OpenAI ने ChatGPT for Financial Services लाँच केले आहे, जे त्यांच्या संवादात्मक AI (conversational AI) चे एक असे व्हर्जन आहे जे PitchBook आणि Crunchbase सारख्या मार्केट-डेटा फीड्ससह येते, बँक-ग्रेड सुरक्षा मानकांचे पालन करते आणि क्लायंटची मालकीची कागदपत्रे मॉडेल ट्रेनिंगसाठी वापरणार नाही असे आश्वासन देते.
बँका अनेक वर्षांपासून जनरेटिव्ह AI कडे लक्ष ठेवून आहेत, परंतु दोन समस्यांमुळे त्या मागे पडल्या होत्या: मॉडेलला अंतर्गत आर्थिक विवरणे (financial statements) फीड करण्याची गरज आणि ती कागदपत्रे संस्थेच्या फायरवॉलच्या बाहेर जाणार नाहीत याची खात्री करणे कठीण असणे. OpenAI चे नवीन उत्पादन या दोन्ही समस्या सोडवण्याचा प्रयत्न करते. वापरकर्त्यांना कमाई अहवाल (earnings reports), ताळेबंद (balance sheets) किंवा डील-फ्लो स्प्रेडशीट्स अपलोड करण्याची आवश्यकता असण्याऐवजी, या सेवेमध्ये आधीच सार्वजनिक क्षेत्रातील आणि परवानाधारक डेटाचा एक निवडक संच समाविष्ट आहे ज्याचा वापर थेट केला जाऊ शकतो. हे प्लॅटफॉर्म कडक बँक सुरक्षा नियमांचे देखील पालन करते. सर्वात महत्त्वाचे म्हणजे, कंपनीचे म्हणणे आहे की हे मॉडेल “data-agnostic” आहे – म्हणजेच, मूळ मॉडेल सुधारण्यासाठी क्लायंटच्या अपलोड केलेल्या फाइल्स साठवल्याशिवाय किंवा वापरल्याशिवाय ते माहिती (insights) तयार करू शकते.
वित्तीय संस्था कच्च्या आकड्यांचे (raw numbers) गुंतवणूक मेमो, क्रेडिट मूल्यांकन किंवा अनुपालन अहवालात (compliance reports) रूपांतर करण्यासाठी लागणारा वेळ कमी करण्यासाठी प्रयत्न करत असतानाच हे पाऊल उचलण्यात आले आहे. विश्लेषक पारंपारिकपणे अनेक विक्रेत्यांकडून डेटा एकत्र करण्यासाठी तासनतास घालवतात आणि नंतर मॅन्युअली मजकूर तयार करतात. OpenAI चे साधन बँकांना P&L विवरणे (P&L statements) विश्लेषण करण्यास आणि कागदपत्रे वेगाने तयार करण्यास मदत करते.
सुरक्षा आणि डेटा-प्रायव्हसी ही या नाण्याच्या दुसरी बाजू आहे. ग्राहकाचा डेटा ट्रेनिंग लूपमध्ये परत जाणार नाही याची खात्री देऊन, OpenAI ने एका सामान्य टीकेला बगल दिली आहे की AI प्रदाते नकळत गोपनीय कॉर्पोरेट माहितीपासून “शिकू” शकतात आणि ती इतर क्लायंटला उघड करू शकतात.
OpenAI त्याच वेळी काँग्रेसकडे AI सुरक्षिततेच्या नवीन नियमावलीसाठी लॉबिंग करत आहे. कंपनी चाहती आहे की कायदेकर्त्यांनी सर्वात शक्तिशाली प्रणालींवर चाचणी मानके लागू करावीत, ज्यामध्ये AI इकोसिस्टममधील डझनभर लहान स्टार्टअप्सऐवजी मोठ्या संशोधन प्रयोगशाळांवर लक्ष केंद्रित केले जावे. हे पाऊल सूचित करते की OpenAI ला वित्त (finance) सारख्या उच्च-जोखीम असलेल्या क्षेत्रांमध्ये सखोल एकत्रीकरणासाठी नियामक निश्चितता (regulatory certainty) आवश्यक आहे, जिथे मॉडेलमधील एका चुकीमुळे अनुपालन उल्लंघन किंवा आर्थिक नुकसान होऊ शकते.
