नई दिल्ली: बैंकों में आर्टिफिशियल इंटेलिजेंस (AI) के आने से 70% कर्मचारियों की नौकरी जाने का दावा पूरी तरह से एक भ्रम है। ग्लोबल कंसल्टिंग फर्म मैककिन्से (McKinsey & Company) की रिपोर्ट के मुताबिक, बैंकों के रिस्क मैनेजमेंट (Risk Management) विभाग में 60% से 70% तक केवल हाथ से किए जाने वाले (Manual) काम ऑटोमेट होंगे, न कि इतने प्रतिशत कर्मचारियों की छंटनी (Layoffs) की जाएगी। इससे बचने वाले समय का इस्तेमाल कर्मचारी कर्ज से जुड़े जटिल फैसलों और ग्राहकों की सलाह में करेंगे।

मुख्य बातें (AI Overview):

  • गलतफहमी बनाम सच: 60% से 70% आंकड़ा मैनुअल कामों के ऑटोमेशन (Automation) का है, कर्मचारियों को नौकरी से निकालने का नहीं।

  • कहां पड़ेगा असर: डेटा कलेक्शन, केवाईसी (KYC) दस्तावेजों की जांच और शुरुआती क्रेडिट फाइल तैयार करने जैसे रूटीन काम अब जनरेटिव AI (Generative AI) करेगा।

  • बचे हुए समय का क्या होगा: मैककिन्से के अनुसार, ऑटोमेशन से बचने वाली लगभग 50% क्षमता का उपयोग गहरे वित्तीय विश्लेषण, रिस्क एडवाइजरी और तेज फैसले लेने में होगा। बाकी 50% हिस्सा डेटा सुरक्षा और नए AI मॉडल संभालने में लगेगा।

  • किन नौकरियों पर है असली खतरा: केवल डेटा एंट्री और कॉपी-पेस्ट रिपोर्टिंग तक सीमित रहने वाले बैक-ऑफिस रोल धीरे-धीरे खत्म होंगे, जबकि AI टूल्स समझने वाले बैंकरों की मांग बढ़ेगी।

आईटी सेक्टर (IT Sector) में हुई छंटनी के बाद अब सोशल मीडिया और कई खबरों में यह डर फैलाया जा रहा है कि अगला नंबर बैंक कर्मचारियों का है। हेडलाइन देखकर लगता है कि बैंक अपनी आधी से ज्यादा वर्कफोर्स को बाहर का रास्ता दिखाने वाले हैं।

लेकिन अगर आप बैंकिंग सेक्टर में काम करते हैं या इसकी तैयारी कर रहे हैं, तो आपको हेडलाइन के पीछे का गणित समझना होगा। जब कोई रिपोर्ट कहती है कि किसी विभाग का 70% काम मशीन करेगी, तो आम तौर पर लोग मान लेते हैं कि 10 में से 7 लोगों की कुर्सी छिन जाएगी। असल बैंकिंग ऑपरेशन में ऐसा नहीं होता।

क्या सच में बैंकों से 70% कर्मचारियों की छंटनी होने वाली है?

नहीं, मैककिन्से की रिपोर्ट में कहीं भी 70% स्टाफ हटाने की बात नहीं कही गई है। रिपोर्ट में साफ तौर पर कार्यक्षमता (Capacity) और मैनुअल टास्क (Manual Tasks) की बात की गई है।

इसे एक बैंक ब्रांच या क्रेडिट प्रोसेसिंग सेंटर के उदाहरण से समझिए। आज जब कोई छोटी कंपनी (MSME) 50 लाख रुपये के बिजनेस लोन के लिए आवेदन करती है, तो बैंक के क्रेडिट और रिस्क ऑफिसर का 70% समय सिर्फ कागजी कार्यवाही में निकल जाता है। उसे ग्राहक के पिछले तीन साल के बैंक स्टेटमेंट, जीएसटी रिटर्न (GST Returns), आईटीआर (ITR) और प्रॉपर्टी के कागजात इकट्ठा करने पड़ते हैं। फिर उन आंकड़ों को एक्सेल शीट में डालकर देखना पड़ता है कि कहीं कोई गड़बड़ी तो नहीं है।

AI के आने से यह शुरुआती छानबीन और ड्राफ्टिंग का काम घंटों के बजाय कुछ मिनटों में हो जाएगा। यानी कर्मचारी के काम का वह 70% हिस्सा जो सिर्फ डेटा जुटाने और मिलान करने में जाता था, वह मशीन कर देगी। लेकिन उस कंपनी को लोन देना है या नहीं, इसके पीछे का व्यावहारिक फैसला आज भी इंसान ही लेगा।

