Fintech

AI-নেটিভ ঋণদান প্রযুক্তি কী এবং এটি কীভাবে কাজ করে?

"AI-নেটিভ ঋণদান প্রযুক্তি" ফিনটেক তহবিল ঘোষণায় একটি সাধারণ শব্দগুচ্ছ হয়ে উঠেছে, যার মধ্যে রয়েছে ভারতীয় ঋণদান প্ল্যাটফর্ম Rezolv-এর AI-চালিত ঋণদান ও সংগ্রহ প্ল্যাটফর্ম সম্প্রসারণের জন্য ২০২৬ সালের আগস্টে Norwest-এর নেতৃত্বে $12.5 million-এর Series A রাউন্ড। কিন্তু এই শব্দটি একটি নির্দিষ্ট পদ্ধতিতে ঋণদান ব্যবসা তৈরি করাকে বোঝায়, শুধুমাত্র একটি বিদ্যমান পণ্যে মেশিন লার্নিং বৈশিষ্ট্য যোগ করা নয়।

কোনো প্ল্যাটফর্মকে কেবল AI-সক্ষম না বলে AI-নেটিভ করে তোলে কী, তা বোঝা আধুনিকীকরণের পদ্ধতি নির্ধারণকারী ঋণদাতাদের জন্য এবং তাদের আবেদন আসলে কীভাবে মূল্যায়ন করা হচ্ছে তা বুঝতে চাওয়া ঋণগ্রহীতাদের জন্য গুরুত্বপূর্ণ।

এই নিবন্ধে AI-নেটিভ ঋণদান প্রযুক্তির অর্থ কী, কেন এটি এখন তৈরি ও অর্থায়ন করা হচ্ছে, বাস্তবে এটি কীভাবে কাজ করে, এবং লিগ্যাসি ঋণ উৎপত্তি সিস্টেমে AI জুড়ে দেওয়া থেকে এটি কীভাবে আলাদা, তা বিশ্লেষণ করা হয়েছে।

ধারণা ব্যাখ্যা

একটি AI-নেটিভ ঋণদান প্ল্যাটফর্ম শুরু থেকেই মেশিন লার্নিং মডেলগুলির চারপাশে ডিজাইন করা হয় যা মূল সিদ্ধান্তগুলি নেয় বা সমর্থন করে: কাকে ঋণ দেওয়া হবে, কত পরিমাণে, কোন মূল্যে, এবং ঋণগ্রহীতা পিছিয়ে পড়লে সংগ্রহ কীভাবে পরিচালনা করা হবে। ডেটা পাইপলাইন, আন্ডাররাইটিং লজিক এবং পরিচালন কর্মপ্রবাহ এমনভাবে তৈরি করা হয় যাতে এই মডেলগুলিকে ক্রমাগত তথ্য সরবরাহ করা যায় এবং সেগুলির দ্বারা আকার দেওয়া যায়।

এটি একটি লিগ্যাসি ঋণদাতার থেকে ভিন্ন, যারা স্থির, নিয়ম-ভিত্তিক আন্ডাররাইটিংয়ের চারপাশে নির্মিত একটি বিদ্যমান ঋণ ব্যবস্থাপনা সিস্টেমে AI-ভিত্তিক জালিয়াতি যাচাই বা একটি চ্যাটবট যোগ করে। একটি AI-নেটিভ প্ল্যাটফর্মে, মডেলটি উপরে যোগ করা একটি বৈশিষ্ট্য নয়; এটি মূল সিদ্ধান্ত গ্রহণের ইঞ্জিনের কাছাকাছি, যার চারপাশে প্ল্যাটফর্মের বাকি অংশ নির্মিত।

এখন কেন এটি গুরুত্বপূর্ণ

বিনিয়োগকারীদের আগ্রহ এই পার্থক্যকে প্রতিফলিত করে। Rezolv-এর তহবিল রাউন্ডটি বিশেষভাবে অপর্যাপ্ত পরিষেবাপ্রাপ্ত ঋণদান অংশে কেন্দ্রীভূত একটি AI-নেটিভ প্ল্যাটফর্ম সম্প্রসারণের জন্য সংগ্রহ করা হয়েছিল, এমন একটি ক্ষেত্র যেখানে লিগ্যাসি, নিয়ম-ভিত্তিক সিস্টেমগুলি ঐতিহাসিকভাবে সীমিত ক্রেডিট ফাইল এবং উচ্চতর পরিষেবা ব্যয়ের কারণে লাভজনকভাবে আন্ডাররাইট করতে সংগ্রাম করেছে।

