विचार नेता

एआई उतना ही समझदार है, जितना उसके पीछे मौजूद वित्तीय डेटा

Ilan Atias
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुजब सिस्टम इस बात पर असहमत होते हैं कि पेड डेट जैसे किसी एक फ़ील्ड का क्या अर्थ है, तब…
और देखें
  • जब सिस्टम इस बात पर असहमत होते हैं कि पेड डेट जैसे किसी एक फ़ील्ड का क्या अर्थ है, तब AI विफल हो जाता है।
  • जुड़ा हुआ वित्तीय डेटा AI को सार्थक बदलावों को सामान्य उतार-चढ़ाव से अलग पहचानने देता है।
  • डेटा कॉन्ट्रैक्ट और इवेंट-ड्रिवन फ़्लो स्वयं AI एप्लिकेशन से अधिक महत्वपूर्ण हैं।

वित्त के भविष्य को लेकर होने वाली लगभग हर चर्चा में अब एआई शामिल है। संगठन रोज़मर्रा के कामों को स्वचालित करने, पूर्वानुमान बेहतर बनाने और कर्मचारियों को तेज़ी से निर्णय लेने में मदद देने के लिए एआई में निवेश कर रहे हैं। इनमें से ज़्यादातर चर्चाएँ मॉडल और अनुप्रयोगों से शुरू होती हैं। मेरे अनुभव में, शुरुआत उन डेटा की गुणवत्ता, आपसी जुड़ाव और प्रबंधन से होनी चाहिए जिन पर ये प्रणालियाँ निर्भर करती हैं।

मैंने अपना करियर भुगतान अवसंरचना बनाने और उसका विस्तार करने में बिताया है, और सबसे कठिन समस्याएँ शायद ही कभी एल्गोरिदम से जुड़ी रही हों। असली मुश्किल उस बुनियादी अवसंरचना को तैयार करने में रही है, जिसकी मदद से लेखांकन मंच, बैंक, पेरोल सेवा प्रदाता और भुगतान नेटवर्क किसी कारोबारी घटना का एक ही तरह से वर्णन कर सकें।

वित्त के क्षेत्र में यह चुनौती खास तौर पर साफ़ दिखाई देती है। लेखांकन, बैंकिंग, पेरोल, इनवॉइसिंग और भुगतान—इन सभी से ऐसी जानकारी पैदा होती है जो कारोबारी फैसलों को प्रभावित करती है। जब ये प्रणालियाँ स्वतंत्र रूप से काम करती हैं, तो डेटा का बिखरा हुआ ढाँचा बनता है। इससे एआई के लिए पूरे संगठन का संदर्भ समझना कहीं अधिक कठिन हो जाता है। एआई अलग-अलग प्रणालियों के भीतर पैटर्न पहचान सकता है, लेकिन संगठन की वित्तीय स्थिति की एकीकृत तस्वीर के बिना वह भरोसेमंद ढंग से यह नहीं बता सकता कि पूरे कारोबार में क्या हो रहा है। Melio के शुरुआती दिनों में हमें इसी समस्या का एक ऐसा रूप देखने को मिला जो सुनने में मामूली लगता है, पर है नहीं: “भुगतान हो गया” का मतलब क्या है? कोई ग्राहक सोमवार को भुगतान मंज़ूर करता है। मंगलवार को उसके खाते से रकम निकलती है। विक्रेता का बैंक गुरुवार को उस रकम को उपलब्ध कराता है। अगले हफ़्ते उस लेन-देन का मिलान एक इनवॉइस से होता है। चार समय-चिह्न और “इसका भुगतान कब हुआ?” के चारों जवाब अपने-अपने आधार पर सही—इनमें से कोई भी गलत नहीं। मानव लेखाकार बिना इस अस्पष्टता पर सोचे-समझे उससे निपट लेता है। लेकिन अगर पूर्वानुमान मॉडल “भुगतान की तारीख” को एक ही फ़ील्ड मान ले, तो समय के बारे में उसके अनुमान पूरे विश्वास के साथ और व्यवस्थित रूप से गलत होंगे—जबकि नकदी प्रवाह का पूर्वानुमान लगाते समय समय ही वह चीज़ है जिसे सही समझना ज़रूरी है। इन प्रणालियों को जोड़ना पहला आवश्यक कदम था। फ़ील्ड का अर्थ क्या है, इस पर उनके बीच सहमति बनाना ही उस जुड़ाव को सचमुच उपयोगी बनाने वाला कदम था। वित्त में, “एआई के लिए तैयार” होने की शुरुआत प्रणालियों को जोड़ने से होती है; और जुड़ाव तभी मायने रखता है जब प्रणालियाँ एक ही घटना का वर्णन एक ही तरह से करें।

