RBI AI விதிகள்: வங்கிகளுக்கு நடைமுறை சிக்கல்கள்! AI பயன்பாட்டில் தாமதம்?

Detailed Coverage

RBI-யின் AI வழிகாட்டுதல்கள் என்ன சொல்கின்றன?

இந்திய ரிசர்வ் வங்கி (RBI), நிதி நிறுவனங்கள் செயற்கை நுண்ணறிவை (AI) எப்படி பயன்படுத்த வேண்டும் என்பது குறித்து 'மாதிரி இடர் மேலாண்மை' (Model Risk Management - MRM) என்ற பெயரில் வரைவு வழிகாட்டுதல்களை வெளியிட்டுள்ளது. இந்த வழிகாட்டுதல்கள், AI-யின் பொறுப்புக்கூறல் (Accountability), வெளிப்படைத்தன்மை (Transparency), மற்றும் மனித மேற்பார்வை (Human Oversight) போன்ற முக்கிய அம்சங்களில் RBI-யின் எதிர்பார்ப்புகளை தெளிவாகக் கூறுகின்றன. ஆனால், இந்த உயர் மட்ட கொள்கைகளை அன்றாட செயல்பாடுகளாக மாற்றுவது பல வங்கிகளுக்கும், ஃபின்டெக் நிறுவனங்களுக்கும் பெரிய சவாலாக அமைந்துள்ளது.

வங்கிகள் எதிர்கொள்ளும் நடைமுறை சிக்கல்கள்

தொழிற்துறையின் கருத்துக்களின்படி, நிதி நிறுவனங்கள் RBI-யின் இலக்குகளைப் புரிந்து கொண்டாலும், அவற்றை தொழில்நுட்ப ரீதியாகவும், கட்டமைப்பு ரீதியாகவும் எப்படி செயல்படுத்துவது என்பதில் தெளிவான வழிகாட்டுதல்கள் இல்லை. தற்போது, இந்தியாவில் உள்ள ஒழுங்குபடுத்தப்பட்ட நிறுவனங்களில் சுமார் 21% மட்டுமே AI-யை பெரிய அளவில் உருவாக்கி அல்லது பயன்படுத்தி வருகின்றன. இவற்றில் பல, வாடிக்கையாளர் சேவை சாட்போட்கள் (Chatbots) அல்லது அடிப்படை உள் ஆட்டோமேஷன் போன்ற குறைந்த இடர் (Low-risk) கொண்ட பகுதிகளில் மட்டுமே பயன்படுத்தப்படுகின்றன.

கடன் இடர், கடன் ஒப்புதல் போன்ற முக்கிய பணிகளில் தயக்கம்

கடன் இடர் மதிப்பீடு (Credit Risk Assessment), கடன் ஒப்புதல்கள், மற்றும் உடனடி மோசடி கண்டறிதல் (Real-time Fraud Detection) போன்ற சிக்கலான, அதிக முக்கியத்துவம் வாய்ந்த பணிகளில் AI-யைப் பயன்படுத்துவதில் நிறுவனங்கள் எச்சரிக்கையுடன் உள்ளன. காரணம், ஒரு AI முடிவு தவறானால், RBI-யின் ஆவணப்படுத்தல் மற்றும் மேற்பார்வை தேவைகளை எப்படி பூர்த்தி செய்வது என்பதில் அவர்களுக்கு நிச்சயமற்ற தன்மை நிலவுகிறது.

