AI financial analytics

டிஜிட்டல் வங்கி பந்தயத்தில் எந்த நிதி நிறுவனங்கள் வெல்லும் என்பதை AI கணிக்க முடியுமா?

எந்த நிதி நிறுவனங்கள் டிஜிட்டல் வங்கி பந்தயத்தில் வெல்லும் என்பதை எந்த AI அமைப்பும் உறுதியாக கணிக்க முடியாது. AI-இயங்கும் பகுப்பாய்வு செய்யக்கூடியது ஆரம்பகால ஏற்றுக்கொள்ளல் சமிக்ஞைகளை வெளிக்கொணர்வது: ஒரு நிறுவனம் வாடிக்கையாளர்-சார்ந்த தொழில்நுட்பத்தை எவ்வளவு விரைவாக ஏற்றுக்கொள்கிறது, அது எந்த தயாரிப்பு துறைகளுக்கு முன்னுரிமை அளிக்கிறது, மற்றும் அதன் பயன்பாடு போட்டியாளர்களுடன் எவ்வாறு ஒப்பிடுகிறது போன்ற முறைகள். கேம்பிரிட்ஜ் சென்டர் ஃபார் ஆல்டர்நேட்டிவ் ஃபைனான்ஸ் நடத்திய 151 நாடுகளில் 203 ஃபின்டெக்குகள் மற்றும் 149 பாரம்பரிய நிதி நிறுவனங்கள் பற்றிய ஆய்வில், ஃபின்டெக்குகள் தொடர்ந்து வாடிக்கையாளர்-சார்ந்த AI ஏற்றுக்கொள்ளலில் முன்னணியில் உள்ளன என்றும், மொபைல் மணியில் மிகப்பெரிய இடைவெளி உள்ளது என்றும், அங்கு 51% ஃபின்டெக்குகள் AI-ஐப் பயன்படுத்துகின்றன, பாரம்பரிய நிறுவனங்களில் வெறும் 26% மட்டுமே பயன்படுத்துகின்றன என்றும் கண்டறியப்பட்டது. இந்த இடைவெளி கவனிக்கத்தக்க ஒரு சமிக்ஞை, ஒரு முன்னறிவிப்பு அல்ல.

"டிஜிட்டல் வங்கி பந்தயம்" என்ற கருத்து தொழில்துறை உரையாடலில் ஒரு பொதுவான சுருக்கமாக மாறிவிட்டது, இது சில நிறுவனங்கள் வெற்றி பெறும், மற்றவை பின்தங்கும் என்ற ஒரு இறுதிக் கோட்டைக் குறிக்கிறது. உண்மையில், வங்கித்துறை என்பது பணம் செலுத்துதல், கடன், சேமிப்பு, மொபைல் மணி, மற்றும் வாடிக்கையாளர் சேவை உள்ளிட்ட ஒன்றுடன் ஒன்று மேலெழும் பல சந்தைகளின் தொகுப்பாகும், ஒவ்வொன்றும் அதன் சொந்த வேகத்தில் வளர்ச்சியடைகிறது. மேலே குறிப்பிடப்பட்ட கேம்பிரிட்ஜ் சென்டர் ஃபார் ஆல்டர்நேட்டிவ் ஃபைனான்ஸ் கண்டுபிடிப்புகள் போன்ற ஏற்றுக்கொள்ளல் தரவு, பல்வேறு நிறுவனங்கள் தற்போது எங்கு நிற்கின்றன என்பதற்கான ஒரு பயனுள்ள துண்டுத் தோற்றத்தை வழங்குகிறது. வரும் ஆண்டுகளில் யார் ஆதிக்கம் செலுத்துவார்கள் என்பதை இது நமக்குக் கூறாது, ஏனெனில் இன்றைய ஏற்றுக்கொள்ளல் என்பது நீண்டகால முடிவுகளை வடிவமைக்கும் பல காரணிகளில் ஒன்று மட்டுமே.

