Machine learning : मशीन लर्निंगमुळे कर्जपुरवठा निर्णयांत सुधारणा

अधिकाधिक भारतीयांना वाढली कर्ज उपलब्धतता, आर्थिक समावेशनाला आणखी चालना
नाशिक
Machine learning : मशीन लर्निंगमुळे कर्जपुरवठा निर्णयांत सुधारणाPudhari News Network
Published on
Updated on

ठळक मुद्दे

  • वाहन कर्जासाठी एमएल वापरणाऱ्या ९३ टक्के कर्जपुरवठादारांकडून कर्जमंजुरीचे प्रमाण सर्वाधिक

  • ९० टक्के ग्राहकांचे क्रेडिट कार्डमधील बुडीत कर्ज घटण्यास मदत

  • नवीन ग्राहकांसाठी कजपुरवठ्याच्या संधी खुल्या होऊन आर्थिक समावेशनाला चालना मिळत असल्याचे ७९ टक्के व्यक्तींचे मत

नाशिक: कृत्रिम बुद्धिमत्ता (एआय) आणि मशीन लर्निंग (एमएल) हा घटक वित्तीय कंपन्यांना कर्जाची उपलब्धता वाढविण्यास, आपल्या कर्ज पोर्टफोलिओची कामगिरी उंचावण्यास आणि निर्णय घेण्यास गती देण्यास मोठ्या प्रमाणात मदत करत आहे. हे अत्याधुनिक तंत्रज्ञान भारतात कर्जपुरवठ्याबाबतच्या निर्णय झपाट्याने बदल घडवून आणत आहेत.

एक्सपेरियन या वित्तीय संशोधन संस्थेच्या संशोधन अहवालात एआय आणि एमएल वित्तीय क्षेत्राला कशा प्रकारे आकार देत आहे, यावर प्रकाशझोत टाकण्यात आला आहे. कर्ज जोखीम निश्चितेच्या प्रक्रियेत सहभागी असणाऱ्या १०९ वरिष्ठ अधिकाऱ्यांच्या माहितीच्या आधारे हा संशोधन अहवाल तयार करण्यात आला आहे. या तंत्रज्ञानाच्या स्वीकृतीला अडथळा असलेल्या आव्हानांवरसुध्दा प्रकाशझोत टाकण्यात आला आहे.

नाशिक
शिक्षण क्षेत्र आणि कृत्रिम बुद्धिमत्ता

ग्राहकपयोगी खपाच्या वस्तूंचा वाढत चाललेला वापर, प्रथमच कर्ज घेणाऱ्या नवीन कर्जदारांची वाढती संख्या आणि डिजिटल पध्दतीने कर्जपुरवठ्यात होत असलेली वाढ आदी कारणांमुळे गेल्या काही वर्षांत कर्जपुरवठा आणि कर्जमागणी या विश्वामध्ये डिजिटल प्रक्रियेला प्रंचड गती मिळाली आहे. कर्जवाटप प्रक्रिया लवचिक होत असताना, मशीन लर्निंग हा घटक कर्जपुरवठादार संस्थांना जलद आणि अधिक अचूक रितीने निर्णय घेण्यास मदत करत आहे. त्याचबरोबर जोखीमेचे सक्रियपणे व्यवस्थापन करण्यासही सहाय्य करत आहे. तसेच ग्राहकांच्या विविधांगी श्रेणीला अधिक जबाबदारीने कर्जपुरवठा करण्यात महत्वाची भूमिकाही बजावत आहे.

वित्तीय समावेशकतेला गती

कर्जपुरवठ्याबाबत कोणतीही सेवा उपलब्ध नसलेले घटक, कर्ज प्रथमच घेत असलेले नवीन ग्राहक यांच्यासह वंचित वर्गांचा वित्तीय सेवांमध्ये प्रवेश वाढविण्यास मशीन लर्निंग कर्ज पुरवठादार कंपन्यांना अतिशय मोठ्या प्रमाणात मदत करत आहे. सखोल प्रमाणातील डेटा आणि प्रगत विश्लेषणात्मक तंत्रांचा वापर करून एमएल मॉडेल अचूक आणि सर्वसमावेशक मूल्यांकनास मदत करत आहे.

पारंपारिक मूल्यांकनात नेहमी वगळल्या जाणाऱ्या नवीन ग्राहकांना अधिक चांगल्या पध्दतीने नवीन तंत्रज्ञानामुळे सेवा प्रदान करण्याची संधी मिळत असल्याचा मुद्दा मशीन लर्निंग तंत्रज्ञानाचा वापर करणाऱ्यांपैकी ७९ टक्के व्यक्तींनी मान्य केला. त्याचबरोबर ७१ टक्के व्यक्तींनी एमएल तंत्रज्ञान जोखीमेबाबत अचूक अंदाज बांधण्यास त्याचबरोबर बुडीत कर्जाचे प्रमाण कमी करत नफा वाढवण्यास उपयुक्त ठरत असल्याचे मान्य केले आहे.