वैश्विक स्तर पर भी यही रुझान दिखा है। ब्लूमबर्ग इंटेलिजेंस (Bloomberg) के एक अनुमान में कहा गया था कि अगले कुछ वर्षों में वैश्विक बैंकों में AI के कारण बैक-ऑफिस और मिडिल-ऑफिस के करीब 2 लाख पदों पर असर पड़ सकता है। यह कुल बैंकिंग कार्यबल का करीब 3% से 5% हिस्सा बनता है, न कि 70%। भारत जैसे बढ़ते बाजार में जहां भारतीय रिजर्व बैंक (Reserve Bank of India) लगातार वित्तीय समावेशन (Financial Inclusion) और डिजिटल सुरक्षा पर जोर दे रहा है, वहां कर्मचारियों को निकालने के बजाय उन्हें नए कामों में शिफ्ट करने की जरूरत ज्यादा है।

बैंक के रिस्क मैनेजमेंट और रोजमर्रा के काम में AI क्या बदलेगा?

रिस्क मैनेजमेंट (Risk Management) किसी भी बैंक की रीढ़ होता है। आसान शब्दों में कहें तो इस विभाग का काम यह देखना है कि जिस व्यक्ति या कंपनी को बैंक पैसा दे रहा है, वह पैसा वापस आएगा या डूब (NPA) जाएगा। इसके अलावा बैंक को धोखाधड़ी और सरकारी नियमों के उल्लंघन के जुर्माने से बचाना भी इसी टीम की जिम्मेदारी है।

अब तक यह काम भारी-भरकम फाइलों और इंसानी जांच पर टिका था। AI और खास तौर पर लार्ज लैंग्वेज मॉडल्स (LLMs) इस प्रक्रिया के पांच प्रमुख हिस्सों को अपने हाथ में ले रहे हैं:

1. ग्राहक और कंपनियों की वित्तीय कुंडली खंगालना

किसी कॉर्पोरेट क्लाइंट को लोन देने से पहले बैंक को उसकी बैलेंस शीट, बाजार में उसकी साख और पुराने कर्ज का रिकॉर्ड देखना होता है। AI टूल्स कुछ ही सेकंड में हजारों पन्नों की वार्षिक रिपोर्ट, टैक्स फाइलिंग और बाजार की खबरों को स्कैन करके एक समरी (Summary) तैयार कर देते हैं।

2. लोन ड्राफ्टिंग और क्रेडिट मेमो तैयार करना

बैंकों में लोन पास होने से पहले एक लंबा क्रेडिट अप्रेजल मेमो (CAM) लिखा जाता है। जूनियर रिस्क एनालिस्ट का आधा महीना इसी रिपोर्ट को टाइप करने और फॉर्मेट करने में बीत जाता है। जनरेटिव AI अब पुराने टेम्पलेट्स और ग्राहक के ताजा डेटा के आधार पर पहला ड्राफ्ट खुद तैयार कर रहा है।

3. रेगुलेटरी कंप्लायंस और नियमों की जांच

आरबीआई (RBI) और अन्य नियामक संस्थाएं समय-समय पर कर्ज और केवाईसी के नियम बदलती रहती हैं। हर लोन फाइल उन सभी नियमों पर खरी उतरती है या नहीं, इसकी मैनुअल जांच में मानवीय भूल होने का डर रहता है। AI सिस्टम हर फाइल को ताजा गाइडलाइंस से तुरंत क्रॉस-चेक कर लेता है।

4. संदिग्ध लेनदेन और फ्रॉड की तुरंत पहचान

बैंकों में रोज करोड़ों ट्रांजैक्शन होते हैं। अगर किसी खाते से अचानक असामान्य रूप से पैसा निकाला जा रहा है या मनी लॉन्ड्रिंग (AML) की आशंका है, तो पुराने नियम-आधारित सॉफ्टवेयर कई बार झूठे अलर्ट (False Positives) भेजते थे। AI ग्राहक के पुराने व्यवहार के पैटर्न को समझकर असली धोखाधड़ी को तुरंत पकड़ता है और फर्जी अलर्ट की संख्या कम करता है।

ऑटोमेशन से बचने वाले समय और कर्मचारियों का बैंक क्या करेंगे?

