ಹೆಚ್ಚಿನ ಬ್ಯಾಂಕಿಂಗ್ AI ಯೋಜನೆಗಳು ವಿಫಲವಾಗಲು ಕಾರಣವು ಮಾಡೆಲ್ ಗುಣಮಟ್ಟಕ್ಕೆ ಸಂಬಂಧಿಸಿದ್ದಲ್ಲ. ನಾಯಕತ್ವದ ತಂಡಗಳು ಪ್ಯಾರಾಮೀಟರ್ ಸಂಖ್ಯೆಗಳು ಮತ್ತು ಬೆಂಚ್ಮಾರ್ಕ್ ಸ್ಕೋರ್ಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಲು ತಿಂಗಳುಗಟ್ಟಲೆ ಸಮಯ ವ್ಯಯಿಸುತ್ತವೆ, ಆದರೆ ಒಂದು ಮೌನವಾದ ಬೆದರಿಕೆ ಅವರು ನಿರ್ಮಿಸಿದ ಎಲ್ಲವನ್ನೂ ಕುಸಿಯುವಂತೆ ಮಾಡುತ್ತದೆ. ಅವರು ಮಾಡೆಲ್ ಗಾತ್ರವನ್ನು ವಿಜಯದ ಮಾನದಂಡವೆಂದು ಪರಿಗಣಿಸುತ್ತಾರೆ. ಆದರೆ ಅದು ಅಲ್ಲ. ಹಣಕಾಸು ವಲಯದಲ್ಲಿ ಪ್ರಾಬಲ್ಯ ಹೊಂದಿರುವ ನಿಯಂತ್ರಿತ, ಬಹು-ಹಂತದ ಕಾರ್ಯವಿಧಾನಗಳಲ್ಲಿ (workflows), ನಿಖರತೆಯು ಹೆಚ್ಚಾಗುವುದಿಲ್ಲ; ಬದಲಾಗಿ ಅದು ಕ್ಷೀಣಿಸುತ್ತದೆ. ನೀವು ಕೇವಲ ಒಂದು ಹಂತದ ಸ್ಕೋರ್ ಮೇಲೆ ಮಾತ್ರ ಗಮನ ಹರಿಸಿದರೆ, ಇಡೀ ವ್ಯವಸ್ಥೆಯ ವೈಫಲ್ಯದಿಂದ ನೀವು ದಿಗ್ಭ್ರಮೆಗೊಳ್ಳುತ್ತೀರಿ.
ನಿಜವಾದ ಸಮಸ್ಯೆಯು ಮಾಡೆಲ್ ಗಾತ್ರವಲ್ಲ
ರಿಸ್ಕ್ ಅಧಿಕಾರಿಗಳನ್ನು ಎಚ್ಚರದಿಂದ ಇರುವಂತೆ ಮಾಡುವ ಲೆಕ್ಕಾಚಾರ ಇಲ್ಲಿದೆ. ಡೇಟಾ ಎಕ್ಸ್ಟ್ರಾಕ್ಷನ್, ವ್ಯಾಲಿಡೇಶನ್, ರಿಸ್ಕ್ ಸ್ಕೋರಿಂಗ್, ಕಾಂಪ್ಲೈಯನ್ಸ್ ಚೆಕ್, ಡಾಕ್ಯುಮೆಂಟ್ ಜನರೇಷನ್ ಮತ್ತು ಅಂತಿಮ ಅನುಮೋದನೆ ಎಂಬ ಆರು ವಿಭಿನ್ನ ಹಂತಗಳಿರುವ ಒಂದು ಪೈಪ್ಲೈನ್ ಅನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಪ್ರತಿಯೊಂದು ಹಂತವು ಪ್ರತ್ಯೇಕವಾಗಿ ಕೆಲಸ ಮಾಡಿದಾಗ 97 ಪ್ರತಿಶತ ನಿಖರತೆಯನ್ನು ತಲುಪುತ್ತದೆ. ಇದನ್ನು ಸಂಭ್ರಮಿಸುವುದು ಸಹಜ. ಆದರೆ ಸಂಭವನೀಯತೆಯು (probability) ಅಂತಃಪ್ರಜ್ಞೆಯನ್ನು ಅನುಸರಿಸುವುದಿಲ್ಲ. ಈ ಹಂತಗಳನ್ನು ಒಂದಕ್ಕೊಂದು ಜೋಡಿಸಿದಾಗ, ಇಡೀ ವ್ಯವಸ್ಥೆಯ ವಿಶ್ವಾಸಾರ್ಹತೆಯು (end-to-end reliability) ಸುಮಾರು 83 ಪ್ರತಿಶತಕ್ಕೆ ಕುಸಿಯುತ್ತದೆ.
