दक्षिण अफ्रीका में स्टार्टअप करदाताओं को कर वापसी बढ़ाने में मदद करने के लिए एआई का उपयोग करता है

पिछले एक दशक में, भारत ने वित्तीय लेनदेन के लिए सबसे विकसित डिजिटल सरकारी बुनियादी ढांचे में से एक का निर्माण किया है। हालांकि, अगला दशक केवल ऋण वितरण के डिजिटलीकरण द्वारा परिभाषित नहीं होगा, बल्कि उधार देने के लिए एक बुद्धिमान दृष्टिकोण को लागू करने द्वारा परिभाषित होगा। आर्टिफिशियल इंटेलिजेंस में ऋण प्राप्त करने के मानदंडों, जोखिम मूल्यांकन विधियों और वित्तीय अवसरों के लाखों भारतीयों तक पहुंचने की गति को मौलिक रूप से बदलने की क्षमता है।

ऋण अर्थव्यवस्था में परिवर्तन

यह साधारण स्वचालन से परे है। एआई ऋण अर्थव्यवस्था को बदल रहा है, उधारकर्ताओं के मूल्यांकन पर लागत कम कर रहा है। यह ऋणदाताओं को उन ग्राहक वर्गों की जिम्मेदारी से सेवा करने की अनुमति देता है जिनका पहले मूल्यांकन करना मुश्किल था।

भारत का क्रेडिट इतिहास एक नए चरण में प्रवेश कर रहा है। अधिक दिलचस्प बदलाव इस बात को समझने में निहित है कि अंततः इस इतिहास तक कौन पहुंच पाएगा। योग्य ऋण पाने वाले भारतीयों की एक महत्वपूर्ण संख्या औपचारिक प्रणाली के बाहर बनी हुई है, क्योंकि पारंपरिक स्कोरिंग मॉडल उनके मूल्यांकन के लिए पर्याप्त डेटा नहीं रखते हैं। एआई-आधारित उधार देने का उद्देश्य इसी समस्या का समाधान करना है।

अंडरराइटिंग मानदंडों का अद्यतन

पारंपरिक अंडरराइटिंग को औपचारिक अर्थव्यवस्था में वेतनभोगी कर्मचारियों के लिए डिज़ाइन किया गया था और इसमें पेस्लिप, बैंक विवरण और क्रेडिट ब्यूरो स्कोर जैसे दस्तावेजों पर भरोसा किया जाता था। यह प्रणाली उन लोगों के लिए अच्छी तरह से काम करती है जिनके पास क्रेडिट इतिहास है, लेकिन यह लगभग जानबूझकर बाकी सभी के लिए उपयुक्त नहीं है, जिसमें स्व-नियोजित, गिग-अर्थव्यवस्था के श्रमिक और पहली पीढ़ी के उद्यमी शामिल हैं।

एआई-आधारित अंडरराइटिंग एक अलग दृष्टिकोण का उपयोग करता है। यह वैकल्पिक डेटा का विश्लेषण करता है, जैसे डिजिटल भुगतान लेनदेन, जीएसटी रिपोर्ट, बैंक विवरण और उपयोगिता बिल भुगतान, रोजमर्रा के डिजिटल पदचिह्नों को गतिशील जोखिम प्रोफाइल में बदल देता है।

बुनियादी ढांचा और इसका विकास

इस परिवर्तन का समर्थन करने के लिए बुनियादी ढांचा पहले से ही तैयार है और तेजी से बढ़ रहा है। भारतीय रिजर्व बैंक के खाता एग्रीगेटर फ्रेमवर्क सहमति के आधार पर सुरक्षित वित्तीय डेटा विनिमय सुनिश्चित करता है, जिससे दस्तावेज़ीकरण की आवश्यकताएं कम हो जाती हैं और ऋण प्रसंस्करण समय कम हो जाता है। दिसंबर 2025 तक, पारिस्थितिकी तंत्र ने 2.6 बिलियन से अधिक वित्तीय खातों के आदान-प्रदान की अनुमति दी है, जिनमें से 252 मिलियन से अधिक उपयोगकर्ताओं से जुड़े हैं, जो तेजी से अपनाने को दर्शाता है, लेकिन फिर भी आगे के प्रवेश के लिए महत्वपूर्ण क्षमता छोड़ता है।

