डिजिटल व्यवहारांचा विस्तार होत असताना बँकांसमोर फसवणुकीच्या तक्रारी आणि त्यातून निर्माण होणाऱ्या विवादांचे मोठे आव्हान उभे राहिले आहे. वाढत्या चार्जबॅक प्रकरणांमुळे बँकांचा खर्च वाढत असून, ग्राहकांच्या तक्रारींचे जलद आणि अचूक निराकरण करण्याचा दबावही वाढत आहे. या पार्श्वभूमीवर कृत्रिम बुद्धिमत्ता अर्थात AI आधारित विवाद व्यवस्थापन प्रणाली बँकांसाठी महत्त्वाची ठरू शकते.
मास्टरकार्डच्या संशोधनानुसार, प्रत्येक विवादावर प्रक्रिया करण्यासाठी बँकेला सरासरी ९ ते १० डॉलर खर्च येतो. यामध्ये राइट-ऑफ किंवा वसुलीतील नुकसानाचा समावेश नाही. जागतिक चार्जबॅकचा खर्च २०२८ पर्यंत ४१.७ अब्ज डॉलरपर्यंत पोहोचण्याचा अंदाज व्यक्त करण्यात आला आहे.
दरम्यान, जागतिक चार्जबॅकची संख्या २०२८ पर्यंत सुमारे ३२४ दशलक्ष होण्याचा अंदाज आहे. २०२५ मधील अंदाजे २६१ दशलक्षच्या तुलनेत ही वाढ सुमारे २४ टक्के आहे.
बँकांसाठी सर्वात मोठी अडचण केवळ अनधिकृत व्यवहार शोधण्यात नाही, तर ग्राहकाने स्वतः व्यवहार केल्यानंतर निर्माण होणाऱ्या विवादांमध्ये आहे. याला फर्स्ट-पार्टी फ्रॉड किंवा ‘फ्रेंडली फ्रॉड’ असे म्हटले जाते.
उदाहरणार्थ, ग्राहकाला क्रेडिट कार्ड स्टेटमेंटवरील व्यापाऱ्याचे नाव ओळखू न येणे, कुटुंबातील एखाद्या व्यक्तीने कार्डधारकाच्या नकळत कार्डचा वापर करणे किंवा वस्तू मिळाल्यानंतरही ती मिळाली नसल्याचा दावा करणे, अशा प्रकरणांचा यात समावेश होतो.
Visa Acceptance च्या २०२५ च्या अहवालानुसार, फ्रेंडली फ्रॉडचा वाटा एकूण चार्जबॅकमध्ये ४५ टक्क्यांपेक्षा जास्त आहे. त्यामुळे बँकांना अशा प्रकरणांची स्वतंत्रपणे तपासणी करावी लागते. परिणामी वेळ, मनुष्यबळ आणि ऑपरेशनल खर्च वाढतो.
अनेक बँकांमध्ये आजही विवाद निराकरणासाठी मॅन्युअल तपासणी, विविध प्रणालींमधून माहिती गोळा करणे आणि अधिकाऱ्यांकडून स्वतंत्र निर्णय घेणे यावर मोठ्या प्रमाणात अवलंबून राहावे लागते.
या प्रक्रियेत मानवी चुका होण्याची शक्यता असते. त्याचबरोबर प्रत्येक अधिकाऱ्याचा निर्णय घेण्याचा दृष्टिकोन वेगळा असू शकतो. परिणामी समान प्रकारच्या प्रकरणांमध्येही वेगवेगळे निर्णय होण्याची शक्यता निर्माण होते.
प्रकरणांची संख्या वाढत असताना ही पारंपरिक पद्धत बँकांसाठी अधिक खर्चिक आणि वेळखाऊ ठरत आहे.