ಸ್ಥಳೀಯ ಪರಿಪೂರ್ಣತೆ ಮತ್ತು ಜಾಗತಿಕ ವೈಫಲ್ಯದ ನಡುವಿನ ಆ ಅಂತರವೇ 'AI Coordination Gap'. ಏಜೆಂಟ್ಗಳು, ಸಾಫ್ಟ್ವೇರ್ ಪರಿಕರಗಳು ಮತ್ತು ಮಾನವ ವಿಮರ್ಶಕರ ನಡುವಿನ ಹಸ್ತಾಂತರದ ಸಮಯದಲ್ಲಿ ಉಂಟಾಗುವ ಘರ್ಷಣೆಯೇ ಇದು. ನಿಯಂತ್ರಕರು ಈಗಾಗಲೇ ಈ ನಿಖರವಾದ ದೌರ್ಬಲ್ಯವನ್ನು ಹುಡುಕುತ್ತಿದ್ದಾರೆ. ನಿಮ್ಮ ಎಂಜಿನಿಯರಿಂಗ್ ತಂಡವು ತನ್ನ ಪೋಸ್ಟ್-ಮೋರ್ಟಮ್ ಪೂರ್ಣಗೊಳಿಸುವ ಮೊದಲೇ ಅವರು ಇದನ್ನು ಪತ್ತೆಹಚ್ಚುತ್ತಾರೆ.
2026 ರ ವೇಳೆಗೆ, ಚರ್ಚೆಯ ದಿಕ್ಕು ಬದಲಾಗಿದೆ. ಪ್ರಶ್ನೆಯು ಈಗ ಯಾವ ಮಾಡೆಲ್ ಸಂಶೋಧನಾ ಲೀಡರ್ಬೋರ್ಡ್ನಲ್ಲಿ ಅಗ್ರಸ್ಥಾನದಲ್ಲಿದೆ ಎಂಬುದಲ್ಲ. ಬದಲಾಗಿ ಅದು ಬಜೆಟ್ ಶಿಸ್ತು, ಡೇಟಾ ಸಾರ್ವಭೌಮತ್ವ ಮತ್ತು ಅಪ್ಡೇಟ್ ನಿಯಂತ್ರಣದ ಬಗ್ಗೆಯಾಗಿದೆ. ನೀವು ನಿಮ್ಮದೇ ಮೂಲಸೌಕರ್ಯದೊಳಗೆ ಬಳಸಬಹುದಾದ ಕಸ್ಟಮ್ Small Language Model (SLM) ಅಥವಾ ಟೋಕನ್ ಮೂಲಕ ಬಾಡಿಗೆಗೆ ಪಡೆಯುವ ಆಫ್-ದಿ-ಶೆಲ್ಫ್ Large Language Model (LLM) ನಡುವೆ ಒಂದನ್ನು ಆರಿಸಿಕೊಳ್ಳಬೇಕಾಗುತ್ತದೆ.
SLM vs LLM: 2026 ರಲ್ಲಿ ವಾಸ್ತವವಾಗಿ ಏನಾಗುತ್ತದೆ?
