पीटर प्लोचन, SAS में EMEA प्रमुख जोखिम प्रबंधन सलाहकार – साक्षात्कार श्रृंखला

Peter Plochan SAS में EMEA प्रमुख जोखिम प्रबंधन सलाहकार हैं, जो वित्तीय संस्थानों को वित्त और जोखिम नियमों, एंटरप्राइज़ जोखिम प्रबंधन, जोखिम शासन, भविष्यसूचक जोखिम विश्लेषण, तनाव परीक्षण, मॉडल जोखिम प्रबंधन, जोखिम मॉडलिंग और जलवायु परिवर्तन जोखिम प्रबंधन से जुड़ी चुनौतियों से निपटने में मदद करते हैं।

पीटर का वित्तीय पृष्ठभूमि है (बैंकिंग में मास्टर डिग्री) और वे प्रमाणित फाइनेंशियल रिस्क मैनेजर (FRM) हैं, जिनके पास वित्तीय क्षेत्र में जोखिम प्रबंधन का 19+ वर्षों का अनुभव है। उन्होंने विभिन्न बैंकिंग और बीमा संस्थानों को बड़े पैमाने पर जोखिम प्रबंधन कार्यान्वयन में मदद की है, जबकि वे आंतरिक रूप से और बाहरी रूप से जोखिम प्रबंधन सलाहकार (PwC) के रूप में भी कार्यरत रहे। 2014 में SAS में शामिल होने के बाद, पीटर एक वैश्विक डोमेन विशेषज्ञ के रूप में कार्य करते हैं – जोखिम विश्लेषण और प्रौद्योगिकी में नवीनतम रुझानों का उपयोग अपने गहन जोखिम प्रबंधन और वित्तीय विशेषज्ञता के साथ करते हैं।

आपने PwC, ABN AMRO, Atradius और अब SAS सहित प्रमुख वित्तीय संस्थानों और सलाहकार फर्मों में काम किया है, और बैंकिंग नियमावली, एंटरप्राइज़ जोखिम प्रबंधन और वित्तीय तनाव परीक्षण में व्यापक अनुभव रखते हैं। अपने करियर को देखते हुए, बैंकों के भू-राजनीतिक जोखिम के प्रति दृष्टिकोण में कौन सी संरचनात्मक कमजोरियां आश्चर्यजनक रूप से अभी भी अनसुलझी बनी हुई हैं?

मैं हाल ही में भू-राजनीतिक जोखिम विशेषज्ञों के साथ एक वेबिनार की मेजबानी कर रहा था। एक बैंक के मुख्य जोखिम अधिकारी ने कहा, “धीमी जोखिम प्रबंधन खराब जोखिम प्रबंधन है,” और इस चल रही चुनौती को संक्षेप में बताया। भू-राजनीतिक झटकों का सामना करते समय, बैंकों को अक्सर अचानक और तेज़ प्रतिक्रिया की आवश्यकता होती है।

विश्व अर्थव्यवस्था लगातार अधिक परस्पर जुड़ी हुई है। इसका मतलब है कि भू-राजनीतिक झटके से उत्पन्न किसी भी संक्रमण की गति भी बढ़ रही है।

बिल्कुल, भू-राजनीतिक झटके विविध होते हैं, जैसे तेल कीमतों में परिवर्तन, व्यापार युद्ध और टैरिफ, तथा शूटर युद्ध आदि।

बैंक और वित्तीय सेवाओं के संस्थान ऐसे झटकों के अपने बैलेंस शीट पर प्रभाव का आकलन करने के लिए बहुत देर तक इंतजार नहीं कर सकते। गति अभी भी प्रमुख है।

पिछले 10 वर्षों में, वित्तीय सेवाओं का उद्योग जोखिम गणनाओं को पहले से तेज़ चलाने की क्षमता में सुधार कर चुका है। फिर भी तनाव परीक्षण वित्तीय संस्थानों में सबसे अधिक कंप्यूट-इंटेंसिव और प्रक्रिया-भारी गतिविधियों में से एक बना हुआ है।

बैंकों को अपने ऋण और संपत्तियों की सूची बनानी चाहिए, फिर यह आकलन करना चाहिए कि उनके बैलेंस शीट के कौन से हिस्से विशिष्ट झटकों के प्रति संवेदनशील हैं। इस प्रयास में सफलता का मुख्य चालक यह है कि बैंकों ने इन सूचियों को कितनी विस्तृत और पूर्ण रूप से स्थापित किया है, और उनके विश्लेषण और जोखिम आकलन कितने गहन हैं।