बेहतर दृश्यता से बेहतर फैसले होते हैं

एक-दूसरे से जुड़े वित्तीय डेटा की ज़रूरत लगातार अधिक तात्कालिक होती जा रही है। Xero की Small Business Insights रिपोर्ट के अनुसार, अमेरिका के छोटे कारोबारों को अब भुगतान पाने के लिए औसतन 29.3 दिन इंतज़ार करना पड़ता है, जबकि सालाना बिक्री वृद्धि 4.0% पर बनी हुई है, जो दीर्घकालिक औसत से कम है। जब भुगतान का समय, खर्च और माँग—तीनों स्वतंत्र रूप से बदलते हैं, तो संगठनों को ऐसे सिस्टम चाहिए जो इन संकेतों को अलग-अलग विश्लेषित करने के बजाय आपस में जोड़ सकें। यह बात किसी बड़े उद्यम के कोषागार संचालन पर भी उतनी ही लागू होती है जितनी 10 लोगों वाले कारोबार पर।

सोचिए, कोई कारोबार यह तय कर रहा है कि तिमाही खत्म होने से पहले वह एक और कर्मचारी रख सकता है या नहीं। यह फैसला आज के बैंक खाते के शेष से कहीं अधिक बातों पर निर्भर करता है: ग्राहकों से मिलने वाले संभावित भुगतान, पेरोल की प्रतिबद्धताएँ, बार-बार होने वाले खर्च, आने वाले कर दायित्व और अनुमानित राजस्व—ये सभी इसमें शामिल होते हैं। कोई एक माप भरोसेमंद जवाब नहीं दे सकता। इन सभी इनपुट को एक साथ देखने से नेतृत्वकर्ताओं को अपनी वित्तीय स्थिति की अधिक स्पष्ट समझ मिलती है और एआई को भी तर्क करने के लिए सार्थक जानकारी मिलती है। स्वचालन के लिए लेन-देन तक पहुँच ज़रूरी है। तर्क के लिए संदर्भ ज़रूरी है।

हर महीने की शुरुआत में वित्त टीमों को सार्थक विश्लेषण शुरू करने से पहले विभिन्न प्रणालियों के डेटा का मिलान करने में काफी समय लग सकता है। जब तक उन्हें पूरी तस्वीर मिलती है, तब तक जिस नकदी प्रवाह में आए बदलाव को वे समझने की कोशिश कर रहे होते हैं, उसे हुए कई हफ़्ते बीत चुके हो सकते हैं। डेटा को आपस में जोड़ने से इस देरी को ठीक इसी तरह कम किया जा सकता है।

कारोबार को समझने पर एआई से मिलता है मूल्य

वित्त क्षेत्र में एआई की पहली पीढ़ी का ध्यान दक्षता पर था: लेन-देन का वर्गीकरण करना, इनवॉइस संसाधित करना और टीमों को रोज़मर्रा के काम तेज़ी से पूरे करने में मदद देना। ये क्षमताएँ अब भी मूल्यवान हैं, लेकिन अपेक्षाएँ कामों के स्वचालन से आगे बढ़कर संदर्भ को समझने वाली निर्णय-सहायता की ओर जा रही हैं—नकदी प्रवाह के जोखिमों की पहले जानकारी, अधिक सटीक पूर्वानुमान और यह समझ कि भुगतान व्यवहार, खर्च या राजस्व के तौर-तरीकों में बदलाव भविष्य के प्रदर्शन को कैसे प्रभावित कर सकते हैं।

ऐसा करने के लिए एआई को वित्तीय डेटा का संदर्भ सहित विश्लेषण करना होगा। किसी भी लेन-देन का अर्थ उसके आसपास की परिस्थितियों पर निर्भर करता है: खर्च में बढ़ोतरी फ़िज़ूलखर्ची का संकेत हो सकती है या मौसमी माँग से पहले की गई माल-सूची खरीद को दर्शा सकती है; नकदी भंडार में गिरावट तरलता पर दबाव का संकेत हो सकती है या फिर तिमाही कर भुगतान के समय का नतीजा। एआई तब मूल्यवान बनता है जब वह भी ऐसा कर सके—ऐतिहासिक लेन-देन, नकदी की स्थिति, प्राप्य राशियों और परिचालन संकेतों के बीच के पैटर्न जोड़कर किसी अहम बदलाव को सामान्य उतार-चढ़ाव से अलग पहचान सके।

