ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ കാലത്തെ ബാങ്കിംഗ്

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ കാലത്തെ ബാങ്കിംഗ്

ധനകാര്യബിസിനസ് പുതിയ സാങ്കേതികവിദ്യകളുടെ കാലത്ത് അതിവേഗം മുന്നേറുകയാണ്. ഉപഭോക്താക്കളുടെ ഡാറ്റാവിശകലനത്തിന് സാങ്കേതികവിദ്യയുടെ മാറ്റങ്ങൾ സഹായകരമാകാൻ തുടങ്ങിയിട്ടുണ്ട്. ഒരു ദശകത്തിനുള്ളിൽ, റീട്ടെയ്ൽ വായ്പ ബിസിനസ്സിൻ്റെ നടത്തിപ്പിൽ കാര്യമായ മാറ്റങ്ങൾ സംഭവിച്ചിട്ടുണ്ട്. ഡാറ്റകൾ വിശകലനം ചെയ്തുകൊണ്ടുള്ള ക്രെഡിറ്റ് സ്കോറുകൾ എത്തിയതോടെ വായ്പവേണ്ടവർക്ക് അത് നൽകുന്ന രീതികളിൽ വലിയ മാറ്റം വന്നിരിക്കുന്നു.

പുത്തൻ സാങ്കേതികവിദ്യകളുടെ കണ്ടുപിടിത്തം, മൊബൈൽ കണക്ടിവിറ്റി, സ്മാർട്ട് ഫോൺ ഉപകരണങ്ങൾ ഇവ ചെറുപ്പക്കാർക്കിടയിൽ വ്യാപകമായതോടെ പുതിയ തലമുറ ബാങ്ക് ഇടപാടുകൾ നടത്തുന്നതിൽ കാര്യമായ മാറ്റങ്ങൾ സംഭവിച്ചു. ഡിജിറ്റൽവൽക്കരണവും, മൊബൈൽ ഉപയോഗവും ധനകാര്യ സേവന മേഖലയിൽ ഒഴിച്ചുകൂടാനാവാത്ത സംഗതിയായി. പഴയ തലമുറയിൽപ്പെട്ട ധനകാര്യസ്ഥാപനങ്ങൾക്ക് സാങ്കേതികവിദ്യകൾക്കനുസരിച്ച് മാറേണ്ടതും അടുത്ത തലമുറയുടെ മുന്നിൽ പ്രസക്തമായിരിക്കേണ്ടതും നിർണ്ണായകമായിരിക്കുന്നു.

മെഷീൻ ലേണിംഗും ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസും കമ്പ്യൂട്ടർ സയൻസിലെ ബുദ്ധിജീവികൾക്ക് മാത്രമുള്ള വാക്ക് എന്ന നിലയിൽ നിന്നും ദൈനംദിന ജീവിതത്തിലേക്ക് കൂടി കടന്നുവന്നിരിക്കുകയാണ്. മെഷീനുകൾ അതിവേഗതയുള്ളതും കാര്യക്ഷമവും ആണെന്ന് മാത്രമല്ല, അത് വിവേചനമില്ലാതെ പ്രവർത്തിക്കുന്ന ഒന്നാണ്. അത് മനുഷ്യർക്ക് ഇല്ലാത്ത ഗുണമാണ്.
ഉദാഹരണത്തിന്, മുമ്പൊക്കെ നിങ്ങൾക്ക് വായ്പ ആവശ്യമുണ്ടെങ്കിൽ നിങ്ങൾ ലോൺ തരുന്ന ഓഫീസറുടെ മുന്നിൽ ദിവസങ്ങളോളം ഇരിക്കേണ്ടിവരും. ലോൺ പാസാക്കുന്നതിന് ആവശ്യമായ പേപ്പറുകളുടെ വിശദാംശങ്ങൾ നൽകാൻ ദിവസങ്ങളോളം കയറിയിറങ്ങേണ്ടി വരും. ഇനി ബാങ്കുദ്യോഗസ്ഥന് നിങ്ങളെ അറിയാമെങ്കിൽ, നിങ്ങളുടെ പദവിയെപ്പറ്റി അറിയാമെങ്കിൽ, നിങ്ങളുമായോ നിങ്ങളുടെ കുടുംബവുമായോ എന്തെങ്കിലും തരത്തിൽ നല്ല ബന്ധമുണ്ടെങ്കിൽ എളുപ്പത്തിൽ നിങ്ങൾക്ക് വിശ്വാസ്യത ലഭിക്കും. നിങ്ങൾക്ക് തിരിച്ചടക്കാൻ ശേഷിയുണ്ടായാലും ഇല്ലെങ്കിലും വായ്പ ലഭിക്കുക തന്നെ ചെയ്യും. വാസ്തവത്തിൽ ഈ സംവിധാനം വലിയ കോർപറേറ്റ് കമ്പനികൾക്ക് ഒരു പരിധി വരെ സൗകര്യപ്രദവുമാണ്.