उदाहरण के लिए, बैंकों को केवल भू-राजनीतिक झटकों को ही नहीं, बल्कि उनके अप्रत्यक्ष प्रभावों को भी देखना चाहिए, जो कभी-कभी झटकों से कम स्पष्ट और धीरे-धीरे विकसित होते हैं। तेल कीमतों में उछाल गैस पंप पर ही नहीं, बल्कि पूरी आपूर्ति श्रृंखला पर क्या प्रभाव डालता है? और तेल कीमतों में वृद्धि केवल गैसोलीन, डीज़ल और अन्य परिवहन लागतों को ही नहीं, बल्कि उर्वरक, प्लास्टिक और यहां तक कि किसी विशिष्ट देश या क्षेत्र में निर्मित फ़ार्मास्यूटिकल दवाओं की लागत और कीमतों को भी कैसे प्रभावित करती है?

कई मामलों में, बैंकों को अपने ग्राहकों और उनके आपूर्ति श्रृंखलाओं पर भू-राजनीतिक झटकों के संभावित प्रभावों की गहरी समझ नहीं होती, जिससे भू-राजनीतिक जोखिम प्रबंधन अधिक कठिन हो जाता है।

भू-राजनीतिक जोखिम प्रबंधन के माध्यम से, बैंक अपने ग्राहकों और उनके ऋणों पर झटकों के प्रभाव को बेहतर समझने और आकलन करने का प्रयास करते हैं, जो बैंकों के बैलेंस शीट का बड़ा हिस्सा बनाते हैं। बैंकों के लिए भू-राजनीतिक जोखिम प्रबंधन एक प्रश्न का उत्तर देने की कोशिश करता है जो सतह पर सरल है लेकिन नीचे जटिल है: यह झटका प्रत्येक बैंक ग्राहक और उनके ऋण चुकाने की क्षमता पर क्या प्रभाव डालेगा?

जलवायु जोखिम प्रबंधन (जिसमें भू-राजनीतिक जोखिम प्रबंधन के कई समानताएँ हैं) की तरह, प्रत्येक बैंक को सामान्य से कहीं अधिक गहराई में जाना चाहिए। सही डेटा एकत्रित करके और तनाव परीक्षण जैसी कार्यप्रणालियों को लागू करके, एक बैंक अपने ग्राहकों की झटके के प्रति एक्सपोज़र और अपने स्वयं के बैलेंस शीट जोखिम को बेहतर समझ सकता है।

भू-राजनीतिक जोखिम, जलवायु जोखिम, क्रेडिट जोखिम, तरलता जोखिम आदि सहित सभी जोखिम प्रबंधन को केवल अनुपालन अभ्यास से अधिक मानकर, बैंकों को ऐसे अंतर्दृष्टि मिल सकती हैं जो मुख्य व्यावसायिक योजना को मार्गदर्शन दे सकती हैं।

एक मजबूत जोखिम प्रबंधन कार्यक्रम (जिसमें तनाव परीक्षण शामिल है) से प्राप्त विश्लेषणात्मक अंतर्दृष्टियों का उपयोग करके, बैंक भू-राजनीतिक और अन्य जोखिमों को कम करने और अपनी परिचालन लचीलापन को मजबूत करने के लिए बेहतर व्यावसायिक निर्णय ले सकता है।

पाठकों के लिए जो इस शब्द से परिचित नहीं हैं, बैंकिंग में “तनाव परीक्षण” वास्तव में क्या है, और यह आज के भू-राजनीतिक और आर्थिक माहौल में क्यों अधिक महत्वपूर्ण हो गया है?

तनाव परीक्षण परिदृश्य विश्लेषण का एक रूप है। भविष्यसूचक सिमुलेशन का उपयोग करके, एक बैंक या अन्य वित्तीय सेवा फर्म आर्थिक स्थिति (जैसे, महंगाई में कमी, कर या बिजली की लागत में वृद्धि) या परिवर्तन की जांच कर सकता है और इसका बैंक के वित्तीय और जोखिम संकेतकों तथा प्रदर्शन पर प्रभाव का आकलन कर सकता है।

