Whalesbook
செலவைக் குறைக்கும் மாற்று AI
Citigroup-ன் செயற்கை நுண்ணறிவு (AI) மீதான அதீத ஆர்வம், வெறும் புதுமையான கண்டுபிடிப்புகளை மையமாகக் கொண்டதல்ல. மாறாக, இரண்டு நூற்றாண்டுகள் பழமையான அதன் பிரம்மாண்டமான, பழைய கட்டமைப்பை நவீனமயமாக்க வேண்டிய கட்டாயத் தேவையாகும். AI-ஐ அதன் Treasury and Trade Solutions (TTS) மற்றும் மென்பொருள் பொறியியல் பணிகளில் ஒருங்கிணைப்பதன் மூலம், டெவலப்பர் உற்பத்தித்திறனில் 30-40% வரை குறிப்பிடத்தக்க முன்னேற்றங்களை வங்கி அடைந்துள்ளது. இது வெறும் செலவைக் குறைக்கும் நடவடிக்கை மட்டுமல்ல; JPMorgan Chase போன்ற போட்டியாளர்கள், மிகப்பெரிய தொழில்நுட்ப பட்ஜெட்டுடன் AI-சார்ந்த தானியங்குமயமாக்கலில் (Automation) தொழில்துறையின் தரநிலைகளை நிர்ணயிக்கும் நிலையில், போட்டித்தன்மையுடன் இருக்க வேண்டிய ஒரு தற்காப்பு நடவடிக்கையாகும்.
விரிவான பகுப்பாய்வு
வங்கித் துறையின் பரந்த பின்னணியில் பார்க்கும்போது, Citigroup-ன் இந்த உத்தி ஒரு முக்கியமான மாற்றத்தைக் குறிக்கிறது. சிறிய பிராந்திய வங்கிகள் அல்லது ஃபின்டெக் (Fintech) நிறுவனங்களைப் போலல்லாமல், $1.9 டிரில்லியன் இருப்புநிலைக் குறிப்பின் (Balance Sheet) கட்டமைப்பு தடைகளை சமாளித்து, தொடர்ச்சியான ஒழுங்குமுறை மேற்பார்வைக்கு இணங்க வேண்டியுள்ளது. சமீபத்திய சந்தை தரவுகளின்படி, Citigroup ஆனது தோராயமாக 16.4x P/E விகிதத்தில் வர்த்தகம் செய்யப்படுகிறது. இது இந்த மாற்றத்திற்கு முதலீட்டாளர்கள் ஒரு பிரீமியத்தை (Premium) செலுத்துவதாகக் காட்டுகிறது. இருப்பினும், AI முதலீடுகள் – ஆவண நுண்ணறிவு முதல் தானியங்கு பணிப்பாய்வுகள் வரை – வெறும் செலவு மேம்பாட்டிற்கு பதிலாக, நீடித்த வருவாய் வளர்ச்சியை அளிக்கும் என்பதை வங்கி நிரூபிக்கத் தவறினால், இந்த மதிப்பீட்டில் தவறுக்கு இடமில்லை. வர்த்தக நடவடிக்கைகள் குறுகிய கால ஏற்ற இறக்கங்களில் இருந்து பாதுகாப்பை வழங்கினாலும், நீண்ட கால பங்கு செயல்திறன், நிறுவன வங்கித்துறையின் (Institutional Banking) உயர்-பங்கு சூழலில் அதன் “AI-நேட்டிவ்” (AI-native) சான்றுகளை நிரூபிக்கும் வங்கியின் திறனைப் பெரிதும் சார்ந்துள்ளது.
கட்டமைப்பு அபாயங்கள் மற்றும் எதிர்மறை பார்வை (Bear Case)
Citigroup-ன் AI வெளியீடு குறித்த உற்சாகம், குறிப்பிடத்தக்க செயல்பாட்டு சவால்களை மறைக்கிறது. குறிப்பாக, ஃபெடரல் ரிசர்வ் (Federal Reserve) மற்றும் ஆபிஸ் ஆஃப் தி கம்ப்ரோலர் ஆஃப் தி கரன்சி (Office of the Comptroller of the Currency) ஆகியவற்றின் தொடர்ச்சியான ஒழுங்குமுறை தடைகளை விமர்சகர்கள் சுட்டிக்காட்டுகின்றனர். இத்தகைய கடுமையான இணக்கக் கட்டமைப்பிற்குள் தானியங்கு அமைப்புகளைச் செயல்படுத்துவது ஒரு இருமை அபாயத்தை (Binary Risk) ஏற்படுத்துகிறது: ஒன்று, AI-ஆல் இயக்கப்படும் நிர்வாகம் செலவுகளைக் குறைக்கும்; அல்லது அது தோல்வியுற்றால், மிகப்பெரிய மாதிரி-ஆபத்து கடன்களை (Model-risk liabilities) உருவாக்கும். மேலும், வங்கியின் “ஏஜென்டிக் AI” (Agentic AI) உத்தி – மென்பொருளை தானாகவே பணிப்பாய்வுகளை நிர்வகிக்க அனுமதிப்பது – குறைந்த ஒழுங்குமுறை உள்ள துறைகளில் இல்லாத பொறுப்புக்கூறல் (Fiduciary) மற்றும் நற்பெயர் அபாயங்களை (Reputational Dangers) ஏற்படுத்துகிறது. தூய்மையான உள்கட்டமைப்பைக் கொண்ட போட்டியாளர்களைப் போலல்லாமல், Citigroup உண்மையில் ஒரு முழு வேகத்தில் காரை ஓட்டும்போது உயர்-வேக எஞ்சின் புனரமைப்பைச் செய்கிறது. இது எந்தவொரு தொழில்நுட்ப அல்லது ஒழுங்குமுறை தவறுக்கும் தனித்துவமாக வெளிப்படும்.
முன்னோக்கிய பாதை
செயற்கை நுண்ணறிவை ஒருங்கிணைப்பது ஒரு காலாண்டு தீர்வு அல்ல, அது பல ஆண்டுகால ஒழுக்கம் என்று நிர்வாகம் தொடர்ந்து வலியுறுத்துகிறது. செலவின சரிசெய்தலில் (Expense Remediation) இருந்து உண்மையான போட்டி வேறுபாட்டிற்கு (Competitive Differentiation) அதன் கதையை மாற்ற முடியுமா என்பதைப் பொறுத்தே வெற்றி தீர்மானிக்கப்படும். உலகளாவிய AI செலவினங்கள் அதிகரிக்கும் என கணிக்கப்பட்டுள்ள நிலையில், Citigroup-ன் எதிர்காலம், இந்த வளர்ந்து வரும் செயல்பாட்டு அபாயங்களை (Execution Risks) மிஞ்சும் திறனுடனும், அதன் மிகப்பெரிய உள் AI பணியாளர்கள் அதன் தற்போதைய சந்தை மதிப்பை நியாயப்படுத்தும் சரிபார்க்கக்கூடிய, அளவிடக்கூடிய வருவாய்களை உருவாக்குவதை நிரூபிக்கும் திறனுடனும் பிணைக்கப்பட்டுள்ளது.