ആർട്ടി ഫിഷ്യൽ ഇൻ്റലിജൻസിനും മെഷീൻ ലേണിംഗിനും ആയിരക്കണക്കിന് വിവിധങ്ങളായ വിവരങ്ങൾ ശേഖരിക്കാനുള്ള കഴിവുണ്ട്. അതിൽ ഉപഭോക്താവിൻ്റെ സോഷ്യൽ മീഡിയ അക്കൗണ്ട്, ഇൻ്റർനെറ്റ് ബ്രൗസിംഗ്, താമസസ്ഥലങ്ങളുടെ വിവരങ്ങൾ, സ്മാർട്ട് ഫോൺ വിവരങ്ങൾ എന്നിവ ഉൾപ്പെടും. ഇതെല്ലാം അടിസ്ഥാനമാക്കി അവർക്ക് ക്രെഡിറ്റ് സ്കോർ കണകാക്കാം. ഈ അൽഗൊരിതം വായ്പ ആവശ്യമുള്ളയാളുടെ വിദ്യാഭ്യാസ സ്കോറും, തൊഴിൽ ചരിത്രവും, ഷോപ്പിംഗ് ചരിത്രവും പെയ്മെന്റ് രീതികളും എല്ലാം പരിശോധിക്കും. ഇതെല്ലാം ഉപയോഗിച്ച് ഒരു വ്യക്തിയുടെ വായ്പായോഗ്യതയും കണക്കാക്കും. എന്തൊക്കെയായാലും ഒരു വ്യക്തിയുടെ കൂടുതൽ വിവരങ്ങൾ നിങ്ങൾ ശേഖരിക്കുംതോറും നിങ്ങൾക്ക് കൂടുതലായി അയാളെ വിലയിരുത്താൻ കഴിയും. അതുവഴി അയാൾ വായ്പയ്ക്ക് അർഹനാണോ അല്ലയോ എന്നറിയാൻ സാധിക്കും.
പക്ഷെ ഡാറ്റകളെ ആധാരമാക്കി, ക്രെഡിറ്റ് സ്കോർ ഉപയോഗിച്ചുള്ള ക്രെഡിറ്റ് ബ്യൂറോ സംവിധാനത്തിന് ഒട്ടേറെ നേട്ടങ്ങളുണ്ട്. പക്ഷെ അതിൽ ദൗർബല്യങ്ങളും അടങ്ങിയിട്ടുണ്ട്. ക്രെഡിറ്റ് ഹിസ്റ്ററി ഇല്ലാത്ത അപേക്ഷകർക്ക് തിരിച്ചടക്കാൻ കഴിയുമെന്ന് തെളിയിക്കാൻ വലിയ പ്രയാസമായിരിക്കും. അവർ വായ്പ തിരിച്ചടക്കാൻ കഴിവുള്ളവരാണെങ്കിൽപോലും.

ഇത്തരം പിഴവുകൾ ഉള്ളതിനാൽ ഒരു പുതിയ രീതിയിലുള്ള വായ്പാ വിലയിരുത്തൽ സംവിധാനം ഉരുത്തിരിഞ്ഞുവന്നിരിക്കുന്നു. അവിടെയാണ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസും മെഷീൻ ലേണിംഗും രംഗപ്രവേശം ചെയ്യുന്നത്. ഡിജിറ്റൽ സംവിധാനങ്ങൾ ഉപയോഗിക്കാൻ താൽപര്യപ്പെടുന്ന ഉപഭോക്താക്കളെ കേന്ദ്രീകരിച്ച് ഒട്ടേറെ പുതിയ ഫിനാൻഷ്യൽ ടെക്നോളജി കമ്പനികൾ രംഗത്തെത്തിയിട്ടുണ്ട്.