अक्सर यह सवाल उठता है कि जब मशीन 60% से 70% काम निपटा देगी, तो बैंक उतने ही कर्मचारियों को वेतन क्यों देगा? मैककिन्से की रिपोर्ट इसी सवाल का सबसे सटीक जवाब देती है।

आज बैंकों के रिस्क विभाग काम के बोझ से दबे हुए हैं। फाइलों का अंबार इतना ज्यादा होता है कि अधिकारी सिर्फ कागजी खानापूर्ति पूरी करने में लगे रहते हैं और असली जोखिम का गहराई से विश्लेषण करने का समय ही नहीं मिलता। रिपोर्ट बताती है कि ऑटोमेशन से जो समय और संसाधन बचेंगे, बैंक उन्हें दो बराबर हिस्सों में बांट सकते हैं।

पहला 50% हिस्सा सीधे तौर पर बिजनेस को सुरक्षित और तेज बनाने में लगेगा। जब एक रिस्क ऑफिसर को डेटा कॉपी-पेस्ट नहीं करना पड़ेगा, तो वह अपना दिमाग इस बात पर लगाएगा कि बाजार के बदलते हालात में किसी सेक्टर को लोन देना कितना सुरक्षित है। वह ग्राहकों को बेहतर वित्तीय सलाह (Risk Advisory) दे पाएगा और लोन मंजूर करने की प्रक्रिया (Turnaround Time) हफ्तों से घटकर दिनों में आ जाएगी।

बची हुई 50% क्षमता का इस्तेमाल खुद AI सिस्टम को संभालने, डेटा की गोपनीयता (Data Privacy) बनाए रखने और साइबर सुरक्षा ढांचे को मजबूत करने में होगा। AI कोई जादू की छड़ी नहीं है जिसे एक बार चलाकर छोड़ दिया जाए। इसके मॉडल्स की निगरानी करनी पड़ती है ताकि वे गलत या पक्षपातपूर्ण नतीजे न दें। इसे बैंकिंग भाषा में मॉडल रिस्क मैनेजमेंट (Model Risk Management) कहा जाता है, जिसके लिए बड़ी संख्या में जानकार इंसानों की जरूरत पड़ती है।

किन बैंक कर्मचारियों की नौकरी पर सच में खतरा है और कौन सुरक्षित हैं?

भले ही 70% छंटनी की बात गलत हो, लेकिन इसका मतलब यह बिल्कुल नहीं है कि किसी की नौकरी नहीं जाएगी। बदलाव के इस दौर में काम करने का तरीका पूरी तरह बदल रहा है।

सबसे ज्यादा असर उन पदों पर पड़ेगा जहां काम में कोई दिमागी फैसला शामिल नहीं है। अगर किसी कर्मचारी का काम सिर्फ एक सॉफ्टवेयर से डेटा उठाकर दूसरे सॉफ्टवेयर में डालना, फॉर्म के अक्षरों को मिलाकर टिक लगाना या तयशुदा फॉर्मेट में रोज एक जैसी रिपोर्ट बनाना है, तो आने वाले दो से तीन सालों में ऐसे रोल खत्म हो जाएंगे या उन्हें मर्ज कर दिया जाएगा। बैंक अब ऐसी बैक-ऑफिस भर्तियों को धीरे-धीरे कम कर रहे हैं।

दूसरी तरफ, तीन तरह के काम ऐसे हैं जहां AI इंसान की जगह नहीं ले सकता:

  • पेचीदा मामलों का आकलन (Complex Edge Cases): जिन ग्राहकों या स्टार्टअप्स की कोई पुरानी क्रेडिट हिस्ट्री नहीं है, या जिनका बिजनेस मॉडल बिल्कुल नया है, वहां मशीन का पुराना डेटा काम नहीं आता। वहां एक अनुभवी बैंकर की समझ ही काम आती है।

  • अंतिम निर्णय और जवाबदेही (Final Sign-off): आरबीआई और वैश्विक बैंकिंग नियमों के तहत, किसी भी बड़े कर्ज या वित्तीय फैसले की कानूनी जिम्मेदारी किसी सॉफ्टवेयर पर नहीं डाली जा सकती। AI सिर्फ सुझाव दे सकता है, लेकिन फाइल पर अंतिम हस्ताक्षर किसी जिम्मेदार अधिकारी के ही होंगे।

  • ग्राहक संबंध और नेगोशिएशन: बड़े कॉर्पोरेट लोन या फंसे हुए कर्ज (Recovery) के मामलों में ग्राहक के साथ बैठकर शर्तों पर बातचीत करना और रास्ता निकालना पूरी तरह इंसानी कौशल का काम है।

शुरुआती दौर में AI अपनाने वाले बैंकों को क्या फायदा होगा और चुनौतियां क्या हैं?

