స్టేట్ బ్యాంక్ ఆఫ్ ఇండియా (SBI) 2025-26 ఆర్థిక సంవత్సరంలో సుమారు **₹1 లక్ష కోట్లు** విలువైన MSME రుణాలను ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) సాయంతో ఆమోదించింది. చెక్కుల ప్రాసెసింగ్ను ఆటోమేట్ చేయడానికి, రిస్క్ మేనేజ్మెంట్ను మెరుగుపరచడానికి కూడా కొత్త టెక్నాలజీని వాడుతోంది.
AIతో రుణాల జారీ ప్రక్రియ
స్టేట్ బ్యాంక్ ఆఫ్ ఇండియా (SBI) 2025-26 ఆర్థిక సంవత్సరంలో మైక్రో, చిన్న, మధ్య తరహా పరిశ్రమలకు (MSME) చెందిన ₹1 లక్ష కోట్ల విలువైన రుణాలను ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) పద్ధతిలో ఆమోదించి, జారీ చేసింది. ₹5 కోట్ల వరకు విలువైన ఈ రుణాలను కొత్త, పాత కస్టమర్లకు అందించింది. ఇది క్రెడిట్ రిస్క్ ను అంచనా వేయడంలో బ్యాంకు అనుసరిస్తున్న విధానంలో ఒక ముఖ్యమైన మార్పు.
బ్యాంకు AI-ఆధారిత సిస్టమ్, రుణ నిర్ణయాలు తీసుకోవడానికి బిజినెస్ రూల్ ఇంజిన్ (Business Rule Engine) ను ఉపయోగిస్తోంది. GST ఫైలింగ్స్, క్రెడిట్ బ్యూరో రిపోర్టులు, బ్యాంక్ అకౌంట్ డేటా వంటి అనేక రకాల డేటాను ఇది ప్రాసెస్ చేస్తుంది. ఈ అంచనాలను ఆటోమేట్ చేయడం ద్వారా, SBI తన అండర్రైటింగ్ ప్రక్రియను సులభతరం చేసుకుంది. FIBAC 2026 కార్యక్రమంలో మేనేజింగ్ డైరెక్టర్ రామ మోహన్ రావు అమర మాట్లాడుతూ, ఈ AI నమూనాలు తక్కువ మొండి బకాయిలను (NPAs) కూడా తగ్గించడంలో సహాయపడ్డాయని తెలిపారు.
రుణాలతో పాటు, SBI ₹10,000 వరకు విలువైన చెక్కుల ప్రాసెసింగ్ను ఆటోమేట్ చేయడానికి లార్జ్ లాంగ్వేజ్ మోడల్స్ (LLMs) ను కూడా ఉపయోగిస్తోంది. చిన్న మొత్తాల లావాదేవీలు బ్యాంకు మొత్తం చెక్కుల వాల్యూమ్లో దాదాపు 25% వరకు ఉంటాయి. ఈ సిస్టమ్ కీలక వివరాలను, నియమ నిబంధనలను ఆటోమేటిక్గా ధృవీకరిస్తుంది. దీనివల్ల ప్రతి లావాదేవీకి మానవ ప్రమేయం లేకుండానే ప్రాసెసింగ్ జరుగుతుంది. ఈ ఆటోమేషన్ వల్ల ఉద్యోగులు మాన్యువల్ డేటా సేకరణ, విశ్లేషణ వంటి పనుల కంటే, కస్టమర్ ఎంగేజ్మెంట్ వంటి వ్యూహాత్మక పనులపై ఎక్కువ దృష్టి పెట్టగలరు.
రిస్కులు, భవిష్యత్ అంచనాలు
AI వాడకం సామర్థ్యాన్ని పెంచడమే లక్ష్యంగా పెట్టుకున్నప్పటికీ, ఇది కొత్త సవాళ్లను కూడా తెచ్చిపెట్టింది. డిజిటల్ ఫైనాన్స్, సంక్లిష్టమైన అల్గారిథమ్లపై అధికంగా ఆధారపడటం వల్ల డేటా భద్రత, సైబర్ సెక్యూరిటీ వంటి ప్రమాదాలు పొంచి ఉన్నాయి. అంతేకాకుండా, ఈ అధునాతన సాంకేతికతలను బ్యాంకు ప్రస్తుత వ్యవస్థలతో అనుసంధానం చేయడంలో సాంకేతిక సంక్లిష్టతలు ఉంటాయి.
పెట్టుబడిదారులు, వాటాదారులు ఈ సాంకేతిక మార్పులు బ్యాంకు దీర్ఘకాలిక నిర్వహణ ఖర్చులపై ఎలా ప్రభావం చూపుతాయో గమనించాలి. ఉద్యోగుల వనరుల కేటాయింపు, కస్టమర్ సంతృప్తిలో సానుకూల ఫలితాలు కనిపిస్తున్నప్పటికీ, వ్యవస్థలు విస్తరించిన తర్వాత మొత్తం కాస్ట్-టు-ఇన్కమ్ రేషియోపై పూర్తి ప్రభావం స్పష్టంగా తెలుస్తుంది. బ్యాంకు, ఖచ్చితత్వాన్ని నిర్ధారించడానికి, అవసరమైనప్పుడు మోడళ్లను మెరుగుపరచడానికి AI-ప్రాసెస్ చేయబడిన కార్యకలాపాల నమూనాను ఆడిట్ చేయడానికి ఒక ప్రత్యేక రిస్క్ యూనిట్తో సహా నియంత్రణ యంత్రాంగాన్ని నిర్వహిస్తోంది.