ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ: ਬੈਂਕ ਅਸਲ ਵਿੱਚ ਇਸਨੂੰ ਕਿਵੇਂ ਵਰਤ ਰਹੇ ਹਨ।

ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਇਹ ਇੱਕ ਮੁੱਖ ਵਾਅਦਾ ਨਹੀਂ ਰਿਹਾ, ਸਗੋਂ ਹੁਣ 24 ਘੰਟੇ ਉਤਪਾਦਨ ਵਿੱਚ ਚੱਲਣ ਵਾਲੀ ਕੋਡ ਲਾਈਨ ਬਣ ਗਿਆ ਹੈ।.

ਜਿਹੜੇ ਬੈਂਕ ਦਸ ਸਾਲ ਪਹਿਲਾਂ ਅਜੇ ਵੀ ਇਸ ਗੱਲ 'ਤੇ ਬਹਿਸ ਕਰ ਰਹੇ ਸਨ ਕਿ "ਕੀ" AI ਨੂੰ ਅਪਣਾਇਆ ਜਾਵੇ, ਹੁਣ ਇਸ ਗੱਲ 'ਤੇ ਲੜ ਰਹੇ ਹਨ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਦੁਆਰਾ ਅਜਿਹਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਭ ਤੋਂ ਵੱਧ ਮੁੱਲ ਕੌਣ ਕੱਢ ਸਕਦਾ ਹੈ।.

ਇਹ ਹੁਣ ਭਵਿੱਖਮੁਖੀ ਤਕਨਾਲੋਜੀ ਬਾਰੇ ਨਹੀਂ ਹੈ - ਇਹ ਵਰਤਮਾਨ ਵਿੱਚ ਬਚਾਅ ਬਾਰੇ ਹੈ।.

ਟੈਕਸਟ ਪੜ੍ਹਨਾ ਜਾਰੀ ਰੱਖੋ!

ਸੰਖੇਪ

1. ਅਸਲ ਵਿੱਚ ਕੀ ਬਦਲਿਆ ਹੈ ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ
2. ਅੱਜ ਬੈਂਕ ਕਿੱਥੇ AI ਲਾਗੂ ਕਰ ਰਹੇ ਹਨ (ਅਤੇ ਪੇਸ਼ਕਾਰੀ ਵਿੱਚ ਕੋਈ ਕੀ ਜ਼ਿਕਰ ਨਹੀਂ ਕਰਦਾ)
3. ਅਸਲ ਫਾਇਦੇ (ਅਤੇ ਉਹ ਜੋ ਸਿਰਫ਼ ਸਲਾਈਡ 47 'ਤੇ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ)
4. ਉਹ ਸਮੱਸਿਆਵਾਂ ਜੋ ਅਜੇ ਤੱਕ ਕਿਸੇ ਨੇ ਹੱਲ ਨਹੀਂ ਕੀਤੀਆਂ।
5. ਇਹ ਸਭ ਕਿੱਥੇ ਜਾ ਰਿਹਾ ਹੈ - ਅਤੇ ਕੀ ਬਹੁਤ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ?

ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨਾਲ ਕੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਬਦਲਿਆ ਹੈ?

ਫ਼ਰਕ AI ਦੇ ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ ਨਹੀਂ ਹੈ, ਪਰ ਇਸ ਤੱਥ ਵਿੱਚ ਹੈ ਕਿ ਸਿਸਟਮ ਹੁਣ ਹਰੇਕ ਲੈਣ-ਦੇਣ, ਹਰੇਕ ਕਲਿੱਕ, ਹਰੇਕ ਭੁਗਤਾਨ ਦੇਰੀ ਤੋਂ ਆਪਣੇ ਆਪ ਸਿੱਖਦੇ ਹਨ।.

ਪਹਿਲਾਂ, ਬੈਂਕ ਕੋਲ ਕਮੇਟੀਆਂ ਦੁਆਰਾ ਲਿਖੇ ਗਏ ਨਿਯਮ ਨਿਸ਼ਚਿਤ ਹੁੰਦੇ ਸਨ; ਅੱਜ ਇਸ ਕੋਲ ਅਜਿਹੇ ਮਾਡਲ ਹਨ ਜੋ ਸੌਂਦੇ ਸਮੇਂ ਨਿਯਮਾਂ ਨੂੰ ਖੁਦ ਦੁਬਾਰਾ ਲਿਖਦੇ ਹਨ।.

