AI fintech innovation

ব্যাংকিংয়ে এজেন্টিক এআই কী, এবং এটি কীভাবে কাজ করে?

ব্যাংকিংয়ে এজেন্টিক এআই হল কৃত্রিম বুদ্ধিমত্তার একটি শ্রেণি, যা একটি লক্ষ্যের দিকে ধারাবাহিক পদক্ষেপের পরিকল্পনা করতে পারে, অভ্যন্তরীণ ব্যাংকিং সরঞ্জাম ও তথ্যের উৎস ব্যবহার করতে পারে, এবং সেই পদক্ষেপগুলির বেশ কয়েকটি মানুষের অনুমোদন ছাড়াই সম্পন্ন করতে পারে, কেবলমাত্র সেসব বিন্দুতে থামে যেখানে ব্যাংক অনুমোদন বাধ্যতামূলক বলে নির্ধারণ করেছে। এটি আগের ব্যাংকিং এআই থেকে আলাদা, যা বেশিরভাগ ক্ষেত্রেই ঝুঁকি নির্ধারণ করত বা অস্বাভাবিকতা চিহ্নিত করত, তারপর পরবর্তী পদক্ষেপ ঠিক করার জন্য একজন মানুষের অপেক্ষায় থাকত।

গবেষণাপত্র থেকে দ্রুত ব্যাংকের কৌশলগত নথিতে এই শব্দটি স্থান করে নিয়েছে, কারণ অন্তর্নিহিত প্রযুক্তি, বিশেষত একাধিক ধাপে যুক্তি প্রয়োগে সক্ষম বৃহৎ ভাষা মডেল, এখন সংকীর্ণ ও সুনির্দিষ্ট কাজের জন্য যথেষ্ট নির্ভরযোগ্য হয়ে উঠেছে। এই নিবন্ধে এজেন্টিক এআই আসলে কী নিয়ে গঠিত, ব্যাংকিং পরিবেশে এটি কীভাবে কাজ করে, এবং rupiya.ai-এর গাইড 'এআই এজেন্ট কীভাবে ব্যাংক কমপ্লায়েন্স বদলে দিচ্ছে'-এ বর্ণিত ব্যাপক পরিবর্তনের সাথে এটি কোথায় খাপ খায়, তা বিশ্লেষণ করা হয়েছে।

এজেন্টিক এআই বোঝা গুরুত্বপূর্ণ, তা আপনি ব্যাংকিংয়ে কাজ করুন, শিল্প প্রবণতা হিসেবে ফিনটেক অনুসরণ করুন, বা কেবল জানতে চান পরবর্তীবার আপনার ব্যাংক অস্বাভাবিক দ্রুততায় একটি বিরোধ সমাধান করলে বা একটি লেনদেন চিহ্নিত করলে পর্দার আড়ালে আসলে কী ঘটছে। এই লেখার বাকি অংশে এর কার্যপ্রণালী, গ্রহণযোগ্যতার পেছনের কারণ, এবং প্রযুক্তিটি পরিণত হওয়ার সাথে সাথে কী নজরে রাখতে হবে, তা ব্যাখ্যা করা হয়েছে।

ধারণার ব্যাখ্যা

প্রযুক্তিগত স্তরে, একটি এজেন্টিক এআই সিস্টেম তিনটি উপাদান একত্রিত করে: একটি যুক্তি ইঞ্জিন, সাধারণত একটি বৃহৎ ভাষা মডেল, যা একটি লক্ষ্য বুঝে তাকে ধাপে ভাগ করতে পারে; একগুচ্ছ সরঞ্জাম বা সংযোগ, যা তাকে ডেটাবেস অনুসন্ধান করতে, অভ্যন্তরীণ সিস্টেম ব্যবহার করতে, বা নথি খসড়া করতে দেয়; এবং একটি নীতি স্তর, যা নির্ধারণ করে এজেন্ট নিজে কী করতে পারবে এবং কীসের জন্য মানুষের অনুমোদন প্রয়োজন। যুক্তি ইঞ্জিন তার আগের ধাপের ফলাফলের ভিত্তিতে পরবর্তী পদক্ষেপ ঠিক করে, যা তাকে এমন পরিস্থিতি সামলাতে সাহায্য করে, যা আগে থেকে স্পষ্টভাবে স্ক্রিপ্ট করা ছিল না।