புதிய நிர்வாகம் மற்றும் சரிபார்ப்பு தேவைகள்

புதிய MRM கட்டமைப்பின் கீழ், நிறுவனங்கள் தங்களிடம் உள்ள அனைத்து AI மாதிரிகளையும் (Model Inventory) விரிவாகப் பராமரிக்க வேண்டும். மேலும், அனைத்து AI அமைப்புகளுக்கும் இடர் அடிப்படையிலான அடுக்குமுறையை (Risk-based Tiering) செயல்படுத்த வேண்டும். ஒரு முக்கிய மாற்றம் என்னவென்றால், மூன்றாம் தரப்பு விற்பனையாளர்களால் (Third-party vendors) உருவாக்கப்பட்ட மாதிரிகளைக் கூட சுயாதீனமாகச் சரிபார்க்க (Independent Validation) வேண்டும் என்பது கட்டாயமாக்கப்பட்டுள்ளது. இதன் மூலம், வங்கிகள் வெளிநாட்டு தொழில்நுட்ப வழங்குநர்களை மட்டுமே நம்பியிருக்க முடியாது; சார்பு மதிப்பீடு (Bias Assessment), விளக்கத்திறன் சோதனைகள் (Explainability Checks), மற்றும் ரெட்-டீமிங் (Red-teaming) போன்ற உள் திறன்களை உருவாக்க வேண்டும்.

புத்தாக்கம் மற்றும் பொறுப்புடைமையை சமநிலைப்படுத்துதல்

தொழில்நுட்ப adopotion-ஐ ஊக்குவிக்க, RBI ஒரு படிநிலை பொறுப்புக்கூறல் கட்டமைப்பை (Graded Liability Framework) முன்மொழிந்துள்ளது. இது பரிசோதனைகளை அனுமதிக்க உதவும். இருப்பினும், சம்பவ அறிக்கையிடல் (Incident Reporting) மற்றும் உள் குழுக் கூட்ட ஒப்புதல்கள் (Internal Committee Approvals) குறித்த குறிப்பிட்ட 'எப்படி செய்வது' (How-to) வழிகாட்டுதல்கள் இல்லாதது ஒரு நிச்சயமற்ற தன்மையை உருவாக்குகிறது. AI-யால் ஏற்படும் தோல்விக்கு நிறுவனத்திற்குள் யார் சட்டப்பூர்வமாக அல்லது செயல்பாட்டு ரீதியாக பொறுப்பாவார்கள் என்பதைக் கண்டறிவது குறித்து நிதி நிறுவனங்கள் குறிப்பாக கவலை கொண்டுள்ளன. இந்த தெளிவான வரையறைகள் இல்லாமல், நிறுவனங்கள் சாத்தியமான ஒழுங்குமுறை அபராதங்களைத் தவிர்க்க மேம்பட்ட AI அம்சங்களை வெளியிடுவதைத் தாமதப்படுத்த வாய்ப்புள்ளது.

வங்கிகள் மற்றும் ஃபின்டெக்க்களுக்கான அடுத்தகட்ட நடவடிக்கைகள்

ஆலோசனைக் காலம் முடிவடையும் நிலையில், நிதித் துறை நடைமுறை நிர்வாகக் கருவிகளை (Practical Governance Tools) உருவாக்குவதில் கவனம் செலுத்த வேண்டும். இதில் மாதிரிப் பட்டியல்களுக்கான நிலையான டெம்ப்ளேட்களை (Standardized Templates) உருவாக்குதல் மற்றும் விற்பனையாளர் மேலாண்மைக்கான உள் சரிபார்ப்புப் பட்டியல்களை (Internal Checklists) நிறுவுதல் ஆகியவை அடங்கும். முதலீட்டாளர்களுக்கு, ஒரு வங்கி அல்லது நிதி நிறுவனம் இந்த உள் நிர்வாகக் கட்டமைப்புகளை எவ்வளவு விரைவாக உருவாக்க முடியும் என்பது ஒரு முக்கிய அளவீடாக இருக்கும். இந்த கட்டுப்பாடுகளைத் திறமையாக ஒருங்கிணைக்கக்கூடிய நிறுவனங்கள், ஒழுங்குமுறை தடைகள் இல்லாமல் முக்கிய வணிகப் பகுதிகளில் AI-யை பயன்படுத்த சிறந்த நிலையில் இருக்கும். மற்றவை குறைந்த, குறைந்த தாக்கத்தை ஏற்படுத்தும் AI திறன்களுடன் செயல்படக்கூடும்.