ਇਹ ਇੱਕ ਭਿਆਨਕ ਅਸਮਾਨਤਾ ਪੈਦਾ ਕਰਦਾ ਹੈ: ਜੋ ਵੀ ਡੇਟਾ + ਮਾਡਲ + ਫੀਡਬੈਕ ਲੂਪ ਵਿੱਚ ਮੁਹਾਰਤ ਰੱਖਦਾ ਹੈ, ਉਹ ਪੈਟਰਨ ਦੇਖ ਸਕਦਾ ਹੈ ਜੋ ਮਨੁੱਖ ਬਸ ਨਹੀਂ ਦੇਖ ਸਕਦੇ।.

ਇੱਕ ਰਿਲੇਸ਼ਨਸ਼ਿਪ ਮੈਨੇਜਰ ਕੋਲ 15 ਸਾਲਾਂ ਦਾ ਤਜਰਬਾ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਵੀ ਉਹ ਇੱਕ ਅਜਿਹੇ ਐਲਗੋਰਿਦਮ ਤੋਂ ਹਾਰ ਸਕਦਾ ਹੈ ਜਿਸਨੇ ਪਿਛਲੇ ਹਫ਼ਤੇ 15 ਮਿਲੀਅਨ ਸਮਾਨ ਵਿਵਹਾਰ ਦੇਖੇ ਹਨ।.

ਸਭ ਤੋਂ ਦਿਲਚਸਪ (ਅਤੇ ਬੇਚੈਨ ਕਰਨ ਵਾਲੀ) ਗੱਲ ਇਹ ਹੈ ਕਿ ਵੱਡੇ ਪੈਮਾਨੇ 'ਤੇ ਪੈਟਰਨਾਂ ਨੂੰ ਦੇਖਣ ਦੀ ਇਹ ਯੋਗਤਾ ਇਸਦੇ ਬਰਾਬਰ ਦੀ ਯੋਗਤਾ ਦੇ ਨਾਲ ਨਹੀਂ ਹੈ ਕਿ ਕਿਸੇ ਨੇ ਇਹ ਕਿਉਂ ਦੇਖਿਆ।.

ਮਸ਼ਹੂਰ "ਬਲੈਕ ਬਾਕਸ" ਗਾਇਬ ਨਹੀਂ ਹੋਇਆ ਹੈ - ਇਹ ਸਿਰਫ਼ ਹੋਰ ਲਾਭਦਾਇਕ ਬਣ ਗਿਆ ਹੈ।.

ਇਹ ਵੀ ਪੜ੍ਹੋ: 2026 ਵਿੱਚ ਟਿਕਾਊ ਸ਼ਹਿਰੀ ਖੇਤੀਬਾੜੀ ਕਾਰੋਬਾਰ: ਹੁਣੇ ਕਿਵੇਂ ਸ਼ੁਰੂ ਕਰੀਏ

ਅੱਜ ਬੈਂਕ ਕਿੱਥੇ AI ਲਾਗੂ ਕਰ ਰਹੇ ਹਨ (ਅਤੇ ਪੇਸ਼ਕਾਰੀ ਵਿੱਚ ਕੋਈ ਕੀ ਜ਼ਿਕਰ ਨਹੀਂ ਕਰਦਾ)

ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲਗਾਉਣ ਵਿੱਚ, ਪ੍ਰਕਿਰਿਆ ਲਗਭਗ ਸਿਨੇਮੈਟਿਕ ਹੈ। ਸਿਸਟਮ ਹੁਣ ਨਿਯਮਾਂ ਦੀ ਸੂਚੀ ਦੇ ਅਨੁਸਾਰ "ਅਟੈਪੀਕਲ ਲੈਣ-ਦੇਣ" ਦੀ ਭਾਲ ਨਹੀਂ ਕਰਦਾ।.

ਉਹ ਹਰੇਕ ਕਲਾਇੰਟ ਦਾ ਇੱਕ ਵਿਵਹਾਰਕ ਨਕਸ਼ਾ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ, ਜਦੋਂ ਕੁਝ ਉਸ ਨਕਸ਼ੇ ਤੋਂ ਕਾਫ਼ੀ ਭਟਕ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਉਹ ਇੱਕ ਚੇਤਾਵਨੀ ਦਿੰਦਾ ਹੈ - ਅਕਸਰ ਖਾਤਾ ਧਾਰਕ ਨੂੰ ਇਹ ਅਹਿਸਾਸ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਕੁਝ ਗਲਤ ਹੈ।.