একটি কমপ্লায়েন্স ব্যবহার-ক্ষেত্রে এটি এমন দেখাতে পারে: একটি এজেন্ট একটি চিহ্নিত লেনদেন গ্রহণ করে, গ্রাহকের অ্যাকাউন্ট ইতিহাস ও আগের সতর্কতাগুলি অনুসন্ধান করে, বর্তমান নীতিগত সীমার সাথে ক্রস-রেফারেন্স করে, লেনদেনটি কেন চিহ্নিত হয়েছে তার একটি সংক্ষিপ্তসার খসড়া করে, এবং একটি প্রস্তাবিত পদক্ষেপসহ সেই সংক্ষিপ্তসারটি একজন মানুষ পর্যালোচকের সারিতে রাখে। এই প্রতিটি ধাপ প্রযুক্তিগতভাবে ম্যানুয়ালি করা যেত, তবে এজেন্ট এগুলি নিরবচ্ছিন্নভাবে ও ধারাবাহিকভাবে সম্পন্ন করে, মানুষ পর্যালোচককে চূড়ান্ত বিচার-বুদ্ধির কাজে মনোযোগ দিতে মুক্ত রাখে।

এখন কেন এটি গুরুত্বপূর্ণ

ব্যাংকগুলি এখন এজেন্টিক এআই গ্রহণ করছে, কারণ তাদের পর্যবেক্ষণ করতে হয় এমন তথ্য ও লেনদেনের পরিমাণ কমপ্লায়েন্স ও কার্যক্রম কর্মীদের বৃদ্ধির গতিকে ছাড়িয়ে গেছে। ২০২৬ সালের একটি শিল্প জরিপে দেখা গেছে, প্রায় দুই-তৃতীয়াংশ আর্থিক প্রতিষ্ঠান ইতিমধ্যেই কোনো না কোনো রূপে এআই ব্যবহার করছে, আর বাকি প্রায় সবাই এটি পরীক্ষা বা মূল্যায়ন করছে, যা দেখায় যে এটি আর মুষ্টিমেয় কয়েকটি বড় ব্যাংকের মধ্যে সীমাবদ্ধ একটি পরীক্ষামূলক প্রযুক্তি নয়।

এই এজেন্টগুলির ভিত্তি হিসেবে থাকা যুক্তি মডেলগুলিও গত দুই বছরে বহু-ধাপের কাজে আরও নির্ভরযোগ্য হয়ে উঠেছে, যা আগে ব্যাংকগুলিকে এআই সিস্টেমগুলিকে কোনো স্বায়ত্তশাসন দেওয়ার ব্যাপারে সতর্ক করে তোলা ত্রুটির হার কমিয়ে দিয়েছে। এই উন্নত নির্ভরযোগ্যতা, ক্রমবর্ধমান নিয়ন্ত্রক রিপোর্টিং চাহিদার সাথে মিলে, এজেন্টিক এআইকে গবেষণা পাইলট থেকে প্রকৃত কমপ্লায়েন্স দলের মধ্যে সরাসরি ব্যবহারে ঠেলে দিয়েছে।

এআই কীভাবে এই ক্ষেত্রকে বদলে দিচ্ছে

মূল পরিবর্তনটি হল এআই-কে কী করতে বিশ্বাস করা হয়, তার একটি পরিবর্তন। যেখানে একটি পূর্বাভাসমূলক মডেল একসময় কেবল একটি ঝুঁকি স্কোর দিত, এখন একটি এজেন্ট সেই স্কোর নিয়ে পরবর্তীতে কোন প্রমাণ সংগ্রহ করতে হবে তা ঠিক করতে পারে এবং মানুষ পর্যালোচনার জন্য প্রায়-সম্পূর্ণ একটি কেস ফাইল প্রস্তুত করতে পারে। এটি এমন একটি প্রক্রিয়াকে সংকুচিত করে, যা আগে ম্যানুয়ালি একাধিক ঘণ্টা লাগত, এখন একজন পর্যালোচক তা মিনিটেই বন্ধ করতে পারেন।

