Fintech

AI कर्जपुरवठा आणि पत निर्णयप्रक्रियेत कसा बदल घडवत आहे

कर्जपुरवठा नेहमीच अपूर्ण माहितीच्या आधारे जोखीम आजमावण्यावर अवलंबून राहिला आहे, आणि अनेक दशकांपासून हे मूल्यांकन स्थिर क्रेडिट ब्युरो स्कोअर, हाताने केली जाणारी अंडररायटिंग आणि हळूहळू बदलणारे नियम यांवर आधारित होते. 2026 मध्ये हे चित्र वेगळे दिसते. बँका, बिगर-बँकिंग कर्जदाते आणि फिनटेक प्लॅटफॉर्म्स पहिल्या अर्जापासून ते वसुलीपर्यंत, पत जीवनचक्राच्या जवळपास प्रत्येक टप्प्यात कृत्रिम बुद्धिमत्तेचा (AI) समावेश करत आहेत.

हा बदल पैसा कुठे वाहत आहे यातून स्पष्ट दिसतो. भारतीय AI-नेटिव्ह कर्जपुरवठा प्लॅटफॉर्म Rezolv ने ऑगस्ट 2026 मध्ये Norwest च्या नेतृत्वाखाली $12.5 million ची Series A फेरी पूर्ण केली, जेणेकरून त्यांचे AI-आधारित कर्जपुरवठा आणि वसुली तंत्रज्ञान अधिक व्यापक करता येईल, तर युरोपियन बँका मूळ कामकाजात AI क्षमता उभारण्यासाठी खूप मोठ्या प्रमाणावर भांडवल गुंतवत आहेत.

या लेखात AI-आधारित कर्जपुरवठा आणि पत निर्णयप्रक्रिया म्हणजे प्रत्यक्षात काय, हा बदल आताच का घडत आहे, वास्तविक संस्थांमध्ये तो कसा दिसून येतो, आणि यंत्र-सहाय्यित निर्णयांभोवती पुन्हा उभारल्या जाणाऱ्या पत बाजारपेठेत वावरणाऱ्या कर्जदाते आणि कर्जदार या दोघांसाठी याचा काय अर्थ होतो, याचा आढावा घेतला आहे.

संकल्पना स्पष्टीकरण

AI-आधारित पत निर्णयप्रक्रिया म्हणजे पारंपरिक स्कोअरकार्डसोबत किंवा त्याऐवजी, कर्ज द्यायचे की नाही, किती द्यायचे आणि कोणत्या दराने द्यायचे हे ठरवण्यासाठी मशीन लर्निंग मॉडेल्सचा वापर करणे. केवळ काही मोजक्या ब्युरो व्हेरिएबल्सवर अवलंबून राहण्याऐवजी, या यंत्रणा व्यवहारांचा इतिहास, परतफेडीचे वर्तन, रोख प्रवाह (cash-flow) पॅटर्न आणि इतर संरचित माहितीचा विचार करून परतफेड क्षमतेचे अधिक तपशीलवार चित्र तयार करू शकतात.

हे तंत्रज्ञान संपूर्ण कर्जपुरवठा प्रणालीमध्ये पसरलेले आहे: अर्ज स्वीकृती आणि कागदपत्र पडताळणी, फसवणूक आणि ओळख तपासणी, अंडररायटिंग आणि किंमत निश्चिती, तसेच वितरणानंतरचे निरीक्षण आणि वसुली. AI-नेटिव्ह कर्जपुरवठा प्लॅटफॉर्म्स ही संपूर्ण प्रणाली सुरुवातीपासूनच याच पायावर उभारलेली असतात, जुन्या कर्ज-उगम प्रणालींवर मशीन लर्निंग जोडण्याऐवजी, आणि यामुळेच निधी अलीकडे तयार झालेल्या, याच उद्देशाने बनवलेल्या प्लॅटफॉर्म्समध्ये एकवटला आहे.

हे आत्ता का महत्त्वाचे आहे

ज्या बाजारपेठांमध्ये मोठ्या संख्येने कर्जदारांकडे अजूनही तुटपुंजी किंवा अजिबात पारंपरिक क्रेडिट फाइल नाही, तेथे पतमागणी वाढत आहे, आणि हाताने केली जाणारी अंडररायटिंग त्यांना फायदेशीरपणे सेवा देण्याइतकी व्यापक होऊ शकत नाही. त्याचवेळी, कर्जदात्यांवर डिफॉल्ट दर आणि कार्यचालन खर्च एकाचवेळी नियंत्रित ठेवण्याचा दबाव आहे, जे संथ, कागदपत्रांनी भरलेल्या जुन्या काळासाठी बनवलेल्या पारंपरिक प्रक्रियांद्वारे करणे कठीण आहे.

