Whalesbook
வங்கிகளுக்கு AI டூல் கட்டாயம்!
தற்போது, டிஜிட்டல் பாதுகாப்புக்கு இந்திய நிதித்துறை ஒரு முக்கிய, அதே சமயம் சவாலான படியை எடுத்துள்ளது. செயலாளார் எம். நாகராஜு, வங்கிகள் அனைத்தையும் RBI-யின் 'MuleHunter' AI டூலைப் பயன்படுத்த வேண்டும் என்று உத்தரவிட்டது, நிதித்துறையில் சைபர் குற்றங்களின் அதிகரிப்பையும், அவற்றை எதிர்கொள்ள தொழில்நுட்பத்தின் தேவையையும் காட்டுகிறது. இந்த உத்தரவு, வெறும் புதிய சாப்ட்வேர் வாங்குவது மட்டுமல்ல, நிதி நிறுவனங்கள் செயல்படும் விதத்திலும், வளங்களை ஒதுக்குவதிலும் ஒரு பெரிய மாற்றத்தைக் குறிக்கிறது.
மோசடி கணக்குகளை பிடிக்க AI கட்டாயம்!
நிதி மோசடிகளுக்கு முக்கிய வழித்தடமாக இருக்கும் 'mule accounts'-கள் மீது கவனம் செலுத்தி, அதிரடி நடவடிக்கை எடுக்கப்பட்டுள்ளது. 'MuleHunter' AI, இந்த சட்டவிரோத கணக்குகளை ஆரம்பத்திலேயே கண்டறிந்து, மோசடிப் பணத்தை பெரிய அளவில் பாதிப்பு ஏற்படுத்துவதற்கு முன்பு தடுக்கும் நோக்கில் வடிவமைக்கப்பட்டுள்ளது. இருப்பினும், இதுபோன்ற மேம்பட்ட AI டூல்களைப் பயன்படுத்த வங்கிகளுக்கு அதிக முதலீடு தேவைப்படும். இது தொழில்நுட்பம் வாங்குவது மட்டுமல்லாமல், டேட்டா சிஸ்டம்களை மேம்படுத்துவது, ஒருங்கிணைப்பது, ஊழியர்களுக்குப் பயிற்சி அளிப்பது என பல விஷயங்களை உள்ளடக்கியது.
உலகளவில் AI பயன்பாடு
உலகெங்கிலும் உள்ள நிதி நிறுவனங்கள், மோசடியைக் கண்டறிய AI-யைப் பயன்படுத்தி வருகின்றன. இதனால் ஏற்படும் இழப்புகளைக் குறைக்கவும், விதிமுறைகளுக்கு இணங்கவும் இது பெரிதும் உதவுகிறது. 'Mule accounts' பண மோசடி மற்றும் சட்டவிரோத பணப் பரிமாற்றத்திற்குப் பயன்படுத்தப்படுவது அதிகரித்து வருகிறது, இது உலகளவில் பல்லாயிரம் கோடி ரூபாய் இழப்பை ஏற்படுத்துகிறது. ஹைதராபாத் போலீஸின் 'Operation Octopus' போன்ற முயற்சிகள், தொழில்நுட்ப உதவியுடன் ஒருங்கிணைந்த நடவடிக்கைகள் எப்படி வெற்றிகரமாக குற்றச் செயல்களை முறியடிக்க முடியும் என்பதைக் காட்டியுள்ளன. உலகெங்கிலும் உள்ள மத்திய வங்கிகள், AI பயன்பாட்டை ஊக்குவிப்பதுடன், டேட்டா கையாளுதல் மற்றும் நியாயமான AI பயன்பாடு குறித்து கடுமையான விதிமுறைகளையும் வகுத்துள்ளன.
AI பயன்பாட்டில் உள்ள சவால்கள்
AI, மோசடியைக் கண்டறிவதில் பெரும் நம்பிக்கையை அளித்தாலும், அதன் பரவலான பயன்பாட்டில் சில ஆபத்துகளும் உள்ளன. 'MuleHunter' AI போன்ற டூல்களின் வெற்றி, மோசடி தந்திரங்களுக்கு ஏற்ப அவை எவ்வளவு விரைவாக மாறுகின்றன என்பதைப் பொறுத்தது. இதற்கு கணிசமான வளங்கள் தேவை. AI-யைத் தாக்கும் சைபர் தாக்குதல்கள், தவறான டேட்டாவால் ஏற்படும் பிழையான முடிவுகள் (false positives or negatives), பழைய சிஸ்டம்களுடன் AI-யை ஒருங்கிணைப்பதில் உள்ள சிக்கல்கள் ஆகியவை இதில் அடங்கும். பல வங்கிகளுக்கு, ஆரம்பகால அதிக செலவுகள், தொடர்ந்து பராமரிப்பு மற்றும் ஊழியர்களுக்குப் பயிற்சி அளிப்பதற்கான செலவுகள் ஒரு பெரிய நிதிச் சுமையாக மாறக்கூடும். இது பெரிய வங்கிகளை விட சிறிய வங்கிகளுக்கு அதிக சிரமத்தை ஏற்படுத்தும். மனித சோதனைகள் இல்லாமல் AI-யை அதிகமாக நம்பியிருப்பது புதிய பலவீனங்களை உருவாக்கலாம்.
அடுத்தகட்ட நடவடிக்கை
இந்த AI-யைப் பயன்படுத்தி மோசடியைத் தடுக்கும் முயற்சி, நிதிச் சேவைத் துறையில் சைபர் பாதுகாப்புக்கான செலவுகள் தொடர்ந்து அதிகரிக்கும் என்பதைக் காட்டுகிறது. சிறந்த AI ஒருங்கிணைப்பு மற்றும் பாதுகாப்புடன் செயல்படும் வங்கிகள் முன்னிலை வகிக்கும் என்று நிபுணர்கள் எதிர்பார்க்கின்றனர். நீண்ட காலத்திற்கு இந்த தொழில்நுட்ப தீர்வுகள் எவ்வளவு சிறப்பாகச் செயல்படும் என்பது, தொடர்ச்சியான முதலீடு, அரசு மற்றும் தனியார் நிறுவனங்களுக்கு இடையிலான ஒத்துழைப்பு, மற்றும் மேம்பட்ட குற்றவாளிகளைப் பின்தொடரும் திறன் ஆகியவற்றைப் பொறுத்தது. RBI-யின் 'MuleHunter' AI போன்ற டூல்களுக்கான கட்டளை, எதிர்கால நிதிப் பாதுகாப்பு என்பது மேம்பட்ட தொழில்நுட்பம் மற்றும் தொடர்ச்சியான பாதுகாப்பு முயற்சிகளைப் பெரிதும் சார்ந்துள்ளது என்பதைக் காட்டுகிறது.