बाज़ार में झटका लगे तो AI वित्तीय स्थिरता के लिए कैसे जोखिम बन सकता है

AI जोखिम आकलन, पूंजी और तरलता प्रबंधन, ऑपरेशनल दक्षता, अनुपालन, ग्राहक सेवा और डेटा विश्लेषण को बेहतर बना सकता है । समस्या तब शुरू होती है जब कई बैंक, फंड, बीमा कंपनियां, भुगतान संस्थान या मार्केट इन्फ्रास्ट्रक्चर एक जैसे टूल इस्तेमाल करें, एक ही बाहरी सेवा पर टिके हों या एक ही संकेत पर एक साथ प्रतिक्रिया दें ।

ECB किन जोखिमों पर नज़र रख रहा है

कुछ गिने-चुने AI सप्लायर

ECB खास तौर पर concentration risk यानी कुछ ही प्रदाताओं में ताकत सिमटने के खतरे पर जोर देता है। 2024 के एक ECB भाषण में यह जोखिम बताया गया कि AI से पैदा होने वाला बड़ा मूल्य कुछ ऐसी कंपनियों के हाथों में जा सकता है जो पूरे AI इकोसिस्टम पर प्रभुत्व जमा लें । वित्तीय क्षेत्र में ECB की मई 2024 की स्थिरता समीक्षा कहती है कि अगर AI का इस्तेमाल व्यापक हो और सप्लायर सीमित हों, तो ऑपरेशनल जोखिम, जिसमें साइबर जोखिम भी शामिल है, सिस्टम-स्तर का जोखिम बन सकता है ।

सरल शब्दों में, यह एक common point of failure है। अगर कई बैंक, फंड या बाजार-संचालन संस्थाएं एक ही मॉडल प्रदाता, क्लाउड प्लेटफॉर्म या डेटा पाइपलाइन पर निर्भर हों, तो किसी आउटेज, खराब अपडेट, साइबर हमले या गलत डेटासेट का असर एक संस्था तक सीमित नहीं रहेगा; वह एक साथ कई जगह फैल सकता है ।

बाज़ार में हर्डिंग

सप्लायर concentration का बाजार वाला रूप है herding — यानी भीड़ की तरह एक दिशा में चलना। स्रोतों में शामिल एक Financial Stability Review चेतावनी देती है कि पर्याप्त safeguards के बिना AI का व्यापक इस्तेमाल साइबर concentration risk, herd behaviour और बाजार correlations बढ़ा सकता है ।

शांत बाजार में एक जैसे AI सुझाव दक्षता जैसे लग सकते हैं। लेकिन sell-off में वही सुझाव procyclical बन सकते हैं। अगर कई सिस्टम एक साथ exposure घटाने, cash या liquidity buffer बढ़ाने, या market-making से पीछे हटने की सलाह दें, तो बाजार की गहराई घट सकती है और कीमतों की चाल ज्यादा तेज हो सकती है ।

मॉडल, डेटा और डिप्लॉयमेंट की चूक

ECB यह भी रेखांकित करता है कि AI का असर डेटा क्वालिटी, मॉडल डेवलपमेंट और डिप्लॉयमेंट के फैसलों पर निर्भर करेगा । इसलिए AI governance सिर्फ IT विभाग का मुद्दा नहीं है; यह वित्तीय स्थिरता का मुद्दा भी है। कोई मॉडल सामान्य समय में ठीक काम कर सकता है, लेकिन किसी नए और अनोखे झटके में अलग व्यवहार कर सकता है। डिप्लॉयमेंट का तरीका तय करता है कि गलत output सिर्फ आंतरिक चेतावनी बनकर रुकेगा या ट्रेडिंग, क्रेडिट, पूंजी और तरलता प्रक्रियाओं में सीधे कार्रवाई बन जाएगा ।

Fed किस बात से चिंतित है

Federal Reserve की चिंताएं ECB से मिलती-जुलती हैं, लेकिन Fed के दस्तावेज़ अक्सर इन्हें supervision, third-party risk और cyber resilience के फ्रेम में रखते हैं। Fed के AI संबंधी भाषण में कहा गया है कि जैसे-जैसे AI क्षमताएं विकसित होंगी, supervisors को यह सुनिश्चित करना होगा कि जोखिमों का प्रबंधन ठीक से हो ।

थर्ड-पार्टी AI निर्भरता

Federal Reserve के शोध के अनुसार छोटे और बड़े बैंकों के बीच AI technology gap बढ़ सकता है, और third-party AI सेवाएं देने वाली nonfinancial कंपनियों की विविधता सीमित हो सकती है । इसका मतलब है कि छोटे संस्थान संकरे vendor ecosystem पर ज्यादा निर्भर हो सकते हैं, जबकि बड़े संस्थानों को उन्नत AI क्षमताओं तक बेहतर पहुंच मिल सकती है ।

Fed के एक अलग पेपर ने third-party service providers को वित्तीय प्रणाली की छिपी हुई cyber fault line कहा है, जो systemic risks पैदा कर सकते हैं । AI supplier concentration के साथ मिलकर यह जोखिम और बड़ा हो जाता है: तनाव के समय कोई टेक्नोलॉजी vendor खुद transmission channel बन सकता है, अगर कई वित्तीय संस्थाएं उसी पर निर्भर हों ।