டிஜிட்டல் வங்கியில் நிறுவன போட்டித்தன்மை பற்றி AI-அடிப்படையிலான பகுப்பாய்வு நமக்கு என்ன சொல்ல முடியும் மற்றும் என்ன சொல்ல முடியாது என்பதை இந்தக் கட்டுரை நேர்மையாகப் பார்க்கிறது. இது அடிப்படைக் கருத்தை விளக்குகிறது, ஃபின்டெக்குகள் மற்றும் பாரம்பரிய வங்கிகளுக்கு இடையிலான ஏற்றுக்கொள்ளல் இடைவெளி இப்போது ஏன் முக்கியமானது, இந்த மாற்றங்களைக் கண்காணிக்க பகுப்பாய்வுக் கருவிகள் உண்மையில் எவ்வாறு பயன்படுத்தப்படுகின்றன, மற்றும் கேம்பிரிட்ஜ் ஆய்வுத் தரவு உலகளாவிய முறைகளைப் பற்றி என்ன கூறுகிறது. இது இந்தப் போக்குகளைப் புரிந்துகொள்ள முயற்சிக்கும் எவருக்கும் நடைமுறை, தனிப்பயனாக்கப்படாத பரிசீலனைகளையும் வழங்குகிறது, மேலும் இந்த வகையான கணிப்பு நடைமுறையில் எவ்வளவு துல்லியமாக இருக்க முடியும் என்பதற்கான நேர்மையான பார்வையையும் வழங்குகிறது, இது வாடிக்கையாளர்-சார்ந்த AI ஏற்றுக்கொள்ளலில் ஃபின்டெக்குகள் பாரம்பரிய வங்கிகளை ஏன் முந்திக்கொண்டு செல்கின்றன என்ற பரந்த கேள்வியுடன் இணைகிறது.

கருத்து விளக்கம்

அடிப்படையில், டிஜிட்டல் வங்கியில் "வெற்றியாளர்களைக் கணிக்க" AI-ஐப் பயன்படுத்துவது என்பது கிடைக்கக்கூடிய குறிகாட்டிகளான ஏற்றுக்கொள்ளல் விகிதங்கள், அறிமுக வேகம், மற்றும் ஈடுபாடு அளவீடுகள் மீது புள்ளிவிவர மற்றும் இயந்திரக் கற்றல் மாதிரிகளைப் பயன்படுத்துவதாகும், இதன் மூலம் டிஜிட்டல் மாற்றத்தில் நன்றாகச் செயல்படும் நிறுவனங்களை அடையாளம் காணலாம். இந்த மாதிரிகள் கவனிக்கக்கூடிய முறைகளின் அடிப்படையில் நிறுவனங்களை தரவரிசைப்படுத்தலாம், தொகுக்கலாம் அல்லது மதிப்பெண் அளிக்கலாம். அவற்றால் செய்ய முடியாதது என்னவெனில், அளவிட கடினமான காரணிகளான ஒழுங்குமுறை மாற்றங்கள், தலைமை மாற்றங்கள், அல்லது நுகர்வோர் நம்பிக்கையில் மாற்றங்களைக் கணக்கிடுவது. இதன் காரணமாக, AI-அடிப்படையிலான பகுப்பாய்வு நிகழ்காலத்தின் மீதான ஒரு கண்டறியும் கண்ணாடியாக சிறப்பாகச் செயல்படுகிறது, எதிர்காலத்திற்கான படிக மாய கண்ணாடியாக அல்ல.

