वर्तमान परिस्थितियों में बैंकिंग क्षेत्र के नेताओं को जटिल चुनौतियों का सामना करना पड़ रहा है। चीनी स्टार्टअप Moonshot AI द्वारा खुले मॉडल Kimi K3 के हालिया लॉन्च ने बाजारों में उतार-चढ़ाव पैदा किया: S&P 500 सूचकांक एक प्रतिशत अंक गिर गया, और ताइवान में बेंचमार्क 6% से अधिक गिर गया, जबकि नैस्डैक इंडेक्स में 1.4% की गिरावट आई।
एलएलएम का सामान्यीकरण और नई चुनौतियाँ
यह घटना जनवरी 2025 की घटनाओं की याद दिलाती है, जब DeepSeek ने भी समान बाजार उथल-पुथल को प्रेरित किया था, हालांकि अमेरिकी बाजार जल्दी से ठीक हो गए थे। यह स्पष्ट होता जा रहा है कि उन्नत बड़े भाषा मॉडल (LLM) की क्षमताएं एक वस्तु बन रही हैं, और Kimi K3 कॉर्पोरेट क्षेत्र के बड़े खिलाड़ियों के लिए एक और अग्रदूत के रूप में कार्य करता है। यह सवाल उठाता है: यदि सबसे बुद्धिमान मॉडल जल्द ही उपलब्ध हो जाएगा, तो एलएलएम के क्षेत्र में वैश्विक प्रभुत्व की दौड़ निरर्थक है?
विशेषज्ञ डेटा का लाभ
Kimi K3 के आसपास की हलचल से तीन सप्ताह पहले, सबसे बड़े हेज फंड Bridgewater के अनुसंधान विभाग ने Thinking Machines Lab के मीरा मुराती के साथ मिलकर परिणाम प्रकाशित किए। उन्होंने दिखाया कि Alibaba के ओपन-वेट बेस मॉडल Qwen3-235B का परिष्कृत संस्करण छह वित्तीय निर्णय कार्यों में सभी परीक्षण किए गए उन्नत मॉडलों से बेहतर प्रदर्शन करता है, जो निवेशकों के दैनिक काम पर आधारित हैं।
आश्चर्यजनक रूप से, इस कस्टम मॉडल ने सर्वश्रेष्ठ उन्नत प्रणाली के 78.2% की तुलना में 84.7% की औसत सटीकता हासिल की, जबकि इसके परिचालन खर्च लगभग चौदह गुना कम थे। यह ध्यान रखना महत्वपूर्ण है कि इन आंकड़ों का मूल्यांकन Bridgewater की आंतरिक प्रणाली में किया गया था, न कि किसी स्वतंत्र बेंचमार्क में।
मालिकाना जानकारी की भूमिका
फिर भी, यह मालिकाना डेटा और अंतर्दृष्टि के उपयोग के महत्वपूर्ण महत्व को रेखांकित करता है, जिसे तैयार निर्णय के माध्यम से लागू किया जाता है। अत्यधिक विशिष्ट क्षेत्रों में ऐसे तत्वों को शायद ही कभी एक साधारण प्रॉम्प्ट के रूप में व्यक्त किया जा सकता है। उन्हें आंतरिक विशेषज्ञों द्वारा लेबल किए गए उदाहरणों पर प्रशिक्षित करने की आवश्यकता होती है, जिसमें केवल संगठन के पास मौजूद या संसाधित डेटा का उपयोग किया जाता है। जब ऐसा प्राप्त किया जाता है, तो अपने स्वयं के डेटा से बेहतर बनाया गया यहां तक कि अपेक्षाकृत मामूली मॉडल भी काफी कम लागत पर दिग्गजों को मात देने में सक्षम होता है।
बैंकिंग क्षेत्र में एआई
इन विचारों ने बैंकों और बैंकरों के बारे में विचार करने के लिए प्रेरित किया। पिछले महीने पेरिस में VivaTech कार्यक्रम में एक लाइव चर्चा के दौरान, द अटलांटिक के सीईओ निकोलस टम्पसन ने इनरप्ट के सीईओ जॉन ब्रूस और उनके सह-संस्थापक सर टिम बर्नर्स-ली से बैंकिंग में एआई के प्रभाव के बारे में प्रश्न पूछे। इनरप्ट बैंकों और अन्य वित्तीय संस्थानों को विकेन्द्रीकृत डेटा बुनियादी ढांचे को लागू करने में मदद करता है।
