀ
Neev ਇੱਕ ਲੇਅਰਡ ਆਰਕੀਟੈਕਚਰ (layered architecture) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਬਣਾਇਆ ਗਿਆ ਹੈ ਜੋ ਵੱਖ-ਵੱਖ ਬੈਂਕਿੰਗ ਫੰਕਸ਼ਨਾਂ ਵਿੱਚ ਦੁਬਾਰਾ ਵਰਤੋਂਯੋਗ ਸਮਰੱਥਾਵਾਂ (reusable capabilities) ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਹ ਪਲੇਟਫਾਰਮ ਵਰਤਮਾਨ ਵਿੱਚ ਆਧਾਰ ਕਾਰਡ ਵਰਗੇ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਚਿੱਤਰ ਐਕਸਟਰੈਕਸ਼ਨ (image extraction) ਅਤੇ ਸਟਾਫ ਨੂੰ ਗੁੰਝਲਦਾਰ ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਚਾਰਜ ਗਣਨਾਵਾਂ (credit card charge calculations) ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨ ਵਰਗੇ ਕਈ ਕੰਮਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ। ਇਹਨਾਂ ਦੁਹਰਾਉਣ ਵਾਲੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂ (repetitive processes) ਨੂੰ ਸਵੈਚਾਲਿਤ (automating) ਕਰਕੇ, ਬੈਂਕ ਦਾ ਟੀਚਾ ਖਰਚਿਆਂ ਵਿੱਚ ਅਨੁਪਾਤਕ ਵਾਧੇ (proportional increase) ਤੋਂ ਬਿਨਾਂ ਕਾਰੋਬਾਰ ਦੀ ਉੱਚ ਮਾਤਰਾ (higher volumes) ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨਾ ਹੈ। ਇਹ ਪਲੇਟਫਾਰਮ 40 ਲੋਕਾਂ ਦੀ ਇੱਕ ਛੋਟੀ, ਸਮਰਪਿਤ ਟੀਮ ਦੁਆਰਾ ਪ੍ਰਬੰਧਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜੋ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਕੇਂਦਰਿਤ ਅੰਦਰੂਨੀ ਟੀਮਾਂ ਮਾਪਣਯੋਗ ਤਕਨੀਕੀ ਹੱਲ (scalable technological solutions) ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀਆਂ ਹਨ।
ਵਰਕਫੋਰਸ ਰਣਨੀਤੀ ਅਤੇ ਰੀ-ਸਕਿੱਲਿੰਗ
ਜਿਵੇਂ-ਜਿਵੇਂ AI ਏਕੀਕਰਨ (integration) ਜਾਰੀ ਹੈ, ਬੈਂਕ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਛਾਂਟੀ (layoffs) ਕਰਨ ਦੀ ਬਜਾਏ ਆਪਣੇ ਮੌਜੂਦਾ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਰੀ-ਸਕਿੱਲ (reskill) ਕਰਨ 'ਤੇ ਧਿਆਨ ਕੇਂਦ੍ਰਿਤ ਕਰ ਰਿਹਾ ਹੈ। ਪ੍ਰਬੰਧਨ ਨੇ ਸੰਕੇਤ ਦਿੱਤਾ ਹੈ ਕਿ ਕਰਮਚਾਰੀਆਂ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਦਸਤਾਵੇਜ਼ੀ ਭੂਮਿਕਾਵਾਂ (specialized documentation roles) ਵਿੱਚ ਲੰਬੇ ਸਮੇਂ ਤੋਂ ਕੰਮ ਕਰ ਰਹੇ ਲੋਕ ਸ਼ਾਮਲ ਹਨ, ਨੂੰ ਨਵੀਆਂ ਅਹੁਦਿਆਂ, ਜਿਵੇਂ ਕਿ ਗਾਹਕ-ਸਾਹਮਣੇ ਕਾਰਪੋਰੇਟ ਸਲਾਹਕਾਰ ਭੂਮਿਕਾਵਾਂ (customer-facing corporate advisory roles) ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਰਹੀ ਹੈ। ਬੈਂਕ ਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਕੁਦਰਤੀ ਛੱਡਣ (natural attrition) ਨਾਲ ਹੈੱਡਕਾਉਂਟ ਵਿੱਚ ਬਦਲਾਅ ਦਾ ਪ੍ਰਬੰਧਨ ਕੀਤਾ ਜਾਵੇਗਾ, ਜਦੋਂ ਕਿ AI-ਡ੍ਰਾਈਵਨ ਉਤਪਾਦਕਤਾ ਲਾਭ (productivity gains) ਸੰਸਥਾ ਨੂੰ ਵਧ ਰਹੇ ਕਾਰੋਬਾਰੀ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦੀ ਆਗਿਆ ਦੇਵੇਗਾ। ਨਿਵੇਸ਼ਕ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਇਸ ਗੱਲ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣਗੇ ਕਿ ਕੀ ਇਹ ਅੰਦਰੂਨੀ AI ਕੁਸ਼ਲਤਾ ਆਉਣ ਵਾਲੇ ਕੁਆਰਟਰਾਂ ਵਿੱਚ ਸੁਧਰੇ ਹੋਏ ਮੁਨਾਫੇ (profit margins) ਅਤੇ ਘੱਟੇ ਹੋਏ ਸੰਚਾਲਨ ਖਰਚਿਆਂ (operational costs) ਵਿੱਚ ਬਦਲਦੀ ਹੈ। ਤੇਜ਼ੀ ਨਾਲ ਸੈਕਟਰ-ਵਿਆਪੀ ਤਕਨਾਲੋਜੀ ਅਪਣਾਉਣ (sector-wide technology adoption) ਦੇ ਵਿਚਕਾਰ ਇਸ ਲਾਗਤ-ਪ੍ਰਭਾਵਸ਼ਾਲੀ, ਇਨ-ਹਾਊਸ ਵਿਕਾਸ ਮਾਡਲ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਦੀ ਬੈਂਕ ਦੀ ਯੋਗਤਾ ਲੰਬੇ ਸਮੇਂ ਦੇ ਮੁਲਾਂਕਣ (long-term evaluation) ਲਈ ਇੱਕ ਮੁੱਖ ਖੇਤਰ ਬਣੀ ਹੋਈ ਹੈ।