கேம்பிரிட்ஜ் சென்டர் ஃபார் ஆல்டர்நேட்டிவ் ஃபைனான்ஸ் ஆய்வு நடைமுறையில் இந்தப் பகுப்பாய்வு எப்படி இருக்கும் என்பதை விளக்குகிறது. முடிவுகளைக் கணிப்பதற்குப் பதிலாக, இது ஒரு தற்போதைய-நிலை அளவீட்டை அளந்தது: வாடிக்கையாளர்-சார்ந்த செயல்பாடுகளில் AI-ஐப் பயன்படுத்திய ஃபின்டெக்குகள் மற்றும் பாரம்பரிய நிறுவனங்களின் பங்கு, தயாரிப்பு துறை வாரியாகப் பிரிக்கப்பட்டது. மொபைல் மணியில் மிகப்பெரிய இடைவெளி, 51% எதிராக 26%, இருப்பதைக் காட்டும் இந்தக் கண்டுபிடிப்பு விவரிக்கும் தன்மையுடையது, கணிப்புத்தன்மையுடையது அல்ல. இது தற்போதைய வேகம் எங்கே உள்ளது என்பதை பகுப்பாய்வாளர்களுக்குச் சொல்கிறது, இது முன்னறிவிப்புக்கு மதிப்புமிக்க உள்ளீடு ஆகும், ஆனால் நீண்டகாலத்தில் யார் முன்னணியில் இருப்பார்கள் என்பதற்கான கணிப்பு இது அல்ல.

இது இப்போது ஏன் முக்கியம்

நேரம் முக்கியமானது, ஏனெனில் டிஜிட்டல் வங்கி பல சந்தைகளில் ஒரு திருப்புமுனையில் உள்ளது. கிளை வங்கிச் சேவை முழுமையாக நிலைபெறாத பகுதிகளில் மொபைல் மணி முக்கிய நிதி அணுகல் புள்ளியாக மாறியுள்ளது, இது அந்த வழியில் AI-இயக்கப்பட்ட அம்சங்களை மிகவும் முக்கியமானதாக ஆக்குகிறது. இந்தத் துறையில் பாரம்பரிய நிறுவனங்களை விட கிட்டத்தட்ட இரு மடங்கு விகிதத்தில் வாடிக்கையாளர்-சார்ந்த AI-ஐ ஏற்றுக்கொள்ளும் ஃபின்டெக்குகள், இந்த நிறுவனங்கள் எவ்வாறு கட்டமைக்கப்பட்டுள்ளன என்பதில் ஒரு கட்டமைப்பு வேறுபாட்டைக் குறிக்கின்றன: ஃபின்டெக்குகள் பொதுவாக டிஜிட்டல்-பூர்வீகமானவை, குறைவான பழைய அமைப்புகளைக் கொண்டவை, அதேசமயம் பாரம்பரிய வங்கிகள் தசாப்தங்கள் பழைய உள்கட்டமைப்பைக் கொண்டுள்ளன, இது விரைவான AI ஒருங்கிணைப்பை கடினமாக்குகிறது.

இந்த இடைவெளி தானாகவே குறையும் வாய்ப்பு குறைவு என்பதாலும் இது முக்கியமானது. பாரம்பரிய நிறுவனங்கள் நிர்வாகத் தேவைகள், இடர் குழுக்கள், மற்றும் இணக்கத் தணிக்கைகளை எதிர்கொள்கின்றன, இவற்றை ஃபின்டெக்குகள், குறிப்பாக புதியவை, மிக விரைவாகக் கடந்து செல்ல முடியும். இது கட்டாயமாக ஒரு குறை அல்ல, ஏனெனில் அந்த செயல்முறைகள் நுகர்வோர் பாதுகாப்பு உள்ளிட்ட நல்ல காரணங்களுக்காக உள்ளன, ஆனால் இதன் பொருள் ஏற்றுக்கொள்ளும் வேகம் மட்டும் நிறுவன வலிமைக்கான ஒரு முழுமையற்ற அளவீடு என்பதாகும். தொழில்துறையின் திசையை மதிப்பிட ஏற்றுக்கொள்ளல் தரவைப் பயன்படுத்தும் எவரும் வேகத்தை நிலைத்தன்மையுடன் நிறுத்தி பார்க்க வேண்டும், ஏனெனில் இவை இரண்டும் எப்போதும் நீண்டகாலத்தில் ஒரே நிறுவனங்களுக்கு சாதகமாக இருப்பதில்லை.

