Whalesbook
AI-யின் செயல்திறன்: முதல் இடம்
வங்கிகள், நிதிச் சேவைகள் மற்றும் காப்பீட்டுத் (BFSI) துறையில் Artificial Intelligence (AI) பரவலாகப் பயன்படுத்தப்படுகிறது. தங்களது வேலை செயல்முறைகளை மேம்படுத்தவும், நேரத்தை மிச்சப்படுத்தவும் 94.1% BFSI நிறுவனங்கள் AI-யை நம்பியுள்ளன. மேலும், 60.3% நிறுவனங்கள் தரம் (Quality) மற்றும் இடர் மேலாண்மை (Risk Management) போன்றவற்றுக்கும் AI-யைப் பயன்படுத்துகின்றன. இந்த நிலையில், AI என்பது புதிய வருவாய் வழிகளை உருவாக்குவதை விட, இருக்கும் செயல்பாடுகளை மேம்படுத்தும் ஒரு கருவியாகவே பெரும்பாலும் பார்க்கப்படுகிறது.
வருவாய் தாக்கம் மற்றும் ROI கணக்கீடு: பெரும் இடைவெளி
செயல்திறனை அதிகரிக்க AI பரவலாகப் பயன்படுத்தப்பட்டாலும், அதன் நேரடி நிதிப் பலன்களை அளவிடுவதில் மிகப்பெரிய இடைவெளி நிலவுகிறது. 19.1% நிறுவனங்கள் மட்டுமே AI-யின் நேரடி வருவாய் தாக்கத்தை தீவிரமாக கண்காணிக்கின்றன. ஊழியர்களுக்கான பயிற்சிகள் (Training) மற்றும் மேம்பாட்டு (Development) முதலீடுகளின் Return on Investment (ROI)-ஐ அளவிடுவதிலும் இதே நிலைதான். 57.4% நிறுவனங்கள் மட்டுமே பயிற்சிகளை வணிக இலக்குகளுடன் இணைக்கின்றன, மேலும் 47.1% நிறுவனங்கள் மட்டுமே அதற்கான ROI-ஐ கணக்கிடுகின்றன. இப்படி சரியான அளவீடுகள் இல்லாததால், தொழில்நுட்பம் மற்றும் பயிற்சி முதலீடுகளின் முழுமையான வணிக மதிப்பைக் காட்டுவதில் பல நிறுவனங்கள் சிரமப்படுகின்றன. இது தேவையற்ற செலவுகளுக்கும், வளர்ச்சி வாய்ப்புகளை தவறவிடுவதற்கும் வழிவகுக்கும். AI-யின் முக்கியத்துவம் ஒரு 'பிளாக் பாக்ஸ்' போல மறைந்து, அடுத்தகட்ட முதலீடுகளுக்கு நியாயம் கற்பிப்பது கடினமாகிறது.
மற்ற துறைகளை விட பின்தங்கிய BFSI
மற்ற துறைகளுடன் ஒப்பிடும்போது, BFSI துறை AI-யின் வருவாய் பங்களிப்பை அளவிடுவதில் பின்தங்கியுள்ளது. டெக்னாலஜி (Technology) மற்றும் கன்சல்டன்சி (Consultancy) நிறுவனங்கள் பெரும்பாலும் வருவாய் அல்லது சந்தைப் பங்களிப்புடன் நேரடி ROI-ஐ வலியுறுத்துகின்றன. உதாரணத்திற்கு, Fintech நிறுவனங்கள் வாடிக்கையாளர்களுக்கு தனிப்பயனாக்கப்பட்ட சலுகைகள் (Personalized Offers) அல்லது விற்பனை கணிப்பு (Predictive Sales) போன்றவற்றுக்கு AI-யை பயன்படுத்தி, அதன் மாற்ற விகிதங்களை (Conversion Rates) நேரடியாக கணக்கிடுகின்றன. ஆனால், பல BFSI நிறுவனங்கள், பழைய சிஸ்டம்கள் (Legacy Systems) மற்றும் கடுமையான விதிமுறைகளால் (Regulations), AI-யை பெரும்பாலும் இணக்கத்தன்மை (Compliance), மோசடி கண்டறிதல் (Fraud Detection) மற்றும் பேக்-ஆபிஸ் ஆட்டோமேஷன் (Back-office Automation) போன்றவற்றுக்கே பயன்படுத்துகின்றன. இவை நேரடி வருவாய் உயர்வை விட, செயல்திறன் மேம்பாட்டில் அதிக தாக்கத்தை ஏற்படுத்துகின்றன.
