Measuring agentic artificial intelligence intensity in banking: a validated disclosure-based index and identification strategy for estimating effects on bank performance and systemic risk

बैंकिंग की दुनिया में, आर्टिफिशियल इंटेलिजेंस लंबे समय से एक सहायक के रूप में काम कर रहा है। वर्षों से, ये सिस्टम डिजिटल लिपिकों (scribes) के रूप में कार्य करते रहे हैं, जो रिपोर्ट का मसौदा तैयार करते हैं, डेटा का सारांश देते हैं, या किसी मानव प्रबंधक के विचार करने के लिए अगले सर्वोत्तम कदम का सुझाव देते हैं। नियंत्रण पूरी तरह से मनुष्य के हाथ में रहता है, जिसके पास हर अंतिम निर्णय की चाबियाँ होती हैं। हालाँकि, अब एक महत्वपूर्ण बदलाव चल रहा है। बैंक एक नए प्रकार की बुद्धिमत्ता को तैनात करना शुरू कर रहे हैं, जो केवल सुझाव नहीं देती बल्कि कार्य भी करती है। ये 'एजेंटिक सिस्टम' (agentic systems) हैं, जो जटिल वित्तीय वर्कफ़्लो की योजना बनाने और सौंपे गए अधिकार के साथ लेनदेन निष्पादित करने में सक्षम हैं। एक बार जब ऐसे सिस्टम को कार्य करने की हरी झंडी मिल जाती है, तो यह हर कदम पर मानव की स्वीकृति का इंतजार किए बिना पैसे स्थानांतरित कर सकता है, ऋण स्वीकृत कर सकता है, या ऋणों का निपटान कर सकता है। सलाह से क्रिया की ओर यह संक्रमण वित्त में जोखिम और दक्षता की मौलिक प्रकृति को बदल देता है, फिर भी शोधकर्ताओं और नियामकों के लिए, एक महत्वपूर्ण समस्या अनसुलझी रही है: आप इसे कैसे मापते हैं?

अब तक, एक ऐसे बैंक और उस बैंक के बीच अंतर करने का कोई विश्वसनीय तरीका नहीं था जो केवल आर्टिफिशियल इंटेलिजेंस के बारे में बात कर रहा है और जो वास्तव में अपने संचालन की कमान स्वायत्त मशीनों को सौंप चुका है। मौजूदा तरीके अक्सर तकनीक के सभी उल्लेखों को एक समान मानते हैं, जो एक चैटबॉट जो ग्राहकों के सवालों के जवाब देता है और एक सॉफ्टवेयर एजेंट जो स्वतंत्र रूप से भुगतान जारी करता है, के बीच के अंतर को देखने में विफल रहते हैं। एक स्पष्ट माप उपकरण के बिना, यह जानना असंभव है कि ये नए सिस्टम बैंकों को अधिक कुशल बना रहे हैं, अधिक जोखिम भरा, या दोनों। भारत में दयानंद सागर विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक नया, कठोरता से परीक्षण किया गया उपकरण बनाया है जिसे 'एजेंटिक एआई इंटेंसिटी इंडेक्स' (Agentic AI Intensity Index) कहा जाता है। केवल यह गिनने के बजाय कि एक बैंक कितनी बार तकनीक का उल्लेख करता है, यह इंडेक्स विशिष्ट रूप से इस बात को मापता है कि एक बैंक ने स्वायत्त प्रणालियों को consequential (महत्वपूर्ण/परिणामस्वरूप) वित्तीय निर्णय लेने और निष्पादित करने की शक्ति किस सीमा तक सौंपी है।

