राष्ट्र बैंक सुपरिवेक्षणमा एआई प्रवेश : नीतिविनै प्रयोगको हतारले बढाउँछ नयाँ जोखिम

बाह्य आवरणमा केन्द्रीय बैंकले गर्ने बैंक तथा वित्तीय संस्थाको निरीक्षण र सुपरिवेक्षण कार्य सरल, आकर्षक र सहज लाग्न सक्छ। संस्थाका उच्च व्यवस्थापनसँग छलफल गर्ने, देखिएका जोखिमको पहिचान र मूल्यांकन गर्ने तथा नीतिगत र प्रक्रियागत त्रुटिहरू सुधार्न निर्देशन दिने जस्ता कार्यहरू झट्ट हेर्दा सहज लाग्न सक्छन्। यथार्थमा सुपरिवेक्षण कार्य अत्यन्त गहन, संवेदनशील र जटिल हुन्छ।

यसअन्तर्गत सयौँ कर्जा फाइलको सूक्ष्म विश्लेषण, बैंकका समग्र नीतिगत संरचनाको विस्तृत मूल्यांकन, सम्भावित जोखिमको पूर्वानुमान र नियामकीय निर्देशनहरूको अक्षरश: पालना भए/नभएको सुनिश्चित गर्नुपर्ने हुन्छ। साथै, कयौँ निक्षेपकर्ता र ऋणीका वित्तीय कारोबार लगायत समग्र वित्तीय प्रणालीको स्थायित्वसँग जोडिएको संवेदनशील विषयलाई वस्तुनिष्ठ ढंगले सुपरिवेक्षणमा समेट्नुपर्ने हुन्छ।

अधिकतम प्रयासका बावजुद कतिपय विषयहरू निरीक्षण/सुपरिवेक्षणका क्रममा छुट्न सक्ने सम्भावनालाई परम्परागत रूपमा स्वीकार गरिँदै आएको छ। तथापि, सूचना प्रविधिको तीव्र विकास र आर्टिफिसियल इन्टेलिजेन्स (एआई)को उदयसँगै अब यस्तो सीमिततालाई स्वीकार गर्ने अवस्था छैन।

केही वर्ष अघिका वायरकार्ड घोटाला, वानएमडीबी भ्रष्टाचार प्रकरण, सिलिकन भ्याली बैंकको असफलता तथा एआईमा आधारित पहिचान ठगीजस्ता जटिल वित्तीय घटनाले विश्वभरका नियामक निकाय र केन्द्रीय बैंकको सुपरिवेक्षण तथा जोखिम व्यवस्थापनमा रहेका कमजोरी उजागर गरेका छन्।

यस्ता घटनामा लामो समयदेखि चेतावनीका संकेतहरू देखिएको भए तापनि नियामक निकायबाट समयमै हस्तक्षेप हुन नसक्नु, संस्थागत जोखिमलाई गलत ढंगले वर्गीकरण गर्नु, नियमनको दायराबाहिर ठूला वित्तीय संस्थाहरू सञ्चालन हुन दिनु तथा एआई-सृजित नयाँ प्रकारका ठगीलाई पहिचान गर्न परम्परागत प्रणाली अक्षम हुनुजस्ता संरचनात्मक समस्या देखिएका छन्। तर, सूचना प्रणालीको विकास र तथ्यांकको अधिक प्रवाहले एआई र मेसिन लर्निङमार्फत सुपरिवेक्षण कार्यलाई पूर्वानुमानयोग्य र जोखिम केन्द्रित नियमनतर्फ लैजाने नयाँ सम्भावनाको ढोका पनि खोलेको छ।

‘एआई’ भन्नाले कम्प्युटर वा मेसिनलाई तथ्यांक र अनुभवको आधारमा सिक्न, सोच्न, विश्लेषण गर्न र मानवजस्तै निर्णय लिन सक्षम बनाउने प्रविधि हो। यो यस्तो प्रणाली हो जसले प्राप्त गरेको ‘निवेश’बाट पूर्वानुमान, सुझाव वा निर्णयहरू कसरी उत्पन्न गर्ने भन्ने कुराको अनुमान लगाउँछ। वित्तीय क्षेत्रमा, विशेष गरी केन्द्रीय बैंकहरूले गर्ने सुपरिवेक्षण कार्यमा एआईको प्रयोगलाई ‘सुपरिवेक्षण प्रविधि (सुपटेक)’ को एक अभिन्न अंग मानिन्छ।

