BFSI రంగంలో AI.. సామర్థ్యం పెరిగినా.. ఆదాయం కొలవడం లోపమే!

AI తో పెరుగుతున్న సామర్థ్యం, తగ్గుతున్న ఆదాయ కొలమానాలు

BFSI రంగంలోని బ్యాంకులు, ఫైనాన్షియల్ సర్వీసెస్, ఇన్సూరెన్స్ కంపెనీలు తమ కార్యకలాపాలను మెరుగుపరచుకోవడానికి, సమయాన్ని ఆదా చేసుకోవడానికి ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ను విరివిగా వాడుకుంటున్నాయి. ఏకంగా 94.1% సంస్థలు తమ పని ప్రక్రియలను ఆప్టిమైజ్ చేయడానికి AIని వినియోగిస్తుంటే, 60.3% సంస్థలు నాణ్యత, రిస్క్ మేనేజ్‌మెంట్ కోసం ఉపయోగిస్తున్నాయి. అయితే, ఈ AI వాడకం ప్రధానంగా కార్యకలాపాల మెరుగుదలకే పరిమితమైంది తప్ప, కొత్త ఆదాయ మార్గాలను సృష్టించడంపై అంతగా దృష్టి సారించడం లేదు.

ఆదాయం, ROI లెక్కించడంలో పెద్ద గ్యాప్

సామర్థ్యం పెంచుకోవడంలో AI వాడకం ఎక్కువగా ఉన్నప్పటికీ, దాని వల్ల వచ్చే ప్రత్యక్ష ఆర్థిక లాభాలను లెక్కించడంలో మాత్రం పెద్ద గ్యాప్ కనిపిస్తోంది. కేవలం 19.1% BFSI సంస్థలు మాత్రమే AI వల్ల కలిగే ఆదాయ ప్రభావాన్ని (Revenue Impact) ట్రాక్ చేస్తున్నాయి. ఇక విస్తృత స్థాయిలో శిక్షణ (Learning & Development) కార్యక్రమాల పెట్టుబడిపై రాబడి (ROI)ని కొలిచే విషయంలోనూ ఇదే పరిస్థితి. కేవలం 57.4% సంస్థలు మాత్రమే శిక్షణను వ్యాపార ఫలితాలతో అనుసంధానిస్తుండగా, 47.1% సంస్థలు మాత్రమే ఈ ప్రోగ్రామ్స్‌పై ROIని కొలుస్తున్నాయి. ఈ కొలమానాల కొరత వల్ల, టెక్నాలజీ, శిక్షణపై పెట్టిన పెట్టుబడుల పూర్తి విలువను సంస్థలు చూపించలేకపోతున్నాయి. దీనివల్ల వనరుల కేటాయింపులో లోపాలు, వృద్ధి అవకాశాలను కోల్పోయే ప్రమాదం ఉంది. AI వ్యూహాత్మక సహకారం అస్పష్టంగా ఉండటంతో, భవిష్యత్ పెట్టుబడులకు ఆమోదం పొందడం కష్టమవుతోందని విశ్లేషకులు అభిప్రాయపడుతున్నారు.

ఇతర రంగాలతో పోలిస్తే BFSI వెనుకబాటు

ఇతర రంగాలతో పోలిస్తే, BFSI రంగం AI వల్ల వచ్చే ఆదాయాన్ని కొలవడంలో వెనుకబడి ఉంది. టెక్నాలజీ సంస్థలు, కన్సల్టెన్సీలు సాధారణంగా ROI ట్రాకింగ్‌ను నేరుగా ఆదాయం లేదా మార్కెట్ వాటాతో ముడిపెడతాయి. ఉదాహరణకు, Fintech కంపెనీలు వ్యక్తిగతీకరించిన కస్టమర్ ఆఫర్లు, ప్రిడిక్టివ్ సేల్స్ కోసం AIని ఉపయోగించి, వాటిని కన్వర్షన్ రేట్లతో అనుసంధానిస్తాయి. కానీ, అనేక BFSI సంస్థలు, పాత సిస్టమ్స్, కఠినమైన నిబంధనల వల్ల, AIని ప్రధానంగా కంప్లైయన్స్, ఫ్రాడ్ డిటెక్షన్, బ్యాక్-ఆఫీస్ ఆటోమేషన్ వంటి వాటికే పరిమితం చేస్తున్నాయి. ఇవి ప్రత్యక్ష ఆదాయం కంటే సామర్థ్య మెరుగుదలకే ఎక్కువ దోహదం చేస్తాయి. ఈ వ్యత్యాసం, ఆదాయ వృద్ధికి ప్రాధాన్యత ఇవ్వకపోతే పోటీలో వెనుకబడేలా చేస్తుంది.