बैंकिंग सेक्टर में इस समय एक अघोषित दौड़ चल रही है। जो बैंक आज अपने रिस्क और क्रेडिट सिस्टम में AI को जोड़ रहे हैं, उन्हें आने वाले समय में सीधा व्यावसायिक फायदा मिलेगा। उनका ऑपरेशनल खर्च घटेगा और वे दूसरे बैंकों की तुलना में कम समय में ग्राहक को लोन का फैसला सुना पाएंगे। आज के दौर में जिस बैंक का लोन प्रोसेसिंग समय सबसे कम और सुरक्षित होता है, अच्छा ग्राहक उसी के पास जाता है।

हालांकि, कागज पर यह जितना आसान दिखता है, जमीन पर लागू करना उतना ही कठिन है। भारत के कई बड़े सरकारी और निजी बैंकों का डेटा आज भी अलग-अलग पुराने सिस्टम्स (Legacy Systems) में बिखरा पड़ा है। जब तक बैंक अपने डेटा को एक जगह साफ-सुथरे तरीके से व्यवस्थित नहीं करते, तब तक कोई भी AI मॉडल सही नतीजे नहीं दे सकता।

दूसरी बड़ी चुनौती डेटा सुरक्षा और 'हैलुसिनेशन' (AI द्वारा गलत जानकारी को सही बनाकर पेश करना) की है। वित्तीय मामलों में 1% की गलती भी बैंक पर करोड़ों का जुर्माना लगवा सकती है। वर्ल्ड इकोनॉमिक फोरम (World Economic Forum) की वित्तीय रिपोर्ट्स भी लगातार आगाह करती रही हैं कि बैंकों को AI लागू करने से पहले सख्त गवर्नेंस नियम और प्रशिक्षित स्टाफ तैयार करना होगा।

बैंक कर्मचारियों और छात्रों को अब कौन से स्किल्स सीखने चाहिए?

अगर आप पहले से बैंक में हैं या बैंकिंग परीक्षाओं (IBPS, SBI या प्राइवेट बैंक प्रोग्राम्स) की तैयारी कर रहे हैं, तो डरने के बजाय अपनी तैयारी का तरीका बदलने का समय आ गया है।

एक पुरानी कहावत जो आज बैंकिंग पर बिल्कुल सटीक बैठती है—AI आपकी नौकरी नहीं छीनेगा, लेकिन जो बैंकर AI का इस्तेमाल करना जानता है, वह आपकी जगह जरूर ले लेगा। भविष्य में बैंकों को ऐसे लोग चाहिए जिन्हें बैंकिंग के नियमों के साथ-साथ तकनीक की भी समझ हो।

अपने करियर को सुरक्षित और आगे बढ़ाने के लिए इन चार चीजों पर ध्यान दें:

  1. डेटा एनालिटिक्स की समझ: केवल एक्सेल के साधारण फॉर्मूलों तक सीमित न रहें। डेटा को पढ़कर उसमें से बिजनेस के मतलब की बात निकालना सीखें।

  2. AI टूल्स और प्रॉम्प्टिंग: बैंक के अंदर इस्तेमाल होने वाले सुरक्षित AI सिस्टम्स से सही सवाल पूछकर रिपोर्ट निकलवाना और फिर उस रिपोर्ट की गलतियों को पकड़ना एक जरूरी कौशल बन चुका है।

  3. रेगुलेटरी और डोमेन नॉलेज: आरबीआई के नियमों, बेसल मानकों (Basel Norms) और क्रेडिट पॉलिसी की अपनी समझ को इतना गहरा बनाएं कि जब AI कोई ड्राफ्ट बनाकर दे, तो आप तुरंत बता सकें कि उसमें कौन सा क्लॉज गलत है।

  4. साइबर और डेटा सुरक्षा के नियम: डिजिटल पर्सनल डेटा प्रोटेक्शन (DPDP) कानून के बाद बैंकों में ग्राहक के डेटा की सुरक्षा सबसे संवेदनशील मुद्दा है। इसकी जानकारी रखने वाले कर्मचारियों की हर विभाग में जरूरत रहेगी।

अक्सर पूछे जाने वाले सवाल (FAQs)

क्या AI की वजह से सरकारी बैंकों (PSU Banks) में भी छंटनी होगी?