एआईअन्तर्गत ‘मेसिन लर्निङ’, ‘डीप लर्निङ’, ‘नेचुरल ल्याङ्ग्वेज प्रोसेसिङ’ र हालै विकास भएको ‘जेनेरेटिभ एआई’ जस्ता विभिन्न प्रविधिहरू पर्दछन्। परम्परागत सुपरिवेक्षण विधिहरूले तथ्यांकको बढ्दो आयतन र जटिलतालाई सम्बोधन गर्न कठिन भइरहेको अवस्थामा एआईले सुपरिवेक्षण प्रक्रियालाई अझ प्रभावकारी, सक्रिय र निवारक बनाउन मद्दत गर्दछ।

ओईसीडीको आकलनअनुसार आगामी दशकमा वित्तीय क्षेत्रमा एआईको प्रयोगले उत्पादकत्वमा करिब १२ प्रतिशतले वृद्धि ल्याउने प्रक्षेपण गरिएको छ।

केन्द्रीय बैंकहरूमा एआईको प्रयोग
विश्वभरका केन्द्रीय बैंक र सुपरिवेक्षकीय निकायले एआईलाई विभिन्न क्षेत्रमा प्रयोग गरिरहेका छन् भने विकासोन्मुख देशहरू विभिन्न उपकरणको अध्ययन र परीक्षण गर्दैछन्। मुख्यत: विवेकपूर्ण नियमन र जोखिममा आधारित सुपरिवेक्षणमा यसको प्रयोग बढ्दो क्रममा छ।

ब्राजिलको केन्द्रीय बैंकले ‘एडम’ नामक कृत्रिम बौद्धिकता जडित यन्त्रको प्रयोग गर्दछ। यसले बैंकहरूको ऋण पोर्टफोलियोको विश्लेषण गरी सम्भावित नोक्सानी रहेका तर नदेखाइएका वा लुकाइएका क्षेत्रहरू पहिचान गर्दछ। साथै, ‘एक्सिस’ नामक यन्त्रमार्फत पीडीएफ ढाँचामा रहेको बैंक तथा वित्तीय संस्थाको वित्तीय प्रतिवेदनबाट स्वचालित रूपमा तथ्यांक निकाल्ने, प्रशोधन गर्ने र विश्लेषण गर्ने कार्य गर्दछ।

यस्तै, युरोपेली केन्द्रीय बैंकले ‘अथेना’ नामक प्राकृतिक भाषा प्रशोधन (एनएलपी) उपकरण प्रयोग गरी गोप्य कागजात खोज्ने र सोको सारांश निकाल्ने कार्य गर्दछ। त्यस्तै, ‘हेइमडल’को प्रयोग गरी बैंकका सञ्चालकहरूको नियुक्तिसम्बन्धी जोखिम मूल्यांकन गर्दछ। बैंक अफ थाइल्याण्डले भने वित्तीय संस्थाका सञ्चालक समिति बैठकको माइन्युट विश्लेषण गर्न एआई प्रयोग गर्दै आएको छ।

बैंक तथा वित्तीय संस्थाको बजार आचरणको निगरानी र सुपरिवेक्षणमा समेत एआई प्रयोगको उपादेयता अन्तर्राष्ट्रिय स्तरमा बढ्दो छ। अस्ट्रेलियाले एएसआइसी मार्केट एनालिसिस एण्ड इन्टेलिजेन्स (बजार विश्लेषण) प्रणालीमार्फत वास्तविक समयमा बजारमा हुने अस्वाभाविक गतिविधिहरूको निगरानी गरिरहेको छ।