तनाव परीक्षण एक वित्तीय संस्थान में सबसे जटिल और कंप्यूट-इंटेंसिव गतिविधियों में से एक है, जिसके लिए कई जटिल गणनाओं की आवश्यकता होती है। प्रमुख “क्या होगा अगर” प्रश्नों का उत्तर देने और भू-राजनीतिक, जलवायु और अन्य जोखिमों के प्रभाव को बेहतर समझने के लिए, बैंकों को अपने ग्राहकों, आर्थिक रुझानों (सार्वजनिक और निजी स्रोतों से) और उन विशिष्ट जोखिमों के प्रति उनकी संवेदनशीलता पर डेटा एकत्र करना चाहिए जिन्हें वे आकलन करना चाहते हैं। फिर उन्हें इस डेटा का विश्लेषण करके अपने ऋण पोर्टफोलियो और बैलेंस शीट पर संभावित प्रभावों की खोज करनी चाहिए।

भू-राजनीतिक तनाव परीक्षण का ध्यान युद्ध, व्यापार प्रतिबंध, टैरिफ और प्रतिबंधों जैसे झटकों के प्रभाव के आधार पर बैंक के भविष्य के प्रदर्शन को निर्धारित करने पर केंद्रित है। भू-राजनीतिक तनाव परीक्षण कई समान विशेषताएँ जलवायु तनाव परीक्षण के साथ साझा करता है, जो जलवायु झटकों (जैसे, बाढ़ या लगातार बढ़ते तापमान) के प्रभावों पर केंद्रित है।

तनाव परीक्षण एक प्रमुख जोखिम प्रबंधन उपकरण और निर्णय इंजन है। चूँकि किसी भी बैंक के पास भविष्यवाणी करने वाला क्रिस्टल बॉल नहीं है, वे नहीं जानते कि अगला कौन सा परिदृश्य या झटका आएगा। लेकिन बैंकों द्वारा संभावित परिदृश्यों पर आधारित “क्या होगा अगर” विश्लेषण किया जा सकता है ताकि अपने ग्राहकों और अपने संचालन के लिए भविष्य के जोखिम, संभावनाएँ – यहाँ तक कि अवसर – निर्धारित किए जा सकें और परिणामों का उपयोग करके तदनुसार तैयारी शुरू की जा सके।

भू-राजनीतिक जोखिम बढ़ रहा है, झटके पहले से तेज़ और अक्सर ओवरलैप होते हैं। चूँकि भू-राजनीतिक घटनाएँ बाजारों, व्यापार और आपूर्ति श्रृंखलाओं को एक साथ प्रभावित करती हैं, तनाव परीक्षण बैंकों को भविष्य के परिदृश्यों का पहले सिमुलेशन करने और संभावित प्रतिक्रियाओं की तैयारी करने में मदद करता है।

एक अन्य CRO ने हाल ही में एक पैनल में कहा, “बिना कार्रवाई के अंतर्दृष्टि का कोई मूल्य नहीं है।” विश्लेषणात्मक अंतर्दृष्टियों को लागू करके, तनाव परीक्षण बेहतर व्यावसायिक निर्णयों का समर्थन करता है। परिणाम? बैंकों को भू-राजनीतिक झटकों को नेविगेट करने के लिए सूचित कार्रवाई करने और अपनी व्यावसायिक रणनीति को परिष्कृत करने में मदद मिलती है।

भू-राजनीतिक झटके आज अक्सर व्यापार, ऊर्जा, वस्तुओं, साइबर खतरों और आपूर्ति श्रृंखलाओं में एक साथ प्रकट होते हैं। क्या पारंपरिक बैंकिंग जोखिम मॉडल अभी भी इस प्रकार के परस्पर जुड़े प्रणालीगत जोखिम को संभालने में सक्षम हैं?

आंशिक रूप से।

जब हम पारंपरिक बैंकिंग जोखिम मॉडलिंग और इसके परस्पर जुड़े तथा प्रणालीगत जोखिम को संभालने की क्षमता के बारे में सोचते हैं, तो दो स्तर होते हैं जिन पर बैंक अपने पोर्टफोलियो पर भू-राजनीतिक झटकों के प्रभाव का आकलन करते हैं।

पहला स्तर मैक्रोइकॉनॉमिक स्तर पर है। उदाहरण के लिए, यदि तेल कीमत में झटका होता है, तो बैंक ग्राहक के स्थित क्षेत्रीय या स्थानीय अर्थव्यवस्था पर उच्च-स्तरीय प्रभाव को समझने की कोशिश करेगा।

