SBI के चेयरमैन सी एस शेट्टी का कहना है कि बैंक को FCNR (B) इनफ्लो लगाने में 3-4 महीने लग सकते हैं

स्टेट बैंक ऑफ इंडिया के चेयरमैन सी एस शेट्टी के अनुसार, भारतीय बैंक विदेशी मुद्रा में जमा राशि के बड़े पूल को जमा करने में तीन से चार महीने का समय ले सकते हैं.

भारतीय मार्केट में इन्वेस्ट करें और 5paisa के साथ भविष्य की क्षमता को अनलॉक करें!

अभी अकाउंट खोलें

मुंबई में गुरुवार को ग्लोबल फिनटेक फेस्ट 2026 में बोलते हुए शेट्टी ने संकेत दिया कि अतिरिक्त लिक्विडिटी धीरे-धीरे लागू होने की संभावना है और इसके परिणामस्वरूप "असामान्य लेंडिंग" होने की संभावना नहीं है.

उनकी टिप्पणियां बाजार की अपेक्षा FCNR (B) जमाओं के माध्यम से काफी अधिक जुटाए जाने के बाद आई हैं, जिससे बैंकिंग सिस्टम में तरलता काफी अधिक बढ़ गई है.

FCNR (B) इनफ्लो $127.2 तक पहुंच जाते हैं अरब

भारतीय रिज़र्व बैंक की रियायती स्वैप सुविधा के माध्यम से प्रवाह अगस्त 31 तक $136.4 बिलियन तक पहुंच गया.

इसमें से, बैंकों ने FCNR (B) डिपॉज़िट के माध्यम से $127.2 बिलियन एकत्रित किए, जो $90-100 बिलियन के मार्केट अनुमानों से काफी अधिक है.

RBI ने 8 जून को नई FCNR (B) जमा, विदेशी मुद्रा बांड और बाहरी वाणिज्यिक उधार के लिए रियायती स्वैप सुविधा शुरू की थी.

FCNR (B) विंडो शुरू में 30 सितंबर, 2026 तक खुली रहेगी. हालांकि, केंद्रीय बैंक ने मजबूत प्रतिक्रिया के बाद एक महीने तक समयसीमा को आगे बढ़ाया, और विंडो 31 अगस्त को बंद कर दी गई.

शेट्टी ने खुलासा नहीं किया कि अंततः SBI ने इस स्कीम के माध्यम से कितनी राशि जुटाई. देश के सबसे बड़े सरकारी लेंडर ने लगभग $10 बिलियन का लक्ष्य निर्धारित किया था.

बैंकिंग सिस्टम लिक्विडिटी नियर ₹10.5 ट्रिलियन

बड़े इनफ्लो ने बैंकिंग सिस्टम में लिक्विडिटी में काफी वृद्धि की है, जो सितंबर 9 तक लगभग ₹10.5 ट्रिलियन है.

इन फंड को लगाने के लिए बैंकों के पास कई विकल्प उपलब्ध हैं. इस रिपोर्ट के हवाले से उद्योग विशेषज्ञों ने तीन व्यापक विकल्पों की पहचान की: पांच साल के सरकारी बॉन्ड में निवेश करना, उच्च लागत वाले डिपॉज़िट को बदलना या कॉर्पोरेट को लोन देना.

तीसरे ऑप्शन ने चिंता जताई है क्योंकि क्रेडिट ग्रोथ पहले से ही मजबूत है, विशेष रूप से कॉर्पोरेट सेगमेंट में.

बहरहाल, शेट्टी को उम्मीद है कि तैनाती तुरंत के बजाय तीन से चार महीनों में होगी.

एजेंटिक AI की बैंकिंग में व्यापक भूमिका हो सकती है

लिक्विडिटी के अलावा, शेट्टी ने बैंकिंग में एजेंटिक आर्टिफिशियल इंटेलिजेंस की बढ़ती भूमिका को भी संबोधित किया.

AI सिस्टम के विपरीत, जो मुख्य रूप से व्यक्तिगत कार्यों में सहायता करने के लिए डिज़ाइन किए गए हैं, एजेंटिक AI कस्टमर की ओर से कार्य कर सकता है और परिस्थितियों के अनुसार अपने कार्यों को अनुकूलित कर सकता है.

बैंकों के भीतर, ऐसे सिस्टम को संभावित रूप से फाइनेंशियल जीवनचक्र के विभिन्न चरणों में लागू किया जा सकता है. शेट्टी द्वारा पहचाने गए क्षेत्रों में धोखाधड़ी और नए अकाउंट का पता लगाना, नो-योर-कस्टमर प्रोसेस, एंटी-मनी लॉन्ड्रिंग चेक, लोन मूल्यांकन, अंडरराइटिंग और सुलह शामिल हैं.

ग्राहकों के लिए, टेक्नोलॉजी अधिक सक्रिय और प्रासंगिक इंटरैक्शन का समर्थन कर सकती है.

शेट्टी ने अगले चरण को डिजिटल बैंकिंग से अधिक बुद्धिमान बैंकिंग की ओर संक्रमण के रूप में वर्णित किया, जिसमें AI मॉडल भारत की विविधता और विशिष्ट आवश्यकताओं को समझने में सक्षम हैं.