AI இந்தத் துறையை எவ்வாறு மாற்றுகிறது

பகுப்பாய்வாளர்கள் டிஜிட்டல் வங்கியில் போட்டி நிலையை எவ்வாறு ஆய்வு செய்கிறார்கள் என்பதை AI மாற்றுகிறது. வருமான அறிக்கைகள் அல்லது கதைச் சார்ந்த கருத்துகளை மட்டுமே நம்பியிருப்பதற்குப் பதிலாக, பகுப்பாய்வாளர்கள் இப்போது கட்டமைக்கப்பட்ட ஆய்வுத் தரவு, ஏற்றுக்கொள்ளல் ஒப்பீடுகள், மற்றும் பயன்பாட்டு-முறை பகுப்பாய்வை நம்பி நிறுவனங்கள் எங்கு நிற்கின்றன என்பதற்கான மிகவும் தற்போதைய படத்தை உருவாக்க முடியும். இயந்திரக் கற்றல் நுட்பங்கள் பெரிய தரவுத்தொகுப்புகளில் தொடர்புகளை அடையாளம் காண முடியும், உதாரணமாக ஒரு தயாரிப்பு துறையில் AI ஏற்றுக்கொள்ளலை மற்றொரு துறையில் ஈடுபாட்டுப் போக்குகளுடன் இணைப்பது, இதைக் கையால் கண்டறிவது கடினமாக இருக்கும். இது நிச்சயமற்ற தன்மையை நீக்காது, ஆனால் இது கிடைக்கக்கூடிய சான்றுகளை பாரம்பரிய அறிக்கை சுழற்சிகளை விட வளமானதாகவும் சரியான நேரத்திலும் ஆக்குகிறது.

ஃபின்டெக்குகள் மற்றும் பாரம்பரிய வங்கிகள் இரண்டும் தங்கள் சொந்த போட்டி நிலையை மதிப்பிட AI-ஐ உள்நாட்டில் பயன்படுத்துகின்றன, கிடைக்கும் போது தொழில்துறை தரவுடன் ஒப்பிடும் போது பதில் நேரங்கள், தனிப்பயனாக்கல் துல்லியம், அல்லது மோசடி கண்டறிதலை ஒப்பிடுகின்றன. கேம்பிரிட்ஜ் சென்டர் ஃபார் ஆல்டர்நேட்டிவ் ஃபைனான்ஸ் ஆய்வில் அடையாளம் காணப்பட்ட இடைவெளி ஏன் முக்கியமானது என்பதற்கான ஒரு பகுதி இந்த சுய-மதிப்பீடு ஆகும்: போட்டியாளர்களுடன் ஒப்பிட்டு தங்கள் AI முதிர்ச்சியை அளவிடும் நிறுவனங்கள் தகவலறிந்த முதலீட்டு முடிவுகளுக்கு சிறந்த நிலையில் உள்ளன, அந்த அளவீடு எதிர்கால சந்தை வெற்றியை உறுதி செய்யவில்லை என்றாலும். rupiya.ai போன்ற தளங்கள், மூல ஆய்வுத் தரவில் சிக்காமல் ஃபின்டெக் முன்னேற்றங்களைப் புரிந்துகொள்ள விரும்பும் வாசகர்களுக்காக இதுபோன்ற போக்குகளைக் கண்காணித்து விளக்குகின்றன, மொபைல் மணி AI பயன்பாட்டில் 25-புள்ளி இடைவெளி உண்மையில் என்ன குறிக்கிறது, என்ன குறிக்கவில்லை என்பதை விளக்குகின்றன.

நிஜ உலக உலகளாவிய உதாரணங்கள்

இந்த இயக்கவியலுக்கு கிடைக்கக்கூடிய மிகத் தெளிவான நிஜ-உலக உதாரணம் கேம்பிரிட்ஜ் சென்டர் ஃபார் ஆல்டர்நேட்டிவ் ஃபைனான்ஸ் ஆய்வே ஆகும், இது 151 நாடுகளில் 203 ஃபின்டெக்குகள் மற்றும் 149 பாரம்பரிய நிறுவனங்களை உள்ளடக்கியது, இது ஒரு ஒற்றைச் சந்தை புகைப்படமல்ல, உண்மையான உலகளாவிய மாதிரி ஆகும். அந்த மாதிரியில், ஃபின்டெக்குகள் பல வகைகளில் அதிக வாடிக்கையாளர்-சார்ந்த AI ஏற்றுக்கொள்ளலைப் புகாரளித்தன, ஆனால் இடைவெளி மொபைல் மணியில் மிகவும் தெளிவாக இருந்தது. மொபைல் மணி பெரும்பாலும் தொடக்கத்திலிருந்தே ஃபின்டெக்-தோற்றம் கொண்ட ஒரு வகையாக இருந்தது என்பதை இந்த முறை பிரதிபலிக்கிறது, குறிப்பாக இது முறையான வங்கிச் சேவையின் விரிவாக்கமாக அல்லாமல் ஒரு மாற்றாக வெளிப்பட்ட சந்தைகளில்.