एमएलचे प्रमुख फायदेः ऑटोमेशन, कार्यक्षमता, खर्च बचत

एमएलचा वापर करणाऱ्या जवळजवळ ६८ टक्के व्यक्तींनी जोखीमेबाबत अचूक अंदाज बांधता येतो, तसेच कामकाजात कार्यक्षमता वाढत असल्याचे मान्य केले आहे. ही तंत्रज्ञानरुपी क्षमता कर्ज पुरठदार कंपन्यांना अतिशय आत्मविश्वासाने ऑटोमेशन वाढविण्यास सक्षम करत आहेत. तसेच एमएल त्यांना कर्जपुरठ्याबाबतचे निर्णय अधिकाधिक स्वयंचलित पध्दतीने घेण्यास मदत करते, कर्मचाऱ्यांवरील कामाचा ताण कमी करते आणि निर्णय घेण्याची गती वाढवत असल्याचे ७१ टक्के व्यक्तींनी मान्य केले. आगामी काळात विशेषतः पुढील पाच वर्षात कर्जपुरवठ्याचे बहुतांश निर्णय हे पुणपणे स्वयंचलित पध्दतीने घेतले जातील, असे मत ७८ टक्के व्यक्तींनी नोंदविले आहे.

कर्ज जोखिमेत जनरेटिव्ह एआय शक्तिशाली उत्पादकता साधन

जनरेटिव्ह एआय (जेन एआय) हे मॉडेल डॉक्युमेंटेशन, रिपोर्टिंग आणि बिझनेस इंटेलिजन्स यासारख्या पारंपारिकपणे वेळखाऊ क्षेत्रांमध्ये शक्तिशाली उत्पादकता साधन म्हणून उदयास येत चालले आहे. कर्जाबाबतच्या जोखीम निर्णयाचे मॉडेल (प्रारुप) विकसित करण्यासाठी आणि त्याचा प्रत्यक्ष वापर करण्यासाठी लागणारा वेळ आणि मेहनत जेन एआय लक्षणीयरीत्या कमी करू शकते, असे मत ८४ टक्के प्रतिसादकर्त्यांनी मांडले आहे.

नियमांच्या अनुपालनासाठी करावे लागणारे दस्तऐवजीकरण सुलभ होईल, प्रमाणीकरणाची प्रक्रिया वेगवान होईल तसेच जोखीम, विश्लेषण आणि अनुपालन टीममध्ये सहकार्य सुधारेल, हा जनरेटिव्ह एआयचा सर्वात मोठा फायदा असल्याच्या मुद्दाला दोन तृतीयांश पेक्षा अधिक (७० टक्के) व्यक्तींनी सहमती दर्शविली.

एमएलच तंत्रज्ञान स्वीकारणातील अडथळे

अनेक फायदे असुनही अनेक वित्तसंस्था या तंत्रज्ञानाबाबत अद्यापही सांशक आहेत. खर्च, बाजारातील अस्थिरता आणि या क्षेत्राबाबत कंपन्यांमध्ये तज्ज्ञ व्यक्तींचा असलेला अभाव हे मशीन लर्निंग तंत्रज्ञान स्वीकारण्यातील प्रमुख अडथळे असल्याचे अहवालात नमूद करण्यात आलेले आहे. या तंत्रज्ञानाचा अद्यापही वापर न करणाऱ्यांपैकी दोन तृतीयांश (६५ टक्के) व्यक्तींनी या तंत्रज्ञानामुळे दिसत असलेल्या फायद्यांपेक्षा त्याच्या वापराचा खर्च अधिक असल्याचे मत व्यक्त केले आहे, तर ४४ टक्के व्यक्तींनी मशीन लर्निगमुळे नेमके कोणते लाभ होतील, याबाबत अनभिज्ञ असल्याची प्रांजळ कबुली दिली आहे. तर या तंत्रज्ञानाच्या वापरापासून दूर असलेल्या ५४ टक्के व्यक्तींना मशीन लर्निग मॉडेलच्या पारदर्शकतेबद्दलच शंका आहेत आणि ५५ टक्के व्यक्तींना या तंत्रत्रानामुळे नियमांचे अनुपालन चुकीच्या पध्दतीने होण्याची भिती वाटते.

"भारताच्या कर्जपुरवठ्याच्या अर्थजगतात मूलभूत परिवर्तन होत असून मशीन लर्निंग हा या बदलाचा केंद्रबिंदू आहे. मशीन लर्निंग जोखीमेचा अंदाज अधिक अचुकरित्या वर्तविण्यास मदत करते. तसेच पात्र ग्राहकांना जलद मंजुरी देण्यास आणि पूर्वीच्या काळी औपचारिक वित्तीय प्रणालीतून वगळलेल्या लाखो लोकांना कर्ज देण्यास हे तंत्रज्ञान वित्त कंपन्यांना सक्षम करते."

मनीष जैन, व्यवस्थापकीय संचालक, एक्सपेरियन इंडिया

लोकल ते ग्लोबल बातम्यांसाठी डाऊनलोड करा दैनिक पुढारीचे Android आणि iOS मोबाईल App.

'Pudhari' is excited to announce the relaunch of its Android and iOS apps. Stay updated with the latest news at your fingertips.

Android and iOS Download now and stay updated, anytime, anywhere.

संबंधित बातम्या

No stories found.
logo
Pudhari News
pudhari.news