एकल ऋण इंटरफ़ेस ऋण आवेदन के लिए भी यही करता है: दिसंबर 2025 तक, इस पर 64 ऋणदाता काम कर रहे थे, जिसमें 41 बैंक और 23 गैर-बैंकिंग वित्तीय कंपनियां (एनबीएफसी) शामिल थीं, जो पिछले वर्ष के 36 की तुलना में अधिक है। यह इंटरफ़ेस दर्जनों विभिन्न ऋण प्राप्ति प्रक्रियाओं के भीतर डिजीटल भूमि रिकॉर्ड से लेकर उपग्रह इमेजरी तक 136 से अधिक डेटा सेवाओं का उपयोग करता है।

डिजिटल पहचान और भुगतान के लगभग सार्वभौमिक बुनियादी ढांचे के साथ मिलकर, एआई मॉडल अब वास्तविक समय में उधारकर्ता के वित्तीय व्यवहार की तस्वीर बनाने में सक्षम हैं। परिणाम पहले ही अंडरराइटिंग अर्थव्यवस्था में दिखाई दे रहे हैं: ऋण निर्णय, जिन्हें पहले दिनों लगते थे, अब मिनटों में लिए जाते हैं। यह बदलाव वास्तविक जीवन में परिलक्षित होता है: एक पहली पीढ़ी की महिला उद्यमी अपने व्यवसाय के विकास में एक और कदम उठा सकती है, और एक गिग-अर्थव्यवस्था कार्यकर्ता आखिरकार अपनी आय बढ़ाने के लिए एक प्रयुक्त स्कूटर को वित्तपोषित कर सकता है।

ऋण बाजार का विस्तार

भारत में उधार का विस्तार अब मौजूदा उधारकर्ताओं के ऋण बढ़ाने तक सीमित नहीं है; यह औपचारिक प्रणाली में पूरी तरह से नई श्रेणियों के उधारकर्ताओं को आकर्षित कर रहा है, जिससे उनके लिए वित्तीय अवसर बदल रहे हैं।

औपचारिक ऋण में महिलाओं की भागीदारी इस बदलाव को स्पष्ट रूप से प्रदर्शित करती है। अप्रैल 2026 में प्रकाशित ट्रांसयूनियन सिबिल-नीति आयोग (डब्ल्यूईपी) की संयुक्त रिपोर्ट के अनुसार, 2017 और 2025 के बीच महिलाओं के बीच ऋण पैठ लगभग दोगुनी हो गई, जो 19% से बढ़कर 36% हो गई। महिलाएं अब 76 लाख करोड़ रुपये के ऋण पोर्टफोलियो की मालिक हैं - सिस्टम में कुल ऋण का 26%, जो 2017 के आंकड़े से 4.8 गुना अधिक है।

इस वृद्धि के पीछे एक बहुत विशिष्ट प्रकार का उधारकर्ता है। एक महिला जो घरेलू सिलाई कार्यशाला या छोटे खाद्य व्यवसाय का प्रबंधन करती है, उसके पास अक्सर गिरवी रखने के लिए संपत्ति नहीं होती है और वह बैंक को पेस्लिप प्रदान नहीं कर सकती है। हालांकि, उसके पास ग्राहकों से यूपीआई चेक का एक निरंतर प्रवाह, यदि उसका व्यवसाय औपचारिक है तो जीएसटी रिपोर्ट, और छोटे ऋणों के समय पर भुगतान का रिकॉर्ड होता है। एआई-आधारित अंडरराइटिंग इस जानकारी की व्याख्या करने और कार्यशील पूंजी के लिए ऋण प्रदान करने में सक्षम है जिसे चेकलिस्ट पर आधारित पारंपरिक प्रक्रिया अस्वीकार कर सकती थी।