ಆಫ್-ದಿ-ಶೆಲ್ಫ್ ಫ್ರಾಂಟಿಯರ್ ಮಾಡೆಲ್ಗಳು—GPT-4o, Claude ಮತ್ತು ಅವುಗಳ ಸಮಾನ ಮಾಡೆಲ್ಗಳು—ಮುಕ್ತ ತರ್ಕ (open-ended reasoning) ಮತ್ತು ಕಡಿಮೆ ಪ್ರಮಾಣದ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಕಾರ್ಯಗಳಿಗೆ ಅಪ್ರತಿಮವಾಗಿವೆ. ಅವು ಸೂಕ್ಷ್ಮತೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ಸಂಕೀರ್ಣತೆಗಳನ್ನು ನಿಭಾಯಿಸುತ್ತವೆ. ಆದರೆ ಈ ಅನುಕೂಲತೆಯು ಒಂದು ಬೆಲೆಯನ್ನು ತೆರಬೇಕಾಗುತ್ತದೆ. ನೀವು ಮಾಡೆಲ್ನ 'weights' ಅನ್ನು ಹೊಂದಿರಲ್ಲ. ನೀವು ಅದರ ಬಿಡುಗಡೆಯ ವೇಳಾಪಟ್ಟಿಯನ್ನು ನಿಯಂತ್ರಿಸಲಾರರಿ. ಮಾರಾಟಗಾರನ ವಾರಾಂತ್ಯದ ಮೌನ ಅಪ್ಡೇಟ್ ನಿಮ್ಮ ಅಪ್ಲಿಕೇಶನ್ ಸಾಲ-ಗೆ-ಆದಾಯದ ಮಿತಿಯನ್ನು (debt-to-income thresholds) ಅರ್ಥೈಸುವ ಅಥವಾ ಅನುಮಾನಾಸ್ಪದ ವಹಿವಾಟುಗಳನ್ನು ಗುರುತಿಸುವ ರೀತಿಯನ್ನು ಬದಲಾಯಿಸಬಹುದು, ಮತ್ತು ಏನನ್ನು ಬದಲಾಯಿಸಲಾಗಿದೆ ಎಂಬ ನಿಖರವಾದ ದಾಖಲೆ ನಿಮ್ಮ ಬಳಿ ಇರಲಿಕ್ಕಿಲ್ಲ. ಪ್ರತಿಯೊಂದು ನಿರ್ಧಾರವೂ ಆಡಿಟ್ ಟ್ರೈಲ್ (audit trail) ಅನ್ನು ಬಯಸುವ ಉದ್ಯಮದಲ್ಲಿ, ಅಂತಹ ಅಸ್ಪಷ್ಟತೆಯು ದುಬಾರಿಯಾಗುತ್ತದೆ.
Llama ಅಥವಾ Mistral ನಂತಹ ಓಪನ್ ವೇಟ್ಸ್ (open weights) ಮೇಲೆ ನಿರ್ಮಿಸಲಾದ ಕಸ್ಟಮ್ SLM ಗಳು ಈ ಸಮೀಕರಣವನ್ನೇ ಬದಲಿಸುತ್ತವೆ. ಇವು ಕಠಿಣವಾದ, ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಕೆಲಸಗಳಿಗಾಗಿ ನಿರ್ಮಿಸಲಾಗಿದೆ: ಅಡಮಾನ (mortgage) PDFಗಳಿಂದ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯುವುದು, KYC ದಾಖಲೆಗಳನ್ನು ವರ್ಗೀಕರಿಸುವುದು ಅಥವಾ ವಹಿವಾಟಿನ ಮೆಮೊಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು ಇತ್ಯಾದಿ. ನೀವು ಇವುಗಳನ್ನು ಹೋಸ್ಟ್ ಮಾಡುವುದರಿಂದ, ನೀವು ಒಂದು ನಿರ್ದಿಷ್ಟ ವರ್ಷನ್ ಅನ್ನು ಸ್ಥಿರಗೊಳಿಸಬಹುದು (freeze), ಡಿಫರೆನ್ಷಿಯಲ್ ಟೆಸ್ಟಿಂಗ್ ನಡೆಸಬಹುದು ಮತ್ತು ಮಾರ್ಚ್ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದ್ದ ಮಾಡೆಲ್ ಜೂನ್ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿರುವ ಮಾಡೆಲ್ನಂತೆಯೇ ಇದೆ ಎಂದು ಆಡಿಟರ್ಗೆ ಸಾಬೀತುಪಡಿಸಬಹುದು. ಇವು ಕ್ಲೌಡ್ ಆಧಾರಿತ ಮಾಡೆಲ್ಗಳಿಗಿಂತ ಪ್ರತಿ ಟೋಕನ್ಗೆ ಸುಮಾರು ಹತ್ತು ರಿಂದ ಮೂವತ್ತು ಪಟ್ಟು ಕಡಿಮೆ ವೆಚ್ಚದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದರಿಂದ ಅತ್ಯಂತ ಅಗ್ಗವಾಗಿವೆ. ಇದರ ಮರುಪರಿಣಾಮವೆಂದರೆ ಸೀಮಿತ ಸಾಮರ್ಥ್ಯ. ಒಂದು SLM ಮಾರುಕಟ್ಟೆಯ ಪ್ರವೃತ್ತಿಗಳ ಬಗ್ಗೆ ತತ್ವಶಾಸ್ತ್ರದಂತೆ ಚರ್ಚಿಸುವುದಿಲ್ಲ. ಆದರೆ, ನಿಮ್ಮ ಫೈರ್ವಾಲ್ನಿಂದ ಹೊರಗೆ ಯಾವುದೇ ಗೌಪ್ಯ ಡೇಟಾವನ್ನು ಕಳುಹಿಸದೆ, ಇದು ಗಂಟೆಗೆ ಹತ್ತು ಸಾವಿರ ಇನ್ವಾಯ್ಸ್ಗಳಿಗೆ ಮುದ್ರೆ ಹಾಕಬಲ್ಲದು.
