डैनियल लिच्टेंस्टीन, हाइपरकोर के सीईओ और सह‑संस्थापक – साक्षात्कार श्रृंखला

Daniel Liechtenstein, हाइपरकोर के सीईओ और सह‑संस्थापक, एक फिनटेक उद्यमी और वित्तीय रणनीतिकार हैं जिनका पृष्ठभूमि ऋण प्रौद्योगिकी, सॉफ़्टवेयर विकास, व्यापार परामर्श, और बड़े‑पैमाने पर वित्तीय योजना में फैला हुआ है। उन्होंने 2020 में हाइपरकोर की सह‑स्थापना की, इसके पहले वे Articode में बिज़नेस डेवलपमेंट पार्टनर के रूप में कार्यरत थे, जहाँ उन्होंने फिनटेक सॉफ़्टवेयर प्रोजेक्ट्स और वित्तीय सेवाओं के ग्राहकों पर ध्यान केंद्रित किया, तथा स्टार्ट‑अप्स और बढ़ती कंपनियों के लिए स्वतंत्र रूप से वित्तीय और व्यापार परामर्शदाता के रूप में काम किया। अपने करियर की शुरुआत में, लिच्टेंस्टीन ने Israel Defense Forces और Israeli Ministry of Defense में वरिष्ठ वित्तीय योजना और रणनीति भूमिकाएँ संभालीं, जहाँ उनकी ज़िम्मेदारियों में बड़े ICT बजटों का प्रबंधन, प्रौद्योगिकी निवेशों का मूल्यांकन, वैश्विक प्रौद्योगिकी विक्रेताओं के साथ बड़े‑पैमाने पर समझौतों पर बातचीत, और क्लाउड इन्फ्रास्ट्रक्चर तथा रणनीतिक खरीद पहल में योगदान शामिल था।

Hypercore एक प्रौद्योगिकी प्लेटफ़ॉर्म है जो निजी क्रेडिट फंडों और गैर‑बैंक ऋणदाताओं के लिए बनाया गया है, जिसका उद्देश्य ऋण देने के पीछे की संचालनात्मक बुनियादी ढाँचा को आधुनिक बनाना है। इसका एंड‑टू‑एंड प्लेटफ़ॉर्म ऋण डेटा को केंद्रीकृत करता है और उत्पत्ति और पाइपलाइन प्रबंधन से लेकर सर्विसिंग, फंडिंग‑सोर्स प्रबंधन, रिपोर्टिंग और परिपक्वता तक पूरे जीवन‑चक्र का समर्थन करता है, जबकि कई गणनाएँ और वर्कफ़्लो जो पारंपरिक रूप से स्प्रेडशीट और असंबद्ध सिस्टम द्वारा संभाले जाते थे, उन्हें स्वचालित करता है। हाल ही में, हाइपरकोर ने एआई‑नेटिव ऋण प्रशासन पर अपना फोकस विस्तारित किया है, जहाँ एआई एजेंट संरचित ऋण डेटा और पेशेवर निगरानी के साथ मिलकर सुविधाओं के ऑनबोर्डिंग, गणनाएँ, भुगतान, मिलान, नोटिस और रिपोर्टिंग जैसी आवर्ती सर्विसिंग गतिविधियों को स्वचालित करते हैं। यह प्लेटफ़ॉर्म ऋणदाताओं को रीयल‑टाइम पोर्टफ़ोलियो दृश्यता, ऑडिटेबल वर्कफ़्लो, और प्रशासनिक टीमों को अनुपातिक रूप से बढ़ाए बिना संचालन को स्केल करने के लिए आवश्यक बुनियादी ढाँचा प्रदान करने के लिए डिज़ाइन किया गया है।

जब आपने हाइपरकोर शुरू किया, तो आपको क्या लगा कि निजी क्रेडिट फर्मों द्वारा बंद होने के बाद ऋणों का प्रबंधन करने के तरीके में क्या कमी थी? और एआई के विकसित होने के साथ वह विचार कैसे बदल गया?