गिग कार्य एक समान कहानी बताता है, लेकिन बहुत बड़े पैमाने पर। नीति आयोग और 2025-26 आर्थिक सर्वेक्षण के आंकड़ों के अनुसार, भारत में गिग अर्थव्यवस्था कार्यबल में 55% की वृद्धि हुई है, जो एफजी21 में 7.7 मिलियन से बढ़कर एफजी25 में 12 मिलियन हो गया है। फिर भी, आय की अस्थिरता ने कई गिग अर्थव्यवस्था श्रमिकों को औपचारिक ऋण प्रणाली से बाहर रखा है, क्योंकि उनकी कमाई निश्चित मासिक वेतन के समान नहीं है जिसका मूल्यांकन पारंपरिक अंडरराइटिंग मॉडल करते हैं।

वही डेटा जिसे बैंक ऐतिहासिक रूप से अनदेखा करते आए हैं - दैनिक आय, यात्रा या डिलीवरी पूर्णता रिकॉर्ड और लेनदेन इतिहास - वही है जिसका विश्लेषण एआई मॉडल के लिए अभिप्रेत है। व्यवहार में, यह एक कूरियर को एक स्कूटर को वित्तपोषित करने की अनुमति देता है जो उसकी दैनिक यात्राओं की संख्या को दोगुना कर देता है, या एक टैक्सी ड्राइवर को पुराने कार ऋण को बेहतर दर पर पुनर्वित्त करने की अनुमति देता है, क्योंकि प्लेटफॉर्म से आय को केवल बैंक बैलेंस के बजाय चुकौती क्षमता के प्रमाण के रूप में मान्यता दी जाती है।

भूगोल भी इसी तरह की दिशा में बदल रहा है। ऋण की मांग अब भारत के महानगरों तक ही सीमित नहीं है। छोटे शहर और अर्ध-शहरी बाजार पहली बार औपचारिक ऋण के लिए खुल रहे हैं, अक्सर स्थानीय भाषाओं में ऐप्स और न्यूनतम दस्तावेज़ प्रक्रियाओं के माध्यम से, जो आधार पर इलेक्ट्रॉनिक केवाईसी और खाता एग्रीगेटर प्रवाह द्वारा प्रदान किए जाते हैं। तीसरे टियर शहर में पहली बार आवेदन करने वाले उधारकर्ता के लिए, इसका मतलब बैंकों के हफ्तों तक जाने और कागजी कार्रवाई के बीच स्मार्टफोन पर कुछ ही मिनटों में ऋण स्वीकृति प्राप्त करना हो सकता है, जो उस डेटा पर आधारित है जिसे उधारकर्ता पहले ही साझा करने का निर्णय ले चुका है।

कुल मिलाकर, ये वही खंड हैं जहां एआई-आधारित अंडरराइटिंग में सबसे अधिक क्षमता है। जो उधारकर्ता पहली बार ऋण के लिए आवेदन करते हैं, उनके पास औपचारिक दस्तावेज़ीकरण कम हो सकता है, लेकिन वे डिजिटल व्यवहार डेटा में तेजी से समृद्ध हो रहे हैं। अन्य स्थानों में फिनटेक ऋण अनुसंधान ने इस समूह को 'अदृश्य प्राइम' (invisible primes) नाम दिया है - ऐसे उधारकर्ता जो वास्तव में ऋण के लायक हैं, लेकिन ब्यूरो पर आधारित पारंपरिक मॉडल में फिट नहीं होते हैं।

एआई न केवल आवेदनों को संसाधित करता है; यह पहले अदृश्य उधारकर्ताओं को क्रेडिट प्रणाली के लिए दृश्यमान बनाता है। ऐसा करके, यह उन दरवाजों को खोलता है जो पहले बंद थे, चाहे वह पहला ऋण हो, बड़ा ऋण हो, या अन्यथा संभव की तुलना में अधिक न्यायसंगत शर्तों पर वित्तपोषण हो।