এটি ব্যাংকিং দলগুলি কীভাবে গঠিত হয়, তাও বদলে দিচ্ছে। বড় বড় বিশ্লেষক দল, যেখানে প্রত্যেকে ম্যানুয়ালি কাজের একটি অংশ সামলাত, তার বদলে ব্যাংকগুলি এখন ছোট দল তৈরি করছে, যারা কাজ-নির্দিষ্ট এজেন্টের বহর তত্ত্বাবধান করে, যেখানে প্রতিটি বিশ্লেষক একা ম্যানুয়ালি সামলাতে পারতেন তার চেয়ে অনেক বেশি সংখ্যক ক্ষেত্রে এজেন্টের ফলাফল পর্যালোচনার জন্য দায়ী থাকেন।

বাস্তব বিশ্বের বৈশ্বিক উদাহরণ

যুক্তরাষ্ট্রের কমিউনিটি ব্যাংক ও ক্রেডিট ইউনিয়ন, যারা সাধারণত সীমিত কমপ্লায়েন্স দল নিয়ে কাজ করে, তারা ব্যালেন্স-শিট পর্যবেক্ষণ ও ক্যাপিটাল মার্কেট কাজে কেন্দ্রীভূত এজেন্টিক সরঞ্জামের প্রাথমিক গ্রহণকারী হয়ে উঠেছে, কারণ কর্মী সম্পদ সীমিত হলে স্বয়ংক্রিয়করণ থেকে অসামান্য সুবিধা মেলে। বড় মার্কিন ব্যাংকগুলি আরও সতর্কভাবে এগিয়েছে, প্রায়ই ব্যাপক রোলআউটের আগে জালিয়াতি ও লেনদেন পর্যবেক্ষণের মধ্যে সংকীর্ণ পরিসরের পাইলট প্রকল্পে এজেন্টদের সীমাবদ্ধ রেখে।

ইউরোপীয় ইউনিয়নে, গ্রহণযোগ্যতা সরাসরি এআই আইনের ঝুঁকি শ্রেণিবিন্যাস ব্যবস্থা দ্বারা গঠিত হয়, যা অনেক কমপ্লায়েন্স-সংক্রান্ত এআই সরঞ্জামকে উচ্চ-ঝুঁকিপূর্ণ শ্রেণিতে রাখে এবং নথিভুক্ত মানুষের তদারকি বাধ্যতামূলক করে, যা ইউরোপীয় ব্যাংকগুলিকে নির্মিত অনুমোদন-চেকপয়েন্টসহ এজেন্ট নকশার দিকে ঠেলে দিচ্ছে। এশিয়ার ফিনটেক কেন্দ্রগুলি, সিঙ্গাপুরসহ, একই ধরনের পরীক্ষা-নিরীক্ষাকে উৎসাহিত করেছে নিয়ন্ত্রক-পরিচালিত স্যান্ডবক্সের মাধ্যমে, যা ব্যাংকগুলিকে পূর্ণ স্থাপনের আগে ঘনিষ্ঠ তত্ত্বাবধানে এজেন্টিক সরঞ্জাম পরীক্ষা করতে দেয়।

ব্যবহারিক আর্থিক পরামর্শ

আপনি যদি এজেন্টিক এআই মূল্যায়নকারী কোনো ব্যাংক বা ফিনটেকে কাজ করেন, তাহলে একবারে গোটা ওয়ার্কফ্লো স্বয়ংক্রিয় করার তাড়না প্রতিরোধ করুন। একটি একক, সুনির্দিষ্ট কাজ দিয়ে শুরু করুন, যেমন চিহ্নিত লেনদেনের জন্য সহায়ক প্রমাণ সংগ্রহ করা, এবং এজেন্টের ফলাফল কতটা প্রায়ই একজন মানুষ পর্যালোচকের তৈরি ফলাফলের সাথে মিলে যায় তা পরিমাপ করুন, তারপরই এর পরিসর বাড়ান।