ਉਤਪਾਦ ਪੇਸ਼ਕਸ਼ਾਂ ਵਿੱਚ, ਨਿੱਜੀਕਰਨ ਡਰਾਉਣੇ ਤੌਰ 'ਤੇ ਬਰੀਕ ਹੋ ਗਿਆ ਹੈ। ਇਹ ਹੁਣ "ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਮੱਧਮ ਨਿਵੇਸ਼ ਪ੍ਰੋਫਾਈਲ ਹੈ" ਦਾ ਮਾਮਲਾ ਨਹੀਂ ਰਿਹਾ।.

ਇਹ ਇਸ ਤਰ੍ਹਾਂ ਹੈ: "ਤੁਸੀਂ ਜਿੰਮ ਤੋਂ ਬਾਅਦ ਵੀਰਵਾਰ ਰਾਤ ਨੂੰ ਡਿਲੀਵਰੀ 'ਤੇ ਆਪਣਾ ਖਰਚ ਵਧਾਉਂਦੇ ਹੋ, ਇਸ ਲਈ ਇੱਥੇ ਇੱਕ ਵਾਧੂ ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਸੀਮਾ ਹੈ ਜੋ ਉਸੇ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਕੈਸ਼ਬੈਕ ਕਮਾਉਂਦੀ ਹੈ।".

++ ਇੱਕ ਉੱਦਮੀ ਵਜੋਂ ਨਿੱਜੀ ਜ਼ਿੰਦਗੀ ਅਤੇ ਕਾਰੋਬਾਰ ਨੂੰ ਕਿਵੇਂ ਸੰਤੁਲਿਤ ਕਰਨਾ ਹੈ

ਗਾਹਕ ਨੂੰ ਹਮੇਸ਼ਾ ਇਹ ਅਹਿਸਾਸ ਨਹੀਂ ਹੁੰਦਾ ਕਿ ਉਹਨਾਂ ਨੂੰ ਇੰਨੀ ਸ਼ੁੱਧਤਾ ਨਾਲ ਪੜ੍ਹਿਆ ਜਾ ਰਿਹਾ ਹੈ।.

ਛੋਟੇ ਕਾਰੋਬਾਰਾਂ ਲਈ ਕ੍ਰੈਡਿਟ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ, ਕੁਝ ਬ੍ਰਾਜ਼ੀਲੀ ਬੈਂਕ ਪਹਿਲਾਂ ਹੀ ਵਿਕਲਪਕ ਡੇਟਾ (ਜਿਵੇਂ ਕਿ ਪਿਕਸ ਲੈਣ-ਦੇਣ, ਆਵਰਤੀ ਬਿੱਲ ਭੁਗਤਾਨ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਖੇਤਰ ਵਿੱਚ ਗੂਗਲ ਟ੍ਰੈਂਡਸ ਖੋਜਾਂ ਦੀ ਮੌਸਮੀਤਾ) ਨੂੰ ਕਰਾਸ-ਰੈਫਰੈਂਸ ਕਰ ਰਹੇ ਹਨ ਤਾਂ ਜੋ ਮਿੰਟਾਂ ਵਿੱਚ ਫੈਸਲੇ ਲਏ ਜਾ ਸਕਣ ਜੋ ਪਹਿਲਾਂ ਹਫ਼ਤੇ ਲੱਗਦੇ ਸਨ।.

++ 2026 ਲਈ ਆਦਰਸ਼ ਐਮਰਜੈਂਸੀ ਫੰਡ: ਪ੍ਰਤੀ ਮਹੀਨਾ ਕਿੰਨੀ ਬਚਤ ਕਰਨੀ ਹੈ

ਇਹ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਦਾ ਹੈ - ਜਦੋਂ ਤੱਕ ਮਾਡਲ ਇੱਕ ਗਲਤ ਪੈਟਰਨ ਨਹੀਂ ਸਿੱਖਦਾ ਅਤੇ ਹਜ਼ਾਰਾਂ ਫੈਸਲਿਆਂ ਵਿੱਚ ਗਲਤੀ ਨੂੰ ਗੁਣਾ ਨਹੀਂ ਕਰਦਾ।.

