வங்கித்துறையில் ஏஜென்டிக் AI என்றால் என்ன, அது எவ்வாறு செயல்படுகிறது?
வங்கித்துறையில் ஏஜென்டிக் AI என்பது, ஒரு இலக்கை நோக்கி நடவடிக்கைகளின் வரிசையைத் திட்டமிடவும், உள் வங்கிக் கருவிகள் மற்றும் தரவு ஆதாரங்களைப் பயன்படுத்தவும், மனிதர் ஒவ்வொரு படியையும் அங்கீகரிக்காமல் அந்த நடவடிக்கைகளில் பலவற்றைச் செய்யவும் இயலும் ஒரு வகை செயற்கை நுண்ணறிவு ஆகும், வங்கி ஒப்புதல் தேவை என வரையறுத்த புள்ளிகளில் மட்டுமே இது நிறுத்தும். இது, பெரும்பாலும் இடரை மதிப்பிட்டு அல்லது முரண்பாடுகளைக் குறித்துவிட்டு, அடுத்து என்ன செய்வது என்பதை முடிவெடுக்க ஒரு மனிதருக்காக காத்திருந்த முந்தைய வங்கி AI-யிலிருந்து வேறுபடுகிறது.
இந்தச் சொல் ஆராய்ச்சிக் கட்டுரைகளிலிருந்து வங்கி உத்தி ஆவணங்களுக்கு விரைவாக நகர்ந்துள்ளது, ஏனெனில் அடிப்படை தொழில்நுட்பம், குறிப்பாக பல படிகளில் தர்க்கம் செய்யக்கூடிய பெரிய மொழி மாதிரிகள், குறுகிய, நன்கு எல்லைக்குட்பட்ட பணிகளை நம்பி ஒப்படைக்கக்கூடிய அளவுக்கு நம்பகத்தன்மை பெற்றுள்ளது. இந்தக் கட்டுரை, ஏஜென்டிக் AI உண்மையில் எதைக் கொண்டுள்ளது, அது வங்கிச் சூழலில் எவ்வாறு செயல்படுகிறது, மற்றும் AI ஏஜென்ட்கள் வங்கி இணக்கத்தை எவ்வாறு மாற்றியமைக்கின்றன என்பது பற்றிய rupiya.ai-இன் வழிகாட்டியில் விவரிக்கப்பட்டுள்ள AI-இயக்கப்படும் இணக்கத்தை நோக்கிய பரந்த மாற்றத்தில் அது எங்கு பொருந்துகிறது என்பதையும் விளக்குகிறது.
நீங்கள் வங்கித்துறையில் பணிபுரிந்தாலும், ஃபின்டெக்கை ஒரு தொழில்துறை போக்காகப் பின்பற்றினாலும், அல்லது அடுத்த முறை உங்கள் வங்கி ஒரு தகராறைத் தீர்க்கும் போது அல்லது அசாதாரணமாக விரைவாக ஒரு பரிவர்த்தனையைக் குறிக்கும் போது திரைக்குப் பின்னால் என்ன நடக்கிறது என்பதை மட்டும் அறிய விரும்பினாலும், ஏஜென்டிக் AI-ஐப் புரிந்துகொள்வது முக்கியமானது. இந்தக் கட்டுரையின் மீதமுள்ள பகுதி, செயல்பாட்டு விவரங்களையும், ஏற்றுக்கொள்ளுதலுக்குப் பின்னால் உள்ள உந்துசக்திகளையும், தொழில்நுட்பம் முதிர்ச்சியடையும் போது எதைக் கவனிக்க வேண்டும் என்பதையும் விளக்குகிறது.
கருத்து விளக்கம்
தொழில்நுட்ப அளவில், ஒரு ஏஜென்டிக் AI அமைப்பு மூன்று கூறுகளை இணைக்கிறது: ஒரு இலக்கை விளக்கி அதைப் படிகளாகப் பிரிக்கக்கூடிய, பொதுவாக பெரிய மொழி மாதிரியாக இருக்கும் ஒரு தர்க்க இயந்திரம்; தரவுத்தளங்களை வினவவும், உள் அமைப்புகளை அழைக்கவும், அல்லது ஆவணங்களை வரைவு செய்யவும் அனுமதிக்கும் கருவிகள் அல்லது ஒருங்கிணைப்புகளின் தொகுப்பு; மற்றும் ஏஜென்ட் தானாக என்ன செய்யலாம், எதற்கு மனித ஒப்புதல் தேவை என்பதை வரையறுக்கும் ஒரு கொள்கை அடுக்கு. தர்க்க இயந்திரம், அதன் முந்தைய படியின் விளைவின் அடிப்படையில் அடுத்து என்ன செய்வது என்பதை முடிவு செய்கிறது, இதுவே முன்கூட்டியே வெளிப்படையாக ஸ்கிரிப்ட் செய்யப்படாத சூழ்நிலைகளைக் கையாள அதை அனுமதிக்கிறது.
