NPCI ਦਾ ਨਵਾਂ ਪੈਂਤੜਾ: AI ਮਾਡਲਾਂ 'ਤੇ ਫੋਕਸ, UPI ਦੀ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਪਹੁੰਚ ਵਧਾਉਣ ਦੀ ਤਿਆਰੀ

ਵਿੱਤੀ AI ਵਿੱਚ ਕੁਸ਼ਲਤਾ ਵੱਲ ਮੋੜਾ

ਵੱਡੇ-ਵੱਡੇ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਪਲੇਟਫਾਰਮਾਂ ਦੀ ਬਜਾਏ ਛੋਟੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (Small Language Models - SLMs) ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਦਾ ਫੈਸਲਾ, ਭਾਰਤ ਦੇ ਵਿਸ਼ਾਲ ਡਿਜੀਟਲ ਭੁਗਤਾਨ ਸਿਸਟਮ ਲਈ ਕੰਪਿਊਟਿੰਗ ਖਰਚਿਆਂ ਨੂੰ ਘਟਾਉਣ ਅਤੇ ਇਸਦੀ ਉਪਯੋਗਤਾ ਨੂੰ ਵਧਾਉਣ ਲਈ ਇੱਕ ਚੁਣਿਆ ਹੋਇਆ ਕਦਮ ਹੈ। ਖਾਸ ਕੰਮਾਂ 'ਤੇ ਕੇਂਦਰਿਤ ਰਹਿ ਕੇ, NPCI ਵੱਡੇ-ਪੱਧਰ ਦੇ ਜਨਰੇਟਿਵ ਮਾਡਲਾਂ ਨਾਲ ਜੁੜੇ ਭਾਰੀ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਖਰਚਿਆਂ ਤੋਂ ਬਚ ਰਿਹਾ ਹੈ। ਇਹ ਰਣਨੀਤੀ ਭਾਰਤ ਲਈ ਫਾਈਨਾਂਸ ਮਾਡਲ (Finance Model for India) ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੇ ਗਏ ਆਪਣੇ ਖੁਦ ਦੇ ਗਿਆਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ, ਜੋ ਵਰਤਮਾਨ ਵਿੱਚ UPI ਲਈ ਗਾਹਕ ਸੇਵਾ ਸੰਪਰਕਾਂ ਦਾ ਇੱਕ ਵੱਡਾ ਹਿੱਸਾ ਸੰਭਾਲਦਾ ਹੈ। ਇਹ ਬਦਲਾਅ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਪ੍ਰਬੰਧਨ, ਵਿਆਪਕ ਖਪਤਕਾਰ AI ਸਾਧਨਾਂ ਦੀ ਭਾਲ ਕਰਨ ਦੀ ਬਜਾਏ, ਲੈਣ-ਦੇਣ ਦੇ ਹੱਲ ਲਈ ਉੱਚ-ਆਵਰਤੀ, ਭਰੋਸੇਮੰਦ ਆਟੋਮੇਸ਼ਨ ਵਿੱਚ ਵਧੇਰੇ ਲੰਬੇ ਸਮੇਂ ਦਾ ਮੁੱਲ ਦੇਖਦਾ ਹੈ।