ਅਸਲ ਫਾਇਦੇ (ਅਤੇ ਉਹ ਜੋ ਸਿਰਫ਼ ਸਲਾਈਡ 47 'ਤੇ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ)

ਉਤਪਾਦਕਤਾ ਮਾਪਣਯੋਗ ਢੰਗ ਨਾਲ ਵਧਦੀ ਹੈ। ਉਹ ਪ੍ਰਕਿਰਿਆਵਾਂ ਜੋ ਪਹਿਲਾਂ 14 ਦਿਨ ਲੈਂਦੀਆਂ ਸਨ ਹੁਣ 14 ਮਿੰਟਾਂ ਵਿੱਚ ਪੂਰੀਆਂ ਹੁੰਦੀਆਂ ਹਨ - ਅਤੇ ਕਾਗਜ਼ੀ ਕਾਰਵਾਈ ਨੂੰ ਸੰਭਾਲਣ ਵਾਲੇ ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ ਘੱਟ ਹੁੰਦੀ ਹੈ।.

ਇਹ ਇੱਕ ਅਜਿਹੇ ਉਦਯੋਗ ਵਿੱਚ ਕੋਈ ਛੋਟਾ ਕਾਰਨਾਮਾ ਨਹੀਂ ਹੈ ਜਿੱਥੇ ਗਲਤੀ ਦੇ ਹਾਸ਼ੀਏ ਨੂੰ ਅਧਾਰ ਬਿੰਦੂਆਂ ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ।.

ਜਦੋਂ ਬੈਂਕ ਨਿੱਜੀਕਰਨ ਦਾ ਅਧਿਕਾਰ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਤਾਂ ਗਾਹਕਾਂ ਦੇ ਅਨੁਭਵ ਵਿੱਚ ਸੁਧਾਰ ਹੁੰਦਾ ਹੈ।.

ਜਿਨ੍ਹਾਂ ਨੂੰ ਕੋਈ ਸੁਝਾਅ ਮਿਲਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਸਮਝਦਾਰੀ ਵਾਲਾ ਹੁੰਦਾ ਹੈ, ਉਹ ਜ਼ਿਆਦਾ ਦੇਰ ਤੱਕ ਰੁਕਦੇ ਹਨ, ਜ਼ਿਆਦਾ ਖਰਚ ਕਰਦੇ ਹਨ ਅਤੇ ਘੱਟ ਸ਼ਿਕਾਇਤ ਕਰਦੇ ਹਨ।.

ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਉਹੀ ਵਿਧੀ ਜੋ ਇਸਨੂੰ ਸਹੀ ਕਰਦੀ ਹੈ, ਡਰਾਉਣੀ ਵੀ ਹੋ ਸਕਦੀ ਹੈ - "ਉਪਯੋਗੀ" ਅਤੇ "ਹਮਲਾਵਰ" ਵਿਚਕਾਰ ਸੂਖਮ ਸੀਮਾਵਾਂ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਐਲਗੋਰਿਦਮ ਅਜੇ ਵੀ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਸਮਝਦੇ।.

ਹਾਲ ਹੀ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਹਵਾਲਾ ਦਿੱਤਾ ਗਿਆ ਅੰਕੜਾ ਮੈਕਿੰਸੀ ਤੋਂ ਆਇਆ ਹੈ: ਜਨਰੇਟਿਵ ਏਆਈ ਗਲੋਬਲ ਬੈਂਕਿੰਗ ਸੈਕਟਰ ਵਿੱਚ US$200 ਅਤੇ US$340 ਬਿਲੀਅਨ ਸਾਲਾਨਾ ਮੁੱਲ ਦੇ ਵਿਚਕਾਰ ਨਿਵੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ।.

ਇਹ ਗਿਣਤੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ, ਪਰ ਜੋ ਲੁਕੀ ਹੋਈ ਹੈ ਉਹ ਇਹ ਹੈ ਕਿ ਇਸ ਮੁੱਲ ਦਾ ਇੱਕ ਵੱਡਾ ਹਿੱਸਾ ਲਾਗਤ ਘਟਾਉਣ ਤੋਂ ਆਉਂਦਾ ਹੈ - ਦੂਜੇ ਸ਼ਬਦਾਂ ਵਿੱਚ, ਘੱਟ ਲੋਕ ਉਹ ਕੰਮ ਕਰ ਰਹੇ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਪਹਿਲਾਂ ਪੂਰੀਆਂ ਟੀਮਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਸੀ।.

