بینک آج پرانے ہوتے جا رہے ہیں، خاص طور پر فنٹیک سیکٹر کے تیزی سے اضافے کے ساتھ جس کا مقصد روایتی مالیاتی خدمات کا زیادہ موثر، سستا، اور صارف پر مبنی متبادل فراہم کرنا ہے۔
کی بنیاد پر
اسٹیسٹا کا ڈیٹایورپ میں نوبینک کا بینکنگ انڈسٹری میں 11.1% مارکیٹ شیئر تھا، جب کہ ان کے امریکہ میں مقیم ہم منصبوں کا 15.5 میں تمام بینک اکاؤنٹس کا 2023% حصہ تھا۔
بڑھنے کا امکان ہے۔ 2024 کے $6.37 ٹریلین سے 10.44 تک $2028 ٹریلین تک 13.15% CAGR پر، یہ فنٹیک اسٹارٹ اپ روایتی بینکوں کے لیے ایک اہم خطرہ کی نمائندگی کرتے ہیں۔
ایک ہی وقت میں، بینکوں کو متعدد چیلنجوں کا سامنا ہے جو ان کی مسابقت کو مزید کمزور کر سکتے ہیں۔ سخت ضابطے اور آٹومیشن کی کمی اہم مسائل پیش کرتی ہے، اور مالیاتی اداروں کو ان کے حل کے لیے نئی ٹیکنالوجیز کو اپنانا چاہیے۔
دستی کام اور ریگولیٹری تبدیلیوں نے بینکوں کو بہت زیادہ نقصان پہنچایا
کے بعد پچھلے سال کی بینک کی ناکامی, ریگولیٹرز کا مقصد مالیاتی اداروں کے لیے بینکنگ کے خاتمے کو روکنے کے لیے سخت اقدامات متعارف کروانا ہے۔
اور صارفین کی حفاظت کریں۔ اس کی ایک مثال یہ ہے۔ بیسل III اینڈگیممالیاتی اداروں کو بڑھانے کے لیے باسل کمیٹی کی طرف سے تجویز کردہ اقدامات کا حتمی مجموعہ
ضابطہ، رسک مینجمنٹ، اور نگرانی۔
مزید ضوابط اور سخت قوانین کے ساتھ، بینکوں کے لیے ریگولیٹرز کی ضروریات کو پورا کرنا زیادہ مشکل اور مہنگا ہو جاتا ہے۔ انہیں اعلیٰ قیمت والے ماہرین کو ملازم رکھنا ہوگا اور تعمیل کے لیے اضافی انسانی وسائل کو وقف کرنا ہوگا، یہ ایک ایسی سرگرمی ہے جو بینکوں کو
کسٹمر آن بورڈنگ ٹیمیں پہلے ہی اپنے وقت کا 91٪ خرچ کرتے ہیں آپریشنل کاموں کے ساتھ ساتھ۔
مزید برآں، کسٹمر سروس اور کریڈٹ سکورنگ جیسے شعبوں میں آٹومیشن کی کمی کے نتیجے میں بینکوں کے لیے اہم دستی کام ہوتا ہے۔ اس کے لیے بہت سے ملازمین کی ضرورت ہوتی ہے اور ادارے کے اخراجات میں اضافہ ہوتا ہے۔
فنٹیکس کے ساتھ متعلقہ اور مسابقتی رہنے کے لیے، بینکوں کو اپنے تاریخی طور پر محتاط انداز سے ہٹ کر AI جیسی نئی ٹیکنالوجیز کو اپنانے کی ضرورت ہے۔ اصل میں، واپس ڈیٹا مصنوعی ذہانت کے استعمال سے ظاہر ہوتا ہے کہ
فروغ دے سکتا ہے بینکنگ سیکٹر کی آمدنی 1 تک 2030 ٹریلین ڈالر تک بڑھ جائے گی۔
تو، بینک اپنے تکنیکی ارتقاء میں AI کا فائدہ کیسے اٹھا سکتے ہیں؟
آپریشنل اخراجات میں کمی پر سپرچارج کی کارکردگی
بینکوں کو AML کی تعمیل اور دھوکہ دہی کا پتہ لگانے کے لیے AI کے ممکنہ استعمال کے معاملات کو تلاش کرنا چاہیے۔
آج، AML کی تعمیل کے لیے طریقہ کار اور پیٹرن کی شناخت کی سختی سے تعمیل کی ضرورت ہے، ایسا کام جو معمول کا ہے اور اسے مسلسل توجہ کی ضرورت ہے۔ اور موجودہ طریقے، جیسے لین دین کی نگرانی کے نظام، وسائل کے لحاظ سے بھاری اور ناکارہ ہیں، جس کی وجہ سے اکثر
غلط مثبت انتباہات.