सिंगापुरको केन्द्रीय बैंकले विभिन्न स्रोत (समाचार, वित्तीय विवरण आदि) बाट तथ्यांक संकलन गरी मेसिन लर्निङमार्फत सम्भावित जोखिम पहिचान गर्न एकीकृत निगरानी प्लेटफर्म निर्माण गरेको छ। यस्तै, धेरै केन्द्रीय बैंकले शंकास्पद कारोबारको पहिचान गर्न र ‘मुल खाता’ पत्ता लगाउन एआई मोडेलहरूको प्रयोग गरिरहेका छन्।

यसरी केन्द्रीय बैंकहरूको आन्तरिक ज्ञान व्यवस्थापनमा एआईको प्रयोग बढ्दो छ। नेदरल्याण्ड्सको केन्द्रीय बैंकले ‘च्याटडीएनबी’ नामक जेनेरेटिभ एआई च्याटबोटको विकास गरेको छ, जसले निरीक्षक/सुपरिवेक्षकहरूलाई हजारौं पृष्ठका कानुन र नियमभित्रका आवश्यक जानकारी तुरुन्त खोज्न मद्दत गर्छ।

नेपाल राष्ट्र बैंक र कृत्रिम बौद्धिकता

नेपाल राष्ट्र बैंकले हालसम्म एआईको प्रयोग संस्थागत रूपमा गरिसकेको छैन। तर, बैंक सुपरिवेक्षणमा खटाइएका केही निरीक्षकहरूले आफ्नो जिम्मेवारी पूरा गर्न यसको प्रयोग गर्ने क्रम भने बढ्दो क्रममा छ। जस्तो कि बैंक तथा वित्तीय संस्थाका नीतिहरू राष्ट्र बैंकका नियामकीय निर्देशनअनुरूप भए नभएकोबारे यकिन गर्ने, संस्थाको निरीक्षणपश्चात् तयार गरिने टिप्पणीको भाषिक शुद्धता र सारांश तयार गर्ने, जानकारीलाई उचित संरचनामा संकलन गर्न र एआईको विश्लेषणपश्चात् सो विषयउपर उचित निगरानी राख्ने आदि।

यसले सुपरिवेक्षकको समयको बचत र जोखिम निगरानीमा सहयोग गरे तापनि तथ्यांकको गोपनीयता भंग गर्दछ र बैंक तथा वित्तीय संस्थामा थप जोखिम सिर्जना गर्न सक्छ। यस परिदृश्यमा नेपाल राष्ट्र बैंकले कृत्रिम बौद्धिकतासम्बन्धी अन्तर्राष्ट्रिय असल अभ्यासको अनुसरण गर्दै संस्थागत रूपमा आन्तरिक नीति जारी गर्नुपर्ने देखिन्छ।

बैंक सुपरिवेक्षणमा एआई प्रयोगका अवसर

केन्द्रीय बैंकबाट हुने सुपरिवेक्षण र निरीक्षण कार्यमा एआईको अवलम्बनले विभिन्न अवसरहरू सिर्जना गर्दछ। एआईको प्रयोगद्वारा तथ्यांक प्रमाणीकरण, क्रस-चेकिङ र सारांश लेखन जस्ता झन्झटिला र दोहोरिने कामलाई स्वचालित बनाउन सकिन्छ। यसबाट सुपरिवेक्षकीय क्षमता अभिवृद्धि हुने देखिन्छ।