కేవలం సామర్థ్యంపైనే దృష్టి.. వ్యూహాత్మక నష్టాలు

కేవలం సామర్థ్యంపైనే అతిగా దృష్టి సారించడం, ఆదాయాన్ని పెంచే AI అప్లికేషన్స్‌ను పక్కన పెట్టడం BFSI సంస్థలకు ఒక కీలకమైన బలహీనతను తెచ్చిపెడుతుంది. మార్కెట్ పరిస్థితులు మారినా, పోటీదారులు మెరుగైన, ఆదాయాన్ని సృష్టించే AI అప్లికేషన్స్‌ను అభివృద్ధి చేసినా, BFSI సంస్థలు సాంకేతికంగా ముందున్నా ఆర్థికంగా స్తబ్ధుగా మిగిలిపోయే ప్రమాదం ఉంది. AI ప్రభావం ఆదాయంపై స్పష్టంగా లెక్కించలేకపోవడం, జవాబుదారీతనం లేకపోవడాన్ని, అంచనాలను అందుకోలేని కార్యక్రమాలపై అనవసర ఖర్చులను సూచిస్తుంది. అలాగే, శిక్షణను వ్యాపార ఫలితాలకు అనుసంధానించడంలో పరిమితులు, టెక్నాలజీ స్వీకరణను వాటాదారుల విలువగా మార్చడంలో విస్తృత సమస్యను సూచిస్తున్నాయి. ఆదాయ ప్రభావంపై బలమైన కొలమానాలు లేకుండా AI విస్తరణ, నిజమైన వృద్ధి చోదకం కంటే ఖరీదైన ఆపరేషనల్ వ్యాయామంగా మారే ప్రమాదం ఉంది. గత డేటా ప్రకారం, టెక్నాలజీ స్వీకరణతో పాటు తమ కొలమానాల ఫ్రేమ్‌వర్క్‌లను మార్చుకోవడంలో విఫలమైన కంపెనీలు, ముఖ్యంగా అనిశ్చిత ఆర్థిక సమయాల్లో మార్కెట్ నాయకత్వాన్ని నిలబెట్టుకోవడంలో తరచుగా ఇబ్బందులు పడతాయి.

భవిష్యత్ మార్గదర్శకాలు: అంతరాన్ని తగ్గించుకోవాలి

ముందుకు చూస్తే, BFSI సంస్థలు కార్యాచరణ సామర్థ్యం, AI-ఆధారిత ఆదాయ సృష్టి మధ్య కొలమానాల అంతరాన్ని తగ్గించుకోవాలి. పరిశ్రమ విశ్లేషకులు, ప్రత్యక్ష ఆదాయ ప్రభావాన్ని చూపగల అధునాతన AI మోడళ్లను అభివృద్ధి చేయడంపై, ఆ లాభాలను ట్రాక్ చేసే అవసరమైన సాధనాలపై ఎక్కువ దృష్టి సారిస్తారని అంచనా వేస్తున్నారు. AI పరిణితి చెందుతున్నందున, BFSI సంస్థలు వ్యక్తిగతీకరించిన కస్టమర్ ఎంగేజ్‌మెంట్, ప్రిడిక్టివ్ ప్రొడక్ట్ డెవలప్‌మెంట్, మెరుగైన సేల్స్ ఫోర్‌కాస్టింగ్ కోసం AIని ఎక్కువగా ఉపయోగించుకోవాలని భావిస్తున్నారు. దీని ద్వారా AIని ఆదాయాన్ని పెంచే సాధనంగా పూర్తిగా వాడుకోవచ్చు. బ్రోకరేజ్ ఏకాభిప్రాయం ప్రకారం, మెరుగైన AI ROI కొలమానాలను, ఆదాయ-ఆధారిత AI అప్లికేషన్స్‌కు స్పష్టమైన వ్యూహాన్ని ప్రదర్శించే సంస్థలు అధిక వాల్యుయేషన్లను పొంది, తమ తోటి సంస్థల కంటే మెరుగ్గా రాణించే అవకాశం ఉంది.