उच्च शुरुआती लागत एक चुनौती बनी हुई है

एजेंटिक AI को भारतीय बैंकिंग में व्यापक रूप से लागू करने से पहले लागत एक महत्वपूर्ण विचार बना रही है.

शेट्टी ने कहा कि प्रारंभिक निश्चित लागत अधिक हो सकती है, हालांकि ऐसे प्रणालियों के संचालन की बढ़ती लागत बाद में कम हो सकती है, जिससे अर्थव्यवस्थाओं के लिए दायरा बढ़ सकता है.

उन्होंने ऑटोमेशन से परे एक व्यापक अवसर की भी पहचान की.

अत्याधुनिक फाइनेंशियल सलाह और वेल्थ-मैनेजमेंट क्षमताएं वर्तमान में समृद्ध और फाइनेंशियल रूप से जानकार ग्राहकों के बीच केंद्रित हैं. एजेंटिक AI संभावित रूप से अपने फाइनेंशियल जीवन के विभिन्न चरणों में सैकड़ों लाख लोगों को पर्सनलाइज़्ड फाइनेंशियल सहायता प्रदान कर सकता है.

लेकिन, इस विस्तार का मतलब यह नहीं है कि लोगों को इस प्रक्रिया से हटाया जाए.

महत्वपूर्ण बने रहने के लिए मानव निगरानी

शेट्टी ने कहा कि AI को उनकी जगह लेने के बजाय मानव क्षमताओं को बढ़ाना चाहिए.

नियमित, उच्च-परिमाण और डेटा-इंटेंसिव गतिविधियों को AI द्वारा तेज़ी से संभाला जा सकता है, जबकि जटिल और उच्च-जोखिम वाले फाइनेंशियल निर्णयों के लिए उपयुक्त मानव निगरानी की आवश्यकता जारी रहेगी.

ग्रेटर ऑटोमेशन बैंक कर्मचारियों को कस्टमर संबंधों, समस्या-समाधान और अन्य मूल्य-वर्धित गतिविधियों पर अधिक समय बिताने की अनुमति दे सकता है.

लेकिन AI सिस्टम को अधिक स्वायत्तता देने से अलग-अलग तरह के जोखिम पैदा होते हैं. ऑटोनॉमस सिस्टम द्वारा की गई त्रुटि कई कनेक्टेड सिस्टम में एक्शन सेट कर सकती है, जो मशीन की स्पीड पर कस्टमर, काउंटरपार्टी और फाइनेंशियल संस्थानों को संभावित रूप से प्रभावित कर सकती है.

बैंकों को 'अपने ग्राहक को जानें' से 'अपने एजेंट को जानें' में जाने की आवश्यकता हो सकती है

शेट्टी ने बिना किसी असममितता के सटीकता, जवाबदेही और एक्सेस की रूपरेखा दी है क्योंकि विश्वास बढ़ाने के लिए तीन सिद्धांतों की आवश्यकता होती है क्योंकि AI अपनाने में वृद्धि होती है.

सटीकता को केवल औसत प्रदर्शन से निर्णय लेने के बजाय विभिन्न कस्टमर ग्रुप में स्थिर रहने की आवश्यकता होगी.

जवाबदेही के लिए मॉनिटरिंग, ट्रेसेबिलिटी और यह निर्धारित करने की क्षमता की आवश्यकता होगी कि एक महत्वपूर्ण कार्रवाई क्यों की गई, विशेष रूप से क्योंकि AI सिस्टम निर्णयों की सिफारिश करने से लेकर उन्हें निष्पादित करने तक आगे बढ़ते हैं.

AI एजेंटों का उदय रिस्क प्रबंधन में एक नया आयाम जोड़ सकता है. बैंकों ने अपने कस्टमर को जानने के सिद्धांत के आधार पर पारंपरिक रूप से सुरक्षा प्रदान की है. जैसे-जैसे स्वायत्त एजेंट फाइनेंशियल ट्रांज़ैक्शन में भाग लेना शुरू करते हैं, संस्थानों को उन एजेंटों की पहचान करने और उन्हें समझने के लिए तंत्रों की आवश्यकता बढ़ सकती है.

ऐसे सिस्टम में एजेंट की पहचान और प्रमाणीकरण, कस्टमर की सहमति, ट्रांज़ैक्शन लिमिट, ऑडिट ट्रेल और लोकेशन शामिल हो सकते हैं. बैंकों को ऐसे वातावरण में भी काम करना पड़ सकता है जहां AI सिस्टम अन्य AI सिस्टम के साथ बातचीत करते हैं, जिससे रियल-टाइम रिस्क असेसमेंट की आवश्यकता बढ़ जाती है.

बैंकिंग उद्योग के लिए, तत्काल चुनौती दो मोर्चों पर सामने आ रही है: असामान्य रूप से बड़ी एफसीएनआर (बी)-लिंक्ड लिक्विडिटी को व्यवस्थित तरीके से लागू करना, जबकि मानव निगरानी, जवाबदेही या फाइनेंशियल सुरक्षा को कमजोर किए बिना AI सिस्टम की अधिक स्वायत्त जनरेशन की तैयारी करना.