இந்தியாவில் இனி கடன் வாங்குவது என்பது வெறும் பேப்பரை தாண்டி, நிஜமான டேட்டா அடிப்படையிலான AI மாடல்களுக்கு மாறுகிறது. RBIயின் அக்கவுண்ட் அக்ரிகேட்டர் (Account Aggregator) திட்டம் தான் இதற்கு காரணம். டிசம்பர் 2025 நிலவரப்படி, **64** கடன் கொடுத்த நிறுவனங்கள் இந்த Unified Lending Interface உடன் இணைந்துள்ளன. இதன் மூலம், இதுவரை **₹1.47 லட்சம் கோடி** கடன் வழங்கப்பட்டுள்ளது. இது கடனை வேகமாக முடித்து, துல்லியமான முடிவுகளை எடுக்க உதவினாலும், டேட்டா பயன்படுத்தப்படுவது பற்றிய வெளிப்படைத்தன்மை மற்றும் நோக்கம் பற்றிய கேள்விகள் எழுந்துள்ளன.
Detailed Coverage
டேட்டா மூலம் இனி கடன்
இந்தியாவில் சில்லறை கடன்கள் (Retail Lending) வழங்கும் முறையில் ஒரு பெரிய மாற்றம் வந்துள்ளது. ரிசர்வ் பேங்க் ஆஃப் இந்தியாவின் (RBI) அக்கவுண்ட் அக்ரிகேட்டர் (AA) திட்டம் தற்போது பிரபலமடைந்து வருகிறது. வங்கிக் கணக்கு ஸ்டேட்மென்ட், சம்பள சீட்டு போன்ற பழைய ஆவணங்களுக்கு பதிலாக, இப்போது கடன் வாங்குபவர்கள் தங்கள் நிதித் தகவல்களை (Financial Data) நிஜ நேரத்தில் (Real-time), தங்கள் அனுமதியுடன் பகிர முடியும். இந்த தகவல்கள், AI மூலம் இயங்கும் கடன் மதிப்பீட்டு மாதிரிகளுக்கு (AI-driven underwriting models) உதவுகின்றன. இதனால், வெறும் கிரெடிட் ஸ்கோரை மட்டும் பார்க்காமல், வாடிக்கையாளரின் உண்மையான வருமானம், செலவு செய்யும் பழக்கம், கடன் திருப்பிச் செலுத்தும் திறன் போன்றவற்றை கணிக்க முடிகிறது.
டிஜிட்டல் கடன் வளர்ச்சி
இந்த டிஜிட்டல் முறைக்கு பெரிய வரவேற்பு கிடைத்துள்ளது. டிசம்பர் 2025 நிலவரப்படி, 64 கடன் நிறுவனங்கள் Unified Lending Interface உடன் இணைந்துள்ளன. அவர்கள் 136க்கும் மேற்பட்ட வெவ்வேறு டேட்டா சேவைகளை பயன்படுத்தி, கடன் வழங்கும் ரிஸ்க்கை (Risk assessment) குறைக்கிறார்கள். Sahamati எனப்படும் இந்த துறையின் சுய-ஒழுங்குமுறை அமைப்பின் (Self-regulatory body) தகவலின்படி, ஏப்ரல் முதல் செப்டம்பர் 2025 வரை, இந்த நெட்வொர்க் மூலம் சுமார் ₹1.47 லட்சம் கோடி கடன் வழங்கப்பட்டுள்ளது. இதில், தனிநபர் கடன்களின் (Personal Loans) பங்கு சுமார் 10% ஆகும். இது, சிறிய மற்றும் அடிக்கடி வழங்கப்படும் கடன்களை எளிதாக்க இந்த சிஸ்டம் உதவுவதை காட்டுகிறது.
காகித வேலைகளுக்கு பதிலாக துல்லியம்
குறிப்பாக, சொந்தமாக தொழில் செய்பவர்கள் அல்லது நிலையற்ற வருமானம் கொண்டவர்களுக்கு, இந்த மாற்றம் மிகவும் உதவியாக இருக்கும். வழக்கமான கடன் மதிப்பீட்டு முறைகள் (Traditional credit scoring) இவர்களின் நிதி நிலையை சரியாகக் கணிக்கத் தவறும். ஆனால், இப்போது மியூச்சுவல் ஃபண்ட் முதலீடுகள், வருமான நிலைத்தன்மை, இருக்கும் கடன்கள் போன்றவற்றை நிஜ நேரத்தில் ஆராய்வதன் மூலம், கடன் வழங்குபவர்கள் மிகவும் துல்லியமான கடன் சலுகைகளை வழங்க முடியும். இதனால், தகுதியான பலருக்கும் கடன் கிடைப்பதற்கான வாய்ப்புகள் அதிகரிக்கும்.
டேட்டா பாதுகாப்பு குறித்த கேள்விகள்
AI மூலம் இயங்கும் இந்த கடன் முறையால், டேட்டா தனியுரிமை (Data Privacy) மற்றும் பயன்பாடு குறித்து சில கேள்விகள் எழுந்துள்ளன. ஒரு கடன் நிறுவனம், வாடிக்கையாளரின் நிதித் தகவல்களைப் பெற்றவுடன், அதை கடன் மதிப்பீட்டிற்கு மட்டுமே பயன்படுத்துகிறதா அல்லது சந்தைப்படுத்தல் (Marketing) போன்ற வேறு நோக்கங்களுக்கு பயன்படுத்துகிறதா என்பதை உறுதி செய்வது ஒரு பெரிய சவால். பல வாடிக்கையாளர்கள், டேட்டா தனியுரிமை பற்றிய முழு புரிதல் இல்லாமல், சௌகரியத்திற்காக அனுமதியை வழங்குகிறார்கள்.
இதை சரிசெய்ய, RBI கடன் வழங்குபவர்கள் தங்கள் AI மாடல்கள் எப்படி கடன் முடிவுகளை எடுக்கின்றன என்பதை வெளிப்படையாக தெரிவிக்க வேண்டும் என விதிமுறைகளை முன்மொழிந்துள்ளது. மேலும், Sahamati அமைப்பு, டேட்டா எப்படி பயன்படுத்தப்பட்டது என்பதை வாடிக்கையாளர்களுக்கு தெளிவாகக் காட்டும் ஒரு முறையையும் அறிமுகப்படுத்தியுள்ளது.
இந்த மாற்றங்கள் எப்படி செயல்படுத்தப்படுகின்றன என்பதைப் பொறுத்தே இதன் வெற்றி அமையும். ரிசர்வ் வங்கியால் அங்கீகரிக்கப்பட்ட நிறுவனங்களிடம் மட்டுமே கடன் வாங்குவது, தேவை முடிந்தவுடன் அக்கவுண்ட் அக்ரிகேட்டர் அனுமதியை ரத்து செய்வது, கடன் உறவு முடிந்ததும் டேட்டா அழிப்புக்கு கோருவது போன்றவற்றை வாடிக்கையாளர்கள் செய்வது நல்லது. இந்த வெளிப்படையான டேட்டா செயலாக்க முறைகள், டிஜிட்டல் கடன் துறையின் நீண்டகால நம்பகத்தன்மையையும், பொதுமக்களின் நம்பிக்கையையும் தீர்மானிக்கும்.