Heterogeneous Routing: 80/20 ವಿಭಜನೆ
ಮುಂಚೂಣಿಯಲ್ಲಿರುವ ಬ್ಯಾಂಕುಗಳು ಇದನ್ನು 'ಇದು ಅಥವಾ ಅದು' ಎಂಬ ಆಯ್ಕೆಯಾಗಿ ನೋಡುವುದನ್ನು ನಿಲ್ಲಿಸಿವೆ. ಅವುಗಳ ಆರ್ಕಿಟೆಕ್ಚರ್ ವೈವಿಧ್ಯಮಯವಾಗಿದೆ (heterogeneous). ಒಂದು ಅಗ್ಗದ, ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಲಾದ SLM ಮೊದಲ ಹಂತದ ಕೆಲಸಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ—ದಾಖಲೆಗಳ ಹೊರತೆಗೆಯುವಿಕೆ, ಎಂಟಿಟಿ ಟ್ಯಾಗಿಂಗ್ ಅಥವಾ ದಿನನಿತ್ಯದ ಅರ್ಹತಾ ಪರಿಶೀಲನೆಗಳಂತಹ ಮುನ್ಸೂಚನೆ ನೀಡಬಹುದಾದ ಮತ್ತು ರಚನಾತ್ಮಕ ಕೆಲಸಗಳನ್ನು ಇದು ನಿರ್ವಹಿಸುತ್ತದೆ—ಇದು ಒಟ್ಟು ಕೆಲಸದ ಸುಮಾರು ಎಂಭತ್ತದಷ್ಟು ಭಾಗವನ್ನು ನಿಭಾಯಿಸುತ್ತದೆ. ಉಳಿದ ಇಪ್ಪತ್ತು ಪ್ರತಿಶತದಷ್ಟು ಕೆಲಸಗಳು, ಅಂದರೆसादೃಶ್ಯ ತರ್ಕ (analogical reasoning) ಅಥವಾ ಸಂಕೀರ್ಣ ನೀತಿ ವ್ಯಾಖ್ಯಾನದ ಅಗತ್ಯವಿರುವ ಸಂದರ್ಭಗಳನ್ನು (edge cases) ಫ್ರಾಂಟಿಯರ್ LLM ಗೆ ವರ್ಗಾಯಿಸಲಾಗುತ್ತದೆ.
ಇದು ಕೇವಲ ಸಿದ್ಧಾಂತವಲ್ಲ. ಒಂದು ಅಡಮಾನ ಸೇವಾ ಸಂಸ್ಥೆಯು (mortgage servicer) ಆದಾಯದ ಅಂಕಿಅಂಶಗಳನ್ನು ಪೇ ಸ್ಟಬ್ಗಳಿಂದ ಹೊರತೆಗೆಯಲು SLM ಅನ್ನು ಬಳಸಬಹುದು, ನಂತರ ಅಸ್ಪಷ್ಟವಾದ ಅರ್ಜಿಗಳನ್ನು ಮಾತ್ರ ಬದಲಾಗುತ್ತಿರುವ ಫೆಡರಲ್ ಮಾರ್ಗಸೂಚಿಗಳೊಂದಿಗೆ ವಿವಿಧ ಉದ್ಯೋಗ ಪ್ರಕಾರಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡುವ ದೊಡ್ಡ ಮಾಡೆಲ್ಗೆ ಕಳುಹಿಸಬಹುದು. ನೀವು ಸಾಮರ್ಥ್ಯವನ್ನು ಕಡಿಮೆ ಮಾಡದೆ ಕ್ಲೌಡ್ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಬಹುದು.
ಅಂತರವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಐದು-ಪದರಗಳ ಚೌಕಟ್ಟು (Framework)
Coordination Gap ಅನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಕೇವಲ ಸ್ಮಾರ್ಟ್ ರೂಟಿಂಗ್ ಸಾಕಾಗುವುದಿಲ್ಲ. ಅದಕ್ಕೆ ಒಂದು ಸ್ಪಷ್ಟವಾದ ಸ್ಟ್ಯಾಕ್ (stack) ಅಗತ್ಯವಿದೆ. ತಂಡಗಳು ಈಗಲೇ ಬಳಸಬಹುದಾದ ಐದು-ಪದರಗಳ ಚೌಕಟ್ಟು ಇಲ್ಲಿದೆ.
ಮಾಡೆಲ್ ಆಯ್ಕೆ (Model Selection). ಇನ್ಫರೆನ್ಸ್ (inference) ಅನ್ನು ಟ್ರೈಯೇಜ್ ನರ್ಸ್ನಂತೆ (triage nurse) ಪರಿಗಣಿಸಿ. ಕೆಲಸದ ಪ್ರಮಾಣ ಮತ್ತು ಸೂಕ್ಷ್ಮತೆಯ ಆಧಾರದ ಮೇಲೆ ಕಾರ್ಯಗಳನ್ನು ವರ್ಗಾಯಿಸಿ. ಹೆಚ್ಚಿನ ಫ್ರೀಕ್ವೆನ್ಸಿ ಮತ್ತು ಕಡಿಮೆ ರಿಸ್ಕ್ ಇರುವ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ನಿಮ್ಮ SLM ಗೆ ಕಳುಹಿಸಿ. ತೀರ್ಮಾನ ತೆಗೆದುಕೊಳ್ಳುವುದು, ಅಸ್ಪಷ್ಟತೆ ಅಥವಾ ಗ್ರಾಹಕರ ದೂರುಗಳ ಪರಿಹಾರಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಪ್ರಕರಣಗಳನ್ನು LLM ಗೆ ಕಳುಹಿಸಿ. ರೂಟಿಂಗ್ ನಿಯಮಗಳನ್ನು ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿ ಬರೆಯುವ ಬದಲು ಕೋಡ್ನಲ್ಲಿ ಬರೆಯಿರಿ.
Grounding. Every answer that touches a customer must point back to a source document. Use retrieval-augmented generation to anchor outputs in your actual policy manuals, rate sheets, and regulatory notices. Never trust a model’s parametric memory for current interest rates or fee schedules. Memory drifts. A PDF with a version number does not.
Orchestration. Build workflows where the path is visible. Tools like LangGraph let you define explicit, auditable state machines. A decision should move through defined stages: extract, verify, decision, log. Do not let agents "chat" their way to a conclusion in an open conversational loop. If you cannot draw the flowchart, you cannot explain it to a regulator.
Tool Access. Agents need to call core banking systems, but every integration is a potential failure point. Use the Model Context Protocol to standardize how agents authenticate and query your ledgers, CRM records, and compliance databases. Uniform interfaces reduce the surface area for silent breakage.
Verification. Reserve a hard lane for human judgment. Route high-risk decisions—large wire transfers, credit limit overrides, SAR filings—to a human reviewer or to a second verification agent running on an isolated model. Redundancy at the edge protects the center.
Measure the Right Thing
Stop rewarding teams for per-step accuracy. A pipeline where each module claims 99 percent on a test set can still fail one in five real customers when the steps interact. Start measuring end-to-end reliability. Inject synthetic failure cases. Test handoffs the way attackers test seams.
The banks actually winning with AI in 2026 are not the ones renting the biggest models. They are the ones stitching together the clearest systems. They know that a small model you can audit beats a large model you cannot explain, and that