हमने हाइपरकोर शुरू किया क्योंकि निजी क्रेडिट के लिए वास्तव में कोई ऋण प्रबंधन प्रणाली नहीं थी।

कई सिस्टम मानक ऋण उत्पादों को काफी हद तक संभालते हैं, लेकिन निजी क्रेडिट मानक नहीं है। इसमें विभिन्न संरचनाएँ, विभिन्न भुगतान तंत्र, शर्तें, संशोधन, वॉटरफ़ॉल, ऋणदाता समूह और अधिक शामिल होते हैं। दो सौदे समान नहीं होते, और फर्में बहुत अधिक स्प्रेडशीट और मैन्युअल प्रक्रियाओं पर निर्भर करती हैं।

हमारा विचार ऐसा बुनियादी ढाँचा बनाना था जो ऋण को सही ढंग से दर्शा सके और उसके पूरे जीवन‑चक्र में उसका प्रबंधन कर सके।

यह विचार तब विकसित हुआ जब हमें एहसास हुआ कि एक बार हमारे पास नीचे यह बुनियादी ढाँचा हो, तो एआई इसके साथ कुछ उपयोगी कर सकता है। यदि सिस्टम में ऋण सही ढंग से दर्शाया गया है और आप उसकी वर्तमान स्थिति जानते हैं, तो एआई एक घटना को समझ सकता है, ऋण शर्तों को लागू कर सकता है, वर्कफ़्लो शुरू कर सकता है, सिस्टम को अपडेट कर सकता है, आउटपुट तैयार कर सकता है, और जब मानव निर्णय या अनुमोदन की आवश्यकता हो तो व्यक्ति को शामिल कर सकता है।

यह समझ हमें सॉफ़्टवेयर के साथ-साथ ऋण प्रशासन सेवाएँ प्रदान करने के लिए प्रेरित किया। हम पहले से निर्मित बुनियादी ढांचे का उपयोग एआई एजेंटों और हमारी ऑपरेशन्स टीम के साथ मिलकर कार्य को चलाने के लिए कर रहे हैं।

बुनियादी ढाँचा पहले बनना आवश्यक है, लेकिन एक बार आपके पास वह हो जाने पर आप एआई का उपयोग करके बंद‑के‑बाद संचालन के पूर्ण होने के तरीके को बदल सकते हैं।

निजी क्रेडिट में एआई के बारे में अधिकांश चर्चा अंडरराइटिंग और ड्यू डिलिजेंस पर रही है। आपका क्या मानना है कि बड़ा अवसर वास्तव में ऋण बंद होने के बाद क्यों आ सकता है?

अंडरराइटिंग शुरू करने के लिए स्पष्ट स्थान है क्योंकि पढ़ने और विश्लेषण करने के लिए बहुत कुछ होता है, और एआई इसमें बहुत अच्छा है। हालांकि, यह प्रक्रिया केवल कुछ हफ़्तों में पूरी हो जाती है। बंद होने के बाद, आपको वर्षों तक ऋण की जिम्मेदारी लेनी पड़ती है, जिसमें भुगतान, दर परिवर्तन, संशोधन, शर्त परीक्षण, ड्रॉ, नोटिस, मिलान, रिपोर्टिंग आदि शामिल हैं। साथ ही, हर बार पोर्टफ़ोलियो बढ़ने पर वह सभी कार्य भी बढ़ जाता है।

यदि एआई अंडरराइटिंग के दौरान एक निवेश पेशेवर का एक घंटा बचाता है, तो यह उपयोगी है। लेकिन यदि यह रोज़ाना पोर्टफ़ोलियो चलाने के लिए आवश्यक मैन्युअल कार्य को कम करता है, तो यह बहुत बड़ा प्रभाव है।

पाँच या सात वर्षों तक ऋण की सर्विसिंग को स्वचालित करना, जब सौदा पहली बार अंडरराइट किया जा रहा हो, उसकी विश्लेषण से अधिक कठिन क्या बनाता है?

