HDFC Bank తన సొంత AI ప్లాట్ఫామ్ 'నీవ్' (Neev) ను కేవలం ₹2 కోట్ల ప్రారంభ పెట్టుబడితోనే అభివృద్ధి చేసింది. పెద్ద AI మోడళ్ల కోసం భారీగా ఖర్చు చేసే ట్రెండ్కు ఇది భిన్నం. ప్రత్యేకమైన, డొమైన్-నిర్దిష్ట AI పై దృష్టి సారించడం ద్వారా, బ్యాంక్ తన కార్యకలాపాలలో సామర్థ్యాన్ని పెంచుకోవడమే కాకుండా, బ్యాంకింగ్ డేటాపై కఠినమైన నియంత్రణను కూడా కొనసాగించాలని లక్ష్యంగా పెట్టుకుంది. వాణిజ్య డాక్యుమెంటేషన్, కస్టమర్ సర్వీస్ వంటి కీలక పనులలో కచ్చితత్వాన్ని మెరుగుపరచడమే ఈ అంతర్గత విధానం యొక్క ముఖ్య ఉద్దేశ్యం.
Detailed Coverage
తక్కువ ఖర్చుతోనే AI సృష్టి
ఫైనాన్షియల్ రంగంలో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ఖర్చులపై నడుస్తున్న చర్చకు HDFC Bank భిన్నమైన కోణాన్ని చూపించింది. తమ అంతర్గత AI ప్లాట్ఫామ్ 'నీవ్' (Neev) ను కేవలం ₹2 కోట్ల ప్రారంభ పెట్టుబడితోనే ప్రారంభించినట్లు బ్యాంక్ వెల్లడించింది. గ్రూప్ హెడ్ ఆఫ్ IT మరియు చీఫ్ ఇన్ఫర్మేషన్ ఆఫీసర్ రమేష్ లక్ష్మినారాయణన్ ప్రకారం, దీని నిర్వహణ, అభివృద్ధి ఖర్చులు కూడా తక్కువగానే ఉన్నాయి. పోటీలో నిలబడాలంటే బ్యాంకులు పెద్ద, సాధారణ-ప్రయోజన లార్జ్ లాంగ్వేజ్ మోడళ్లపై భారీగా ఖర్చు చేయాలనే పరిశ్రమ నమ్మకాన్ని ఈ వ్యూహం సవాలు చేస్తోంది.
ప్రత్యేక AI Vs పెద్ద మోడల్స్
బ్యాంక్ విధానం ప్రకారం, ఖరీదైన, విస్తృతమైన మోడళ్లపై ఆధారపడటానికి బదులుగా, బ్యాంకింగ్ కార్యకలాపాల కోసం ప్రత్యేకంగా రూపొందించిన చిన్న, కేంద్రీకృత మోడళ్లను నిర్మించడంపై ఎక్కువ ప్రాధాన్యత ఇస్తుంది. బ్యాంక్ ప్రకారం, ఈ డిజైన్ వాణిజ్య క్రెడిట్ లెటర్లను ధృవీకరించడం లేదా దిగుమతి, ఎగుమతి పత్రాలను విశ్లేషించడం వంటి క్లిష్టమైన పనులను నిర్వహించేటప్పుడు అధిక కచ్చితత్వాన్ని, తక్కువ ప్రాసెసింగ్ ఆలస్యాన్ని అందిస్తుంది. 'నీవ్' ను అంతర్గతంగా అభివృద్ధి చేయడం ద్వారా, HDFC Bank తన మేధో సంపత్తిపై పూర్తి యాజమాన్యాన్ని కలిగి ఉంటుంది. ఇది ఫైనాన్షియల్ సర్వీసెస్లో అధిక కచ్చితత్వం అవసరమయ్యే నిబంధనలకు అనుగుణంగా పర్యవేక్షణ, సమ్మతిని మెరుగుపరుస్తుంది.
కార్యకలాపాల సామర్థ్యం, అంతర్గత యాజమాన్యం
'నీవ్' ప్లాట్ఫామ్ వివిధ బ్యాంకింగ్ విభాగాలలో తిరిగి ఉపయోగించగల సామర్థ్యాలను అనుమతించే లేయర్డ్ ఆర్కిటెక్చర్తో నిర్మించబడింది. ప్రస్తుతం, ఆధార్ కార్డుల వంటి పత్రాల కోసం చిత్రాలను సంగ్రహించడం, ఉద్యోగులకు క్లిష్టమైన క్రెడిట్ కార్డ్ ఛార్జ్ గణనలలో సహాయం చేయడం వంటి వివిధ పనులకు ఈ ప్లాట్ఫామ్ మద్దతు ఇస్తుంది. ఈ పునరావృత ప్రక్రియలను ఆటోమేట్ చేయడం ద్వారా, బ్యాంక్ ఖర్చులలో అనులోమానుపాతంలో పెరుగుదల లేకుండానే అధిక వ్యాపార పరిమాణాలను నిర్వహించాలని లక్ష్యంగా పెట్టుకుంది. ఈ ప్లాట్ఫామ్ను కేవలం 40 మంది అంకితభావంతో కూడిన చిన్న బృందం నిర్వహిస్తోంది, ఇది కేంద్రీకృత అంతర్గత బృందాలు ఎలా స్కేలబుల్ టెక్నలాజికల్ సొల్యూషన్స్ ను అందించగలవో తెలియజేస్తుంది.
వర్క్ఫోర్స్ వ్యూహం, రీస్కిల్లింగ్
AI ఇంటిగ్రేషన్ కొనసాగుతున్నందున, బ్యాంక్ భారీ తొలగింపులకు బదులుగా తన ప్రస్తుత ఉద్యోగులకు కొత్త నైపుణ్యాలను అందించడంపై దృష్టి సారిస్తోంది. ప్రత్యేక డాక్యుమెంటేషన్ పాత్రలలో దీర్ఘకాలిక అనుభవం ఉన్న ఉద్యోగులతో సహా, కస్టమర్-ఫేసింగ్ కార్పొరేట్ అడ్వైజరీ పాత్రల వంటి కొత్త స్థానాల కోసం వారికి శిక్షణ ఇస్తున్నట్లు యాజమాన్యం సూచించింది. AI-ఆధారిత ఉత్పాదకత లాభాలు సంస్థ విస్తరిస్తున్న వ్యాపార అవసరాలను తీర్చడానికి అనుమతిస్తున్నప్పుడు, సహజ అరుగుదల (natural attrition) ద్వారా ఉద్యోగుల సంఖ్యలో మార్పులను నిర్వహిస్తుందని బ్యాంక్ భావిస్తోంది. ఈ అంతర్గత AI సామర్థ్యాలు రాబోయే త్రైమాసికాలలో మెరుగైన లాభాల మార్జిన్లు, తగ్గిన కార్యాచరణ ఖర్చులకు దారితీస్తాయో లేదో పెట్టుబడిదారులు నిశితంగా గమనిస్తారు. వేగంగా మారుతున్న రంగంలో టెక్నాలజీని స్వీకరిస్తున్న తరుణంలో, ఈ తక్కువ-ఖర్చుతో కూడిన, ఇన్-హౌస్ డెవలప్మెంట్ మోడల్ను కొనసాగించే బ్యాంక్ సామర్థ్యం దీర్ఘకాలిక మూల్యాంకనానికి కీలకమైన అంశంగా మిగిలిపోయింది.