Joel Winteregg, Vyntra के CEO – साक्षात्कार श्रृंखला

Joel Winteregg, Vyntra के CEO, एक वित्तीय प्रौद्योगिकी कार्यकारी और सॉफ़्टवेयर इंजीनियर हैं जिनके पास धोखाधड़ी रोकथाम, वित्तीय अपराध पहचान और लेन‑देन सुरक्षा के लिए प्रौद्योगिकी विकसित करने में लगभग दो दशकों का अनुभव है। Vyntra में जून 2025 में नेतृत्व लेने से पहले, उन्होंने Intix के समूह CEO के रूप में कार्य किया और NetGuardians के CEO और सह‑स्थापक के रूप में 18 से अधिक वर्षों तक काम किया, जहाँ उन्होंने वित्तीय संस्थानों के लिए कृत्रिम बुद्धिमत्ता और मशीन लर्निंग समाधान बनाने में मदद की। अपने करियर की शुरुआत में, Winteregg ने सूचना और संचार प्रौद्योगिकियों संस्थान में नेटवर्क और सॉफ़्टवेयर इंजीनियर के रूप में काम किया, जहाँ उन्होंने ओपन‑सोर्स सुरक्षा प्रबंधन प्लेटफ़ॉर्म और रीयल‑टाइम इवेंट कोरिलेशन पर ध्यान केंद्रित किया। वह अब Intix और NetGuardians के संयोजन के बाद Vyntra का नेतृत्व कर रहे हैं।

Vyntra एक वित्तीय प्रौद्योगिकी कंपनी है जो बैंकों, भुगतान सेवा प्रदाताओं, फ़िनटेक कंपनियों और अन्य वित्तीय संस्थानों को AI‑संचालित लेन‑देन इंटेलिजेंस प्रदान करती है। 2025 में NetGuardians और Intix के संघ के माध्यम से स्थापित, कंपनी रीयल‑टाइम लेन‑देन अवलोकन को वित्तीय अपराध रोकथाम के साथ जोड़ती है, जिससे संस्थानों को भुगतान प्रवाह की निगरानी, परिचालन विसंगतियों की पहचान, धोखाधड़ी का पता लगाना, मनी लॉन्डरिंग विरोधी जोखिमों को ट्रैक करना और अंदरूनी खतरों की जांच करना संभव हो सके। इसका प्लेटफ़ॉर्म सिस्टम और फ़ॉर्मेट्स में लेन‑देन डेटा को केंद्रीकृत करता है तथा व्यवहारिक विश्लेषण और सामूहिक बुद्धिमत्ता लागू करके संगठनों को जोखिमों का जवाब देने में मदद करता है, बिना वैध भुगतानों को अनावश्यक रूप से बाधित किए। Vyntra ने 60 से अधिक देशों में 130 से अधिक वित्तीय संस्थानों को सेवा प्रदान करने की रिपोर्ट की है।

आपने लगभग दो दशकों तक NetGuardians को AI‑संचालित धोखाधड़ी रोकथाम में एक मान्यता प्राप्त खिलाड़ी बनाने में योगदान दिया, और हाल ही में Intix का नेतृत्व किया, फिर Vyntra के CEO बने। इन भूमिकाओं के दौरान आपका वित्तीय अपराध पर दृष्टिकोण कैसे विकसित हुआ, और Vyntra आज किस रणनीतिक अंतर को पाटने का लक्ष्य रखता है?

वित्तीय अपराध अब एक अलग‑अलग परिचालन मुद्दा नहीं रहा। यह वित्तीय संस्थानों के लिए एक प्रणालीगत जोखिम बन गया है। NetGuardians, Intix और अब Vyntra में, यह परिवर्तन स्पष्ट रहा है। धोखाधड़ी अब आईटी समस्या से बोर्ड‑स्तर की समस्या बन गई है। पहले यह मुख्य रूप से कार्यकारी स्तर के नीचे, आईटी और साइबर सुरक्षा टीमों के स्वामित्व में थी। वित्तीय, प्रतिष्ठात्मक और नियामक परिणाम अब इतने महत्वपूर्ण हो गए हैं कि यह बोर्डों और C‑suite कार्यकारियों के एजेंडा में दृढ़ता से शामिल है, और इसके लिए आवश्यक प्रतिक्रिया भी उसी अनुसार बदल गई है। धोखाधड़ी अब केवल एक ही संस्था के भीतर संदिग्ध लेन‑देन का पता लगाने का प्रश्न नहीं रही। अब यह सिस्टम, संस्थानों और चैनलों में फैली हुई है और निरंतर विकसित होती रहती है, जिससे धोखाधड़ी के व्यवहार और सामान्यतः अपनाए जाने वाले उपायों के बीच एक अंतर उजागर होता है।