ஒரு இணக்க பயன்பாட்டு வழக்கில், இது ஒரு ஏஜென்ட் குறிக்கப்பட்ட பரிவர்த்தனையைப் பெறுதல், வாடிக்கையாளரின் கணக்கு வரலாறு மற்றும் முந்தைய எச்சரிக்கைகளை வினவுதல், தற்போதைய கொள்கை வரம்புகளுடன் குறுக்கு-குறிப்பிடல், பரிவர்த்தனை ஏன் குறிக்கப்பட்டது என்பதற்கான சுருக்கத்தை வரைவு செய்தல், மற்றும் அந்தச் சுருக்கத்தை பரிந்துரைக்கப்பட்ட நடவடிக்கையுடன் ஒரு மனித ஆய்வாளரின் வரிசையில் வைத்தல் போன்று தோன்றலாம். இந்தப் படிகள் ஒவ்வொன்றும் தொழில்நுட்ப ரீதியாக கைமுறையாகச் செய்யப்படக்கூடும், ஆனால் ஏஜென்ட் அவற்றைத் தொடர்ச்சியாகவும் நிலைத்தன்மையுடனும் செய்கிறது, இது இறுதி தீர்ப்பில் கவனம் செலுத்த மனித ஆய்வாளரை விடுவிக்கிறது.
இது ஏன் இப்போது முக்கியம்
வங்கிகள் இப்போது ஏஜென்டிக் AI-ஐ ஏற்றுக்கொள்கின்றன, ஏனெனில் அவை கண்காணிக்க வேண்டிய தரவு மற்றும் பரிவர்த்தனைகளின் அளவு, இணக்கம் மற்றும் செயல்பாட்டு பணியாளர்களின் வளர்ச்சியை விட வேகமாக அதிகரித்துள்ளது. 2026 தொழில்துறை ஆய்வு ஒன்று, சுமார் மூன்றில் இரண்டு பங்கு நிதி நிறுவனங்கள் ஏற்கனவே ஏதோவொரு வகையில் AI-ஐப் பயன்படுத்துவதைக் கண்டறிந்துள்ளது, மீதமுள்ளவை கிட்டத்தட்ட அனைத்தும் அதைச் சோதனை செய்து அல்லது மதிப்பீடு செய்து வருகின்றன, இது இது இனி சில பெரிய வங்கிகளுக்கு மட்டுப்படுத்தப்பட்ட ஒரு பரிசோதனை தொழில்நுட்பமல்ல என்பதைக் காட்டுகிறது.
இந்த ஏஜென்ட்களுக்கு அடிப்படையாக இருக்கும் தர்க்க மாதிரிகளும் கடந்த இரண்டு ஆண்டுகளில் பல-படி பணிகளில் மேலும் நம்பகமானதாக மாறியுள்ளன, இது முன்பு வங்கிகள் AI அமைப்புகளுக்கு எந்தவொரு தன்னாட்சியையும் வழங்குவதில் எச்சரிக்கையாக இருக்கக் காரணமான பிழை விகிதத்தைக் குறைத்துள்ளது. அதிகரித்துவரும் ஒழுங்குமுறை அறிக்கையிடல் தேவைகளுடன் இணைந்த இந்த மேம்பட்ட நம்பகத்தன்மையே, ஏஜென்டிக் AI-ஐ ஆராய்ச்சி சோதனைகளிலிருந்து உண்மையான இணக்கக் குழுக்களுக்குள் நேரடி உற்பத்தி பயன்பாட்டிற்கு தள்ளியுள்ளது.