اے آئی اے ایم ایل کی تعمیل اور دھوکہ دہی کا پتہ لگانے سے انسانوں کے مقابلے میں بہت کم آپریشنل اخراجات اور تیز رفتار ردعمل کے اوقات کے ساتھ بہت زیادہ مؤثر طریقے سے نمٹ سکتی ہے۔ مشین لرننگ کے ساتھ مل کر، مصنوعی ذہانت کے ٹولز مسلسل سیکھ سکتے ہیں اور نئی تلاش کر سکتے ہیں۔
خلاف ورزیوں کا پتہ لگانے کے قابل طریقے۔
عام خیال کے برعکس، ایسے کاموں کے لیے AI اور ML ٹولز کا استعمال حتمی مرحلے کی تصدیق کے لیے انسان کی ضرورت کو ختم نہیں کرتا۔ درحقیقت، ریگولیٹرز ایک تعمیل افسر کو ان معاملات میں مالی فیصلہ کرنے کا حکم دیتے ہیں۔
عام خیال کے برعکس، یہ یاد رکھنا چاہیے کہ بینکوں کے عمل میں AI ٹولز کا نفاذ ملازمین کی جگہ نہیں لے گا۔ اس کے بجائے، وہ ان کی پیداواری صلاحیت کو بڑھانے کے لیے ان کے پیشہ ورانہ کاموں میں ان کی مدد کریں گے۔ مصنوعی ذہانت کرے گی۔
ایک عمل کا سب سے زیادہ وسائل پر مبنی حصہ انجام دینا، ایک انسانی کارکن کے ساتھ اس کا جائزہ لے کر اسے حتمی شکل دینا۔
مزید برآں، بینک اپنی کارکردگی کو بڑھانے اور اپنی کسٹمر سپورٹ اور رسک اینالیسس ٹیموں کے اخراجات کو کم کرنے کے لیے AI کا استعمال کر سکتے ہیں۔ نیز، بڑے زبان کے ماڈل روایتی اصول پر مبنی چیٹ بوٹس کے ذریعہ پیش کردہ ذیلی خدمات کا حل پیش کر سکتے ہیں۔ وہ بات چیت کر سکتے ہیں۔
صارفین کے ساتھ زیادہ تیزی سے اور موزوں پیغامات کے ساتھ، ہر صارف کے ساتھ موافقت کریں، 24/7 کام کریں، اور مسلسل مواصلات کے معیار کو بہتر بنانا سیکھیں۔ مثال کے طور پر،
McKinsey تیار کیا ہے ایک ورچوئل AI ماہر جو ملکیتی معلومات اور کمپنی کے اثاثوں کی بنیاد پر ذاتی نوعیت کے جوابات فراہم کر سکتا ہے۔
یہی بات گاہک کے خطرے کی تشخیص اور کریڈٹ اسکورنگ پر بھی لاگو ہوتی ہے۔ دستیاب تاریخی ڈیٹا کی بنیاد پر، جنریٹو AI خطرے کے ماڈل کے مطابق کلائنٹ کا زیادہ درست اندازہ لگائے گا۔ آخر میں، یہ اس طرح کے کاموں کو سیکنڈوں میں انجام دے گا۔
جیسا کہ فی الحال اکثر دنوں میں ہوتا ہے۔
مستقبل کے اگلے بڑے AI بینکنگ کے رجحانات
آنے والے سالوں میں، توقع ہے کہ مالیاتی اداروں کے ذریعہ AI کو بڑے پیمانے پر اپنایا جائے گا۔ اس وقت کے دوران، زیادہ تر بینکوں کا مقصد AI کا استعمال کرتے ہوئے تمام روٹین بینکنگ کے عمل کو خودکار بنانا ہے۔ فی الحال، مالیاتی اداروں
60% اور 80% کے درمیان مختص کریں ان کے پے رولز یا اس سے زیادہ عہدوں پر جو کہ جنریٹو AI سے متاثر ہونے کا امکان ہے۔
اس وجہ سے، بینک ملازمین کی نچلی سطح میں زبردست کمی واقع ہوگی، جس سے بینک اپنے آپریشنل اخراجات میں نمایاں کمی کر سکیں گے۔ باقی پیشہ ور افراد وہ ہوں گے جو اپنے کام کو بڑھانے اور مکمل کرنے کے لیے AI کا فائدہ اٹھانے کے قابل ہوں گے۔
AML کی تعمیل اور دھوکہ دہی کا پتہ لگانے جیسے عمل۔
اے آئی کے نفاذ سے، بینک منی لانڈرنگ اور دھوکہ دہی سے نمٹنے میں زیادہ موثر ہو جائیں گے۔ مزید برآں، کسٹمر سپورٹ میں جنریٹیو AI کا استعمال ایک زیادہ ذاتی نوعیت کا طریقہ فراہم کرے گا، جس سے ہر کلائنٹ کے لیے موزوں تجربہ ہوگا۔
ضروریات اور ترجیحات.
- SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
- پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
- پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
- پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
- پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
- ماخذ: https://www.finextra.com/blogposting/26058/ai-is-the-perfect-tool-for-banks-to-remain-competitive-with-fintechs?utm_medium=rssfinextra&utm_source=finextrablogs