Vyntra उस अंतर को पाटने पर केंद्रित है, जो 60 से अधिक देशों में 130 से अधिक संस्थानों के साथ काम करने से प्राप्त जानकारी पर आधारित है, जहाँ धोखाधड़ी रोकथाम और लेन‑देन अवलोकन एक ही प्लेटफ़ॉर्म में होते हैं। इसका अर्थ है स्थिर नियंत्रण और अलग‑अलग डेटा से आगे बढ़कर रीयल‑टाइम इंटेलिजेंस, व्यवहारिक समझ और जोखिम का अधिक जुड़ा हुआ दृश्य प्रदान करना। लक्ष्य यह है कि धोखाधड़ी के होने से पहले ही हस्तक्षेप किया जाए, साथ ही संस्थानों को पूरे लेन‑देन जीवन‑चक्र में बेहतर दृश्यता प्रदान की जाए।

वैश्विक बैंकिंग धोखाधड़ी के नुकसान अब सालाना सैकड़ों अरबों तक पहुँच रहे हैं, और धोखाधड़ी अभियानों की जटिलता बढ़ रही है। आपके दृष्टिकोण से, कौन से संरचनात्मक बदलावों ने धोखाधड़ी को एक अलग‑अलग आपराधिक गतिविधि की बजाय एक औद्योगिकीकृत प्रणाली जैसा बना दिया है? 

परिभाषित परिवर्तन पैमाने में है। धोखाधड़ी अब संगठित, दोहराने योग्य और लगातार औद्योगिकीकृत हो गई है, और यह अब अलग‑अलग घटनाओं की श्रृंखला नहीं रही। वर्षों तक, धोखाधड़ी को मुख्यतः मात्रा के संदर्भ में समझा जाता था। अधिक हमलों के लिए अधिक नियंत्रणों की आवश्यकता होती थी, और संस्थानों ने पहचान नियमों को परिष्कृत करके और प्रमाणीकरण को मजबूत करके प्रतिक्रिया दी। यह दृष्टिकोण अब अपनी सीमा तक पहुँच गया है।

अब हम जो देख रहे हैं वह कुछ अलग है। धोखेबाज़ वैध व्यवसायों की समन्वय और दक्षता के साथ बड़े पैमाने पर काम कर रहे हैं। वे अपनी विधियों का परीक्षण, परिष्करण और अनुकूलन करते हैं। वे चपल, अनुपालन या कानूनी बाधाओं से मुक्त, और लगातार नए उपकरणों और रणनीतियों के साथ प्रयोग करते हैं। सफल तरीकों को पुनः उपयोग और साझा किया जाता है, और अभियानों को प्रदर्शन को ध्यान में रखकर डिजाइन किया जाता है। AI इस प्रक्रिया को तेज़ कर रहा है, लेकिन यह मूल कारण नहीं है। यह केवल पहले से संगठित प्रणाली को टर्बोचार्ज करता है। यह तेज़ लक्ष्यीकरण, अधिक प्रभावी संचार और अधिक व्यक्तिगतकरण की अनुमति देता है। यह संयोजन धोखाधड़ी को अधिक स्केलेबल और पहचानने में काफी कठिन बनाता है। यह अब अवसरवादी नहीं रही और एक उद्योग जैसा दिखने लगी है।

आज धोखाधड़ी का बढ़ता हिस्सा “अधिकृत” लेन‑देन शामिल करता है, जहाँ पीड़ितों को स्वयं धन भेजने के लिए मैनिपुलेट किया जाता है। पारंपरिक धोखाधड़ी रोकथाम ढाँचे इस श्रेणी के साथ क्यों संघर्ष करते हैं, और मूल रूप से क्या बदलना आवश्यक है?