ਏਆਈ ਨੂੰ ਇੱਕ ਬਹੁਤ ਹੀ ਤੇਜ਼ ਇੰਟਰਨ ਸਮਝੋ ਜੋ ਕਦੇ ਨਹੀਂ ਸੌਂਦਾ ਅਤੇ ਨਾ ਹੀ ਤਨਖਾਹ ਵਿੱਚ ਵਾਧਾ ਮੰਗਦਾ ਹੈ।.

ਉਹ ਸਮੇਂ-ਸਮੇਂ 'ਤੇ ਮਹਿੰਗੀਆਂ ਗਲਤੀਆਂ ਕਰਦਾ ਹੈ, ਪਰ ਪ੍ਰਤੀ ਕੰਮ ਔਸਤ ਲਾਗਤ ਘੱਟ ਜਾਂਦੀ ਹੈ।.

ਇਹ ਇੱਕ ਸੌਦਾ ਹੈ - ਉਸ ਬਿੰਦੂ ਤੱਕ ਜਦੋਂ ਗਲਤੀ ਹੁਣ ਅਪਵਾਦ ਨਹੀਂ ਰਹਿ ਜਾਂਦੀ, ਸਗੋਂ ਇੱਕ ਪ੍ਰਣਾਲੀਗਤ ਆਦਰਸ਼ ਬਣ ਜਾਂਦੀ ਹੈ।.

ਉਹ ਸਮੱਸਿਆਵਾਂ ਜੋ ਅਜੇ ਤੱਕ ਕਿਸੇ ਨੇ ਹੱਲ ਨਹੀਂ ਕੀਤੀਆਂ।

ਗੋਪਨੀਯਤਾ ਇੱਕ ਰੈਗੂਲੇਟਰੀ ਮਾਈਨਫੀਲਡ ਬਣ ਗਈ ਹੈ। AI ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਡੇਟਾ ਵਰਤਦਾ ਹੈ, ਓਨਾ ਹੀ ਜ਼ਿਆਦਾ ਲੀਕ ਜਾਂ ਪੱਖਪਾਤੀ ਵਿਆਖਿਆ ਦਾ ਜੋਖਮ ਹੁੰਦਾ ਹੈ ਜੋ ਅਸਿੱਧੇ ਵਿਤਕਰੇ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ।.

LGPD (ਬ੍ਰਾਜ਼ੀਲੀਅਨ ਜਨਰਲ ਡੇਟਾ ਪ੍ਰੋਟੈਕਸ਼ਨ ਲਾਅ) ਮੌਜੂਦ ਹੈ, ਪਰ ਕਾਨੂੰਨ ਦੁਆਰਾ ਲੋੜੀਂਦੀਆਂ ਚੀਜ਼ਾਂ ਅਤੇ ਮਾਡਲਾਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕੰਮ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀਆਂ ਚੀਜ਼ਾਂ ਵਿਚਕਾਰ ਪਾੜਾ ਬਹੁਤ ਵੱਡਾ ਹੈ।.

ਐਲਗੋਰਿਦਮਿਕ ਪੱਖਪਾਤ ਸਿਰਫ਼ ਇੱਕ ਅਕਾਦਮਿਕ ਸਿਧਾਂਤ ਨਹੀਂ ਹੈ - ਇਹ ਪਹਿਲਾਂ ਹੀ ਕ੍ਰੈਡਿਟ ਪ੍ਰਵਾਨਗੀਆਂ, ਬੀਮਾ ਕੀਮਤ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਕ੍ਰੈਡਿਟ ਕਾਰਡ ਸੀਮਾਵਾਂ ਦੀ ਸਥਾਪਨਾ ਵਿੱਚ ਵੀ ਪ੍ਰਗਟ ਹੋ ਚੁੱਕਾ ਹੈ।.

ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਪਹਿਲੂ ਇਹ ਹੈ ਕਿ ਪੱਖਪਾਤ ਅਕਸਰ ਨਿਰਪੱਖ ਸਬੰਧਾਂ ਦੇ ਅੰਦਰ ਛੁਪਿਆ ਹੁੰਦਾ ਹੈ।.

ਗੰਭੀਰ ਬੈਂਕ "AI ਨੈਤਿਕਤਾ" ਟੀਮਾਂ ਬਣਾ ਰਹੇ ਹਨ ਅਤੇ ਨਿਰੰਤਰ ਆਡਿਟ ਚਲਾ ਰਹੇ ਹਨ, ਪਰ ਲਾਗਤ ਜ਼ਿਆਦਾ ਹੈ ਅਤੇ ਨਤੀਜਾ ਕਦੇ ਵੀ 100% ਨਹੀਂ ਹੁੰਦਾ।.