ग्राहक संरक्षणाशी संबंधित नियमांमुळेही बँकांवरील दबाव वाढत आहे. Regulation E अंतर्गत इलेक्ट्रॉनिक फंड ट्रान्सफर, एटीएम व्यवहार, डेबिट कार्ड व्यवहार, ऑनलाइन किंवा फोन बँकिंग आणि व्यक्ती-ते-व्यक्ती पेमेंट यांसारख्या व्यवहारांशी संबंधित विवाद हाताळावे लागतात.
ग्राहकाने तक्रार केव्हा केली यावर बँकेची जबाबदारी आणि प्रक्रिया बदलू शकते. त्यामुळे बँकांना उपलब्ध माहितीचे वेगाने विश्लेषण करून योग्य निर्णय घेणे आवश्यक बनले आहे.
त्याचप्रमाणे Regulation Z अंतर्गत क्रेडिट कार्ड व्यवहारांशी संबंधित बिलिंग त्रुटी आणि विवादांचे निराकरण करण्यासाठी ठरावीक प्रक्रिया आणि कालमर्यादा आहेत.
यामुळे बँकांसमोर आता केवळ निर्णय घेण्याचे आव्हान नाही, तर जलद, अचूक, सुसंगत आणि दस्तऐवजीकरणासह निर्णय घेण्याचे आव्हान आहे.
फसवणूक झाल्यानंतर बँक ग्राहकाशी कशी वागते, याचा ग्राहकाच्या भविष्यातील संबंधांवर मोठा परिणाम होतो.
Quavo च्या संशोधनानुसार, ६२ टक्के ग्राहकांच्या मते फसवणुकीची घटना घडण्यापेक्षा बँकेने त्या घटनेचे निराकरण कसे केले, याचा त्यांच्या विश्वासावर अधिक परिणाम होतो.
J.D. Power च्या संशोधनानुसार, जवळपास ४६ टक्के बँक ग्राहक आणि ४९ टक्के क्रेडिट कार्ड ग्राहक यांनी फसवणुकीचा अनुभव आणि त्यानंतरच्या निराकरणामुळे संबंधित संस्थेबद्दलची त्यांची प्रतिमा अधिक सकारात्मक झाल्याचे सांगितले.
याउलट, विवादाचे निराकरण करण्यास विलंब झाल्यास किंवा ग्राहकाला वारंवार माहिती द्यावी लागल्यास त्याचा विश्वास कमी होऊ शकतो. त्यामुळे फसवणूक व्यवस्थापन हा आता केवळ खर्चाचा विषय राहिलेला नसून ग्राहक टिकवून ठेवण्याचा महत्त्वाचा घटक बनला आहे.
फसवणुकीच्या विवादांमध्ये AI चा वापर केल्यास बँकांना मोठ्या प्रमाणात डेटा काही क्षणांत तपासता येऊ शकतो. व्यवहाराचा इतिहास, व्यापाऱ्याची माहिती, व्यवहाराचे ठिकाण, ग्राहकाच्या पूर्वीच्या व्यवहारांची पद्धत, कॉल किंवा चॅटमधील माहिती आणि इतर उपलब्ध संकेत एकत्रित करून AI प्रकरणाचे प्राथमिक मूल्यांकन करू शकतो.
यामुळे अधिकाऱ्यांना प्रत्येक प्रकरणाची सुरुवातीपासून मॅन्युअल तपासणी करण्याची गरज कमी होऊ शकते.
बँकांनी सुरुवातीलाच संपूर्ण विवाद व्यवस्थापन प्रक्रिया AI कडे सोपवण्याऐवजी छोट्या आणि नियंत्रित कामांपासून सुरुवात करावी.
उदाहरणार्थ, क्रेडिट कार्ड किंवा बँक स्टेटमेंटमधील संशयास्पद व्यवहार ओळखणे, संबंधित माहिती एकत्र करणे किंवा एखाद्या प्रकरणातील महत्त्वाचे दस्तऐवज शोधणे यासाठी AI एजंटचा वापर करता येऊ शकतो.
मानवी कर्मचारी AI ने दिलेल्या निष्कर्षांची पडताळणी करू शकतात. त्यामुळे तंत्रज्ञानावरील विश्वास वाढवण्यास मदत होईल.