இந்த ஆய்வு பல்வேறு ஒழுங்குமுறை சூழல்கள், வருமான நிலைகள், மற்றும் வங்கி உள்கட்டமைப்பு கொண்ட நாடுகளை உள்ளடக்கியிருப்பதால், அதன் கண்டுபிடிப்புகள் எந்தவொரு ஒற்றைச் சந்தையையும் பற்றிய கூற்றாக அல்லாமல் ஒரு பரந்த உலகளாவிய சமிக்ஞையாகப் படிக்கப்பட வேண்டும். 151 நாடுகளின் தரவுத்தொகுப்பு பரந்த வேறுபாட்டைப் பிடிக்கிறது, மொபைல் மணி முக்கிய நிதி வழியாக இருக்கும் சந்தைகளிலிருந்து பாரம்பரிய வங்கிச் சேவை உறுதியாக வேரூன்றியிருக்கும் சந்தைகள் வரை. இந்த வேறுபாடே இந்த ஆய்வை ஒரு தொழில்துறை அளவிலான குறிகாட்டியாகப் பயனுள்ளதாக ஆக்குகிறது, மேலும் எந்த ஒரு நாட்டில் எந்த பெயரிடப்பட்ட நிறுவனங்கள் "வெல்லும்" என்பது பற்றிய குறிப்பிட்ட கணிப்புகளாக இதை மாற்ற முடியாததற்கான காரணமும் இதுவே.

நடைமுறை நிதி குறிப்புகள்

நிதி சேவை வழங்குநர்களை மதிப்பிடும் நுகர்வோருக்கு, இதுபோன்ற ஏற்றுக்கொள்ளல் புள்ளிவிவரங்களை பல உள்ளீடுகளில் ஒன்றாகப் பயன்படுத்துவதே சிறந்தது, ஒரு தீர்க்கமான காரணியாக அல்ல. ஒரு ஃபின்டெக்கின் வாடிக்கையாளர்-சார்ந்த AI-யில் உள்ள வலிமை ஒவ்வொரு சூழ்நிலையிலும் தானாகவே சிறந்த பாதுகாப்பு, மிகவும் சாதகமான நிபந்தனைகள், அல்லது உயர்ந்த ஆதரவு என்று பொருள்படாது, ஏனெனில் அவை வழங்குநர் மற்றும் தயாரிப்புக்கு குறிப்பிட்ட காரணிகளைச் சார்ந்துள்ளன. AI-யின் அதிநவீனத்தன்மை மட்டுமே ஒட்டுமொத்த தரத்தைப் பிரதிபலிக்கிறது என்று கருதுவதற்குப் பதிலாக, ஒரு நிறுவனத்தின் உண்மையான நிபந்தனைகள், கட்டணங்கள், மற்றும் ஒழுங்குமுறை நிலையை நேரடியாக மதிப்பாய்வு செய்வது மதிப்புமிக்கது. இது பொதுவான தகவல், தனிப்பயனாக்கப்பட்ட நிதி ஆலோசனை அல்ல, மேலும் தனிப்பட்ட சூழ்நிலைகள் வேறுபடும்.

