मुंबई: बँकिंग क्षेत्रात आर्टिफिशियल इंटेलिजन्स (AI) चा वापर ज्या वेगाने वाढत आहे, त्या तुलनेत केवळ नियमांचे औपचारिक पालन (Compliance) पुरेसे ठरणार नाही. बँकांनी AI च्या वापरासोबतच उत्तरदायित्व, पारदर्शकता आणि मानवी देखरेखीला प्राधान्य देणे अत्यंत गरजेचे आहे, असा स्पष्ट आणि गंभीर इशारा भारतीय रिझर्व्ह बँकेचे (RBI) गव्हर्नर संजय मल्होत्रा यांनी दिला आहे. मुंबईत पार पडलेल्या FIBAC 2026 परिषदेत बोलताना त्यांनी बँकिंग क्षेत्रातील AI च्या विस्तारावर भाष्य करत या तंत्रज्ञानामुळे निर्माण होणाऱ्या ६ प्रमुख धोक्यांची सविस्तर मांडणी केली.
"बँकांनी डिजिटल वैयक्तिक डेटा संरक्षण (DPDP) कायद्याचे केवळ कागदोपत्री पालन करून समाधानी राहू नये; त्याहून अधिक जबाबदारीने काम करण्याची गरज आहे," असे गव्हर्नर मल्होत्रा यांनी आवर्जून सांगितले.
१. 'ब्लॅक बॉक्स' किंवा स्पष्टीकरणाची समस्या (Black Box Dilemma): AI प्रणाली एखादा निर्णय कसा घेते, हे स्पष्ट नसणे हा मोठा धोका आहे. जर एखाद्या ग्राहकाचा कर्जाचा अर्ज AI द्वारे नाकारला गेला, तर तो का नाकारला? याचे स्पष्ट आणि समाधानकारक उत्तर देण्याची क्षमता बँकांकडे असली पाहिजे. ग्राहक, ऑडिटर आणि नियामक या सर्वांना या निर्णयामागील तार्किक कारण जाणून घेण्याचा अधिकार आहे.
२. पक्षपात आणि वगळणे (Bias and Exclusion): ऐतिहासिक डेटावर आधारित AI अल्गोरिदम जुने सामाजिक, भौगोलिक किंवा व्यावसायिक पक्षपात शिकू शकतात आणि तेच पुढे चालू ठेवू शकतात. यामुळे काही विशिष्ट समुदाय किंवा भागातील ग्राहक बँकिंग सेवांपासून वंचित राहू शकतात. त्यामुळे AI मधील 'निष्पक्षता' ही केवळ औपचारिकता न राहता, प्रणालीच्या रचनेचा (Design Requirement) मुख्य भाग असावी.
३. केंद्रीकरण (Centralization and Herding): काही मोजक्याच टेक कंपन्यांनी विकसित केलेले AI मॉडेल्स जर संपूर्ण बँकिंग क्षेत्रात वापरले गेले, तर सिस्टमिक धोके निर्माण होतात. एकाच मॉडेलमध्ये त्रुटी किंवा पक्षपात असल्यास, त्यावर अवलंबून असलेल्या सर्वच बँकांचे पतपुरवठा व व्यापाराशी संबंधित निर्णय चुकीचे ठरून संपूर्ण अर्थव्यवस्थेवर त्याचा विपरीत परिणाम होऊ शकतो.
४. तृतीय-पक्ष आणि विक्रेत्यांवरील अवलंबित्व (Third-Party & Vendor Risks): विशेषतः लहान बँकांकडे स्वतःचे मोठे AI मॉडेल (LLM) विकसित करण्याची संसाधने नसतात, ज्यामुळे त्यांना बाह्य तंत्रज्ञान पुरवठादारांवर अवलंबून राहावे लागते. परंतु, ही जबाबदारी दुसऱ्यावर ढकलून बँकांना मोकळे होता येणार नाही. अनुपालनाची ही भिंत केवळ स्वतःच्या बँकेपुरती मर्यादित न ठेवता, विक्रेत्यांच्या पातळीवरही त्यावर सक्रिय लक्ष ठेवणे आवश्यक आहे.
५. डेटा गोपनीयता आणि DPDP कायद्याचे पालन (Data Privacy & Compliance): बँकांनी केवळ कायद्यातील वैधानिक अटींची पूर्तता (Checklist Compliance) करण्यापुरते मर्यादित राहू नये. ग्राहकांच्या डेटाची सुरक्षा आणि गोपनीयतेसाठी कायदेशीर चौकटीच्या पुढे जाऊन सुरक्षिततेची कडक मानके राबवणे ही काळाची गरज आहे.
६. सायबर आणि प्रतिकूल असुरक्षितता (Cyber and Adversarial Vulnerabilities): AI प्रणाली स्वतःच सायबर हल्ल्यांचे साधन किंवा लक्ष्य बनू शकतात. AI सिस्टीम्स एकमेकांशी सहकार्य करून इतर सिस्टीम्सवर हल्ला करू शकतात, अशा धोक्यांकडे गव्हर्नर यांनी लक्ष वेधले. "हे AI स्वतः तुमच्यावर हल्ला करू शकतात," असा इशारा देत त्यांनी बँकांना या नव्या आव्हानांबाबत सावध राहण्यास सांगितले.
सहा तांत्रिक धोक्यांव्यतिरिक्त, मानवी निर्णयक्षमता आणि उत्तरदायित्वाची घसरण हा सर्वात मोठा मूलभूत धोका असल्याचे गव्हर्नर मल्होत्रा यांनी नमूद केले. AI ने कितीही प्रगती केली तरीही निर्णयाची नैतिक आणि कायदेशीर जबाबदारी ही अल्गोरिदमची नसून नेहमी बँकेचीच राहील, हे त्यांनी स्पष्ट केले.
रिझर्व्ह बँक या तंत्रज्ञानाला केवळ रोखण्यासारखा धोका मानत नसून, जबाबदारीने वापरता येणारी क्षमता मानते. बँकिंग क्षेत्राचा कायापालट करण्याची AI मध्ये ताकद असली, तरी भक्कम प्रशासन, मानवी देखरेख आणि नैतिक वापराची जोड दिल्याशिवाय हा प्रवास सुरक्षित राहू शकत नाही, असा स्पष्ट संदेश रिझर्व्ह बँकेने या परिषदेच्या माध्यमातून दिला आहे.