AI இந்தத் துறையை எவ்வாறு மாற்றியமைக்கிறது
முக்கிய மாற்றம் என்பது AI எதைச் செய்ய நம்பப்படுகிறது என்பதில் ஏற்பட்டுள்ள மாற்றமாகும். முன்பு ஒரு முன்கணிப்பு மாதிரி வெறுமனே ஒரு இடர் மதிப்பெண்ணை வெளியிட்டிருக்கக்கூடும் இடத்தில், இப்போது ஒரு ஏஜென்ட் அந்த மதிப்பெண்ணை எடுத்து, அடுத்து என்ன ஆதாரங்களைச் சேகரிக்க வேண்டும் என்பதை முடிவு செய்து, ஒரு மனிதர் ஆய்வு செய்வதற்காக கிட்டத்தட்ட முழுமையான வழக்குக் கோப்பைத் தயார் செய்யலாம். இது முன்பு பல மணி நேரம் எடுத்த கைமுறைச் செயல்முறையை ஒரு ஆய்வாளர் நிமிடங்களில் முடிக்கக்கூடிய பணியாக சுருக்குகிறது.
இது வங்கிக் குழுக்கள் எவ்வாறு கட்டமைக்கப்படுகின்றன என்பதையும் மாற்றுகிறது. ஒவ்வொருவரும் கைமுறையாக பணிச்சுமையின் ஒரு பகுதியைக் கையாளும் ஆய்வாளர்களின் பெரிய குழுக்களுக்குப் பதிலாக, வங்கிகள் பணி-குறிப்பிட்ட ஏஜென்ட் குழுக்களை மேற்பார்வையிடும் சிறிய குழுக்களை உருவாக்குகின்றன, ஒவ்வொரு ஆய்வாளரும் தனியாக கைமுறையாகக் கையாளக்கூடியதை விட அதிக அளவிலான வழக்குகளில் ஏஜென்ட் வெளியீட்டை ஆய்வு செய்வதற்குப் பொறுப்பாக இருக்கின்றனர்.
நிஜ-உலக உலகளாவிய உதாரணங்கள்
பொதுவாக மெலிந்த இணக்கக் குழுக்களுடன் இயங்கும் அமெரிக்காவின் சமூக வங்கிகள் மற்றும் கடன் சங்கங்கள், இருப்புநிலைக் குறிப்பு கண்காணிப்பு மற்றும் மூலதனச் சந்தை பணிகளில் கவனம் செலுத்தும் ஏஜென்டிக் கருவிகளை ஆரம்பத்திலேயே ஏற்றுக்கொண்டவை ஆகும், ஏனெனில் பணியாள வளங்கள் குறைவாக இருக்கும்போது தானியங்குமயமாக்கல் மிகப்பெரிய நன்மையை வழங்குகிறது. பெரிய அமெரிக்க வங்கிகள் மேலும் எச்சரிக்கையுடன் நகர்ந்துள்ளன, பரந்த அமலாக்கத்திற்கு முன் பெரும்பாலும் ஏஜென்ட்களை மோசடி மற்றும் பரிவர்த்தனை கண்காணிப்பிற்குள் குறுகிய நோக்குள்ள சோதனை திட்டங்களுக்கு மட்டுப்படுத்துகின்றன.
ஐரோப்பிய ஒன்றியத்தில், ஏற்றுக்கொள்ளுதல் AI சட்டத்தின் இடர் வகைப்பாட்டு அமைப்பால் நேரடியாக வடிவமைக்கப்படுகிறது, இது பல இணக்கம்-தொடர்பான AI கருவிகளை ஆவணப்படுத்தப்பட்ட மனித மேற்பார்வை தேவைப்படும் உயர்-இடர் வகையில் வைக்கிறது, இது ஐரோப்பிய வங்கிகளை உள்ளமைந்த ஒப்புதல் சரிபார்ப்பு புள்ளிகளுடன் கூடிய ஏஜென்ட் வடிவமைப்புகளை நோக்கி தள்ளுகிறது. சிங்கப்பூர் உள்ளிட்ட ஆசியாவின் ஃபின்டெக் மையங்கள், முழு அமலாக்கத்திற்கு முன் வங்கிகள் ஏஜென்டிக் கருவிகளை நெருக்கமான மேற்பார்வையின் கீழ் சோதிக்க அனுமதிக்கும் ஒழுங்குமுறையாளர்-வழிகாட்டப்பட்ட சாண்ட்பாக்ஸ்களின் கீழ் இதே போன்ற பரிசோதனைகளை ஊக்குவித்துள்ளன.