பகுப்பாய்வாளர்கள் மற்றும் வணிக முடிவெடுப்பவர்களுக்கு, ஏற்றுக்கொள்ளல்-இடைவெளி தரவை ஒரு முடிவாக அல்லாமல் ஆழமான ஆய்வுக்கான தொடக்கப் புள்ளியாகக் கருதுவதே பாடமாகும். மொபைல் மணி போன்ற ஒரு வகையில் பரந்த இடைவெளி, தரத்தின் எளிய தரவரிசைக்குப் பதிலாக, ஒழுங்குமுறை உராய்வா, பழைய உள்கட்டமைப்பா, அல்லது சந்தை தோற்றமா என்று அது ஏன் உள்ளது என்ற கேள்விகளை எழுப்புகிறது. ஏற்றுக்கொள்ளல் புள்ளிவிவரங்களை திருப்தித் தரவு மற்றும் நிதிச் செயல்திறன் போன்ற பிற குறிகாட்டிகளுடன் இணைப்பது, எந்தவொரு ஒற்றை அளவீட்டையும் தனியாக நம்பியிருப்பதை விட மிகவும் சமநிலையான பார்வையை அளிக்கிறது. விதிமுறைகள் மாறும்போது முறைகளும் மாறுவதால், ஒரு ஆய்வை நிரந்தர தீர்ப்பாகக் கருதுவதற்குப் பதிலாக அவ்வப்போது ஏற்றுக்கொள்ளல் தரவை மறுபரிசீலனை செய்வதும் உதவுகிறது. rupiya.ai-இல் செய்திகளைப் பின்பற்றும் வாசகர்கள், புதிய ஆய்வுச் சுற்றுகள் வெளிவரும்போது இந்த எண்கள் புதுப்பிக்கப்படும் என்று எதிர்பார்க்க வேண்டும்.

எதிர்கால கண்ணோட்டம்

முன்னோக்கிப் பார்க்கும்போது, ஃபின்டெக்-பாரம்பரிய வங்கி AI ஏற்றுக்கொள்ளல் இடைவெளி ஒரு நிலையான முடிவாக அல்லாமல் தீவிர அளவீட்டின் தலைப்பாகவே தொடரும் என்று எதிர்பார்ப்பது நியாயமானது. மேலும் நிறுவனங்கள் வாடிக்கையாளர்-சார்ந்த AI-யில் முதலீடு செய்யும்போது, தற்போதைய தரவில் அடையாளம் காணப்பட்ட இடைவெளி குறையலாம், அதிகரிக்கலாம், அல்லது முற்றிலும் வேறுபட்ட தயாரிப்பு வகைகளுக்கு மாறலாம். போதுமான வளங்களைக் கொண்ட பாரம்பரிய நிறுவனங்கள் அடையாளம் காணப்பட்ட இடைவெளியின் அளவைக் கருத்தில் கொண்டு குறிப்பாக மொபைல் மணியில் AI முதலீட்டை விரைவுபடுத்தலாம்; மாற்றாக, பாரம்பரிய போட்டியாளர்கள் தற்போதுள்ள பகுதிகளில் பிடிக்கும் முன்பு புதிய பயன்பாட்டு நிகழ்வுகளுக்குச் சென்று ஃபின்டெக்குகள் தங்கள் முன்னிலையை விரிவுபடுத்தலாம்.

AI ஏற்றுக்கொள்ளல் வேகத்தால் மட்டுமே ஒரு ஒற்றை, நிலையான "வெற்றியாளர்" வெளிப்படுவது சாத்தியமற்றதாகத் தெரிகிறது. நிதி நிறுவனங்கள் நம்பிக்கை, ஒழுங்குமுறை இணக்கம், மூலதன வலிமை, விநியோக எட்டுத்தூரம், மற்றும் தயாரிப்பு வடிவமைப்பு உள்ளிட்ட பல பரிமாணங்களில் ஒரே நேரத்தில் போட்டியிடுகின்றன, மேலும் AI ஏற்றுக்கொள்ளல் என்பது தீர்க்கமானதாக இல்லாமல் பல போட்டி உள்ளீடுகளில் ஒன்றாகும். கேம்பிரிட்ஜ் சென்டர் ஃபார் ஆல்டர்நேட்டிவ் ஃபைனான்ஸிலிருந்தோ அல்லது பிற ஆராய்ச்சி நிறுவனங்களிலிருந்தோ, எதிர்கால ஆய்வுச் சுற்றுகள் நிறுவன வெற்றியாளர்கள் மீதான தெளிவான தீர்ப்புக்குப் பதிலாக ஒரு கலவையான, வளர்ந்துவரும் படத்தையே தொடர்ந்து காட்டும் வாய்ப்புள்ளது, இதனாலேயே தொடர்ச்சியான, நேர்மையான பகுப்பாய்வு ஒரு முறை கணிப்புகளை விட முக்கியமானது.