ਪੁਰਾਤਨ ਪ੍ਰਣਾਲੀਆਂ ਅਜੇ ਵੀ ਅਚਿਲਸ ਦੀ ਅੱਡੀ ਹਨ।.

ਬਹੁਤ ਸਾਰੇ ਕੋਰ ਬੈਂਕਿੰਗ ਸਿਧਾਂਤ 80 ਜਾਂ 90 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਲਿਖੇ ਗਏ ਸਨ। ਆਧੁਨਿਕ ਏਆਈ ਨੂੰ ਉਨ੍ਹਾਂ ਵਿੱਚ ਜੋੜਨਾ 70 ਦੇ ਦਹਾਕੇ ਦੀ ਇੱਕ ਅਤਿ-ਆਧੁਨਿਕ ਇਲੈਕਟ੍ਰਿਕ ਕਾਰ ਨੂੰ 110V ਆਊਟਲੈੱਟ ਨਾਲ ਜੋੜਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਵਾਂਗ ਹੈ।.

ਇਹ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਬਟੂਏ ਨੂੰ ਨੁਕਸਾਨ ਪਹੁੰਚਾਉਂਦਾ ਹੈ ਅਤੇ ਤੁਹਾਡੇ ਸਬਰ ਦੀ ਪਰਖ ਕਰਦਾ ਹੈ।.

ਕੀ ਅਜਿਹੀਆਂ ਮਸ਼ੀਨਾਂ ਬਣਾਉਣਾ ਸੰਭਵ ਹੈ ਜੋ ਮਨੁੱਖਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਨਿਰਪੱਖ ਵਿੱਤੀ ਫੈਸਲੇ ਲੈਂਦੀਆਂ ਹਨ, ਬਿਨਾਂ ਮਨੁੱਖਾਂ ਵਰਗੇ ਪੱਖਪਾਤ ਦੀ ਨਕਲ ਕੀਤੇ?

ਇਹ ਸਭ ਕਿੱਥੇ ਜਾ ਰਿਹਾ ਹੈ - ਅਤੇ ਕੀ ਬਹੁਤ ਗਲਤ ਹੋ ਸਕਦਾ ਹੈ?

ਅਗਲੀ ਸਰਹੱਦ ਖੁਦਮੁਖਤਿਆਰ ਏਜੰਟਾਂ ਦੀ ਹੈ।.

ਸਿਰਫ਼ ਨਿਵੇਸ਼ ਦਾ ਸੁਝਾਅ ਹੀ ਨਹੀਂ ਦੇਣਾ, ਸਗੋਂ ਆਰਡਰਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨਾ, ਪੋਰਟਫੋਲੀਓ ਨੂੰ ਮੁੜ ਸੰਤੁਲਿਤ ਕਰਨਾ, ਵਿਰੋਧੀ ਧਿਰਾਂ ਨਾਲ ਸ਼ਰਤਾਂ 'ਤੇ ਗੱਲਬਾਤ ਕਰਨਾ - ਇਹ ਸਭ ਪਹਿਲਾਂ ਤੋਂ ਨਿਰਧਾਰਤ ਸੀਮਾਵਾਂ ਦੇ ਅੰਦਰ ਹੈ।.

ਕੁਝ ਬੈਂਕ ਪਹਿਲਾਂ ਹੀ ਸੈਂਡਬੌਕਸ ਵਾਤਾਵਰਣ ਵਿੱਚ ਇਸਦੀ ਜਾਂਚ ਕਰ ਰਹੇ ਹਨ। ਜਦੋਂ ਇਹ ਸੈਂਡਬੌਕਸ ਤੋਂ ਬਾਹਰ ਨਿਕਲਦਾ ਹੈ, ਤਾਂ ਮਾਰਕੀਟ ਦੀ ਪ੍ਰਤੀਕ੍ਰਿਆ ਗਤੀ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਬਦਲ ਜਾਵੇਗੀ।.