पारंपरिक ढाँचे अनधिकृत गतिविधियों के इर्द‑गिर्द निर्मित होते हैं। वे उल्लंघनों, समझौता किए गए क्रेडेंशियल्स या संदिग्ध एक्सेस पैटर्न का पता लगाने के लिए डिज़ाइन किए गए हैं। अधिकृत धोखाधड़ी में, सिस्टम इच्छित रूप से काम कर रहा होता है। ग्राहक प्रमाणित करता है, लेन‑देन की पुष्टि होती है, और कोई स्पष्ट तकनीकी विसंगति नहीं होती। सिस्टम की दृष्टि से, सब कुछ वैध दिखता है।

इस समस्या का पैमाना महत्वपूर्ण है। UK Finance की नवीनतम वार्षिक धोखाधड़ी रिपोर्ट के अनुसार, APP धोखाधड़ी नुकसान 2025 में 19% बढ़कर £576.4 मिलियन हो गया, जो 248,070 मामलों में फैला था। समस्या यह है कि धोखाधड़ी भुगतान से पहले ही हो चुकी होती है। यह इंटरैक्शन में, मैनिपुलेशन और सामाजिक इंजीनियरिंग के माध्यम से होती है। जो बदलना आवश्यक है वह फोकस है। केवल यह देखने के बजाय कि लेन‑देन अधिकृत है या नहीं, संस्थानों को संदर्भ और इरादा समझना चाहिए। इसके लिए व्यवहारिक अंतर्दृष्टि और रीयल‑टाइम विश्लेषण की आवश्यकता होती है, न कि केवल लेन‑देन‑स्तर की जाँचों की।

तत्काल भुगतान प्रणालियाँ वैश्विक स्तर पर तेज़ हो रही हैं, लेकिन वे धोखाधड़ी का पता लगाने के समय को सेकंड में संकुचित कर देती हैं। ऐसे विश्व में जहाँ लेन‑देन लगभग तुरंत अपरिवर्तनीय होते हैं, वित्तीय संस्थानों को जोखिम प्रबंधन को कैसे पुनः विचार करना चाहिए? 

गति अब धोखाधड़ी और रोकथाम दोनों में एक प्रमुख कारक बन गई है। कई स्कैम अब एक ही दिन में घटित होते हैं, और एक बार धन स्थानांतरित हो जाने पर, वे अक्सर मिनटों के भीतर ही स्थानांतरित या निकाले जाते हैं। साथ ही, भुगतान बुनियादी ढाँचा तत्क्षणता प्रदान करने के लिए डिज़ाइन किया गया है, और नियमन इस बदलाव को तेज़ कर रहा है। EU की तत्काल भुगतान नियमन सभी यूरोज़ोन भुगतान सेवा प्रदाताओं को अक्टूबर 2025 से तत्काल क्रेडिट ट्रांसफ़र भेजने और Verification of Payee सेवाएँ प्रदान करने की आवश्यकता रखती है।

यह गति और सुरक्षा के बीच तनाव पैदा करता है। ऐसे माहौल में, देर से हस्तक्षेप अब संभव नहीं है। जोखिम प्रबंधन को रीयल‑टाइम में काम करना होगा। भुगतान को धीमा करने के बजाय, जोखिम पहचान, निर्णय‑लेना और प्रतिक्रिया को इतना तेज़ होना चाहिए कि वह भुगतान प्रवाह के भीतर ही हो सके। यह मूल रूप से बदलता है कि संस्थानों को धोखाधड़ी के बारे में कैसे सोचना चाहिए। संस्थानों को पोस्ट‑इवेंट विश्लेषण से इन‑फ़्लो रोकथाम की ओर शिफ्ट करना चाहिए, जिससे निपटान से पहले ही धोखाधड़ी वाले लेन‑देन को रोका जा सके, न कि बाद में उनकी जांच की जाए।

AI अब समीकरण के दोनों पक्षों द्वारा उपयोग किया जा रहा है, धोखेबाज़ों द्वारा हमलों को स्केल करने के लिए और वित्तीय संस्थानों द्वारा उनका पता लगाने के लिए। इस हथियार दौड़ का अगला चरण कैसा दिखेगा, और आप संतुलन को कहाँ झुका हुआ देखते हैं? 