கணிப்பு துல்லியத்தின் வரம்புகள்

நிறுவன வெற்றியை முன்னறிவிக்க AI ஏற்றுக்கொள்ளல் தரவைப் பயன்படுத்துவதன் வரம்புகள் குறித்து நேரடியாக இருப்பது மதிப்புமிக்கது. ஏற்றுக்கொள்ளல் புள்ளிவிவரங்கள் ஒரு தொழில்நுட்பம் பயன்பாட்டில் உள்ளதா இல்லையா என்பதை அளவிடுகின்றன, அது நன்றாகப் பயன்படுத்தப்படுகிறதா, அது வாடிக்கையாளர் விளைவுகளை மேம்படுத்துகிறதா, அல்லது அதைப் பயன்படுத்தும் நிறுவனத்திற்கு அது நிதி ரீதியாக நிலையானதா என்பதை அல்ல. மொபைல் மணியில் அதிக AI ஏற்றுக்கொள்ளல் கொண்ட ஒரு ஃபின்டெக், அதன் தொழில்நுட்ப அமைப்புடன் முற்றிலும் தொடர்பில்லாத காரணங்களுக்காக இன்னும் லாபகரத்தன்மை, இணக்கம், அல்லது வாடிக்கையாளர் நம்பிக்கையுடன் போராடலாம். ஏற்றுக்கொள்ளல் விகிதங்களை ஒட்டுமொத்த போட்டி வலிமைக்கான ஒரு பதிலியாகக் கருதுவது, எவ்வளவு நன்றாக அளவிடப்பட்டாலும் ஒரு ஒற்றை அளவீடு நீண்டகால விளைவுகளைப் பற்றி என்ன சொல்ல முடியுமோ அதை விட அதிகமாகச் சொல்லும் அபாயத்தை ஏற்படுத்துகிறது.

ஆய்வு அடிப்படையிலான தரவும் உள்ளார்ந்த வரம்புகளைக் கொண்டுள்ளது: சுய-அறிக்கையிடப்பட்ட புள்ளிவிவரங்கள், மாதிரி தேர்வுகள், மற்றும் ஆய்வு கேள்விகளின் சொல் தேர்வு அனைத்தும் முடிவுகளை வடிவமைக்கின்றன. 203 ஃபின்டெக்குகள் மற்றும் 149 பாரம்பரிய நிறுவனங்களை உள்ளடக்கிய கேம்பிரிட்ஜ் சென்டர் ஃபார் ஆல்டர்நேட்டிவ் ஃபைனான்ஸின் முறை, ஒரு கணிசமான மற்றும் உண்மையான உலகளாவிய மாதிரி ஆகும், ஆனால் நன்கு வடிவமைக்கப்பட்ட ஒரு ஆய்வு கூட தொடர்ச்சியான போக்குக் கோட்டிற்குப் பதிலாக ஒரு தருணத்தின் படத்தையே பிடிக்கிறது. வாசகர்களும் பகுப்பாய்வாளர்களும் மொபைல் மணி ஏற்றுக்கொள்ளல் இடைவெளி போன்ற கண்டுபிடிப்புகளை, இறுதியில் எந்த நிறுவனங்கள் டிஜிட்டல் வங்கியில் ஆதிக்கம் செலுத்தும் என்பதற்கான ஒரு உறுதியான கணிப்பாக அல்லாமல், நம்பகமான, பயனுள்ள தரவுப் புள்ளியாகக் கருத வேண்டும்.