ਘਰੇਲੂ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦਾ ਵਿਸਥਾਰ

FiMI ਪਲੇਟਫਾਰਮ ਲਈ ਰੋਜ਼ਾਨਾ ਸਰਗਰਮ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਗਿਣਤੀ ਵਿੱਚ ਮਾਸਿਕ ਅਧਾਰ ਤੋਂ ਰੋਜ਼ਾਨਾ ਮਿਲੀਅਨ-ਯੂਜ਼ਰ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੱਕ ਦਾ ਅਨੁਮਾਨਿਤ ਵਾਧਾ, ਖਪਤਕਾਰ ਸਹਾਇਤਾ ਦੀਆਂ ਉਮੀਦਾਂ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਬਦਲਾਅ ਦਰਸਾਉਂਦਾ ਹੈ। ਰਵਾਇਤੀ ਮਨੁੱਖੀ-ਕੇਂਦਰਿਤ ਕਾਲ ਸੈਂਟਰਾਂ 'ਤੇ ਨਿਰਭਰ ਰਹਿਣ ਦੀ ਬਜਾਏ, ਜੋ ਕਿ ਵਿਸਥਾਰ ਵਿੱਚ ਰੁਕਾਵਟਾਂ ਅਤੇ ਖਰਚਿਆਂ ਵਿੱਚ ਵਾਧੇ ਦਾ ਸ਼ਿਕਾਰ ਹੁੰਦੇ ਹਨ, NPCI ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਆਪਣੇ ਸਹਾਇਤਾ ਆਰਕੀਟੈਕਚਰ ਦਾ ਡਿਜੀਟਾਈਜੇਸ਼ਨ ਕਰ ਰਿਹਾ ਹੈ। ਇਸ ਕਦਮ ਨੂੰ ਓਪਨ-ਸੋਰਸ ਏਕੀਕਰਨ ਦੁਆਰਾ ਸਮਰਥਨ ਪ੍ਰਾਪਤ ਹੈ, ਜੋ ਭਾਈਵਾਲ ਬੈਂਕਾਂ ਨੂੰ ਮਿਆਰੀ AI ਫਰੇਮਵਰਕਾਂ ਦਾ ਲਾਭ ਲੈਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਹ ਛੋਟੀਆਂ ਵਿੱਤੀ ਸੰਸਥਾਵਾਂ ਲਈ ਪ੍ਰਵੇਸ਼ ਦੇ ਬਾਵਨ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਕੋਲ ਆਪਣੇ ਖੁਦ ਦੇ ਮਲਕੀਅਤ ਵਾਲੇ AI ਹੱਲ ਬਣਾਉਣ ਲਈ ਪੂੰਜੀ ਨਹੀਂ ਹੈ।

ਅੰਤਰਰਾਸ਼ਟਰੀ ਵਿਕਾਸ ਇੰਜਣ

ਦੇਸ਼ ਅੰਦਰ AI ਦੀ ਤਾਇਨਾਤੀ ਤੋਂ ਪਰੇ, NPCI ਆਪਣੇ ਮੁੱਖ ਭੁਗਤਾਨ ਨੈੱਟਵਰਕ ਦੇ ਅੰਤਰਰਾਸ਼ਟਰੀ ਪੈਰਾਂ ਦੇ ਨਿਸ਼ਾਨ ਨੂੰ ਤੇਜ਼ ਕਰ ਰਿਹਾ ਹੈ। ਅੱਠ ਦੇਸ਼ਾਂ ਵਿੱਚ ਮੌਜੂਦਾ ਮੌਜੂਦਗੀ ਕਰਾਸ-ਬਾਰਡਰ ਇੰਟਰਆਪਰੇਬਿਲਟੀ ਲਈ ਇੱਕ ਪ੍ਰੂਫ-ਆਫ-ਕਨਸੈਪਟ ਵਜੋਂ ਕੰਮ ਕਰਦੀ ਹੈ, ਪਰ ਇੰਡੋਨੇਸ਼ੀਆ, ਥਾਈਲੈਂਡ ਅਤੇ ਮਲੇਸ਼ੀਆ 'ਤੇ ਆਉਣ ਵਾਲਾ ਫੋਕਸ ਅਸਲ ਵਾਲੀਅਮ ਵਾਧਾ ਪੈਦਾ ਕਰਨ ਦੀ ਉਮੀਦ ਹੈ। ਇਹਨਾਂ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚ ਸੈਰ-ਸਪਾਟਾ ਅਤੇ ਪ੍ਰਵਾਸੀ ਕਰਮਚਾਰੀਆਂ ਦੇ ਪ੍ਰਵਾਹ ਦੀ ਉੱਚ ਮਾਤਰਾ ਹੈ, ਜੋ ਕਿ ਕਰਾਸ-ਬਾਰਡਰ ਭੁਗਤਾਨ ਗੋਦ ਲੈਣ ਲਈ ਕੁਦਰਤੀ ਉਤਪ੍ਰੇਰਕ ਵਜੋਂ ਕੰਮ ਕਰਦੇ ਹਨ। ਸ਼ੁਰੂਆਤੀ ਤਾਇਨਾਤੀਆਂ ਦੇ ਉਲਟ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਰੈਗੂਲੇਟਰੀ ਝਿਜਕ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ ਸੀ, ਮੌਜੂਦਾ ਪਹੁੰਚ ਦੋ-ਪੱਖੀ ਸਰਕਾਰੀ ਪ੍ਰਬੰਧਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ, ਜੋ ਅੰਤਰਰਾਸ਼ਟਰੀ ਫਿਨਟੈਕ ਵਿਸਥਾਰ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਪਾਏ ਜਾਣ ਵਾਲੇ ਰਗੜ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਰੂਪ ਵਿੱਚ ਘਟਾਉਂਦੀ ਹੈ।