আরও ব্যাপকভাবে, Cambridge Centre for Alternative Finance-এর গবেষণা অনুসারে, ঐতিহ্যবাহী আর্থিক প্রতিষ্ঠানগুলির তুলনায় ফিনটেক প্রতিষ্ঠানগুলি AI গ্রহণ থেকে শক্তিশালী উৎপাদনশীলতা বৃদ্ধির কথা জানায়, যেখানে দেখা গেছে ফিনটেক প্রতিষ্ঠানগুলি প্রযুক্তি ও পণ্য বিভাগে ৮৬ শতাংশ বৃদ্ধির কথা জানিয়েছে, ঐতিহ্যবাহী প্রতিষ্ঠানগুলিতে যা ৬৮ শতাংশ। ঋণদান এমন একটি স্বাভাবিক ক্ষেত্র যেখানে এই ব্যবধান প্রকাশ পায়, কারণ আন্ডাররাইটিং এবং সংগ্রহ উভয়ই তথ্য- ও সিদ্ধান্ত-নিবিড়।

এই পার্থক্যটি একটি প্ল্যাটফর্ম কত দ্রুত মানিয়ে নিতে পারে তার মধ্যেও প্রকাশ পায়। যেহেতু AI-নেটিভ সিস্টেমগুলি নতুন তথ্যের উপর পুনরায় প্রশিক্ষণের জন্য তৈরি করা হয়, তাই এগুলি পরিবর্তিত ঋণগ্রহীতা আচরণের সাথে ঐ ঋণদাতাদের তুলনায় দ্রুত মানিয়ে নিতে পারে যাদের একই পরিবর্তনের প্রতিক্রিয়া জানাতে একটি নিয়ম ইঞ্জিন পুনর্গঠন করতে হবে বা শূন্য থেকে একটি স্কোরকার্ড পুনর্নির্মাণ করতে হবে।

AI কীভাবে এই ক্ষেত্রকে বদলে দিচ্ছে

বাস্তবে, AI-নেটিভ প্ল্যাটফর্মগুলি ব্যাংক লেনদেনের ইতিহাস এবং পরিশোধের আচরণের মতো বিকল্প তথ্য প্রক্রিয়া করতে মডেল ব্যবহার করে, যাতে অন্যথায় শুধুমাত্র-ব্যুরো স্কোরিংয়ে অদৃশ্য থাকা ঋণগ্রহীতাদের মূল্যায়ন করা যায়। নতুন পরিশোধের তথ্য আসার সাথে সাথে একই মডেলগুলিকে পুনরায় প্রশিক্ষণ দেওয়া যেতে পারে, যা স্কোরকার্ড তৈরির মুহূর্তে স্থির থাকার পরিবর্তে সময়ের সাথে ঝুঁকি মূল্যায়নকে উন্নত হতে দেয়।

এই প্ল্যাটফর্মগুলি উৎপত্তির বাইরেও AI প্রয়োগ করে, পরিষেবা এবং ঋণ সংগ্রহের ক্ষেত্রেও, যেখানে মডেলগুলি যোগাযোগের অগ্রাধিকার নির্ধারণ করতে পারে, পরিশোধ পরিকল্পনা তৈরি করতে পারে এবং ম্যানুয়াল পর্যালোচনার আগেই উচ্চতর ডিফল্ট ঝুঁকিতে থাকা অ্যাকাউন্টগুলি চিহ্নিত করতে পারে।