शोधकर्ताओं ने केवल एक नया स्कोर ही नहीं बनाया; उन्होंने यह सुनिश्चित करने के लिए एक पूर्ण वैज्ञानिक प्रोटोकॉल भी बनाया कि वह स्कोर वास्तविक और विश्वसनीय हो। उन्होंने बैंकों के हजारों पन्नों के सार्वजनिक दस्तावेज़ एकत्र करके शुरुआत की, जिसमें वार्षिक रिपोर्ट, नियामक फाइलिंग और अर्निंग कॉल्स के ट्रांसक्रिप्ट शामिल थे जहाँ अधिकारी निवेशकों से बात करते हैं। इन ग्रंथों से, उन्होंने उन वाक्यों की पहचान करने की एक विधि विकसित की जो अधिकार के वास्तविक हस्तांतरण (delegation of authority) का वर्णन करते हैं। उन्होंने उस भाषा के बीच अंतर किया जो मानव अनुमोदन की प्रतीक्षा करने वाले सिस्टम का वर्णन करती है और उस भाषा के बीच जो एक निर्धारित जनादेश के भीतर अपने आप कार्य करने वाले सिस्टम का वर्णन करती है। यह सुनिश्चित करने के लिए कि यह अंतर सटीक था, वे विशेषज्ञों के एक पैनल के साथ आए, जिसमें अकादमिक शोधकर्ता, बैंक प्रौद्योगिकी अधिकारी और केंद्रीय बैंक पर्यवेक्षक शामिल थे। इन विशेषज्ञों ने चर्चा के दो दौरों के माध्यम से कीवर्ड्स और वाक्यांशों की एक सूची को परिष्कृत किया, और इस बात पर सहमति व्यक्त की कि कौन से शब्द वास्तव में स्वायत्त कार्रवाई का संकेत देते हैं और कौन से केवल प्रचार संबंधी बातें (promotional fluff) हैं।

एक बार कीवर्ड्स की सूची अंतिम हो जाने के बाद, टीम ने अपने तरीके का परीक्षण किया ताकि यह सुनिश्चित हो सके कि यह लगातार काम करता है। उन्होंने कई प्रशिक्षित कोडर्स से वाक्यों के एक ही सेट को पढ़वाया ताकि वे इस बात पर सहमत हो सकें कि क्या कोई सिस्टम वास्तव में स्वायत्त था। उन्होंने बड़ी मात्रा में टेक्स्ट को छाँटने में मदद करने के लिए उन्नत कंप्यूटर मॉडल का भी उपयोग किया, लेकिन एक महत्वपूर्ण सुरक्षा के साथ: हर बार जब कंप्यूटर ने एक उच्च-स्तरीय स्वायत्त कार्रवाई की पहचान की, तो एक मानव विशेषज्ञ ने वर्गीकरण की पुष्टि करने के लिए उसकी समीक्षा की। इस 'ह्यूमन-इन-द-लूप' दृष्टिकोण ने सिस्टम को अस्पष्ट या भ्रामक भाषा से बचने में मदद की। शोधकर्ताओं ने फिर यह जांचा कि क्या उनका नया इंडेक्स वास्तव में वही मापता है जो वह दावा करता है, इसके लिए उन्होंने स्वतंत्र साक्ष्यों के विरुद्ध तुलना की, जैसे कि विशिष्ट प्रकार के इंजीनियरों के लिए जॉब पोस्टिंग, स्वायत्त प्रणालियों के लिए पेटेंट फाइलिंग, और ज्ञात मामले जहाँ बैंकों ने इन तकनीकों को तैनात किया था। परिणामों ने दिखाया कि इंडेक्स ने उन बैंकों को सफलतापूर्वक अलग किया जिनमें वास्तविक स्वायत्त क्षमताएं थीं और उन्हें जो केवल सामान्य डिजिटल परिवर्तन की चर्चा कर रहे थे।