हथियार दौड़ AI द्वारा तेज़ हो रही है, लेकिन परिणाम केवल प्रौद्योगिकी से निर्धारित नहीं होगा। यह इस बात पर भी निर्भर करेगा कि बुद्धिमत्ता को कितनी प्रभावी ढंग से साझा और लागू किया जाता है। धोखेबाज़ पहले से ही अत्यधिक समन्वित नेटवर्क के रूप में कार्य करते हैं, और वित्तीय संस्थानों को भी उसी तरह प्रतिक्रिया देना आवश्यक हो रहा है। वे बुनियादी ढाँचा, डेटा और रणनीतियों को साझा करते हैं, और जब एक दृष्टिकोण को ब्लॉक किया जाता है, तो उसे जल्दी से अनुकूलित करके कहीं और लागू किया जाता है। AI इसे तेज़ पुनरावृत्ति और अधिक प्रभावी, स्केलेबल अभियानों को सक्षम करके बढ़ाता है।

रक्षा पक्ष में, धोखाधड़ी को एकल‑संस्था समस्या के रूप में देखने से नेटवर्क‑स्तर की चुनौती के रूप में पहचानने की स्पष्ट परिवर्तन है। EBA CLEARING के FPAD और SWIFT के विकास जैसी पहलों से साझा, रीयल‑टाइम धोखाधड़ी इंटेलिजेंस की ओर बदलाव दर्शाता है, विशेष रूप से तत्काल भुगतान के संदर्भ में। यह महत्वपूर्ण है क्योंकि सबसे मूल्यवान संकेतों में से कई एकल संस्था के बाहर स्थित होते हैं, चाहे वह म्यूल खाते हों, व्यवहारिक विसंगतियां या उभरते पैटर्न। जब वह इंटेलिजेंस साझा किया जाता है और रीयल‑टाइम में ग्रहण किया जाता है, तो पहचान में सुधार होता है। जब नहीं किया जाता, तो धोखाधड़ी बस कहीं और स्थानांतरित हो जाती है। संतुलन उन लोगों के पक्ष में होगा जो रीयल‑टाइम विश्लेषण को सामूहिक बुद्धिमत्ता के साथ जोड़ सकते हैं। अलग‑थलग काम करने वाले इस गति को बनाए रखने में संघर्ष करेंगे।

Vyntra व्यवहारिक विश्लेषण और रीयल‑टाइम लेन‑देन इंटेलिजेंस पर ज़ोर देता है। यह नियम‑आधारित प्रणालियों से कैसे भिन्न है, और व्यवहार क्यों धोखाधड़ी पहचान में महत्वपूर्ण संकेत बन रहा है? 

नियम‑आधारित प्रणालियाँ मूलतः स्थिर होती हैं। वे पूर्वनिर्धारित शर्तों और ज्ञात पैटर्न पर निर्भर करती हैं। यह एक हद तक काम करता है, लेकिन जैसे-जैसे धोखाधड़ी विकसित होती है, इसकी प्रभावशीलता घटती जाती है। व्यवहारिक विश्लेषण अलग है। यह वास्तविक समय में देखता है कि क्रियाएँ अपेक्षित पैटर्न से कैसे विचलित होती हैं। इसमें उपयोगकर्ता की इंटरैक्शन, निर्णय लेने की प्रक्रिया, और लेन‑देन का व्यापक संदर्भ में फिट होना शामिल है। आधुनिक व्यवहारिक पहचान को अधिक सक्षम बनाने वाला तत्व विभिन्न दृष्टिकोणों का एक साथ काम करना है। अनसुपरवाइज़्ड लर्निंग बिना यह जाने कि धोखाधड़ी पहले कैसी दिखती है, विसंगतियों की पहचान करता है; सुपरवाइज़्ड लर्निंग ज्ञात धोखाधड़ी पैटर्न से सीखकर समय के साथ पहचान को तेज़ करता है; और एक्टिव लर्निंग वास्तविक‑विश्व परिणामों को लगातार मॉडल में फीड करता है, जिससे सिस्टम प्रत्येक निर्णय के साथ सुधारता है।

यह महत्वपूर्ण है क्योंकि आधुनिक धोखाधड़ी लेन‑देन स्तर पर वैध दिखने के लिए डिज़ाइन की गई है। कई आधुनिक धोखाधड़ी परिदृश्यों में, व्यवहार सबसे स्पष्ट संकेत बन जाता है कि कुछ गड़बड़ है, भले ही लेन‑देन स्वयं वैध दिखे। व्यवहार और संदर्भ पर ध्यान केंद्रित करके, संस्थान जोखिम को पहले पहचान सकते हैं, अक्सर लेन‑देन पूर्ण होने से पहले।

“कम्युनिटी इंटेलिजेंस” या संस्थानों के बीच साझा धोखाधड़ी डेटा के बारे में चर्चा बढ़ रही है। व्यावहारिक रूप से, नियामक प्रतिबंधों को देखते हुए वित्तीय संस्थानों के बीच बड़े‑पैमाने पर सहयोग कितना वास्तविक है, और कौन से मॉडल वास्तव में काम करते हैं? 