நடைமுறை நிதி குறிப்புகள்
நீங்கள் ஏஜென்டிக் AI-ஐ மதிப்பீடு செய்யும் ஒரு வங்கி அல்லது ஃபின்டெக்கில் பணிபுரிந்தால், முழு பணிப்பாய்வையும் ஒரே நேரத்தில் தானியங்குமயமாக்க வேண்டும் என்ற ஆசையை எதிர்க்கவும். குறிக்கப்பட்ட பரிவர்த்தனைகளுக்கான ஆதரவு ஆதாரங்களைச் சேகரித்தல் போன்ற ஒரு ஒற்றை, நன்கு வரையறுக்கப்பட்ட பணியுடன் தொடங்குங்கள், மேலும் அதன் நோக்கத்தை விரிவுபடுத்துவதற்கு முன், ஏஜென்டின் வெளியீடு ஒரு மனித ஆய்வாளர் தயாரித்திருக்கக்கூடியதுடன் எவ்வளவு அடிக்கடி பொருந்துகிறது என்பதை அளவிடுங்கள்.
நீங்கள் ஒரு வங்கி வாடிக்கையாளராக இருந்தால், முடக்கப்பட்ட பரிவர்த்தனை அல்லது குறிக்கப்பட்ட கணக்கு போன்ற உங்களைப் பாதிக்கும் முடிவுகள் எவ்வாறு எடுக்கப்பட்டன, மற்றும் ஒரு AI அமைப்பு அதில் ஏதேனும் பங்கு வகித்ததா என்று கேட்பது நியாயமானது. இன்று இது குறித்து நிறுவனங்கள் எவ்வளவு வெளிப்படையாக இருக்கின்றன என்பதில் வேறுபடுகின்றன, ஆனால் ஒழுங்குமுறையாளர்கள் AI-உதவியுடன் எடுக்கப்படும் முடிவுகளில் அதிக கவனம் செலுத்தும்போது அந்த வெளிப்படைத்தன்மை மேலும் தரப்படுத்தப்படும் வாய்ப்புள்ளது.
எதிர்கால அவுட்லுக்
இணக்கத்தில் காணப்பட்ட அதே வடிவத்தைப் பின்பற்றி, ஏஜென்டிக் AI வாடிக்கையாளர் இணைவு சரிபார்ப்புகள், தடைகள் ஸ்கிரீனிங், மற்றும் உள் தணிக்கை ஆதரவு போன்ற அருகிலுள்ள பகுதிகளுக்கு தொடர்ந்து விரிவடையும் என எதிர்பார்க்கலாம்: முதலில் குறுகிய சோதனைகள், பின்னர் நம்பகத்தன்மை நிரூபிக்கப்பட்டவுடன் பரந்த அமலாக்கம். இது நடக்கும்போது, ஏஜென்டிக் AI-க்கும், rupiya.ai-இன் தூண் வழிகாட்டியில் விவரிக்கப்பட்ட AI-இயக்கப்படும் வங்கி இணக்கத்தை நோக்கிய பரந்த மாற்றத்திற்கும் இடையேயான வேறுபாடு தொடர்ந்து மங்கலாகும், ஏனெனில் இரண்டும் ஒரே அடிப்படை போக்கை வெவ்வேறு கோணங்களிலிருந்து விவரிக்கின்றன.
நீண்ட காலத்தில், தொழில்நுட்பத்தின் உச்சவரம்பு, மாதிரிகள் தொழில்நுட்ப ரீதியாக என்ன செய்யக்கூடும் என்பதைவிட, ஒவ்வொரு படியையும் மனிதர் உறுதிப்படுத்தாமல் செயல்படக்கூடிய ஒரு அமைப்பிடம் தீர்ப்பை ஒப்படைப்பதில் ஒழுங்குமுறையாளர்களும் நிறுவனங்களும் எவ்வளவு வசதியாக உணர்கின்றன என்பதன் மூலம் அதிகம் நிர்ணயிக்கப்படும்.