आवेदन अनुमोदन से परे

अंडरराइटिंग उपयोग का सबसे स्पष्ट मामला है, लेकिन यह एकमात्र नहीं है। आरबीआई का मुख्य केवाईसी दिशानिर्देश वीडियो-आधारित ग्राहक पहचान प्रक्रिया (वी-सीआईपी) को व्यक्तिगत बातचीत के कानूनी रूप से समकक्ष मानता है, बशर्ते स्थापित मानकों का पालन किया जाए। इस संरचना में वी-सीआईपी सिस्टम में डीपफेक/लाइवनेस डिटेक्शन और चेहरे की मिलान तकनीक शामिल होनी चाहिए, और यह इन जांचों की विश्वसनीयता बढ़ाने के लिए एआई के उपयोग को सीधे अनुमति और प्रोत्साहित करता है।

उसी स्तर का एआई दस्तावेज़ धोखाधड़ी से लड़ने के लिए उपयोग किया जाता है: ऑप्टिकल कैरेक्टर रिकग्निशन और फोरेंसिक इमेजिंग मॉडल पीएएन या आधार के बदले गए स्कैन, नकली पेस्लिप और सिंथेटिक पहचान का पता लगाते हैं जो एक डेटाबेस में सत्यापन के लिए बनाए गए थे लेकिन क्रॉस-चेकिंग में नहीं।

चूंकि डीपफेक पर आधारित केवाईसी प्रयास बढ़े हैं, इसलिए यह पता लगाने का स्तर सुरक्षित उधार के लिए उतना ही महत्वपूर्ण हो गया है जितना कि स्वयं क्रेडिट स्कोरिंग मॉडल।

ऋण जारी होने के बाद निगरानी

एआई की भूमिका धन जारी करने पर समाप्त नहीं होती है। प्रारंभिक चेतावनी प्रणाली अब तनाव के संकेतों - खाते में शेष राशि में कमी, असफल भुगतान, कारोबार में अचानक गिरावट - के लिए जीवित उधारकर्ता के लेनदेन पैटर्न, जीएसटी रिपोर्ट और चुकौती व्यवहार की निगरानी करती है, इससे बहुत पहले कि ऋण पारंपरिक रूप से जोखिम भरा चिह्नित हो। भारतीय बैंक और एनबीएफसी पहले से ही अपने संचालन में ऐसी प्रणालियों का उपयोग कर रहे हैं।

लाभ स्पष्ट है: ऋणदाता, जो बढ़ते तनाव को देखता है, ऋण को डिफ़ॉल्ट (एनपीए) बनने से पहले पुनर्गठित करने या क्रेडिट लाइन को सख्त करने में सक्षम होता है, बजाय इसके कि वह केवल तभी समस्या का पता लगाए जब खाता समस्याग्रस्त हो जाता है।

ऋण जीवनचक्र के दूसरे छोर पर, एआई वसूली प्रक्रिया को बदल देता है। प्रत्येक चूकने वाले उधारकर्ता से एक ही कॉल या एसएमएस के साथ संपर्क करने के बजाय, ऋणदाता ऐसे मॉडल का उपयोग करते हैं जो भविष्यवाणी करते हैं कि कौन सा उधारकर्ता हल्के अनुस्मारक पर भुगतान करेगा, किसे फोन कॉल की आवश्यकता है, और किसे संग्रह एजेंट को सौंपना चाहिए - उधारकर्ता के अनुरूप संपर्क विधि और समय का चयन करते हुए, न कि एक स्थिर सूची के अनुसार काम करते हुए।

सही कार्यान्वयन के साथ, यह उधारकर्ताओं के प्रति भी अधिक न्यायसंगत है: किसी ग्राहक के देर से भुगतान के कारण भुगतान चूकने वाले व्यक्ति को गुमशुदा व्यक्ति की तुलना में अलग तरह से देखा जाएगा।

