वित्तीय सेवाओं में AI पर खर्च बढ़ा, लेकिन ROI अब भी पकड़ से बाहर

वित्तीय संस्थान AI पर लगातार बड़े बजट लगा रहे हैं, लेकिन निवेश और प्रयोग हर बार मापने योग्य कारोबारी फायदा नहीं दे रहे। Quinlan & Associates का मुख्य निष्कर्ष साफ है: अब सवाल AI अपनाने का नहीं, बल्कि यह साबित करने का है कि कौन-से उपयोग-मामले राजस्व, लागत, जोखिम प्रबंधन या ग्राहक अनुभव में वास्तविक सुधार ला रहे हैं।

निवेश बड़ा है, ROI की खाई भी

Quinlan & Associates के अनुमान के मुताबिक, वित्तीय सेवाओं ने 2025 में AI से जुड़ी पहलों पर 76 अरब अमेरिकी डॉलर खर्च किए। 2030 तक क्षेत्र का खर्च 130 अरब डॉलर से अधिक हो सकता है। 14 लेकिन 95% पारंपरिक वित्तीय संस्थान या तो AI की संभावनाएं तलाश रहे हैं या उसे कारोबारी कामकाज में इस्तेमाल कर रहे हैं; इनमें 71% का कहना है कि स्पष्ट निवेश पर रिटर्न (ROI) हासिल करना या दिखाना कठिन है। 3

यह अंतर अहम है। व्यापक अपनाव से संस्थानों की मंशा तो दिखती है, लेकिन इससे यह साबित नहीं होता कि हर AI कार्यक्रम स्थायी मूल्य पैदा कर रहा है। Quinlan से जुड़े निष्कर्षों में 43% AI पहलों के रद्द होने की बात भी सामने आती है—यानी बड़ी संख्या में प्रयोग टिकाऊ उत्पादन-स्तरीय नतीजों तक नहीं पहुंचते। 15

AI पहल से रिटर्न क्यों नहीं निकलता?

Quinlan ने मूल्य हासिल करने की राह में तीन आपस में जुड़ी बाधाएं बताई हैं:

1. तकनीक-केंद्रित रणनीति: कई संगठन पहले उपलब्ध टूल चुन लेते हैं, फिर उसके लिए समस्या ढूंढते हैं। इसके बजाय शुरुआत किसी स्पष्ट कारोबारी समस्या, ग्राहक यात्रा, कार्यप्रवाह की रुकावट और मूल्य-लक्ष्य से होनी चाहिए। ऐसा न होने पर असरदार उपयोग-मामलों का चुनाव मुश्किल हो जाता है। 6
2. गवर्नेंस का बहुत देर से आना: जोखिम, अनुपालन और नियंत्रण को यदि डिजाइन शुरू होने के बाद केवल मंजूरी की औपचारिकता माना जाए, तो टीमों को काफी समय और पैसा लगाने के बाद बाधाओं का पता चलता है। 6
3. स्केल के लिए अनुपयुक्त ऑपरेटिंग मॉडल: बिखरा हुआ डेटा, कमजोर कार्यान्वयन ढांचा और AI को नियंत्रित, तैनात तथा बड़े पैमाने पर चलाने की सीमित क्षमता अच्छे पायलट को भी पूरे संगठन में अपनाव तक पहुंचने से रोक सकती है। 6

ये केवल तकनीकी कमियां नहीं, बल्कि क्रियान्वयन की समस्याएं हैं। कोई संस्थान मॉडल का लाइसेंस ले सकता है, प्रूफ-ऑफ-कॉन्सेप्ट चला सकता है और दर्जनों AI प्रयोग गिना सकता है; लेकिन अगर कार्यप्रवाह और जवाबदेही नहीं बदलते, तो वित्तीय नतीजा निकलना मुश्किल है।

गवर्नेंस ROI की राह का हिस्सा है

वित्तीय सेवाओं में भरोसेमंद AI गवर्नेंस को केवल अनुपालन-खर्च के रूप में नहीं देखा जा सकता। यही तय करता है कि कोई उपयोग-मामला मंजूर होगा, तैनात होगा, उसकी निगरानी होगी और कारोबारी जरूरत के अनुरूप स्वायत्तता के साथ उस पर भरोसा किया जा सकेगा या नहीं।

वर्ल्ड इकोनॉमिक फोरम की वित्तीय सेवाओं के लिए AI प्लेबुक सलाह देती है कि जोखिम प्रबंधन और जिम्मेदार AI की प्रक्रियाओं को हर स्तर पर शामिल किया जाए: जोखिम लेने की सीमा शुरुआत में तय हो, मॉडल का कठोर सत्यापन हो और AI की कार्रवाइयां समझने योग्य, ट्रेस की जा सकने वाली तथा नियंत्रित बनी रहें। 1 यह खास तौर पर तब महत्वपूर्ण है जब संस्थान केवल सहायक प्रणालियों से आगे बढ़कर ऐसे सिस्टम अपनाएं जो कई चरणों वाली कार्रवाइयां कर सकें। स्पष्ट सीमाएं, एस्केलेशन की व्यवस्था और मानव निगरानी उस परिचालन अनिश्चितता को कम कर सकती हैं जो मूल्यवान उपयोग-मामलों को बड़े पैमाने पर लागू होने से रोकती है।

