Whalesbook
நிதிசார் AI-யில் செயல்திறன் மாற்றம்
பொதுவான செயற்கை நுண்ணறிவு (AI) தளங்களுக்குப் பதிலாக, சிறு மொழி மாடல்களுக்கு (SLMs) முன்னுரிமை அளிக்கும் NPCI-யின் முடிவு, இந்திய டிஜிட்டல் கொடுப்பனவு சூழலுக்கு அதிகப் பயனை அளிக்கும் அதே வேளையில், கணினிச் செலவுகளைக் குறைக்கும் ஒரு திட்டமிட்ட நகர்வாகும். குறிப்பிட்ட பணிகளுக்கான குறுகிய, தனித்துவமான பயன்பாடுகளில் கவனம் செலுத்துவதன் மூலம், பெரிய generative மாடல்களுடன் தொடர்புடைய உள்கட்டமைப்பு செலவுகளைத் தவிர்க்கிறது. UPI-க்கான வாடிக்கையாளர் ஆதரவு தொடர்புகளில் தற்போது கணிசமான அளவைக் கையாளும் 'Finance Model for India' (FiMI) மூலம் பெறப்பட்ட உள்ளீடுகளை இந்த வியூகம் நம்பியுள்ளது. பரந்த சந்தைக்கான நுகர்வோர் AI கருவிகளைத் தேடுவதை விட, அதிர்வெண் அதிகம் கொண்ட, நம்பகமான தானியங்கு முறைகளில் நிர்வாகம் அதிக நீண்ட கால மதிப்பைக் காண்கிறது.
உள்நாட்டு உள்கட்டமைப்பை அளவிடுதல்
FiMI தளத்தின் அன்றாட பயன்பாட்டாளர்களின் எண்ணிக்கை, மாதாந்திர எண்ணிக்கையிலிருந்து தினசரி லட்சக்கணக்கானோரை எட்டுவதற்கான கணிப்பு, வாடிக்கையாளர் ஆதரவு எதிர்பார்ப்புகளில் ஒரு பெரிய மாற்றத்தைக் குறிக்கிறது. மனிதவளம் சார்ந்த அழைப்பு மையங்களை நம்புவதற்குப் பதிலாக, அதன் ஆதரவு கட்டமைப்பை டிஜிட்டல் மயமாக்குகிறது. இது திறந்த மூல ஒருங்கிணைப்பை (open-source integration) ஊக்குவிக்கிறது, இதன் மூலம் கூட்டாளர் வங்கிகள் தரப்படுத்தப்பட்ட AI கட்டமைப்புகளைப் பயன்படுத்த முடியும். இது சொந்த AI தீர்வுகளை உருவாக்க மூலதனம் இல்லாத சிறிய நிதி நிறுவனங்களுக்கு ஒரு பெரிய வரப்பிரசாதமாகும்.
சர்வதேச வளர்ச்சி இயந்திரம்
உள்நாட்டு AI பயன்பாட்டிற்கு அப்பால், NPCI தனது முக்கிய கட்டண முறையின் சர்வதேச இருப்பை துரிதப்படுத்துகிறது. தற்போது எட்டு நாடுகளில் உள்ள இதன் இருப்பு, எல்லை தாண்டிய பயன்பாட்டிற்கான ஒரு சான்றாகும். ஆனால் இந்தோனேஷியா, தாய்லாந்து மற்றும் மலேசியா போன்ற சந்தைகளில் கவனம் செலுத்துவது, உண்மையான பரிவர்த்தனை வளர்ச்சியை எதிர்பார்க்கும் இடமாகும். இந்த சந்தைகளில் சுற்றுலா மற்றும் புலம்பெயர்ந்த தொழிலாளர் நடமாட்டம் அதிகமாக இருப்பதால், எல்லை தாண்டிய கட்டணங்களை ஏற்றுக்கொள்வதற்கான இயற்கை ஊக்கிகளாக அமைகின்றன. ஆரம்பத்தில் ஒழுங்குமுறை தயக்கங்களை எதிர்கொண்டதைப் போலல்லாமல், தற்போதைய அணுகுமுறை இருதரப்பு அரசாங்க ஒப்பந்தங்களைப் பயன்படுத்துகிறது, இது சர்வதேச fintech விரிவாக்கத்தில் வழக்கமாக காணப்படும் தடைகளைக் கணிசமாகக் குறைக்கிறது.
செயல்பாட்டு அபாயங்கள் மற்றும் ஒழுங்குமுறை தடைகள்
தானியங்கு மாடல்களின் விரிவாக்கம் செலவைக் குறைத்தாலும், இது தனித்துவமான செயல்பாட்டு பாதிப்புகளையும் அறிமுகப்படுத்துகிறது. முக்கிய நிதி விசாரணைகளைத் தீர்க்க பிரத்யேக AI மாடல்களை நம்பியிருப்பது, அடிப்படை தரவு மாடல்களில் பிழைகள் ஏற்பட்டால் ஒற்றை தோல்விப் புள்ளியை (single point of failure) உருவாக்குகிறது. மேலும், சர்வதேச அதிகார வரம்புகளுக்கு விரிவடையும்போது, தரவு இறையாண்மை (data sovereignty) தொடர்பான மிகவும் சிக்கலான ஒழுங்குமுறை சூழலை எதிர்கொள்கிறது. இந்திய சட்டக் கட்டமைப்புகளுக்குள் தரவு இருக்கும் உள்நாட்டு செயல்பாடுகளைப் போலல்லாமல், தென்கிழக்கு ஆசியாவிற்கான இந்த நகர்வு, பல்வேறு மற்றும் கடுமையான தரவு பாதுகாப்புச் சட்டங்களுக்கு இணங்க வேண்டிய அவசியத்தை ஏற்படுத்துகிறது. இந்த AI மாடல்களின் பாதுகாப்பு அல்லது துல்லியத்தில் ஏதேனும் தோல்வி ஏற்பட்டால், அது ஒழுங்குமுறை ஆய்வுக்கு வழிவகுக்கும், இது சர்வதேச விரிவாக்கத்தைத் தாமதப்படுத்தக்கூடும். எனவே, இந்த தொழில்நுட்ப-முன்னோக்கிய வியூகம், மாடல் நம்பகத்தன்மையில் ஒரு அதிக-ஸ்டேக் பந்தயமாக உள்ளது.