Bajaj Finance Q1 FY27లో **27.4%** లాభం నమోదు చేసింది. కంపెనీ నికర లాభం ₹5,986 కోట్లకు చేరింది. మొత్తం రుణాల పుస్తకం (loan book) **24%** పెరగడం, ఆస్తుల నాణ్యత మెరుగుపడటం దీనికి ప్రధాన కారణాలు. గ్రాస్ బ్యాడ్ లోన్స్ (Gross Bad Loans) **0.96%** కి పడిపోయాయి. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) వాడకంపై కంపెనీ పెడుతున్న దృష్టిని ఇన్వెస్టర్లు గమనిస్తున్నారు.
Bajaj Finance లిమిటెడ్ 2026-27 ఆర్థిక సంవత్సరం మొదటి త్రైమాసికంలో అద్భుతమైన పనితీరును కనబరిచింది. గత ఏడాదితో పోలిస్తే నికర లాభం (Net Profit) 27.4% పెరిగి ₹5,986 కోట్లకు చేరుకుంది. ఈ వృద్ధికి స్థిరమైన వ్యాపార కార్యకలాపాలు, కంపెనీ మొత్తం రుణ పోర్ట్ఫోలియోలో ఆరోగ్యకరమైన విస్తరణ దోహదపడ్డాయి.\n\n### రుణ పుస్తకం విస్తరణ, ఆదాయాలు\n\nరుణాలపై సంపాదించిన వడ్డీకి, డిపాజిట్లపై చెల్లించిన వడ్డీకి మధ్య వ్యత్యాసమైన నెట్ ఇంట్రెస్ట్ ఇన్కమ్ (Net Interest Income) 23% వృద్ధి చెంది ₹12,571 కోట్లకు చేరింది. కంపెనీ నిర్వహించే మొత్తం రుణాల విలువ అయిన టోటల్ అసెట్స్ అండర్ మేనేజ్మెంట్ (Total Assets Under Management) ₹5.47 లక్షల కోట్లుగా ఉంది. ఇది గత ఏడాదితో పోలిస్తే 24% వార్షిక వృద్ధిని సూచిస్తుంది. జూన్ 30, 2026తో ముగిసిన మూడు నెలల్లో, కంపెనీ తన రుణ పుస్తకంలో ₹36,900 కోట్లకు పైగా జోడించింది. 16 మిలియన్లకు పైగా కొత్త రుణాలను విజయవంతంగా పంపిణీ చేసింది, మొత్తం కస్టమర్ బేస్ను 124.43 మిలియన్లకు విస్తరించింది.\n\n### ఆస్తుల నాణ్యత, కేటాయింపులు\n\nనాన్-బ్యాంకింగ్ ఫైనాన్షియల్ కంపెనీలకు (NBFCs) రుణ పోర్ట్ఫోలియో నాణ్యత, ముఖ్యంగా నిరర్థక ఆస్తులు (NPA) లేదా బ్యాలెన్స్ లోన్స్ స్థాయి అనేది చాలా కీలకం. Bajaj Finance ఈ విషయంలో మెరుగుదల చూపించింది. గ్రాస్ నాన్-పెర్ఫార్మింగ్ అసెట్స్ (Gross NPA) గత ఏడాదితో పోలిస్తే 1.03% నుండి 0.96% కి తగ్గింది. నెట్ నాన్-పెర్ఫార్మింగ్ అసెట్స్ (Net NPA) కూడా 0.50% నుండి 0.39% కి మెరుగుపడింది. కంపెనీ సుమారు ₹1,993 కోట్లను సంభావ్య రుణ నష్టాలు, కేటాయింపుల కోసం పక్కన పెట్టింది. ఇందులో సాధారణ స్థూల ఆర్థిక నష్టాల (macroeconomic risks) కోసం ₹296 కోట్ల బఫర్ కూడా ఉంది. ఈ అదనపు బఫర్ను మినహాయిస్తే, అంతర్లీన రుణ నష్టాలు గత ఏడాదితో పోలిస్తే 14% తగ్గినట్లు కంపెనీ పేర్కొంది.\n\n### AI పరివర్తన, కార్యాచరణ వ్యూహం\n\nఆర్థిక ఫలితాలతో పాటు, కంపెనీ 'FINAI' ప్రోగ్రామ్పై (కృత్రిమ మేధస్సును వ్యాపారంలోకి తీసుకురావడం) ఎక్కువగా దృష్టి సారిస్తోంది. కస్టమర్ల గుర్తింపు, క్రెడిట్ అండర్రైటింగ్, లోన్ కలెక్షన్ సేవల కోసం AIని ఉపయోగించడం ఇందులో భాగం. ప్రస్తుత ఆర్థిక సంవత్సరంలో AI టీమ్ను 400 మంది ఉద్యోగులకు విస్తరించాలని కంపెనీ యోచిస్తోంది. గత ఏడాదితో పోలిస్తే AI- ఆధారిత లోన్ ఆఫర్లు నాలుగు రెట్లు పెరిగాయని, ఈ త్రైమాసికంలో ఆటోమేటెడ్ డిజిటల్ బాట్స్ ద్వారా ₹2,500 కోట్లకు పైగా రుణ పంపిణీ జరిగిందని యాజమాన్యం తెలిపింది.\n\n2026-27 ఆర్థిక సంవత్సరం మిగిలిన కాలానికి, కంపెనీ 18 మిలియన్ల నుండి 20 మిలియన్ల కొత్త కస్టమర్లను సంపాదించాలని లక్ష్యంగా పెట్టుకుంది. AI- ఆధారిత కార్యకలాపాల వైపు ఈ మార్పు దీర్ఘకాలిక లాభాల మార్జిన్లను ఎలా ప్రభావితం చేస్తుందో, బంగారం రుణాల వ్యాపారాన్ని, భౌతిక శాఖల నెట్వర్క్ను దూకుడుగా పెంచుకుంటూనే, క్షీణిస్తున్న బ్యాలెన్స్ లోన్స్ ధోరణిని కంపెనీ కొనసాగించగలదా అని ఇన్వెస్టర్లు ఆసక్తిగా గమనిస్తారు.