इस कार्य का मूल स्वयं इंडेक्स है, जो प्रत्येक बैंक को उसकी 'एजेंटिक एआई' अपनाने की तीव्रता के आधार पर एक स्कोर प्रदान करता है। यह स्कोर केवल शब्दों की कच्ची गिनती नहीं है; इसे उस स्तर के अधिकार द्वारा भारित (weighted) किया गया है जो बैंक ने अपनी मशीनों को दिया है। एक सिस्टम जो पूर्व-निर्धारित सीमा के भीतर भुगतान निष्पादित करता है, उसे उस सिस्टम की तुलना में उच्च स्कोर प्राप्त होता है जो केवल मानव समीक्षा के लिए सिफारिश का मसौदा तैयार करता है। शोधकर्ताओं ने डेटा को सामान्य (normalize) भी किया ताकि इस तथ्य को ध्यान में रखा जा सके कि कुछ बैंक तकनीक के बारे में अन्य बैंकों की तुलना में बहुत अधिक लिखते हैं, जिससे यह सुनिश्चित हुआ कि एक उच्च स्कोर वास्तविक शक्ति के हस्तांतरण को दर्शाता है न कि केवल बहुत अधिक बोलने को। यह एक विशाल वैश्विक बैंक और एक छोटे क्षेत्रीय संस्थान के बीच निष्पक्ष तुलना करने की अनुमति देता है। इंडेक्स को भविष्य के अध्ययनों में उत्तर देने के लिए डिज़ाइन किया गया है: क्या निर्णय लेने की शक्ति मशीनों को सौंपना बैंकों को अधिक कुशल बनाता है, या क्या यह नए, अप्रत्याशित जोखिम पेश करता है? क्या यह बैंकों को धोखाधड़ी का पता तेजी से लगाने में मदद करता है, या यह नई कमजोरियां पैदा करता है?

यह शोध पत्र प्रदर्शन संबंधी इन प्रश्नों के अंतिम उत्तर प्रदान नहीं करता है, क्योंकि यह एक पद्धतिगत अध्ययन (methodological study) है जो किसी विशिष्ट परिणाम को मापने के बजाय मापने के पैमाने (measuring stick) के निर्माण पर केंद्रित है। इसके बजाय, यह अन्य शोधकर्ताओं और नियामकों के लिए एक स्पष्ट, दोहराने योग्य रणनीति प्रस्तुत करता है। यह स्पष्ट रूप से बताता है कि इंडेक्स का निर्माण कैसे किया जाए, इसे कैसे मान्य (validate) किया जाए, और अन्य कारकों जैसे बैंक के आकार या आर्थिक स्थितियों से स्वायत्त एआई के प्रभावों को अलग करने के लिए इसे सांख्यिकीय मॉडलों में कैसे उपयोग किया जाए। शोधकर्ता स्वीकार करते हैं कि एजेंटिक एआई की ओर संक्रमण जटिल है और इसके लाभ और जोखिम संभवतः इस बात पर निर्भर करेंगे कि एक बैंक इन प्रणालियों का शासन (governance) कितनी अच्छी तरह करता है। वे प्रस्ताव देते हैं कि इन प्रौद्योगिकियों का प्रभाव बैंक की आंतरिक निगरानी की गुणवत्ता, इसकी तकनीक की परिपक्वता और इसके तहत काम करने वाले नियमों की कठोरता के आधार पर भिन्न होगा।

एक मान्य उपकरण प्रदान करके, यह कार्य बैंकिंग के भविष्य को समझने में एक बड़ी बाधा को दूर करता है। यह वित्तीय समुदाय को "डिजिटल परिवर्तन" के अस्पष्ट दावों से आगे बढ़ने और मशीन स्वायत्तता की ओर विशिष्ट, मूर्त बदलाव को मापने की अनुमति देता है। शोधकर्ताओं ने दिखाया है कि सामान्य प्रौद्योगिकी चर्चा के शोर से वास्तविक एजेंटिक कार्रवाई के संकेत को अलग करना संभव है। यह स्पष्टता उन पर्यवेक्षकों के लिए आवश्यक है जिन्हें अपरिवर्तनीय स्वचालित भुगतानों के जोखिमों को समझने की आवश्यकता है और उन निवेशकों के लिए भी जो उन संस्थानों की वास्तविक क्षमताओं का आकलन करने का प्रयास कर रहे हैं जिन्हें वे वित्तपोषित करते हैं। अध्ययन निष्कर्ष निकालता है कि जबकि तकनीक तेजी से आगे बढ़ रही है, इसे सटीकता के साथ मापने की क्षमता अब पहुंच के भीतर है, बशर्ते कि शोधकर्ता और नियामक नए प्रोटोकॉल में वर्णित कठोर सत्यापन चरणों का पालन करें। यह आधार बैंकिंग में साक्ष्य-आधारित विश्लेषण के एक नए युग की नींव रखता है, जहाँ स्वायत्त प्रणालियों के प्रभावों का अध्ययन किसी अन्य वित्तीय नवाचार की तरह ही कठोरता के साथ किया जा सकता है।