செயல்திறன் மட்டுமே AI-யின் ஆபத்துகள்
வருவாய் உருவாக்கத்தை விட செயல்திறன் அளவீடுகளில் (Efficiency Metrics) அதிக கவனம் செலுத்துவது ஒரு முக்கியமான பாதிப்பை ஏற்படுத்துகிறது. சந்தை சூழல் மாறினாலோ அல்லது போட்டியாளர்கள் வருவாய்-சார்ந்த AI பயன்பாடுகளில் புதுமைகளைப் புகுத்தினாலோ, BFSI நிறுவனங்கள் தொழில்நுட்ப ரீதியாக முன்னேறியிருந்தாலும், நிதி ரீதியாக தேக்கமடையக்கூடும். AI-யின் வருவாய் தாக்கம் பற்றி அளவிட முடியாதது, பொறுப்புக்கூறல் (Accountability) இல்லாததையும், லாபத்தை நேரடியாக பாதிக்காத முயற்சிகளில் வீண் செலவு செய்வதையும் குறிக்கிறது. மேலும், வணிக இலக்குகளுடன் பயிற்சிகளை இணைப்பதில் உள்ள குறைபாடு, தொழில்நுட்ப வளர்ச்சியை பங்குதாரர் மதிப்பாக (Shareholder Value) மாற்றுவதில் உள்ள பரந்த பிரச்சனையை காட்டுகிறது. வருவாய் தாக்கத்திற்கான வலுவான அளவீடுகள் இல்லாமல், AI பயன்பாடு ஒரு விலை உயர்ந்த செயல்பாட்டுப் பயிற்சியாக மாறும் அபாயம் உள்ளது.
இடைவெளியை சரி செய்தல்: அடுத்தகட்ட நடவடிக்கை
எதிர்காலத்தில், BFSI நிறுவனங்கள் செயல்திறன் மற்றும் AI-வழி வருவாய் உருவாக்கத்திற்கு இடையிலான அளவீட்டு இடைவெளியை (Measurement Gap) சரிசெய்ய வேண்டும். வருவாய் தாக்கத்தை ஏற்படுத்தக்கூடிய மேம்பட்ட AI மாடல்களை உருவாக்குவதிலும், இந்த ஆதாயங்களைக் கண்காணிக்க தேவையான கருவிகளை வழங்குவதிலும் அதிக கவனம் செலுத்தப்படும் என நிபுணர்கள் எதிர்பார்க்கின்றனர். AI முதிர்ச்சியடையும்போது, BFSI நிறுவனங்கள் தனிப்பயனாக்கப்பட்ட வாடிக்கையாளர் ஈடுபாடு (Customer Engagement), முன்கணிப்பு தயாரிப்பு மேம்பாடு (Predictive Product Development) மற்றும் மேம்பட்ட விற்பனை கணிப்பு (Sales Forecasting) ஆகியவற்றிற்கு AI-யை அதிகமாகப் பயன்படுத்தும். சிறந்த AI ROI அளவீடு மற்றும் வருவாய்-சார்ந்த AI பயன்பாடுகளுக்கான தெளிவான வியூகம் கொண்ட நிறுவனங்கள் அதிக மதிப்பீடுகளைப் பெற்று, போட்டியாளர்களை மிஞ்சுவார்கள் என சந்தை ஆய்வாளர்கள் கணித்துள்ளனர்.