टम्पसन ने ब्रूस की राय सामने लाई कि बैंक के लिए सबसे बुरा सपना एक प्रतिस्पर्धी चैटबॉट नहीं है, बल्कि वह स्थिति है जब कोई ग्राहक ऋण प्राप्त करने के लिए अपनी विवरण ChatGPT में अपलोड करता है, जिससे डेटा के साथ संबंध और उस डेटा के स्वामित्व से मिलने वाली शक्ति बैंक से बाहर चली जाती है। इनरप्ट का जवाब एजेंट चार्ली है - एक व्यक्तिगत एआई एजेंट जो उपयोगकर्ता और मॉडल प्रदाताओं के बीच स्थित होता है और यह तय करता है कि कौन सा डेटा डिवाइस को छोड़ता है।
वित्तीय संस्थानों के लिए चुनौतियाँ
बैंक एलएलएम के खिलाफ डेविड बनाम गोलियत की स्थिति में पाए जाते हैं। साथ ही, अफ्रीकी बैंक दूसरे मोर्चे पर लड़ रहे हैं, मोबाइल दूरसंचार उद्योग का मुकाबला कर रहे हैं, जिसने लंबे समय से कॉल और टेक्स्ट संदेशों के मुद्रीकरण से संतुष्ट होना बंद कर दिया है। इस प्रकार, बैंकिंग क्षेत्र के नेताओं के लिए वास्तव में मुश्किल है।
हालांकि, दोनों पक्षों के बड़े खिलाड़ी जन्मसिद्ध अधिकारों से प्राप्त कथित विशेषाधिकारों पर भरोसा करने की प्रवृत्ति रखते हैं। बैंकिंग लाइसेंस, स्पेक्ट्रम, नियामक बाधाओं और वितरण शक्ति के आसपास सहज हेरफेर होता है, इस धारणा के आधार पर कि विरासत में मिला प्रभाव और पैमाना डिफ़ॉल्ट रूप से जीतेंगे। फिर भी, Bridgewater के परिणाम बताते हैं कि उच्च प्रबंधन के लिए इस धारणा पर पुनर्विचार करने की आवश्यकता है।
यह स्पष्ट हो जाता है कि अफ्रीकी बैंक या दूरसंचार कंपनी में निहित मूल्य दशकों के लेनदेन डेटा में निहित है, जो दुनिया में किसी और के पास नहीं है। इसमें निपटान इतिहास, एजेंसी नेटवर्क के नकदी प्रवाह पैटर्न और अनौपचारिक व्यापारियों के नकदी प्रवाह के मौसमी लय शामिल हैं।
अल्पकालिक लाभ के मुकाबले दीर्घकालिक रणनीति
सर्वश्रेष्ठ ऋण विशेषज्ञों के निर्णयों को लेबल किए गए प्रशिक्षण डेटा में व्यवस्थित करना एक धीमी, अगोचर, आंतरिक कार्य है जो अल्पकालिक दृष्टिकोण से बहुत कम लाभ प्रदान करता है। इसमें आंतरिक कर्मचारियों को वह बनाने के लिए सशक्त बनाने की जटिलता भी जुड़ जाती है जो बाहरी प्रतियोगी से पहले उनके अपने आय स्रोतों को कमजोर कर सकता है। दूसरे शब्दों में, यह एक ऐसी कार्य है जो पारिस्थितिकी तंत्र के दीर्घकालिक संवर्धन पर केंद्रित नेतृत्व एजेंडे के हित में की जाती है, न कि अल्पकालिक लाभ प्राप्त करने के लिए।
जब लेखक ने जनवरी में एआई-आधारित विश्लेषण में संलग्न Papermap प्लेटफॉर्म की प्रोफाइलिंग की, तो सह-संस्थापक बेनेडिक्ट क्वार्टर ने कहा कि एआई अंततः एक वस्तु बन जाएगा, और जैसे ही ऐसा होगा, 'एकमात्र चीज़ जिसका वास्तव में मूल्य होगा वह यह है कि आप इसके साथ क्या करते हैं'। Kimi K3 की घटनाएं और Bridgewater की खोज, जो दो सप्ताह के भीतर हुई, वास्तव में इस अवधारणा के कार्यान्वयन की तरह दिखती हैं।
यह अस्पष्ट रहता है कि क्या अफ्रीकी बड़े खिलाड़ियों के पास इस सूक्ष्म कार्य को करने के लिए संसाधन, धैर्य और इच्छा होगी जो नए रुझान के अनुरूप है। हालांकि, ऐसा लगता है कि 'पतली परत' किसी भी मामले में बनाई जाएगी।