सर्व पक्षांसाठी यात खूप काही เดิม आहे. बँकांसाठी, हे तंत्रज्ञान जलद डील फ्लो, कमी कर्मचारी खर्च आणि अशा उद्योगात स्पर्धात्मक फायदा मिळवून देऊ शकते जिथे वेग अनेकदा विजेते ठरवतो. OpenAI साठी, वित्तीय सेवांमध्ये पाय रोवणे म्हणजे उत्पन्नाचा एक फायदेशीर स्रोत मिळवणे आणि विमा किंवा आरोग्य सेवा यांसारख्या इतर विनियमित क्षेत्रांमध्ये वापरता येण्याजोग्या वापराचे उदाहरण सादर करणे होय. नियामक संस्थांना प्रमुख AI प्रदाता संवेदनशील डेटाचे संरक्षण करण्यासाठी काय नियोजन करत आहे याचे स्पष्ट चित्र मिळते, परंतु त्यांना जोखमींचा एक नवीन संच देखील प्राप्त होतो: मोठ्या लँग्वेज मॉडेल्सची अस्पष्टता (opacity), मार्केट-डेटा फीडमध्ये पद्धतशीर पूर्वग्रह (systematic bias) असण्याची शक्यता आणि गुंतवणुकीच्या निर्णयांसाठी वापरल्या जाणाऱ्या AI-जनरेटेड सल्ल्याचे पर्यवेक्षण करण्याचे आव्हान.
टीकाकारांचा इशारा आहे की एकाच बाह्य AI विक्रेत्यावर अवलंबून राहिल्याने 'व्हेंडर लॉक-इन'चे (vendor lock-in) एक नवीन रूप तयार होऊ शकते, विशेषतः जर बँकांनी हे साधन त्यांच्या मुख्य अंडररायटिंग किंवा अनुपालन कार्यप्रवाहामध्ये (compliance workflows) समाविष्ट केले तर. मॉडेलच्या अचूकतेचा प्रश्न देखील आहे. जरी ही प्रणाली सार्वजनिक डेटा वेगाने मिळवू आणि एकत्रित करू शकत असली, तरी ती अचूकतेची हमी देत नाही; चुकीचा कमाई आकडा किंवा कालबाह्य मूल्यमापन मेट्रिक चुकीच्या निष्कर्षांकडे नेऊ शकते. “ग्राहकांच्या डेटावर ट्रेनिंग न घेण्याचे” धोरण सुधारणेचा एक मार्ग काढून टाकते, याचा अर्थ असा की हे मॉडेल संस्थेच्या स्वतःच्या ऐतिहासिक निर्णयांकडून सतत शिकणाऱ्या विशेष, अंतर्गत प्रशिक्षित उपायांच्या मागे राहू शकते.
पुढे काय पाहावे: अवलंबन मेट्रिक्स (adoption metrics) हे यशाचे पहिले निर्देशक असतील. कमर्शियल बँकिंग, इन्व्हेस्टमेंट बँकिंग किंवा मालमत्ता व्यवस्थापनातील (asset management) सुरुवातीचे पायलट प्रकल्प हे स्पष्ट करतील की वेगामुळे होणारा फायदा मानवी देखरेखीच्या आवश्यकतेपेक्षा जास्त आहे की नाही. OpenAI च्या सुरक्षा विधेयकावर नियामकांचा प्रतिसाद हा वित्त क्षेत्रातील AI साठी अनुपालन परिदृश्य (compliance landscape) ठरवेल—जर काँग्रेसने कडक चाचणी मानके स्वीकारली, तर इतर AI कंपन्यांनाही तसे करावे लागू शकते, ज्यामुळे समान उपाय तैनात करण्याचा खर्च वाढू शकतो. शेवटी, स्पर्धा वाढत आहे; इतर क्लाउड प्रदाते आणि AI स्टार्टअप्स आधीच कस्टम मॉडेल्ससह बँकांना आकर्षित करत आहेत, त्यामुळे जोपर्यंत OpenAI आपले डेटा एकत्रीकरण आणि सुरक्षा प्रमाणपत्रे अधिक मजबूत करत नाही, तोपर्यंत त्याचा फायदा अल्पकाळ राहू शकतो.
जर बँका अचूक आणि वेळेवर विश्लेषण प्रदान करताना त्यांचा डेटा खाजगी ठेवण्यासाठी मॉडेलवर विश्वास ठेवू शकल्यास, ChatGPT for Financial Services ट्रेडिंग फ्लोरवरील एक नवीन मानक साधन बनू शकते. अन्यथा, जोपर्यंत उद्योग क्षेत्र अधिक स्पष्ट नियामक मार्गदर्शन आणि मॉडेलच्या विश्वासार्हतेच्या अधिक मजबूत आश्वासनांची प्रतीक्षा करत आहे, तोपर्यंत हे तंत्रज्ञान केवळ प्रूफ-ऑफ-कॉन्सेप्ट प्रकल्पांपुरते मर्यादित राहून एक मर्यादित प्रयोग म्हणून राहू शकते.