सही बुनियाद तैयार करना

वित्त क्षेत्र में एआई का मूल्यांकन कर रहे प्रौद्योगिकी नेताओं के लिए सबसे अहम सवाल यह नहीं है कि कौन-सा अनुप्रयोग पहले लागू किया जाए, बल्कि यह है कि क्या मौजूदा डेटा व्यवस्था उन अनुप्रयोगों के लिए ज़रूरी पूरा और समय पर उपलब्ध संदर्भ दे सकती है। ऐसी प्रणालियाँ बनाते समय कुछ निवेश सबसे अधिक मायने रखते हैं:

इंटीग्रेशन को सिर्फ़ कनेक्शन नहीं, अनुबंध मानें। लेखांकन मंच और भुगतान प्रणाली के बीच एक बार डेटा सिंक करने से समय के साथ तालमेल बिगड़ जाएगा। स्पष्ट डेटा अनुबंध तय करें—स्कीमा, फ़ील्ड की परिभाषाएँ और डेटा के ताज़ा होने की गारंटी—ताकि किसी अपस्ट्रीम सिस्टम में बदलाव होने पर डाउनस्ट्रीम एआई की गुणवत्ता चुपचाप कम न हो जाए।

बैच-आधारित मिलान से आगे बढ़कर घटना-आधारित डेटा प्रवाह अपनाएँ। अगर वित्तीय डेटा का मिलान साप्ताहिक या मासिक आधार पर होता है, तो एआई पुरानी जानकारी के आधार पर पूर्वानुमान लगा रहा है। घटना-आधारित पाइपलाइनें लेन-देन होते ही उन्हें आगे प्रसारित करती हैं, जिससे मॉडल को बदलावों का जल्द पता लगाने के लिए ज़रूरी ताज़ा जानकारी मिलती है।

वित्तीय मापदंडों के लिए एक अर्थगत परत स्थापित करें। “नकदी की स्थिति,” “बकाया प्राप्य राशि” और “राजस्व” का अर्थ हर प्रणाली में एक जैसा होना चाहिए। परिभाषाएँ एकसमान न होने पर एआई आत्मविश्वास से ऐसे उत्तर देगा जिनकी व्याख्या कोई भी दो टीमें एक ही तरह से नहीं करेंगी।

एआई के परिणामों का सत्यापित वास्तविक आँकड़ों से मूल्यांकन करें। अधिकांश एआई क्षेत्रों की तुलना में वित्त के पास एक बढ़त है: खाता-बही में सत्यापन योग्य रिकॉर्ड मौजूद होता है। एआई से मिली वित्तीय जानकारियों को कनिष्ठ विश्लेषक के काम जितनी ही कसौटी पर परखा जाना चाहिए—वास्तविक आँकड़ों से मिलान करके, और समय के साथ उनकी सटीकता मापकर। एआई की सिफारिशों पर भरोसा माप के ज़रिए अर्जित होता है, केवल दावा करने से नहीं।

इन निवेशों पर इनके आधार पर बनाए गए एआई अनुप्रयोगों जितना ध्यान नहीं जाता, लेकिन यही तय करते हैं कि वे अनुप्रयोग कारगर होंगे या नहीं।

असल निर्णायक अंतर

जैसे-जैसे एआई वित्तीय प्रबंधन का अभिन्न हिस्सा बन रहा है, तकनीकी चुनौती का केंद्र बदल रहा है: अब सवाल यह नहीं है कि अलग-अलग मॉडल क्या कर सकते हैं, बल्कि यह है कि वे व्यापक वित्तीय डेटा संरचना के भीतर कितनी प्रभावी ढंग से काम करते हैं।

जो संगठन आपस में जुड़े डेटा में निवेश करते हैं, वे नकदी प्रवाह में बदलावों की पहले पहचान करेंगे और एआई-जनित पूर्वानुमानों पर उन्हें अधिक भरोसा होगा। फर्क मॉडल में नहीं है। फर्क उसके पीछे मौजूद डेटा में है।

Ilan Atias Melio में अनुसंधान एवं विकास, उत्पाद और BI टीमों का नेतृत्व करते हैं। Melio से पहले, Ilan Windward में अनुसंधान एवं विकास के उपाध्यक्ष थे, जो पूर्वानुमान-आधारित समुद्री विश्लेषण में दुनिया की अग्रणी कंपनी है। इससे पहले, Ilan नेटिव विज्ञापन कंपनी Outbrain में शोधकर्ता थे और मशीन लर्निंग एल्गोरिदम पर आधारित एक वैयक्तिकृत अनुशंसा प्रणाली के लिए ज़िम्मेदार थे।