यदि आप एआई सिस्टम से क्रेडिट एग्रीमेंट का सारांश करने को कहें, तो यह एक काफी बुनियादी कार्य है। कोई व्यक्ति एआई के उत्तर की जाँच करता है और आगे बढ़ जाता है।

लेकिन सर्विसिंग ऐसा नहीं काम करती। इस महीने की गणना पिछले साल के एक संशोधन, तीन महीने पहले की दर रीसेट, और पिछले सप्ताह के भुगतान से प्रभावित हो सकती है। ऋण की स्थिति, और वास्तव में स्वयं ऋण, लगातार बदलती रहती है। मूल समझौता केवल प्रारंभिक बिंदु है। आपको संशोधनों, छूटों, चुनावों और मूल दस्तावेज़ के बाहर सहमत किसी भी चीज़ पर भी नज़र रखनी होती है।

यह आसान नहीं है! यह केवल दस्तावेज़ पढ़ने का मामला नहीं है; आपको कई वर्षों तक एक सक्रिय वित्तीय उपकरण को बनाए रखना होता है और यह सुनिश्चित करना होता है कि हर नया घटना सही ढंग से लागू हो। यदि आप शुरुआती चरण में गलती करते हैं, तो वह भविष्य की गणनाओं में महीनों या यहाँ तक कि वर्षों तक प्रवाहित हो सकती है, इससे पहले कि कोई इसे नोटिस करे।

कई प्रबंधक अभी भी अपने स्वयं के “shadow book” को रखकर अपने प्रशासक के काम की जाँच करते हैं। यह इतना आम क्यों हो गया है? और कंपनियों को इसे छोड़ने में सहज महसूस करने के लिए क्या बदलना पड़ेगा?

यदि कोई प्रशासक आपको कोई गणना बिना यह बताए भेजता है कि उन्होंने इसे कैसे निकाला, तो आप शायद खुद ही इसे गणना करेंगे! यही मूल रूप से shadow book है। यह दोहराव वाला काम बनाता है, लेकिन इसका एक कारण है; प्रबंधक को यह सुनिश्चित करना होता है कि आंकड़े सही हैं।

shadow book को समाप्त करने के लिए, प्रबंधकों को काम में अधिक पारदर्शिता की आवश्यकता होगी, जिसमें उपयोग किए गए इनपुट, लागू किए गए शर्तें, और यदि कोई परिवर्तन हुआ है तो वह भी शामिल है।

यदि प्रबंधक और प्रशासक एक ही मूल ऋण रिकॉर्ड पर काम कर रहे हैं, तो shadow book की कोई आवश्यकता नहीं है। हालांकि, मैं नहीं मानता कि कोई नई सेवा प्रदाता के कहने पर इसे तुरंत छोड़ देगा। यह भरोसा समय के साथ सटीक परिणामों के माध्यम से अर्जित करना पड़ेगा।

क्रेडिट समझौते को पढ़ सकने वाले AI और वास्तविक सर्विसिंग कार्य करने वाले AI में बड़ा अंतर है। ऐसी प्रणाली को उन कार्यप्रवाहों को निष्पादित करने के लिए आप भरोसा करने से पहले क्या चाहिए?

इसके लिए कई चीज़ें आवश्यक हैं, जिनमें शामिल हैं:

• एक विश्वसनीय ऋण रिकॉर्ड
• पिछली गतिविधियों का ज्ञान
• उस सिस्टम तक पहुँच जहाँ काम पूरा किया जाता है
• जब कार्य समाप्त हो जाता है और यदि कुछ सही नहीं दिखता तो क्या करना है, इसकी जागरूकता

उदाहरण के लिए एक भुगतान लें। स्पष्ट रूप से, AI को भुगतान की गणना करनी होगी, लेकिन यह यहीं समाप्त नहीं होता।

भुगतान को प्रोसेस भी किया जाना चाहिए, नोटिस वितरित करने की आवश्यकता हो सकती है, सिस्टम को अपडेट करना होगा, किसी मानव को इसे समीक्षा करनी पड़ सकती है, और अंत में नकदी का मिलान करना आवश्यक है।

और त्रुटियों के लिए सहनशीलता बहुत कम है। इसलिए हमारी टीम उस प्रशासन सेवा के लिए उत्तरदायी है जो हम प्रदान करते हैं। AI नीचे कुछ काम कर रहा है, लेकिन हम यह नहीं दर्शा रहे हैं कि सॉफ़्टवेयर स्वयं परिणाम के लिए जिम्मेदार है।

जब AI भुगतान, आवंटन और निवेशक रिपोर्टिंग जैसी चीज़ों को संभालना शुरू करता है, तो आप कैसे तय करते हैं कि वह क्या स्वयं कर सकता है और कहाँ अभी भी इंसान को हस्तक्षेप करना चाहिए?