विश्वास निर्माण झाल्यानंतर बँका अधिक जटिल कामांसाठी AI चा वापर करू शकतात.
उदाहरणार्थ, एखाद्या विवादातील व्यवहाराची माहिती, ग्राहकाचा व्यवहार इतिहास आणि उपलब्ध पुरावे तपासून AI प्राथमिक निष्कर्ष तयार करू शकतो. मानवी अधिकारी त्याची अंतिम पडताळणी करून निर्णय घेऊ शकतात.
यामुळे कर्मचाऱ्यांचा वेळ पुनरावृत्तीच्या कामांऐवजी अधिक महत्त्वाच्या आणि गुंतागुंतीच्या प्रकरणांसाठी वापरता येईल.
विवाद निराकरणाच्या संपूर्ण प्रक्रियेसाठी एकाच AI प्रणालीवर अवलंबून राहण्याऐवजी विविध कामांसाठी स्वतंत्र AI एजंट वापरता येऊ शकतात.
एक एजंट स्टेटमेंटमधील व्यवहार तपासू शकतो, दुसरा व्यापाऱ्याची माहिती पडताळू शकतो, तर तिसरा ग्राहकाच्या कॉल किंवा संभाषणातील माहितीचे विश्लेषण करू शकतो.
या सर्व निष्कर्षांना एका स्वयंचलित कार्यप्रवाहात जोडल्यास बँकांना विवादावर अधिक जलद आणि सुसंगत निर्णय घेणे शक्य होईल.
AI मुळे प्रक्रिया वेगवान झाली तरी अंतिम जबाबदारी पूर्णपणे मशीनवर सोपवणे योग्य ठरणार नाही.
विशेषतः ग्राहकाच्या आर्थिक हक्कांवर परिणाम करणाऱ्या निर्णयांमध्ये मानवी पुनरावलोकन, ऑडिट ट्रेल, निर्णयाचे स्पष्टीकरण आणि स्पष्ट उत्तरदायित्व आवश्यक आहे.
नियमांमध्ये बदल होत राहणार असल्याने AI प्रणालींमध्येही वेळोवेळी आवश्यक बदल करावे लागतील. बँकांनी AI मॉडेलची अचूकता, पूर्वग्रह, डेटा सुरक्षा आणि निर्णय प्रक्रियेचे नियमित परीक्षण करणे गरजेचे आहे.
फसवणुकीचे प्रकार वाढत असताना प्रत्येक विवादाची मॅन्युअल तपासणी करणे बँकांसाठी दीर्घकाळ व्यवहार्य राहणार नाही. वाढते चार्जबॅक, ‘फ्रेंडली फ्रॉड’, ग्राहकांच्या वाढत्या अपेक्षा आणि कडक नियामक आवश्यकता यामुळे विवाद व्यवस्थापन अधिक तंत्रज्ञानाधारित करण्याची गरज निर्माण झाली आहे.
AI हा त्यासाठी प्रभावी पर्याय ठरू शकतो. मात्र, AI म्हणजे मानवी कर्मचाऱ्यांना पूर्णपणे दूर करणे नव्हे; तर मानवी कौशल्याला AI ची विश्लेषण क्षमता जोडणे हा अधिक व्यवहार्य मार्ग आहे.
बँकांनी छोट्या प्रयोगांपासून सुरुवात करून, परिणाम मोजत, मानवी देखरेखीखाली AI चा विस्तार केला तर विवाद निराकरणाचा वेळ आणि खर्च कमी करण्याबरोबरच ग्राहकांचा विश्वासही मजबूत करता येऊ शकतो.
फसवणूक रोखण्याच्या पुढील टप्प्यात बँकांसाठी प्रश्न ‘AI वापरायचा की नाही?’ हा नसून, ‘AI चा वापर सुरक्षित, पारदर्शक आणि परिणामकारक पद्धतीने कसा करायचा?’ हा असणार आहे.