उद्योग के अन्य निष्कर्ष भी मजबूत बुनियाद की जरूरत बताते हैं। IIF-EY सर्वेक्षण के अनुसार, AI को उत्पादन स्तर पर लगाने में डेटा की गुणवत्ता और उपलब्धता सबसे बड़ी चुनौतियों में हैं; कुशल कर्मचारियों और गवर्नेंस सुरक्षा-उपायों की जरूरत भी उतनी ही अहम है। 4

BCG और NVIDIA के निष्कर्ष क्या कहते हैं?

अन्य शोध Quinlan के निष्कर्षों को काफी हद तक समर्थन देते हैं, हालांकि उनके नमूने और मापदंड अलग हैं।

280 से अधिक वित्त अधिकारियों के BCG सर्वेक्षण में AI और जेनरेटिव AI का मध्य रिपोर्टेड ROI 10% रहा—जो कई प्रतिभागियों के 20% लक्ष्य से काफी कम था। करीब एक-तिहाई ने केवल सीमित लाभ की सूचना दी। 43 1,250 से अधिक कंपनियों पर एक अलग अध्ययन में BCG ने पाया कि सिर्फ 5% कंपनियां बड़े पैमाने पर AI से मूल्य हासिल कर रही थीं, जबकि 60% ने भारी निवेश के बावजूद बहुत कम ठोस मूल्य मिलने की बात कही।

NVIDIA के 2025 वित्तीय सेवाएं सर्वेक्षण तस्वीर का दूसरा पहलू दिखाता है: कुछ तैनात उपयोग-मामले ठोस लाभ दे रहे हैं। करीब 70% उत्तरदाताओं ने कहा कि AI से राजस्व में कम-से-कम 5% बढ़ोतरी हुई, और 60% से अधिक ने बताया कि वार्षिक लागत में कम-से-कम 5% कमी आई। रिपोर्टेड ROI के आधार पर जेनरेटिव AI के प्रमुख उपयोग-मामले ट्रेडिंग व पोर्टफोलियो ऑप्टिमाइजेशन तथा ग्राहक अनुभव रहे।

इन अध्ययनों में विरोधाभास नहीं है। AI रिटर्न दे सकता है, लेकिन केवल तैनाती अपने-आप में परिणाम नहीं है। फर्क इस बात से पड़ता है कि संस्थान ने उच्च-मूल्य उपयोग-मामला चुना या नहीं, संबंधित कार्यप्रवाह बदला या नहीं, भरोसेमंद डेटा व नियंत्रण तैयार किए या नहीं, और परिचालन तथा वित्तीय परिणाम को मापा या नहीं।

अपनाव से आगे, अब परीक्षा क्रियान्वयन की

Quinlan की रिपोर्ट का सबसे स्पष्ट संकेत खर्च, सक्रियता और वास्तविक मूल्य के बीच का अंतर है: 2025 में 76 अरब डॉलर का निवेश, संस्थानों में व्यापक AI गतिविधि और फिर भी रिटर्न साबित करने की लगातार मुश्किल। 14 3

वित्तीय सेवाओं के नेतृत्व के लिए व्यावहारिक जवाब AI को अलग-अलग पायलटों के संग्रह के बजाय कारोबारी बदलाव के कार्यक्रम की तरह चलाना है। शुरुआत मापे जा सकने वाले कारोबारी लक्ष्य से हो; विकास से पहले जोखिम और गवर्नेंस की आवश्यकताएं तय हों; परिणामों की स्पष्ट जिम्मेदारी सौंपी जाए; और तैनाती के बाद पूरे जीवनचक्र के मेट्रिक्स ट्रैक किए जाएं। BCG भी कहता है कि महत्वपूर्ण मूल्य बनाने वाली कंपनियां कुछ चुनिंदा पहलों पर ध्यान देती हैं, उन्हें तेजी से बड़े पैमाने पर लागू करती हैं, मुख्य प्रक्रियाएं बदलती हैं, टीमों को कुशल बनाती हैं और परिचालन व वित्तीय रिटर्न को व्यवस्थित ढंग से मापती हैं।

इसलिए अगला प्रतिस्पर्धी अंतर AI रखने वाले और न रखने वाले संस्थानों के बीच नहीं होगा। असली अंतर उन संस्थानों के बीच होगा जो मुख्य कार्यप्रवाहों में AI को सुरक्षित ढंग से चला और उसके नतीजों को माप सकते हैं—और उन संस्थानों के बीच जो दोहराए जा सकने वाले मूल्य-पथ के बिना प्रयोगों का ढेर लगाते रहेंगे।