• परम्परागत सुपरिवेक्षण प्रणालीमा निरीक्षण प्रतिवेदन तयार पार्न र कार्यान्वयन गर्न धेरै समय लाग्ने अवस्था छ। एआईको प्रयोगले वास्तविक समयमा तथ्यांक विश्लेषण गरी जोखिम देखिने बित्तिकै बैंक तथा वित्तीय संस्थालाई सचेत गराउन सकिन्छ।
• असंगठित तथ्यांकको प्रयोगद्वारा बैंकमा निहित समस्यासम्बन्धी अन्तर्दृष्टि प्रदान गर्न सक्नु एआईको विशेषता हो। एआईको प्रयोगले सामाजिक सञ्जाल, समाचार, लेख, इमेल र बैठकका माइन्युटहरू जस्ता छरिएर रहेका जानकारीलाई वित्तीय विवरणसँग जोडेर जोखिमको पूर्ण तस्वीर देखाउन सकिन्छ।
• अधिकांश केन्द्रीय बैंकहरूले आज जोखिममा आधारित सुपरिवेक्षण प्रणालीको अवलम्बन गरेका छन्। तर आवश्यक स्रोत, साधन, जनशक्ति अभावले निरीक्षणको प्रभावकारितामाथि बेलाखत प्रश्न खडा भएको देखिन्छ। यस्तो अवस्थामा मेसिन लर्निङ मोडेलहरूले ठूला तथ्यांकमा लुकेका ढाँचाहरू पहिचान गरी भविष्यमा आउन सक्ने प्रणालीगत जोखिम वा संस्थागत असफलताको पूर्वानुमान गर्न सक्छन्।
• एआईमा आधारित क्रेडिट स्कोरिङले विगतको कर्जा इतिहास नभएका (पातला फाइल) ग्राहक र साना उद्यमीलाई कर्जा प्रवाह गर्न सहयोग पुग्छ, जसले वित्तीय समावेशीकरणलाई प्रत्यक्ष रूपमा बढावा दिन्छ।

बैंक सुपरिवेक्षणमा एआई प्रयोगका चुनौती र जोखिमहरू
एआईको अवलम्बनबाट नेपाल राष्ट्र बैंकले आफ्नो सुपरिवेक्षकीय क्षमतामा फड्को मार्न सक्छ। तर ठूलो शक्तिसँगै ठूलो जिम्मेवारी पनि सँगसँगै आउँछ भनेंझैँ एआई प्रयोगका केही गम्भीर चुनौतीहरू छन्, जसलाई नजरअन्दाज गर्न सकिँदैन।

• तथ्यांकको गुणस्तर र उपलब्धताको चुनौती : एआईको कार्यक्षमता उपलब्ध तथ्यांकको गहनता र शुद्धतामा भर पर्दछ। धेरै सुपरिवेक्षक निकायले प्राप्त गर्ने तथ्यांकहरू छरिएर रहेका हुन्छन् र कम गुणस्तरका हुने समस्या छ। यसको अभावमा एआईको सफल प्रयोग कठिन हुन्छ।
• दक्ष जनशक्तिको अभाव : नेपाल राष्ट्र बैंकमा मात्र नभई विश्वभरका अरु सुपरिवेक्षणको जिम्मेवारी बोकेका निकायमा सुपरिवेक्षणसम्बन्धी ज्ञान र डेटा साइन्स (तथ्यांक विज्ञान) दुवैमा पोख्त जनशक्तिको ठूलो अभाव छ। सरकारी निकायले निजी क्षेत्रसँगको पारिश्रमिक प्रतिस्पर्धामा यस्ता प्रतिभा टिकाउन कठिन भइरहेको छ। यसका साथै, सूचना प्रणालीका विज्ञहरू परम्परागत रूपमा भर्ती गर्न नसकिने हुनाले पदपूर्ति प्रक्रियामै आमूल परिवर्तन गर्नुपर्ने देखिन्छ।
• ‘ब्ल्याक बक्स’ र व्याख्यायोग्यता : जटिल एआई मोडेलहरूले कसरी निर्णय गर्छन् भन्ने कुरा बुझ्न कठिन हुन्छ। सुपरिवेक्षण कार्यमा कुनै पनि निर्णय लिँदा/कारबाही गर्दा स्पष्ट आधार र कारण चाहिन्छ, जुन एआईले सधैं दिन सक्दैन।