वही डेटा जो ऋण अनुमोदन को निर्धारित करता है, वह तेजी से इसकी लागत को भी निर्धारित करता है। जोखिम-आधारित मूल्य निर्धारण - पूरे उत्पाद श्रेणी पर एक निश्चित दर लागू करने के बजाय कम जोखिम वाले उधारकर्ता से कम दर वसूलना - हमेशा ऋण देने का सिद्धांत रहा है; एआई इसे लाखों छोटे ऋणों के पैमाने पर व्यावहारिक बनाता है, क्योंकि यह उधारकर्ताओं को कई व्यापक समूहों में छांटने के बजाय प्रत्येक फ़ाइल का व्यक्तिगत रूप से मूल्य निर्धारण कर सकता है।

भविष्य की दिशाएँ: एजेंट एआई

ऋण देने में एआई के विकास का अगला चरण निर्णय समर्थन से परे जाकर कार्यप्रवाहों के स्वायत्त ऑर्केस्ट्रेशन में जाएगा। एआई एजेंट दस्तावेजों को इकट्ठा करने, पहचान सत्यापित करने, ऋणदाता नीतियों की तुलना करने, आवेदन तैयार करने, अनुमोदनों का समन्वय करने, ग्राहकों के साथ संवाद करने और आंतरिक प्रणालियों को अपडेट करने में तेजी से संलग्न होंगे, जबकि लोग अपवादों और निरीक्षण पर ध्यान केंद्रित करेंगे। ऋणदाताओं के लिए, यह परिचालन लागत में कमी, समय में तेजी और अधिक स्थिर ग्राहक अनुभव का वादा करता है।

आगे मुख्य चुनौती

एआई-आधारित उधार देना भारत में ऋण वृद्धि के इतिहास में एक अलग, भविष्यवादी अध्याय नहीं है। यह तेजी से एक तंत्र बन रहा है जिसके माध्यम से अगले चरण की वृद्धि को साकार किया जाएगा।

प्रमुख क्रेडिट संकेतक बाजार के स्वस्थ विस्तार की ओर इशारा करते हैं। गहन परिवर्तन बताता है कि क्यों। अधिक महिलाएं, अधिक पहली बार ऋण लेने वाले उधारकर्ता, और अधिक स्व-नियोजित और गिग-अर्थव्यवस्था के श्रमिक औपचारिक ऋण पारिस्थितिकी तंत्र में शामिल हो रहे हैं, क्योंकि ऋणदाता अंततः उन लोगों के लिए जोखिम का मूल्यांकन और मूल्य निर्धारित कर सकते हैं जिनका पारंपरिक प्रणाली मूल्यांकन नहीं कर सकती थी।

वास्तविक अवसर केवल ऋण को तेज या अधिक कुशल बनाने में नहीं है। यह इस बात को फिर से परिभाषित करने में है कि भारत में ऋण तक किसकी पहुंच है। एआई केवल तभी ऋण को बड़े पैमाने पर बदल सकता है जब यह विश्वास पर बनाया गया हो, जिसमें डेटा गोपनीयता, व्याख्या योग्य निर्णय लेने और मजबूत नियामक सामंजस्य को प्राथमिकता दी जाए। यदि उद्योग इन मूलभूत सिद्धांतों को सही ढंग से लागू करता है, तो एआई-आधारित उधार देने से न केवल भारत में ऋण वृद्धि तेज होगी, बल्कि लाखों वंचित लेकिन योग्य भारतीयों को औपचारिक वित्तीय प्रणाली में लाएगा।

निष्कर्ष

भारत की अगली ऋण क्रांति ऋण अनुमोदन की गति से नहीं, बल्कि उन पहले से अदृश्य उधारकर्ताओं की संख्या से मापी जाएगी जो औपचारिक वित्तीय प्रणाली के लिए दृश्यमान हो जाएंगे। एआई केवल ऋण को तेज नहीं कर रहा है - इसमें विश्वास और जिम्मेदार उधार को केंद्र में रखते हुए ऋण तक पहुंच का लोकतंत्रीकरण करने की क्षमता है।