ਸੰਚਾਲਨ ਜੋਖਮ ਅਤੇ ਰੈਗੂਲੇਟਰੀ ਰੁਕਾਵਟਾਂ

ਜਦੋਂ ਕਿ ਆਟੋਮੇਟਿਡ ਮਾਡਲਾਂ ਦਾ ਵਿਸਥਾਰ ਲਾਗਤ ਘਟਾਉਂਦਾ ਹੈ, ਇਹ ਵੱਖਰੇ ਸੰਚਾਲਨ ਕਮਜ਼ੋਰੀਆਂ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਕ੍ਰਿਟੀਕਲ ਵਿੱਤੀ ਪ੍ਰਸ਼ਨ ਰੈਜ਼ੋਲੂਸ਼ਨ ਲਈ ਵਿਸ਼ੇਸ਼ AI ਮਾਡਲਾਂ 'ਤੇ ਨਿਰਭਰਤਾ ਇੱਕ ਸਿੰਗਲ ਪੁਆਇੰਟ ਆਫ ਫੇਲੀਅਰ ਬਣਾਉਂਦੀ ਹੈ ਜੇਕਰ ਅੰਡਰਲਾਈੰਗ ਡਾਟਾ ਮਾਡਲ ਡ੍ਰਿਫਟ ਜਾਂ ਹੈਲੂਸੀਨੇਸ਼ਨ ਗਲਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਿਵੇਂ ਕਿ ਪਲੇਟਫਾਰਮ ਅੰਤਰਰਾਸ਼ਟਰੀ ਅਧਿਕਾਰ ਖੇਤਰਾਂ ਵਿੱਚ ਫੈਲਦਾ ਹੈ, ਇਹ ਡਾਟਾ ਪ੍ਰਭੂਸੱਤਾ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਇੱਕ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਰੈਗੂਲੇਟਰੀ ਵਾਤਾਵਰਣ ਦਾ ਸਾਹਮਣਾ ਕਰਦਾ ਹੈ। ਘਰੇਲੂ ਕਾਰਜਾਂ ਦੇ ਉਲਟ ਜਿੱਥੇ ਡਾਟਾ ਸਥਾਪਿਤ ਭਾਰਤੀ ਕਾਨੂੰਨੀ ਢਾਂਚੇ ਦੇ ਅੰਦਰ ਰਹਿੰਦਾ ਹੈ, ਦੱਖਣ-ਪੂਰਬੀ ਏਸ਼ੀਆ ਵਿੱਚ ਧੱਕਾ ਕਰਨ ਲਈ ਵਿਭਿੰਨ, ਅਤੇ ਅਕਸਰ ਵਧੇਰੇ ਸਖਤ, ਕਰਾਸ-ਬਾਰਡਰ ਡਾਟਾ ਸੁਰੱਖਿਆ ਕਾਨੂੰਨਾਂ ਦੀ ਪਾਲਣਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹਨਾਂ AI ਮਾਡਲਾਂ ਦੀ ਸੁਰੱਖਿਆ ਜਾਂ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਕੋਈ ਵੀ ਅਸਫਲਤਾ ਰੈਗੂਲੇਟਰੀ ਜਾਂਚ ਨੂੰ ਚਾਲੂ ਕਰ ਸਕਦੀ ਹੈ ਜੋ ਅੰਤਰਰਾਸ਼ਟਰੀ ਰੋਲਆਊਟ ਨੂੰ ਰੋਕ ਸਕਦੀ ਹੈ, ਇਸ ਟੈਕ-ਫਾਰਵਰਡ ਰਣਨੀਤੀ ਨੂੰ ਮਾਡਲ ਭਰੋਸੇਯੋਗਤਾ 'ਤੇ ਇੱਕ ਉੱਚ-ਦਾਅ ਦਾ ਸੱਟਾ ਬਣਾਉਂਦੀ ਹੈ।