ਏਆਈ, ਬਲਾਕਚੈਨ, ਅਤੇ ਸਮਾਰਟ ਕੰਟਰੈਕਟਸ ਦਾ ਸੁਮੇਲ ਕੁਝ ਵਿੱਤੀ ਉਤਪਾਦਾਂ (ਜਿਵੇਂ ਕਿ ਡੈਰੀਵੇਟਿਵਜ਼ ਜਾਂ ਪ੍ਰਤੀਭੂਤੀਆਂ) ਨੂੰ ਬਹੁਤ ਸਸਤਾ ਅਤੇ ਤੇਜ਼ ਬਣਾ ਸਕਦਾ ਹੈ।.

ਜੋਖਮ ਇਹ ਹੈ ਕਿ ਉਹੀ ਗਤੀ ਜੋ ਲਾਗਤਾਂ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ, ਸੰਕਟ ਦੀ ਸਥਿਤੀ ਵਿੱਚ ਛੂਤ ਨੂੰ ਵੀ ਵਧਾਉਂਦੀ ਹੈ।.

ਦੂਜੇ ਪਾਸੇ, ਟਿਕਾਊ ਵਿੱਤ ਲਈ ਦਬਾਅ ਬੈਂਕਾਂ ਨੂੰ ਪੂਰੇ ਪੋਰਟਫੋਲੀਓ ਦੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਨੂੰ ਲਗਭਗ ਅਸਲ-ਸਮੇਂ ਵਿੱਚ ਮਾਪਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰ ਰਿਹਾ ਹੈ।.

ਜੋ ਵੀ ਇਹ ਸਹੀ ਢੰਗ ਨਾਲ ਕਰ ਸਕਦਾ ਹੈ, ਉਹ ਸੰਸਥਾਗਤ ਗਾਹਕਾਂ ਨੂੰ ਜਿੱਤ ਲਵੇਗਾ ਜੋ ਵਰਤਮਾਨ ਵਿੱਚ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਤੋਂ ਝਿਜਕਦੇ ਹਨ।.

ਅਨੁਮਾਨਾਂ ਤੋਂ ਪਤਾ ਚੱਲਦਾ ਹੈ ਕਿ ਬੈਂਕਿੰਗ ਖੇਤਰ ਵਿੱਚ AI 'ਤੇ ਖਰਚ 2030 ਤੱਕ US$$ ਤੱਕ ਪਹੁੰਚ ਜਾਵੇਗਾ।.

ਇਹ ਗਿਣਤੀ ਬਹੁਤ ਵੱਡੀ ਹੈ, ਪਰ ਅਸਲ ਵਿੱਚ ਮਾਇਨੇ ਰੱਖਦੀ ਹੈ ਕਿ ਡੇਟਾ → ਮਾਡਲ → ਫੈਸਲਾ → ਫੀਡਬੈਕ ਚੱਕਰ ਵਿੱਚ ਦੂਜਿਆਂ ਤੋਂ ਪਹਿਲਾਂ ਕੌਣ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰੇਗਾ।.

ਉਦਾਹਰਣਾਂ ਜੋ ਮਾਮਲੇ ਦੀ ਨਬਜ਼ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ।

ਸਾਓ ਪੌਲੋ ਦੇ ਅੰਦਰੂਨੀ ਹਿੱਸੇ ਵਿੱਚ ਇੱਕ ਮੱਧਮ ਆਕਾਰ ਦੇ ਬੈਂਕ ਨੇ ਪਿਛਲੇ 90 ਦਿਨਾਂ ਦੇ ਪਿਕਸ ਡੇਟਾ ਅਤੇ ਸਿੰਪਲਜ਼ ਨੈਸ਼ਨਲ ਟੈਕਸ ਪ੍ਰਣਾਲੀ ਦੇ ਤਹਿਤ ਘੋਸ਼ਿਤ ਮਾਲੀਏ ਦੀ ਮੌਸਮੀਤਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਪ੍ਰਚੂਨ ਵਿਕਰੇਤਾਵਾਂ ਲਈ ਕ੍ਰੈਡਿਟ ਨੂੰ ਮਨਜ਼ੂਰੀ ਦੇਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ ਹੈ।.

ਨਤੀਜਾ: 18 ਮਹੀਨਿਆਂ ਵਿੱਚ ਅਪਰਾਧ ਵਿੱਚ 22% ਦੀ ਕਮੀ ਅਤੇ ਖੇਤਰ ਵਿੱਚ SMEs ਨੂੰ ਜਾਰੀ ਕੀਤੇ ਗਏ ਕਰਜ਼ੇ ਦੀ ਮਾਤਰਾ ਵਿੱਚ 37% ਦਾ ਵਾਧਾ।.