• कानुनी र नियामक अड्चनहरू : केन्द्रीय बैंकले प्रयोग गर्ने तथ्यांकको संवेदनशीलता, गोपनीयता र सुरक्षासम्बन्धी जटिल कानुनका कारण एआईमा आधारित क्लाउड प्रविधि प्रयोग गर्न बाधा पुग्न सक्छ। नेपाल राष्ट्र बैंकभित्रै एआई दक्ष जनशक्तिको अभाव रहेको अवस्थामा एआई उपकरण निर्माण र प्रयोगमा तेस्रो पक्षसँग तथ्यांक र जानकारी प्रवाह गर्नु नीतिगत, नैतिक र कार्यगत रूपमा सहज छैन।
• मोडेल जोखिम र भ्रम : जेनेरेटिभ एआईले कहिलेकाहीँ गलत तर विश्वस्त सुनिने उत्तरहरू दिन सक्छ। उक्त प्रणालीको आधारमा मात्र निर्णय लिँदा गलत सुपरिवेक्षकीय निर्णय लिई समग्र बैंकिङ स्थायित्वमै असर पार्न सक्छ।

आगामी बाटो
नेपाल सरकारले हालसालै ‘राष्ट्रिय एआई नीति, २०८२’ स्वीकृत गरेको छ, जुन एक सकारात्मक सुरुवात हो। विश्वका अन्य सुपरिवेक्षकीय निकायहरूले समेत एआईको प्रयोगलाई विविध कार्यमा समाहित गरेका उदाहरण यस लेखको माथिल्लो खण्डमा उल्लेख भइसकेका छन्। तसर्थ, नेपाल राष्ट्र बैंकले सुपरिवेक्षणका लागि एक स्पष्ट रणनीति बनाएर ‘ठूलो सोच, सानो सुरुवात’को सिद्धान्त अपनाउनुपर्छ।

प्रथमत: नीतिगत खाडलहरूलाई पुर्न नेपाल राष्ट्र बैंकको आन्तरिक कार्यमा एआई प्रयोगसम्बन्धी मार्गदर्शन तत्काल जारी गरिनुपर्दछ। सुपरिवेक्षण विभाग जस्ता संवेदनशील प्रकृतिका कार्यसम्पादन हुने विभाग/कार्यालयमा संस्थागत रूपमै कसरी एआईको प्रयोग गर्ने भन्ने कार्यनीति यथाशीघ्र तय हुनुपर्ने देखिन्छ।

नीतिगत प्रावधानका खाका कोरिएपश्चात् राष्ट्र बैंकले साना एआई परियोजनामार्फत सुरुवाती कदम चाल्दै दक्षता र पूर्वाधार विकासमा स्रोत परिचालन गर्नु सान्दर्भिक हुने देखिन्छ। नीतिगत प्रावधानका खाका कोरिएपश्चात् राष्ट्र बैंकले साना एआई परियोजनामार्फत सुरुवाती कदम चाल्दै दक्षता र पूर्वाधार विकासमा स्रोत परिचालन गर्नु सान्दर्भिक हुने देखिन्छ।

एआई प्रयोग गर्नुअघि तथ्यांकको गुणस्तर सुधार गर्ने, तथ्यांकलाई एकीकृत गर्ने र सुरक्षित आईटी पूर्वाधार निर्माणमा जोड दिइनुपर्दछ। यी अवयव गुणस्तरीय तथ्यांक एआई कार्यान्वयनका आवश्यक सर्त हुन्।

कर्मचारीलाई एआईसम्बन्धी तालिम दिई क्षमता अभिवृद्धि गर्ने तथा ‘डेटा साइन्टिस्ट’ र सुपरिवेक्षकहरूबीच सहकार्य गराउने वातावरण बनाउनुपर्दछ। विश्वविद्यालय र अन्तर्राष्ट्रिय निकायसँग सहकार्य गरी ज्ञान निर्माणमा जोड दिनुपर्ने हुन्छ। एआईका जोखिमहरू सीमाविहीन हुने भएकाले नेपाल राष्ट्र बैंकले अन्य देशका केन्द्रीय बैंक र अन्तर्राष्ट्रिय संस्थाहरूसँग सूचना आदानप्रदान गरी असल अभ्यासको अनुसरण गर्नुपर्ने देखिन्छ।

(नेपाल राष्ट्र बैंक समाचार, अंक ९ बाट)