இந்தியாவின் UPI தளம் ஜூலை 2026-ல் **23.66 பில்லியன்** பரிவர்த்தனைகளை பதிவு செய்து, தொடர்ந்து வளர்ச்சியை எட்டியுள்ளது. கட்டண வரம்புகள் (Payment Margins) குறைவதால், லாபத்தை அதிகரிக்க டிஜிட்டல் கடன் மற்றும் AI சேவைகள் பக்கம் ஃபின்டெக் துறை திரும்பியுள்ளது. வங்கிகளும் ஃபின்டெக் நிறுவனங்களும் கடன் தரத்தை நிர்வகித்து, ஒழுங்குமுறை விதிமுறைகளுக்கு ஏற்ப இதை எப்படி செயல்படுத்துகின்றன என்பதை முதலீட்டாளர்கள் உன்னிப்பாக கவனித்து வருகின்றனர்.
UPI-யின் புதிய சாதனை!
இந்தியாவின் Unified Payments Interface (UPI) தளம், ஜூலை 2026-ல் மட்டும் 23.66 பில்லியன் பரிவர்த்தனைகளை, அதாவது ₹29.88 லட்சம் கோடி மதிப்பிலான பணப் பரிவர்த்தனைகளை வெற்றிகரமாக நடத்தியுள்ளது. இது, இந்தியாவின் டிஜிட்டல் பொருளாதாரத்தின் முதுகெலும்பாக UPI திகழ்வதை உறுதிப்படுத்துகிறது. இருப்பினும், வங்கிகள் மற்றும் ஃபின்டெக் நிறுவனங்களின் கவனம் தற்போது வளர்ச்சியைத் தாண்டி, லாபம் ஈட்டுவதை நோக்கி நகர்ந்துள்ளது.
லாபப் பாதைக்கு மாறும் ஃபின்டெக் துறை
பல ஆண்டுகளாக, டிஜிட்டல் பேமென்ட்களை மக்கள் மத்தியில் கொண்டு சேர்ப்பதிலேயே ஃபின்டெக் துறை கவனம் செலுத்தியது. ஆனால், பெரும்பாலான UPI பரிவர்த்தனைகளுக்கு Merchant Discount Rate (MDR) இல்லாததால், அதிக பரிவர்த்தனைகள் நடந்தாலும் வருமானம் குறைவாகவே உள்ளது. எனவே, அடுத்தகட்ட வளர்ச்சிக்கு டிஜிட்டல் கடன் (Digital Lending) மற்றும் உட்பொதிக்கப்பட்ட நிதிச் சேவைகள் (Embedded Finance) பக்கம் திரும்பியுள்ளனர். UPI பரிவர்த்தனைகளிலேயே கடன் வழங்கும் வசதிகளை ஒருங்கிணைப்பதன் மூலம், வாடிக்கையாளர்கள் வாங்கும்போதே கடன் பெற முடியும். இதன் மூலம், நிறுவனங்கள் கமிஷன் அல்லது வட்டி வருமானம் பெற முடியும்.
இந்த கடன் பரிவர்த்தனைகளின் வளர்ச்சி எப்படி இருக்கிறது என்பதை துறை சார்ந்த வல்லுநர்கள் உன்னிப்பாக கவனித்து வருகின்றனர். மாதந்தோறும் UPI மூலம் கடன் பெறும் அளவுகள் அதிகரித்து வருவதால், வாடிக்கையாளர்களின் செலவு பழக்கவழக்கங்களை புரிந்துகொள்ள, பேமென்ட் டேட்டாவை ஃபின்டெக் நிறுவனங்கள் பயன்படுத்துகின்றன. இது, பாரம்பரிய முறைகளை விட வேகமான, தனிப்பயனாக்கப்பட்ட கடன்களை வழங்க உதவுகிறது.
நிதிச் சேவைகளில் AI-யின் பங்கு
இந்த மாற்றத்தை நிர்வகிக்க, செயற்கை நுண்ணறிவு (Artificial Intelligence - AI) ஒரு முக்கிய கருவியாக உருவெடுத்துள்ளது. வாடிக்கையாளர் சேவைக்கு அப்பால், AI இப்போது 'Predictive Underwriting' எனப்படும் கடன் மதிப்பீட்டிற்கும் பயன்படுத்தப்படுகிறது. இது, வாடிக்கையாளர்களின் டிஜிட்டல் தடம், பயன்பாட்டு கட்டணங்கள், பரிவர்த்தனை வரலாறு போன்றவற்றை பகுப்பாய்வு செய்து, அவர்களின் கடன் திருப்பிச் செலுத்தும் திறனை மதிப்பிடுகிறது. இது, முறையான கடன் வரலாறு இல்லாத 'புதிய-கடன்' வாடிக்கையாளர்களுக்கு மிகவும் பயனுள்ளதாக இருக்கிறது.
மேலும், செயல்பாட்டுத் திறனை மேம்படுத்தவும் AI பயன்படுத்தப்படுகிறது. இயந்திர கற்றல் (Machine Learning) மூலம், உண்மையான நேரத்தில் மோசடிகளைக் கண்டறிந்து நிதி இழப்பைக் குறைக்கலாம். சிறிய வணிகங்கள் தங்கள் வசூல் மற்றும் இருப்பு நிர்வாகத்தை தானியக்கமாக்குவதற்கும் AI கருவிகள் உதவுகின்றன.
அபாயங்களும் ஒழுங்குமுறை கண்காணிப்பும்
இந்த கடன் சார்ந்த மாற்றங்களுக்கு சில அபாயங்களும் உள்ளன. குறிப்பாக, பாதுகாப்பற்ற கடன்களின் (Unsecured Lending) விரைவான வளர்ச்சியை ரிசர்வ் வங்கி (RBI) உன்னிப்பாக கவனித்து வருகிறது. கடன் தயாரிப்புகள் அல்லது NBFC கடன் வழங்குவது தொடர்பான புதிய விதிகள், நிறுவனங்களின் கடன் புத்தகத்தை விரிவாக்கும் வேகத்தை பாதிக்கலாம்.
அதே நேரத்தில், பரிவர்த்தனை அளவு அதிகரிக்கும்போது, அமைப்பின் நம்பகத்தன்மை முக்கியமானது. அவ்வப்போது ஏற்படும் நெட்வொர்க் இடையூறுகள் அல்லது வங்கி சார்ந்த சிக்கல்கள், ஒழுங்குமுறை அமைப்புகளிடமிருந்து கடுமையான தர-சேவை தரநிலைகளுக்கு வழிவகுக்கும். மேலும், AI வெளிப்படைத்தன்மை இல்லாத 'black-box' முடிவுகளை எடுக்க வழிவகுக்கும் தொழில்நுட்ப அபாயங்களையும் கொண்டுள்ளது. எனவே, AI மாதிரிகள் ஒழுங்குமுறைத் தேவைகளுக்கு இணங்குவதை நிறுவனங்கள் உறுதி செய்ய வேண்டும்.
இந்த புதிய வருவாய் மாதிரிகளின் நிலைத்தன்மை, அடுத்த முக்கியமான போக்காக இருக்கும். ஃபின்டெக் நிறுவனங்கள் மற்றும் வங்கிகளின் லாபத்தில் கடன் வளர்ச்சி எவ்வளவு பங்களிக்கிறது என்பதையும், கடன் போர்ட்ஃபோலியோக்களை விரிவுபடுத்தும்போது ஆரோக்கியமான சொத்து தரத்தை பராமரிக்க முடியுமா என்பதையும் முதலீட்டாளர்கள் உன்னிப்பாக கவனிப்பார்கள்.