सहयोग वैकल्पिक से अनिवार्य की ओर बढ़ रहा है, लेकिन इसे कार्यात्मक रूप लेना चाहिए। यह Vyntra के लिए नया अवधारणा नहीं है। साझा इंटेलिजेंस हमारे दृष्टिकोण का हिस्सा कई वर्षों से रहा है, क्योंकि धोखाधड़ी कभी संस्थागत सीमाओं के भीतर व्यवस्थित नहीं हुई है। व्यावहारिक रूप में कुछ मॉडल उभर रहे हैं। कंसोर्टियम या साझा‑उपयोगिता दृष्टिकोण केंद्रीय निकाय के माध्यम से डेटा को एकत्रित करते हैं। फेडरेटेड और प्राइवेसी‑प्रिज़र्विंग डिज़ाइन संस्थानों को कच्चे ग्राहक डेटा को उजागर किए बिना साझा पैटर्न पर प्रशिक्षण करने की अनुमति देते हैं। नेटवर्क‑स्तर की इंटेलिजेंस पहलों, जैसे EBA CLEARING का FPAD, तत्काल भुगतान के विस्तार के साथ रीयल‑टाइम में प्रतिभागियों के बीच धोखाधड़ी संकेतों को धकेलते हैं। प्रत्येक मौजूदा नियामक ढाँचों के भीतर काम करता है, न कि उनके चारों ओर, जो उन्हें बड़े पैमाने पर व्यावहारिक बनाता है। हमारे अनुभव में, भरोसेमंद, GDPR‑अनुपालन नेटवर्क में इंटेलिजेंस साझा करने वाले संस्थानों ने पहचान दर में लगभग 20% सुधार देखा है, हालांकि सटीक आंकड़ा नेटवर्क डिज़ाइन और भागीदारी स्तरों के अनुसार बदलता है। जैसे ही तत्काल भुगतान नियमन सीमा‑पार लेन‑देन मात्रा को तेज़ करता है, वे संस्थान और नेटवर्क जो अब साझा इंटेलिजेंस बुनियादी ढाँचा में निवेश करेंगे, वे उस वृद्धि के साथ आने वाली धोखाधड़ी को बेहतर ढंग से प्रबंधित करने के लिए बेहतर स्थिति में होंगे।

कई वित्तीय संस्थानों को अभी भी उच्च फ़ॉल्स‑पॉज़िट रेट से जूझना पड़ता है, जो ग्राहकों के लिए घर्षण और परिचालन अक्षमताएँ पैदा करता है। आधुनिक AI‑संचालित प्रणालियाँ जोखिम एक्सपोज़र बढ़ाए बिना फ़ॉल्स‑पॉज़िट को कैसे कम करती हैं? 

फ़ॉल्स पॉज़िट अक्सर सीमित संदर्भ के कारण होते हैं। जब निर्णय संकीर्ण संकेतों पर आधारित होते हैं, तो सिस्टम अधिक प्रतिक्रिया देता है। आधुनिक दृष्टिकोण अधिक डेटा और बेहतर संदर्भ को शामिल करके इसे कम करते हैं। व्यवहारिक अंतर्दृष्टि, लेन‑देन इतिहास और रीयल‑टाइम संकेत अधिक सटीक जोखिम मूल्यांकन की अनुमति देते हैं। लक्ष्य केवल अधिक लेन‑देन ब्लॉक करना नहीं, बल्कि बेहतर निर्णय लेना है। उद्योग में, व्यवहारिक AI सिस्टम लागू करने वाले प्रमुख वित्तीय संस्थानों ने लेगेसी नियम‑आधारित नियंत्रणों की तुलना में फ़ॉल्स पॉज़िट में 60% and 90% की कमी की रिपोर्ट की है। फ़ॉल्स पॉज़िट तब भरोसा को नुकसान पहुंचाते हैं जब वैध ग्राहकों को बार‑बार बाधित किया जाता है। जब सिस्टम वास्तविक विसंगतियों और वैध व्यवहार के बीच अंतर कर सकते हैं, तो वे अनावश्यक घर्षण को कम कर सकते हैं, जबकि मजबूत सुरक्षा बनाए रख सकते हैं।

बाहरी हमलों की तुलना में आंतरिक धोखाधड़ी और अंदरूनी खतरों पर चर्चा कम होती है। आज यह जोखिम कितना महत्वपूर्ण है, और संस्थानों को आंतरिक व्यवहार और एक्सेस पैटर्न की निगरानी को कैसे पुनः विचार करना चाहिए? 