আপনি যদি একজন ব্যাংক গ্রাহক হন, তাহলে জিজ্ঞাসা করা যুক্তিসঙ্গত যে আপনাকে প্রভাবিত করে এমন সিদ্ধান্ত, যেমন একটি স্থগিত লেনদেন বা চিহ্নিত অ্যাকাউন্ট, কীভাবে নেওয়া হয়েছে, এবং একটি এআই সিস্টেম এতে ভূমিকা রেখেছে কি না। প্রতিষ্ঠানগুলি এই বিষয়ে বর্তমানে কতটা স্বচ্ছ, তা ভিন্ন হয়, তবে নিয়ন্ত্রকরা এআই-সহায়িত সিদ্ধান্তের প্রতি আরও নিবিড় নজর দেওয়ার সাথে সাথে এই স্বচ্ছতা সম্ভবত আরও মানসম্মত হয়ে উঠবে।

ভবিষ্যতের সম্ভাবনা

এজেন্টিক এআই কমপ্লায়েন্সে দেখা একই ধরন অনুসরণ করে গ্রাহক অনবোর্ডিং যাচাই, নিষেধাজ্ঞা স্ক্রিনিং, এবং অভ্যন্তরীণ অডিট সহায়তার মতো সংলগ্ন ক্ষেত্রে সম্প্রসারিত হতে থাকবে বলে আশা করা যায়: প্রথমে সংকীর্ণ পাইলট, তারপর নির্ভরযোগ্যতা প্রমাণিত হলে বিস্তৃত স্থাপন। এমন হলে, এজেন্টিক এআই এবং rupiya.ai-এর মূল গাইডে বর্ণিত এআই-চালিত ব্যাংক কমপ্লায়েন্সের দিকে ব্যাপক পরিবর্তনের মধ্যকার পার্থক্য আরও অস্পষ্ট হতে থাকবে, কারণ উভয়েই ভিন্ন কোণ থেকে একই অন্তর্নিহিত প্রবণতার বর্ণনা দেয়।

দীর্ঘমেয়াদে, এই প্রযুক্তির সীমা নির্ধারিত হবে মডেলগুলি প্রযুক্তিগতভাবে কী করতে পারে তার চেয়ে বেশি নিয়ন্ত্রক ও প্রতিষ্ঠানগুলি এমন একটি সিস্টেমের কাছে বিচার-বুদ্ধি অর্পণ করতে কতটা স্বাচ্ছন্দ্য বোধ করে, যা প্রতিটি ধাপ মানুষের নিশ্চিতকরণ ছাড়াই কাজ করতে পারে।

ঝুঁকি ও সীমাবদ্ধতা

এজেন্টিক এআই-এর সবচেয়ে বড় সীমাবদ্ধতা হল, এটি যে নীতি ও তথ্য দেওয়া হয় তার চেয়ে ভালো হতে পারে না; পুরনো সীমা বা অসম্পূর্ণ অ্যাকাউন্ট তথ্যের ওপর কাজ করা একটি এজেন্ট আত্মবিশ্বাসের সাথে ভুল সুপারিশ তৈরি করবে, ঠিক যেমন সহজে সঠিক সুপারিশ তৈরি করে। একটি সাধারণ স্বয়ংক্রিয়করণ স্ক্রিপ্টের বিপরীতে, একটি এজেন্টের বহু-ধাপের যুক্তি এটি একটি নির্দিষ্ট সিদ্ধান্তে কেন পৌঁছাল তা সঠিকভাবে খুঁজে বের করা কঠিন করে তুলতে পারে, যা অডিটকে জটিল করে তোলে।

এখানে একটি কেন্দ্রীকরণ ঝুঁকিও আছে: যদি একটি একক এজেন্ট নকশা একটি প্রতিষ্ঠানের কমপ্লায়েন্স কাজের বড় অংশ সামলায়, তাহলে তার অন্তর্নিহিত যুক্তিতে একটি ত্রুটি অনেকে লক্ষ্য করার আগেই অনেক ক্ষেত্রে ভুল ছড়িয়ে দিতে পারে, যে কারণে বেশিরভাগ ব্যাংক বর্তমানে প্রকৃত আর্থিক বা নিয়ন্ত্রক পরিণতিযুক্ত যেকোনো পদক্ষেপে মানুষের চেকপয়েন্ট বজায় রাখে।