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ മെച്ചം അതിന് എല്ലാ ഡാറ്റകളെയും ഒരുമിച്ച് വിശകലനം ചെയ്ത് നല്ല തീരുമാനങ്ങളിൽ എത്താൻ സാധിക്കുമെന്നതാണ്. ഒരാളുടെ വായ്പായോഗ്യത തിട്ടപ്പെടുത്താൻ എല്ലാ ദിവസവും വിലയിരുത്തൽ നടത്തുന്ന ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ലഭ്യമാണ്. ടെക്നോളജിക്ക് വായ്പായോഗ്യത കണക്കാക്കാവുന്ന മറ്റ് വിവിധ വിവരസ്രോതസ്സുകളും നിരീക്ഷിക്കാൻ സാധിക്കും. ഉദാഹരണത്തിന് നിങ്ങൾ വാടക കൃത്യമായി നൽകുന്നുണ്ടോ, വാട്ടർ ബിൽ, ഇലക്ട്രിസിറ്റി ബിൽ എന്നിവ കൃത്യസമയത്ത് നൽകുന്നുണ്ടോ എന്നീ വിവരങ്ങൾ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് വഴി മനസ്സിലാക്കാൻ സാധിക്കും. ഇപ്പോൾ വായ്പ നൽകുന്നവർ ഒരു വ്യക്തിയുടെ മൊത്തത്തിലുള്ള ജീവിതശൈലി നിരീക്ഷിച്ചു വിലയിരുത്താൻ തുടങ്ങിയിട്ടുണ്ട്. അതുപോലെ അവരുടെ മൊത്തത്തിലുള്ള ഡിജിറ്റൽ ഫുട്പ്രിൻറ് പരിശോധിച്ച് അയാൾ തിരിച്ചടവിൽ വീഴ്ച വരുത്തുമോ ഇല്ലയോയെന്ന് പ്രവചിക്കാൻ സാധിക്കും.
വസ്തുനിഷ്ഠതയാണ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് അടിസ്ഥാനമാക്കിയുള്ള സംവിധാനത്തിൻ്റെ മറ്റൊരു നേട്ടം . ഒരു മനുഷ്യനിൽ നിന്നും വ്യത്യസ്തമായി ഒരു യന്ത്രം ഒരിക്കലും വിവേചനത്തോടെ പെരുമാറില്ല. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്, മെഷീൻ ലേണിംഗ് എന്നിവ ക്രെഡിറ്റ് റിസ്ക് വിലയിരുത്തൽ മെച്ചപ്പെടുത്തുമെന്ന് മാത്രമല്ല അത് വായ്പാദാതാക്കളുടെ സേവനം കൂടുതൽ പേരിലേക്ക് എത്തിക്കാൻ സഹായിക്കും. അതുവരെ ഔദ്യോഗിക വായ്പാസേവന ചാനലുകളുമായി ബന്ധമില്ലാത്തവരിലേക്ക് പോലും എത്തിക്കാൻ സാധിക്കും.

ഏത് സംവിധാനവും അത് ഉപയോഗിക്കുന്ന ആളുകളുടെ മികവോളം മാത്രമാണ് നല്ലതായിരിക്കുന്നത്. പുതിയ പല ആപ്ലിക്കേഷനും നൂതനമാണ്, മാത്രമല്ല അത് സാമ്പത്തിക വളർച്ചയുള്ള നാളുകളിൽ മാത്രമേ നിലനിൽക്കൂ. നല്ല നിലയിലിരിക്കുന്ന ഒരാൾക്ക് വായ്പ കൊടുക്കുന്നതിൽ റിസ്കില്ല. പക്ഷെ ഒരു തകർച്ചയെ നേരിടുമ്പോൾ എങ്ങനെയാണ് വായ്പ തിരിച്ചടക്കുക എന്നതാണ് യഥാർത്ഥ പരീക്ഷണം.

ഒരു വ്യക്തിയുടെ ഡിജിറ്റൽ ഫുട്പ്രിൻറ് (അതായത് അയാൾ നടത്തിയ ഷോപ്പിംഗുകളുടെ വിശദാംശങ്ങൾ, ആപിൻ്റെ ഉപയോഗം, സെർച്ച് ഹിസ്റ്ററി, സോഷ്യൽ മീഡിയ ആക്ടിവിറ്റി) അയാളുടെ വായ്പയോഗ്യത അളക്കാൻ ഉപയോഗിച്ചാലും മെഷീൻ ലേണിംഗ് സംവിധാനം എല്ലായ്പോഴും മികച്ച ഫലം നൽകുമെന്ന് പറയാനാവില്ല. ഏതാനും കമ്പനികൾ മാത്രമാണ് ഇപ്പോഴും വായ്പയോഗ്യത അളക്കാൻ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസും മെഷീൻ ലേണിംഗും ഉപയോഗിക്കുന്നുള്ളൂ. പലരും ഇപ്പോഴും കൃത്യമായി തീരുമാനമെടുക്കാൻ സാധിക്കാത്തവരാണ്. പുതിയ സംവിധാനങ്ങൾ ഏർപ്പെടുത്താനുള്ള ഭാരിച്ച ചെലവ് ഉപയോഗത്തിലേക്കാവുമോ എന്ന സംശയമാണ് ഇവർക്കുള്ളത്. പക്ഷെ ഒരാൾക്ക് എല്ലായ്പ്പോഴും റിസ്കെടുക്കുന്നതിൽ നിന്നും ഒഴിഞ്ഞുനിൽക്കാനാകില്ല.

 

 

ശ്രീ. വി പി നന്ദകുമാർ
എം.ഡി ആൻറ് സി ഇ ഓ മണപ്പുറം ഫിനാൻസ് ലിമിറ്റഡ്

 

 

 

 

 

 

 

 

 

Photo Courtesy : Google/ images are subject to copyright

Google+ Linkedin

Leave a Reply

Your email address will not be published. Required fields are marked *

*
*
*

This site uses Akismet to reduce spam. Learn how your comment data is processed.