आंतरिक जोखिम अक्सर कम आँका जाता है, लेकिन यह समान व्यापक चुनौती का हिस्सा है। ACFE के अनुसार, इस अध्ययन में बैंकिंग और वित्तीय सेवाओं ने किसी भी अन्य उद्योग की तुलना में अधिक व्यावसायिक धोखाधड़ी के मामलों को दर्ज किया, जिसमें प्रति केस औसत नुकसान $120,000 और औसत पहचान समय 12 महीने था। जितना अधिक समय यह विंडो खुला रहता है, नुकसान उतना ही बड़ा होता है। जैसे बाहरी धोखाधड़ी अधिकतर व्यवहार और एक्सेस पैटर्न पर निर्भर करती है, वही बात आंतरिक रूप से भी लागू होती है। निगरानी को स्थिर अनुमतियों और आवधिक जाँचों से आगे बढ़ना चाहिए।

समझना कि सिस्टम कैसे उपयोग किए जाते हैं, एक्सेस पैटर्न कैसे विकसित होते हैं और विसंगतियां कहाँ होती हैं, अत्यंत महत्वपूर्ण है। प्रभावी आंतरिक निगरानी कर्मचारियों की जासूसी नहीं है। यह संवेदनशील वित्तीय सिस्टम में गतिविधियों की अनुपातिक जांच है, जो वास्तविक जोखिम वाले एक्सेस और व्यवहारों पर केंद्रित है। यह अंतर महत्वपूर्ण है, क्योंकि संदर्भ के बिना व्यापक निगरानी शोर उत्पन्न करती है, अंतर्दृष्टि नहीं, और इसके अपने परिचालन और सांस्कृतिक परिणाम होते हैं। सिद्धांत स्थिर है: जब अन्य संकेत सामान्य दिखते हैं, तब व्यवहार सबसे सार्थक संकेत प्रदान करता है।

आगे पाँच वर्षों में, क्या आप मानते हैं कि धोखाधड़ी रोकथाम पूरी तरह स्वायत्त और भविष्यवाणी करने वाली हो जाएगी, या मानव निर्णय प्रणाली में एक महत्वपूर्ण परत बना रहेगा? अंततः संतुलन कहाँ स्थापित होगा? 

धोखाधड़ी रोकथाम अधिक स्वचालित और अधिक भविष्यवाणी करने वाली हो जाएगी, विशेष रूप से जब रीयल‑टाइम निर्णय लेना आवश्यक हो जाता है। सिस्टम अधिकतर पहचान और हस्तक्षेप का बड़ा हिस्सा संभालेंगे, विशेषकर जहाँ गति महत्वपूर्ण है।

हालाँकि, यह पूरी तरह स्वायत्त नहीं होगी। निर्णय संस्थानों और ग्राहक पक्ष दोनों में एक आवश्यक परत बना रहेगा। संस्थागत दृष्टिकोण से, हमेशा ऐसे मामले रहेंगे जहाँ संदर्भ, अस्पष्टता और एस्केलेशन के कारण व्यक्ति को हस्तक्षेप करना पड़ेगा। कई धोखाधड़ी परिदृश्य, विशेषकर अधिकृत स्कैम, अभी भी मानव मैनिपुलेशन और सामाजिक इंजीनियरिंग शामिल करते हैं, जिसे केवल ऑटोमेशन नहीं पढ़ सकता। यह नियमन की दिशा से भी समर्थित है। चाहे यूके के PSR रिइम्बर्समेंट रेगिम के माध्यम से हो या EU के PSD3 प्रस्तावों के माध्यम से, संस्थानों को धोखाधड़ी रोकने और ग्राहकों की सुरक्षा के लिए उच्च मानक पर रखा जा रहा है। यह केवल ऑटोमेशन नहीं, बल्कि निगरानी की आवश्यकता को बढ़ाता है। पाँच वर्षों में, जो संस्थान इसे सही तरीके से करेंगे और जो पीछे रह जाएंगे, उनके बीच अंतर यह होगा कि वे ठीक-ठीक जानते हैं कि ऑटोमेशन और निर्णय कैसे साथ काम करते हैं।

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