ईमानदारी से कहूँ तो, यह इस पर निर्भर करता है कि यदि प्रणाली गलत हो तो क्या होता है। कई स्थितियों में AI स्वचालित रूप से काम कर सकता है, जैसे जानकारी निकालना, रिकॉर्ड मिलाना, विसंगतियों की पहचान करना – ऐसी चीज़ें। लेकिन यदि आप नकदी स्थानांतरित कर रहे हैं या कुछ बाहरी रूप से भेज रहे हैं, तो आपको एक व्यक्ति को शामिल करना पड़ेगा।

इसे कहने के बाद, मेरा मानना है कि मानव अनुमोदन चरण की मौजूदगी पर बहुत अधिक ध्यान दिया जा रहा है और यह नहीं देखा जा रहा कि वह व्यक्ति वास्तव में क्या देख सकता है। यदि मैं किसी को एक संख्या और एक अनुमोदन बटन देता हूँ, तो यह बहुत मददगार नहीं है। उन्हें बिना एक घंटा गणना दोबारा किए, यह समझने की क्षमता चाहिए कि वह संख्या कहाँ से आई।

संक्षेप में, यदि कोई दर बदलती है, तो प्रणाली को पुरानी दर, नई दर, स्रोत दस्तावेज़ और इनपुट प्रदान करने की क्षमता होनी चाहिए। फिर एक मानव वास्तव में इसे समीक्षा कर सकता है।

जैसे ही प्रणाली किसी कार्यप्रवाह में खुद को साबित करती है, आप इसे अधिक स्वचालित कर सकते हैं, लेकिन केवल इसलिए नहीं कि नया मॉडल जारी हुआ है।

निजी क्रेडिट ऋण अत्यधिक अनुकूलित हो सकते हैं। आप इसे कैसे स्वचालित करते हैं बिना AI मॉडल से हर बार किसी घटना पर सौदे की पुनः व्याख्या करने को कहे?

AI उपयोगी होता है जब आप दस्तावेज़ पढ़ रहे होते हैं और समझ रहे होते हैं कि सौदा कैसे काम करता है। 200 पृष्ठों का समझौता और उसके संशोधन ठीक वही चीज़ है जिसमें AI मदद कर सकता है। फिर, एक बार आप संरचना को समझ लेते हैं, AI सौदे को ऋण मॉडल में मैप करने में मदद कर सकता है ताकि वह सही ढंग से दर्शाया जा सके। उसके बाद, गणनाएँ निर्धारित होती हैं।

यदि ऋण में वाटरफ़ॉल, PIK घटक, कई ट्रांच या मूल्य घटाव चरण है, तो ये नियम सिस्टम में होते हैं। हम भाषा मॉडल को हर बार भुगतान आने पर दस्तावेज़ फिर से पढ़ने को नहीं कह रहे हैं! प्रबंधकों को प्रत्येक गणना को पुनः उत्पन्न और समझाने में सक्षम होना चाहिए; यह असंभव है यदि मॉडल हर घटना पर सौदे की पुनः व्याख्या करता है।

निजी क्रेडिट में निवेश जोखिम स्वाभाविक रूप से अधिकांश ध्यान आकर्षित करता है। आप किन प्रकार के संचालन जोखिम को प्रबंधक अक्सर कम आँकते हैं?

प्रबंधक छोटी-छोटी बातों को कम महत्व देते हैं: एक संशोधन जो एक जगह पर दर्शाया जाता है लेकिन दूसरी जगह नहीं; एक मिलान जो अपेक्षा से देर से होता है; एक कर्मचारी अनजाने में शर्तों के पुराने संस्करण से काम कर रहा होता है।

यह आमतौर पर एक बड़ी विफलता नहीं होती, बल्कि एक छोटी समस्या होती है जो कुछ समय तक पृष्ठभूमि में गलत रहती है, फिर अन्य चीज़ों को प्रभावित करना शुरू करती है।