साइबर हमले, डीपफेक और फ्रॉड

Fed के लिए साइबर जोखिम एक बड़ा चैनल है। 2025 में Michael Barr ने कहा कि AI-enabled deepfakes किसी व्यक्ति की पूरी पहचान की नकल कर सकते हैं और identity fraud को बहुत ज्यादा ताकत दे सकते हैं; उन्होंने यह भी कहा कि cybercriminals जनरेटिव AI का इस्तेमाल बढ़ा रहे हैं । Fed की पहले की टिप्पणियों में चेतावनी दी गई थी कि तकनीक आगे बढ़ने और वित्तीय प्रणाली के ज्यादा interconnected होने के साथ cyber threats अधिक disruptive हो सकते हैं, और cyber incidents के व्यापक systemic effects हो सकते हैं ।

बाज़ार तनाव में भरोसा और verification बेहद अहम होते हैं। AI से सक्षम फ्रॉड, नकली संदेश या identity attacks को हर asset price सीधे हिलाने की जरूरत नहीं होती; वे authentication, payments, communications या ग्राहक भरोसे को उसी समय बाधित कर सकते हैं जब संस्थाएं तेज़ी से बदलती जानकारी को समझने की कोशिश कर रही हों ।

AI के जरिए फैसले लेना

Federal Reserve के एक staff paper में कहा गया है कि मनुष्य जानकारी जुटाने और निर्णय लेने के लिए AI पर अधिक निर्भर हो रहे हैं, कभी co-pilot की तरह और कभी ज्यादा autonomous systems के जरिए । जब AI outputs trading, liquidity management, risk assessment या banking operations में शामिल हो जाते हैं, तो मॉडल की गलती सिर्फ रिपोर्ट में दिखाई नहीं देती; वह वास्तविक कार्रवाई के रूप में सिस्टम में फैल सकती है ।

बाज़ार झटके में AI जोखिम कैसे बढ़ा सकता है

एक संभावित stress path कुछ इस तरह दिख सकता है।

1. झटका आता है। कीमतें गिरती हैं, volatility बढ़ती है, डराने वाली जानकारी फैलती है या कोई cyber incident किसी अहम provider को बाधित करता है। कई संस्थान उस झटके को समान AI tools, data sources या बाहरी vendors के जरिए process करते हैं ।

2. AI-driven प्रतिक्रियाएं एक जैसी होने लगती हैं। Risk systems exposure काटने, समान assets बेचने, liquidity buffers बढ़ाने या market-making घटाने की सलाह दे सकते हैं। स्थिरता से जुड़े साहित्य में चेतावनी है कि safeguards के बिना AI का व्यापक इस्तेमाल herd behaviour और higher correlations को बढ़ावा दे सकता है ।

3. Feedback loop तेज हो जाता है। बिकवाली और liquidity withdrawal कीमतों को और नीचे धकेल सकते हैं। वही नई कीमतें अगली risk signals का input बन जाती हैं। Policy analysis ने चेतावनी दी है कि AI wrong-way risk को amplify कर सकता है और वित्तीय संकटों की रफ्तार बढ़ा सकता है ।

4. साझा infrastructure transmission channel बन जाता है। ECB चेतावनी देता है कि concentrated AI suppliers ऑपरेशनल और साइबर जोखिम को systemic बना सकते हैं, जबकि Fed research third-party service providers को cyber fault line बताता है ।

5. सबसे खराब समय पर भरोसा कमजोर पड़ता है। Deepfakes, AI-assisted fraud या cyberattacks authentication और confidence को कमजोर कर सकते हैं, ठीक उस समय जब firms, customers और counterparties को भरोसेमंद जानकारी की सबसे ज्यादा जरूरत होती है ।

जोखिम घटाने के लिए क्या करना होगा

बचाव के रास्ते भी इन्हीं जोखिम चैनलों से निकलते हैं। संस्थानों और supervisors को सिर्फ individual AI models नहीं, बल्कि shared dependencies का भी नक्शा बनाना होगा, क्योंकि supplier concentration किसी एक संस्था की तकनीकी पसंद को पूरे सिस्टम की कमजोरी बना सकता है ।

AI systems की stress testing भी जरूरी है, खासकर वहां जहां data quality, model design और deployment choices यह तय करते हैं कि output सलाह बनकर रहेगा या automated action में बदल जाएगा । शांत बाजार में मॉडल की सफलता पर्याप्त प्रमाण नहीं है; झटका आने पर उसका व्यवहार अलग हो सकता है।

Cyber और third-party resilience केंद्रीय मुद्दे हैं। Federal Reserve की cybersecurity report कहती है कि उसकी supervisory policies और examination procedures IT risk management, cybersecurity, operational resilience और third-party risk management को address करते हैं । ECB की analysis भी यही system-level logic बताती है: कोई tool एक संस्था के भीतर manageable लग सकता है, लेकिन अगर बहुत-सी संस्थाएं उसी tool या उसी supplier पर निर्भर हों, तो वह fragility पैदा कर सकता है ।

निचोड़

ECB और Federal Reserve AI को निश्चित संकट-ट्रिगर की तरह नहीं देख रहे। उनकी चेतावनी यह है कि financial-stability risk तब बढ़ता है जब AI adoption व्यापक हो, suppliers concentrated हों, models validate करना कठिन हो और कई संस्थाएं एक ही signals पर तेज़ी से प्रतिक्रिया दें ।

बाज़ार झटके में AI की ताकत ही कमजोरी बन सकती है। Speed, scale और optimization किसी एक संस्था को जल्दी प्रतिक्रिया देने में मदद कर सकते हैं, लेकिन वही खूबियां पूरे सिस्टम में correlated selling, reduced liquidity, cyber disruption और trust की तेज गिरावट भी पैदा कर सकती हैं ।