सरकारी बैंकों में स्थायी कर्मचारियों की छंटनी (Layoffs) होने की संभावना न के बराबर है। हालांकि, रूटीन कामों के ऑटोमेट होने से क्लर्क और डेटा एंट्री स्तर की नई भर्तियों की संख्या सीमित हो सकती है और मौजूदा कर्मचारियों को ब्रांच सेल्स, रिकवरी या एडवाइजरी जैसे कामों में शिफ्ट किया जा सकता है।

बैंकिंग सेक्टर में कौन सी पोस्ट AI से सबसे ज्यादा सुरक्षित हैं?

वे सभी पद जहां ग्राहकों से सीधा संवाद, जटिल वित्तीय निर्णय और नियामक जिम्मेदारी शामिल है, वे सुरक्षित हैं। इनमें रिलेशनशिप मैनेजर, सीनियर क्रेडिट ऑफिसर, वेल्थ एडवाइजर, फील्ड रिकवरी ऑफिसर और आईटी/साइबर सिक्योरिटी स्पेशलिस्ट प्रमुख हैं।

क्या AI खुद ही किसी ग्राहक का लोन पास या रिजेक्ट कर सकता है?

छोटे पर्सनल लोन या क्रेडिट कार्ड (जहां सिबिल स्कोर और आय के तय पैमाने होते हैं) में ऑटोमेटेड सिस्टम तुरंत मंजूरी दे देते हैं। लेकिन बड़े बिजनेस लोन, कॉर्पोरेट क्रेडिट या किसी आवेदन को पूरी तरह रिजेक्ट करने के मामले में आरबीआई के नियमों के तहत मानवीय समीक्षा (Human-in-the-loop) जरूरी होती है।

मैककिन्से की रिपोर्ट में 60% से 70% का आंकड़ा किस विभाग के लिए दिया गया है?

यह आंकड़ा पूरे बैंक के लिए नहीं, बल्कि विशेष रूप से बैंक के रिस्क मैनेजमेंट (Risk Management) और कंप्लायंस विभाग में किए जाने वाले मैनुअल और दोहराए जाने वाले कामों (जैसे डेटा कलेक्शन, डॉक्यूमेंट वेरिफिकेशन और शुरुआती रिपोर्ट ड्राफ्टिंग) के लिए दिया गया है।

क्या आने वाले समय में बैंक पीओ (Bank PO) और क्लर्क की परीक्षाएं बंद हो जाएंगी?

परीक्षाएं बंद नहीं होंगी, लेकिन काम का स्वरूप बदल जाएगा। बैंक पीओ से अब केवल ब्रांच ऑपरेशन संभालने के बजाय डिजिटल टूल्स की मदद से बिजनेस बढ़ाने और जोखिम का विश्लेषण करने की उम्मीद की जाती है।

बैंक में AI के इस्तेमाल से आम ग्राहकों को क्या फायदा होगा?

आम ग्राहकों के लिए सबसे बड़ा फायदा समय की बचत है। होम लोन या बिजनेस लोन के कागजात की जांच जो पहले 15 से 20 दिन लेती थी, वह कुछ घंटों या दो-तीन दिनों में पूरी हो सकेगी। साथ ही, खाते में किसी भी तरह की धोखाधड़ी होने पर सिस्टम तुरंत अलर्ट भेजकर ट्रांजैक्शन रोक सकेगा।

बैंकों को AI लागू करने में सबसे बड़ा खतरा क्या दिख रहा है?

सबसे बड़ा खतरा डेटा प्राइवेसी के उल्लंघन और एल्गोरिदम के पक्षपात (Bias) का है। अगर AI मॉडल को गलत या अधूरे डेटा पर ट्रेन किया गया, तो वह सही ग्राहक का लोन रिजेक्ट कर सकता है या गलत कंपनी को सुरक्षित बता सकता है।

एक साधारण कॉमर्स या आर्ट्स बैकग्राउंड वाला बैंक कर्मचारी खुद को AI के लिए कैसे तैयार करे?

इसके लिए कोडिंग या प्रोग्रामिंग सीखने की जरूरत नहीं है। कर्मचारियों को अपने बैंक के कोर बैंकिंग सॉल्यूशन (CBS) में जुड़ने वाले नए एनालिटिक्स डैशबोर्ड को चलाना, फाइनेंशियल स्टेटमेंट्स का गहरा विश्लेषण करना और डिजिटल कंप्लायंस के नियमों को समझना शुरू करना चाहिए।