এই ক্রমাগত-শিক্ষণ পদ্ধতি নতুন পণ্য চালু করার পদ্ধতিও পরিবর্তন করে। একটি নতুন ঋণগ্রহীতা অংশের জন্য নতুন নিয়ম-ভিত্তিক স্কোরকার্ড তৈরি করার জন্য পর্যাপ্ত ঐতিহাসিক তথ্যের জন্য অপেক্ষা করার পরিবর্তে, AI-নেটিভ প্ল্যাটফর্মগুলি একটি বিদ্যমান মডেলকে একটি ছোট প্রতিনিধিত্বমূলক তথ্যের সেট দিয়ে সম্প্রসারিত করতে পারে এবং প্রকৃত পরিশোধের ফলাফল জমা হওয়ার সাথে সাথে তা পরিমার্জন করতে পারে।

বাস্তব বিশ্বের উদাহরণ

Rezolv অপর্যাপ্ত পরিষেবাপ্রাপ্ত ঋণগ্রহীতাদের জন্য আন্ডাররাইটিং এবং সংগ্রহের চারপাশে নির্মিত একটি AI-নেটিভ প্ল্যাটফর্মের প্রত্যক্ষ উদাহরণ, যেখানে নতুন পুঁজি বিশেষভাবে সেই মডেল সম্প্রসারণের জন্য বরাদ্দ করা হয়েছে। Norwest-এর নেতৃত্বাধীন এর Series A একটি সপ্তাহের বেশ কয়েকটি চুক্তির মধ্যে একটি, যেখানে ফিনটেক তহবিল তথ্য দেখিয়েছে যে পেমেন্ট এবং AI একসাথে মোট সংগৃহীত পুঁজির একটি বড় অংশের জন্য দায়ী।

বড় প্রতিষ্ঠিত ব্যাংকগুলি একই পরিবর্তনের প্রতি ভিন্নভাবে এগোচ্ছে, শূন্য থেকে AI-নেটিভ প্ল্যাটফর্ম তৈরি করার পরিবর্তে অংশীদারিত্বের মাধ্যমে। ABN Amro-এর Mistral AI-এর সাথে অংশীদারিত্ব এবং Rabobank-এর পরিকল্পিত তিন বছরের €2 billion AI বিনিয়োগ দেখায় যে প্রতিষ্ঠিত প্রতিষ্ঠানগুলি বিদ্যমান অবকাঠামো সম্পূর্ণভাবে বাতিল না করেই AI-কে তাদের ঋণদান কার্যক্রমের কেন্দ্রের কাছাকাছি আনার চেষ্টা করছে।

এই দুটি পথ, শূন্য থেকে নির্মিত AI-নেটিভ প্ল্যাটফর্ম এবং অংশীদারিত্বের মাধ্যমে AI অনুসরণকারী প্রতিষ্ঠিত প্রতিষ্ঠান, পারস্পরিক একচেটিয়া নয়, এবং ২০২৬ সালের আগস্ট মাসের ফিনটেক তহবিল কার্যক্রম উভয় বিভাগ জুড়েই বিস্তৃত ছিল, যা প্রতিফলিত করে যে AI ঋণদান স্ট্যাকজুড়ে কতটা ব্যাপকভাবে পুঁজি মোতায়েন করা হচ্ছে।

ব্যবহারিক আর্থিক পরামর্শ

আপনি যদি নিজেকে AI-নেটিভ হিসেবে প্রচার করা একটি প্ল্যাটফর্মের মাধ্যমে আবেদনকারী ঋণগ্রহীতা হন, তাহলে এটি আশা করা যুক্তিসঙ্গত যে আপনার আবেদন নগদ প্রবাহ এবং লেনদেনের তথ্য সহ শুধুমাত্র একটি ব্যুরো স্কোরের চেয়ে বেশি কিছু ব্যবহার করে মূল্যায়ন করা হতে পারে। ধারাবাহিক, শনাক্তযোগ্য আয়ের জমা সহ অ্যাকাউন্ট সক্রিয় রাখা এই মডেলগুলিকে পরিশোধ ক্ষমতার একটি সঠিক চিত্র তৈরি করতে সাহায্য করতে পারে।