ਐਲਗੋਰਿਦਮ ਨੇ ਪਹਿਲੇ ਤਿੰਨ ਮਹੀਨਿਆਂ ਵਿੱਚ ਗੰਭੀਰ ਗਲਤੀਆਂ ਕੀਤੀਆਂ - ਪਰ ਇਸਨੇ ਜਲਦੀ ਸਿੱਖ ਲਿਆ।.

ਇੱਕ ਹੋਰ ਉਦਾਹਰਣ: ਇੱਕ ਐਪ ਜੋ ਉਪਭੋਗਤਾ ਲਈ "ਵਿੱਤੀ ਜੀਵਨ ਦਾ ਨਕਸ਼ਾ" ਬਣਾਉਂਦੀ ਹੈ।.

ਇੱਕ ਆਮ ਟੀਚੇ ("20% ਬਚਾਓ") ਦੀ ਬਜਾਏ, ਉਹ ਠੋਸ ਦ੍ਰਿਸ਼ ਪੇਸ਼ ਕਰਦਾ ਹੈ - "ਜੇ ਤੁਸੀਂ ਡਿਲੀਵਰੀ ਐਪਸ ਨਾਲ ਇਸ ਖਰਚ ਪੈਟਰਨ ਨੂੰ ਬਣਾਈ ਰੱਖਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਉਸ ਘਰ ਦੀ ਡਾਊਨ ਪੇਮੈਂਟ ਵਿੱਚ 14 ਮਹੀਨੇ ਦੇਰੀ ਕਰੋਗੇ ਜਿਸਨੂੰ ਤੁਸੀਂ ਇੱਕ ਸੁਪਨੇ ਵਜੋਂ ਬਚਾਇਆ ਸੀ"।.

ਐਪ 'ਤੇ ਸ਼ਮੂਲੀਅਤ 2.1 ਗੁਣਾ ਵਧੀ। ਲੋਕ ਵਾਪਸ ਆਉਂਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ ਕਿ ਕਿਸੇ ਨੇ ਉਨ੍ਹਾਂ ਦੀ ਜ਼ਿੰਦਗੀ ਨੂੰ ਸੱਚਮੁੱਚ ਸਮਝਿਆ ਹੈ।.

ਹਰ ਕਿਸੇ ਦੇ ਸਵਾਲ (ਅਤੇ ਜਵਾਬ ਜੋ ਕੋਈ ਦੇਣਾ ਪਸੰਦ ਨਹੀਂ ਕਰਦਾ)

ਦ ਵਿੱਤੀ ਖੇਤਰ ਵਿੱਚ ਨਕਲੀ ਬੁੱਧੀ ਇਹ ਹੁਣ ਕੋਈ ਰੁਝਾਨ ਨਹੀਂ ਰਿਹਾ।.

ਇਹ ਨਵੀਂ ਗੁਰੂਤਾ ਸ਼ਕਤੀ ਹੈ। ਜੋ ਕੋਈ ਵੀ ਪਹਿਲਾਂ ਇਸ ਗੁਰੂਤਾ ਸ਼ਕਤੀ ਨੂੰ ਨੈਵੀਗੇਟ ਕਰਨਾ ਸਿੱਖੇਗਾ, ਉਹ ਅਗਲੇ 15 ਸਾਲਾਂ ਲਈ ਖੇਡ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੇਗਾ।.

ਬਾਕੀ ਜਾਂ ਤਾਂ ਉਨ੍ਹਾਂ ਦਾ ਪਿੱਛਾ ਕਰਨਗੇ - ਜਾਂ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹੋਏ ਅਲੋਪ ਹੋ ਜਾਣਗੇ।.

ਡੂੰਘਾਈ ਨਾਲ ਖੋਦੋ:

++ ਵਿੱਤ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਕੀ ਹੈ?

++ ਬੈਂਕਿੰਗ ਖੇਤਰ ਵਿੱਚ ਏ.ਆਈ.

ਆਂਡਰੇ ਨੇਰੀ ਦੁਆਰਾ ਲਿਖਿਆ ਗਿਆ 10 ਅਕਤੂਬਰ, 2026 ਨੂੰ ਅੱਪਡੇਟ ਕੀਤਾ ਗਿਆ