गुंतवणुकीच्या हालचाली यालाच दुजोरा देतात. ऑगस्ट 2026 मधील साप्ताहिक फिनटेक निधी आकडेवारीनुसार, एकूण उभारलेल्या भांडवलातील लक्षणीय वाटा पेमेंट्स आणि AI-केंद्रित करारांमुळे आला आहे, आणि Cambridge Centre for Alternative Finance च्या संशोधनानुसार फिनटेक कंपन्यांनी तंत्रज्ञान आणि उत्पादन कार्यांमध्ये 86 percent उत्पादकता वाढ नोंदवली, जी पारंपरिक वित्तीय संस्थांनी नोंदवलेल्या 68 percent वाढीपेक्षा 18 गुणांनी जास्त आहे. कर्जपुरवठा हे त्या उत्पादकता तफावतीचे सर्वात स्पष्ट दिसणारे एक क्षेत्र आहे.

AI या क्षेत्रात कसा बदल घडवत आहे

अंडररायटिंगच्या बाबतीत, AI मॉडेल्स पर्यायी डेटा स्रोतांवर प्रक्रिया करू शकतात आणि निश्चित पुनरावलोकन कालावधींऐवजी जोखीम मूल्यांकन सातत्याने अद्ययावत करू शकतात, ज्यामुळे कर्जदात्यांना अशा कर्जदारांना कर्ज देणे शक्य होते जे केवळ पारंपरिक ब्युरो-आधारित मॉडेलमध्ये दिसतच नाहीत. कार्यचालनाच्या बाबतीत, कागदपत्र तपासणी स्वयंचलित करणे, विसंगती ओळखणे आणि अर्ज योग्य ठिकाणी पाठवणे यासाठी AI चा वापर केला जात आहे, ज्यामुळे अर्ज आणि निर्णय यामधील वेळ कमी होतो.

प्रस्थापित बँका सर्वकाही स्वतः उभारण्याऐवजी भागीदारीच्या माध्यमातून हे साध्य करत आहेत. डच बँक ABN Amro ने पॅरिसस्थित Mistral AI सोबत भागीदारी करून सानुकूल AI सोल्यूशन्स विकसित करण्याचे ठरवले आहे, तर Rabobank ने पुढील तीन वर्षांत आपली AI क्षमता उभारण्यासाठी आणि विस्तारण्यासाठी €2 billion पर्यंत गुंतवणूक करण्याची योजना जाहीर केली आहे. या दोन्ही पावलांवरून हे स्पष्ट होते की AI हे प्रायोगिक जोड-वैशिष्ट्य न राहता कर्जपुरवठ्याच्या निर्णयांसाठी मूळ पायाभूत सुविधा बनत आहे.

प्रत्यक्ष जागतिक उदाहरणे

Rezolv चा दृष्टिकोन हे दाखवतो की AI-नेटिव्ह प्लॅटफॉर्म्स विशेषतः दुर्लक्षित कर्जपुरवठा विभागांसाठी कसे उभारले जात आहेत, जिथे कर्ज-उगम आणि कर्जवसुली या दोन्हींचे व्यवस्थापन अशा पद्धतीने AI द्वारे केले जाते जी पारंपरिक कर्ज व्यवस्थापन प्रणालींसाठी बनवलेलीच नव्हती. Norwest च्या नेतृत्वाखालील Series A फेरी विशेषतः हे मॉडेल आणखी विस्तारण्यासाठी उभारण्यात आली.

जोखीम-व्यवस्थापनाच्या बाजूने पाहता, Visa ने सायबरसुरक्षा कंपनी BioCatch ला $2.4 billion ला विकत घेणे हा एक संबंधित कल दर्शवतो: AI मुळे कर्जपुरवठ्याचे निर्णय जितके वेगवान होतात, तितकेच AI-आधारित फसवणूक आणि घोटाळा शोधण्याच्या यंत्रणांनाही तेवढ्याच वेगाने पुढे जावे लागते, कारण जर ओळख आणि वर्तनात्मक जोखीम तपासण्या तितक्याच प्रगत नसतील, तर वेगवान पत निर्णय AI-सक्षम फसवणुकीच्या प्रयत्नांसाठी अधिक संधी निर्माण करतात.