আপনি যদি ঋণদান প্রযুক্তি বিক্রেতাদের মূল্যায়ন করছেন, তাহলে নির্দিষ্টভাবে জিজ্ঞাসা করুন প্ল্যাটফর্মটি কতটা "AI-নেটিভ": মডেলগুলি কি মূল আন্ডাররাইটিং সিদ্ধান্ত পরিচালনা করে নাকি একটি লিগ্যাসি নিয়ম ইঞ্জিনের পাশে অবস্থান করে, প্ল্যাটফর্মটি মডেল পুনরায় প্রশিক্ষণ কীভাবে পরিচালনা করে, এবং এটি সংগ্রহ কীভাবে পরিচালনা করে, কারণ এই বিবরণগুলি বিপণনের ভাষার চেয়ে কার্যক্ষমতাকে বেশি প্রভাবিত করে।

একটি ঋণদান প্ল্যাটফর্মকে সরাসরি জিজ্ঞাসা করাও সহায়ক যে তার আন্ডাররাইটিং মডেল একটি নির্দিষ্ট সময়সূচিতে নাকি ক্রমাগত পুনরায় প্রশিক্ষিত হয়, কারণ যেসব প্ল্যাটফর্ম আরও ঘন ঘন হালনাগাদ করে সেগুলি সাধারণত একটি পুরনো চিত্রের পরিবর্তে আবেদনকারীর সাম্প্রতিকতম আর্থিক আচরণ প্রতিফলিত করতে ভালোভাবে সক্ষম।

ভবিষ্যৎ দৃষ্টিভঙ্গি

আরও পুঁজি AI-নেটিভ ঋণদান প্ল্যাটফর্মে প্রবাহিত হওয়ার সাথে সাথে, আশা করা যায় এই বিভাগটি Rezolv-এর মতো প্ল্যাটফর্মগুলির দ্বারা স্থাপিত ধরন অনুসরণ করে উৎপত্তির বাইরে সংগ্রহ এবং পরিষেবার মতো সংলগ্ন ক্ষেত্রে সম্প্রসারিত হতে থাকবে, যেখানে AI একটি একক ধাপের পরিবর্তে সম্পূর্ণ ঋণ জীবনচক্রকে সমর্থন করে।

একই সময়ে, বড় ব্যাংকগুলি AI-তে বহু-বছরের, বহু-বিলিয়ন-ইউরো বাজেট প্রতিশ্রুতিবদ্ধ করছে এবং AI ল্যাবগুলির সাথে অংশীদারিত্ব গঠন করছে, যা ইঙ্গিত দেয় যে "AI-নেটিভ" ফিনটেক এবং AI-বর্ধিত প্রতিষ্ঠিত প্রতিষ্ঠানগুলির মধ্যে পার্থক্য সময়ের সাথে সংকুচিত হতে পারে, কারণ প্রতিষ্ঠিত প্রতিষ্ঠানগুলি তাদের নিজস্ব ঋণদান অবকাঠামোর আরও বেশি অংশ AI মডেলের চারপাশে পুনর্গঠন করছে।

একটি AI-নেটিভ ঋণদান স্ট্যাকের মূল উপাদান

একটি সাধারণ AI-নেটিভ ঋণদান স্ট্যাকের মধ্যে রয়েছে বিকল্প তথ্য গ্রহণ, যেমন ব্যাংক স্টেটমেন্ট এবং লেনদেন বিশ্লেষণ; একটি মেশিন লার্নিং আন্ডাররাইটিং ইঞ্জিন যা ঝুঁকির স্কোর এবং মূল্য নির্ধারণ করে; স্বয়ংক্রিয় পরিচয় এবং জালিয়াতি যাচাই; এবং একটি পরিষেবা ও সংগ্রহ স্তর যা বিতরণের পরে অ্যাকাউন্ট পরিচালনার জন্য একই মডেল ব্যবহার করে।

এই উপাদানগুলিকে একসাথে বেঁধে রাখে এই বিষয়টি যে সেগুলি পরে জুড়ে দেওয়া পৃথক সিস্টেম হিসেবে কাজ করার পরিবর্তে তথ্য ভাগ করে নেওয়া এবং ক্রমাগত শেখার জন্য তৈরি করা হয়, যা একটি AI-নেটিভ প্ল্যাটফর্ম এবং AI বৈশিষ্ট্য যোগ করা একটি লিগ্যাসি সিস্টেমের মধ্যে মূল কার্যকরী পার্থক্য।