उदाहरण के लिए, यदि आप गलत शर्त से कुछ गणना करते हैं, तो वह भुगतान में शामिल हो जाता है, और फिर रिपोर्टिंग में दिखता है। जब तक कोई इसे नोटिस करता है, आपको महीनों के काम की समीक्षा करनी पड़ेगी।

AI इस विंडो को घटाकर मदद कर सकता है। यदि आप तिमाही के अंत के बजाय हर दिन मिलान कर सकते हैं, तो आप समस्याओं को बहुत जल्दी खोज सकते हैं। यदि प्रत्येक संशोधन को तुरंत सिस्टम में उठाया और दर्शाया जाए, तो आप लोगों के विभिन्न संस्करणों से काम करने की संभावना को कम कर देते हैं।

AI द्वारा निवेश निर्णय लेने के विचार जितना रोमांचक नहीं है, लेकिन संचालनात्मक रूप से यह बड़ा अंतर लाता है।

एक ऐसी फर्म के लिए जिसके पास कई वर्षों के ऋण पुराने सिस्टम, स्प्रेडशीट, PDF और ईमेल में बिखरे हुए हैं, नई संचालन पर्यावरण में स्थानांतरित होने में वास्तव में क्या कठिन है?

सही डेटा क्या है, यह निर्धारित करना।

एक फर्म के पास क्रेडिट समझौते में शर्तें, किसी अन्य सिस्टम में शेष राशि, फ़ोल्डर में संशोधन, ईमेल में भुगतान इतिहास, और यहाँ तक कि कुछ महत्वपूर्ण संदर्भ हो सकते हैं जो केवल एक टीम सदस्य की स्मृति में मौजूद हैं!

इसलिए सबसे पहले आपको आज की स्थिति में ऋण को पुनर्निर्मित करना होगा। फिर आपको इसे मौजूदा सिस्टम के कहे हुए से तुलना करनी होगी। कभी‑कभी संख्याएँ मेल नहीं खातीं और आपको कारण पता करना पड़ता है। शायद माइग्रेशन के दौरान कुछ गलत मैप किया गया था?  शायद वर्षों पहले कोई मैन्युअल समायोजन किया गया था? या शायद पुराना सिस्टम ही गलत था। जो भी हो, आप अंतर को अनदेखा नहीं कर सकते।

हम सलाह देते हैं कि आप कुछ समय के लिए पुराने और नए वातावरण को समानांतर चलाएँ, आउटपुट की तुलना करें, अंतर की जांच करें, और माइग्रेशन पूरा करने से पहले सब कुछ तैयार कर लें।

यह माइग्रेशन का सबसे तेज़ तरीका नहीं है, लेकिन लाइव ऋण पुस्तक में गति मुख्य लक्ष्य नहीं होना चाहिए।

यदि AI फर्मों को छोटे संचालन टीमों के साथ बहुत बड़े पोर्टफोलियो चलाने की अनुमति देता है, तो आप कैसे सोचते हैं कि यह पारंपरिक ऋण प्रशासक की भूमिका को बदलता है?

प्रशासन पहले मैन्युअल कार्य को दर्शाता था, लेकिन यदि AI अधिकांश कार्य कर सकता है, तो ऋण प्रशासक की नई भूमिका यह सुनिश्चित करना है कि संख्याएँ सही हों और उत्पन्न होने वाली किसी भी समस्या को शीघ्रता से ठीक किया जाए।

प्रबंधक वास्तव में स्वयं अधिक कार्य ले सकते हैं, यह इस पर निर्भर करता है कि उनके पास कितने लोग हैं और क्या वे कार्य को सटीक और पारदर्शी रूप से प्रदान कर सकते हैं। फिर भी कई फर्में आउटसोर्स करना पसंद करेंगी। छोटे संचालन टीम तभी काम करती हैं जब पिछले टीम सदस्यों का ज्ञान कहीं न कहीं दर्ज किया गया हो। यदि आप इस प्रक्रिया से लोगों को हटाते हैं बिना यह सुनिश्चित किए, तो आप जरूरी नहीं कि कुछ सुधारा हो।

उत्कृष्ट साक्षात्कार के लिए धन्यवाद, जो पाठक अधिक जानना चाहते हैं उन्हें Hypercore पर जाना चाहिए।