व्यावहारिक आर्थिक टिप्स

कर्जदारांसाठी याचा व्यावहारिक अर्थ असा आहे की आता अधिक व्यापक आर्थिक वर्तन कर्जदाते पतपात्रता कशी मोजतात यावर परिणाम करते. बँक स्टेटमेंट स्वच्छ ठेवणे, नियमित उत्पन्न जमा राखणे आणि विद्यमान कर्जांची वेळेवर परतफेड करणे हे AI-आधारित अंडररायटिंगमध्ये पूर्वीच्या केवळ ब्युरो-स्कोअर मॉडेल्सपेक्षा जास्त महत्त्वाचे ठरू शकते, कारण या यंत्रणा एकाच क्षणाचे चित्र पाहण्याऐवजी कालांतराने घडणारे पॅटर्न वाचण्यासाठी बनवलेल्या असतात.

AI साधनांचे मूल्यांकन करणाऱ्या कर्जदाते आणि फिनटेक ऑपरेटर्ससाठी, विद्यमान कर्ज व्यवस्थापन प्रणालीत AI वैशिष्ट्ये जोडणारे प्लॅटफॉर्म्स आणि सुरुवातीपासूनच AI-नेटिव्ह म्हणून बनवलेले प्लॅटफॉर्म्स यांच्यातील फरक समजून घेणे उपयुक्त ठरते, कारण हे दोन्ही प्रकार पर्यायी डेटा किती चांगल्या प्रकारे हाताळतात, मॉडेल ड्रिफ्टवर लक्ष कसे ठेवतात आणि वसुली कशी विस्तारतात यामध्ये लक्षणीयरीत्या भिन्न असतात. विक्रेत्यांच्या दाव्यांची नेहमी संबंधित कर्जदार विभागांवरील कामगिरीच्या स्वतंत्र पुराव्यांशी पडताळणी करावी.

भविष्यातील दिशा

एकंदर वाटचालीची दिशा असे सुचवते की AI प्रायोगिक प्रकल्पांपासून मूळ कर्जपुरवठा पायाभूत सुविधांकडे सरकत राहील, विशेषतः मोठ्या बँकांमध्ये, ज्या आता वेगळ्या संकल्पनांच्या चाचण्या चालवण्याऐवजी या बदलासाठी अनेक वर्षांचे, अब्जावधी युरोंचे अंदाजपत्रक राखून ठेवत आहेत. ABN Amro ने Mistral AI सोबत केलेल्या भागीदारीसारख्या बँका आणि AI लॅब्समधील भागीदाऱ्या अधिकाधिक सामान्य होण्याची शक्यता आहे, कारण संस्था अशा AI तज्ज्ञतेच्या शोधात आहेत जी त्या स्वतः लवकर उभारू शकत नाहीत.

त्याचवेळी, नियामक आणि जोखीम पथकांना हे मॉडेल्स कसे निर्णय घेतात, विशेषतः निष्पक्षता, स्पष्टीकरणक्षमता आणि फसवणुकीचा धोका या बाबतीत, याच्याशी ताळमेळ राखावा लागेल. BioCatch च्या अधिग्रहणासारख्या करारांमध्ये दिसणारे AI-आधारित अंडररायटिंगच्या वाढीबरोबरच AI-आधारित फसवणूक आणि ओळख जोखीम यांचे जोडलेपण असे सुचवते की या दोन्ही गोष्टी वेगळ्या मुद्द्यांप्रमाणे न राहता एकत्रितपणे विकसित आणि नियंत्रित केल्या जात राहतील.

याचा कर्जदार आणि कर्जदात्यांसाठी काय अर्थ होतो

कर्जदारांसाठी, AI-आधारित कर्जपुरवठा म्हणजे जलद निर्णय आणि पूर्वी कठोर, केवळ ब्युरो-आधारित स्कोअरिंगमुळे वगळल्या गेलेल्या लोकांना पतपुरवठ्याची उपलब्धता होय. याचा अर्थ असाही होतो की कर्जदात्याचे मॉडेल आर्थिक वर्तनाच्या अधिक व्यापक संचाचे प्रतिबिंब दाखवते, ज्यामुळे नियमित परतफेड आणि स्थिर खाते हालचाल यांसारख्या आर्थिक सवयींना अधिक महत्त्व प्राप्त होते.

कर्जदात्यांसाठी, हा हिशोब वेग आणि समावेशकता यांना जोखीम आणि नियमपालन यांच्याशी संतुलित करण्याबाबत आहे. Rezolv सारख्या AI-नेटिव्ह कर्जदात्यांपासून ते Rabobank आणि ABN Amro सारख्या मोठ्या बँकांपर्यंत, सर्वात वेगाने पुढे जाणाऱ्या संस्था AI पत निर्णयप्रक्रियेला एका क्षणात सुरू करता येणारे अल्पकालीन वैशिष्ट्य न मानता, अनेक वर्षे गुंतवणूक करावी अशी मूळ पायाभूत सुविधा मानत आहेत.