இடர்கள் மற்றும் வரம்புகள்
ஏஜென்டிக் AI-இன் மிகப்பெரிய வரம்பு என்னவென்றால், அது தனக்கு வழங்கப்பட்ட கொள்கைகள் மற்றும் தரவைப் போலவே மட்டுமே சிறப்பாக இருக்க முடியும்; காலாவதியான வரம்புகள் அல்லது முழுமையற்ற கணக்குத் தரவின் அடிப்படையில் இயங்கும் ஒரு ஏஜென்ட், ஒரு சரியான பரிந்துரையை உருவாக்குவது போலவே எளிதாக ஒரு தவறான பரிந்துரையையும் நம்பிக்கையுடன் உருவாக்கும். ஒரு எளிய தானியங்குமயமாக்கல் ஸ்கிரிப்டைப் போலல்லாமல், ஒரு ஏஜென்டின் பல-படி தர்க்கம், அது ஒரு குறிப்பிட்ட முடிவை எப்படி அடைந்தது என்பதைத் துல்லியமாகக் கண்டறிவதையும் கடினமாக்கும், இது தணிக்கைகளை சிக்கலாக்குகிறது.
ஒரு செறிவு இடரும் உள்ளது: ஒரே ஏஜென்ட் வடிவமைப்பு ஒரு நிறுவனத்தின் இணக்கப் பணிச்சுமையின் பெரும் பங்கைக் கையாண்டால், அதன் அடிப்படை தர்க்கத்தில் ஒரு குறைபாடு, யாரும் கவனிக்கும் முன் பல வழக்குகளில் பிழைகளைப் பரப்பக்கூடும், அதனால்தான் பெரும்பாலான வங்கிகள் தற்போது உண்மையான நிதி அல்லது ஒழுங்குமுறை விளைவுகளைக் கொண்ட எந்தவொரு நடவடிக்கையிலும் ஒரு மனித சரிபார்ப்பு புள்ளியை வைத்திருக்கின்றன.
Frequently Asked Questions
எளிய வார்த்தைகளில் ஏஜென்டிக் AI என்றால் என்ன?
ஏஜென்டிக் AI என்பது, ஒரு மனிதர் நடவடிக்கை எடுப்பதற்காக வெறும் ஒரு முன்கணிப்பை மட்டும் தருவதற்குப் பதிலாக, தரவைச் சேகரித்தல் மற்றும் ஒரு அறிக்கையை வரைவு செய்தல் போன்ற ஒரு இலக்கை நோக்கி பல படிகளை தானாகவே திட்டமிட்டு செய்யக்கூடிய செயற்கை நுண்ணறிவு ஆகும்.
ஏஜென்டிக் AI, ஒரு சாட்பாட் அல்லது அடிப்படை தானியங்குமயமாக்கலிலிருந்து எவ்வாறு வேறுபடுகிறது?
ஒரு சாட்பாட் முக்கியமாக கேள்விகளுக்குப் பதிலளிக்கிறது, அடிப்படை தானியங்குமயமாக்கல் நிலையான if-then விதிகளைப் பின்பற்றுகிறது. ஏஜென்டிக் AI பல-படி பணிகள் மூலம் தர்க்கம் செய்து, அது கண்டறிவதன் அடிப்படையில் தனது அணுகுமுறையை சரிசெய்யக்கூடும், இது முன்கூட்டியே வெளிப்படையாக ஸ்கிரிப்ட் செய்யப்படாத சூழ்நிலைகளைக் கையாள அதை அனுமதிக்கிறது.
ஏஜென்டிக் AI ஏற்கனவே உண்மையான வங்கிகளில் பயன்படுத்தப்படுகிறதா?
ஆம். சமூக வங்கிகள், கடன் சங்கங்கள் மற்றும் சில பெரிய நிறுவனங்கள் பரிவர்த்தனை கண்காணிப்பு மற்றும் இருப்புநிலைக் குறிப்பு நுண்ணறிவு போன்ற பகுதிகளில் ஏஜென்டிக் கருவிகளைப் பயன்படுத்துகின்றன, இருப்பினும் பெரும்பாலான அமலாக்கங்கள் முக்கியமான முடிவுகளுக்கு ஒரு மனித ஒப்புதல் படியை வைத்திருக்கின்றன.
வங்கித்துறையில் ஏஜென்டிக் AI-இன் முக்கிய இடர் என்ன?
முக்கிய இடர் என்னவென்றால், ஒரு ஏஜென்டின் தர்க்கத்தை தணிக்கை செய்வது கடினமாக இருக்கக்கூடும், மேலும் அதன் அடிப்படை தர்க்கம் அல்லது தரவில் உள்ள பிழைகள் விரைவாக பல வழக்குகளைப் பாதிக்கக்கூடும், அதனால்தான் மனித மேற்பார்வை சரிபார்ப்பு புள்ளிகள் இன்னும் நிலையான நடைமுறையாக உள்ளன.