इसलिए यदि एक बैंक का ग्राहक टेक्सास-आधारित एक प्रमुख निर्माता है, तो तेल झटके के दौरान उस राज्य की अर्थव्यवस्था वास्तव में सुधार सकती है, क्योंकि वह तेल उत्पादन करता है। बैंक का मैक्रोइकॉनॉमिक जोखिम मॉडल यह संकेत दे सकता है कि टेक्सास में कंपनियां अधिक संभावना है कि वे फलें-फूलें क्योंकि बेरोज़गारी घटती है और स्थानीय व्यापार मात्रा बढ़ती है। दूसरी ओर, अधिकांश अन्य अर्थव्यवस्थाओं पर नकारात्मक प्रभाव पड़ेगा, जो सभी टेक्सास कंपनियों की व्यावसायिक गतिविधियों को प्रतिकूल रूप से प्रभावित करेगा।

आज, मैक्रोइकॉनॉमिक स्तर पर, अधिकांश बैंकों के पास मॉडलिंग के संदर्भ में एक ठोस आधार है। अपने तनाव परीक्षण में, वे भू-राजनीतिक झटकों को मैक्रोइकॉनॉमिक संकेतकों (राज्य, देश या क्षेत्रीय स्तर पर) में परिवर्तित कर सकते हैं।

हमारे उदाहरण का उपयोग करते हुए, एक बैंक के पास एक मॉडल होगा जो यह भविष्यवाणी करता है कि यदि राज्य का जीडीपी एक विशिष्ट प्रतिशत से बढ़ता है तो टेक्सास में विनिर्माण क्षेत्र में डिफ़ॉल्ट की संभावना के संदर्भ में क्या होगा।

इसलिए बैंकिंग जोखिम मॉडल पहले से ही भू-राजनीतिक झटकों के मैक्रोइकॉनॉमिक प्रभावों को बैंक के ग्राहकों (और उधारकर्ताओं) पर विश्लेषण करने के लिए तैयार हैं।

लेकिन दूसरा स्तर अभी भी एक चुनौती बना हुआ है।

माइक्रो स्तर पर, एक बैंक को किसी विशिष्ट ग्राहक की किसी विशेष भू-राजनीतिक झटे के प्रति संवेदनशीलता और परिणामस्वरूप उस ग्राहक के डिफ़ॉल्ट जोखिम का आकलन करने के लिए ज़ूम इन करना चाहिए।

उर्वरकों के उत्पादन में 50% की गिरावट कार निर्माता पर क्या प्रभाव डालेगी? बहुत कम, कम से कम सीधे तौर पर नहीं (हालांकि इस निर्माता को परिणामस्वरूप उच्च महंगाई के प्रभाव महसूस होने की संभावना है)। लेकिन यदि ग्राहक एक कृषि उत्पादक है, तो यह राजस्व में बड़ी गिरावट का मतलब हो सकता है।

माइक्रो स्तर पर, बैंकों को अपने तनाव परीक्षण और जोखिम मॉडलिंग में डेटा की सूक्ष्मता और विशिष्टता की आवश्यकता होती है। उन्हें अपने पोर्टफोलियो में व्यावसायिक क्षेत्रों, क्षेत्रों और व्यक्तिगत प्रतिपक्षियों पर ज़ूम इन करना चाहिए, और यह समझना चाहिए कि कौन से ग्राहक किन प्रकार के भू-राजनीतिक जोखिमों के प्रति संवेदनशील हैं। अंततः बैंकों को यह अंतर्दृष्टि चाहिए कि एक विशिष्ट झटका प्रत्येक ग्राहक और उसके ऋण चुकाने की क्षमता को कैसे प्रभावित करेगा, साथ ही यह निर्णय समर्थन करने के लिए कि ऋण बढ़ाया जाए, शर्तें बदली जाएँ या यहाँ तक कि क्रेडिट न बढ़ाया जाए।

माइक्रो मॉडलिंग को विशेष रूप से चुनौतीपूर्ण बनाने वाला यह है कि आप अक्सर किसी उद्योग या क्षेत्र में सामान्यीकरण नहीं कर सकते। बैंक के एक कृषि ग्राहक एक हरा उत्पादक हो सकता है जो कोई उर्वरक नहीं उपयोग करता। इसलिए ग्राहक के उद्योग या क्षेत्र के आधार पर धारणाएँ बनाना गलत जानकारी और निर्णयों की ओर ले जा सकता है।

चूँकि बैंकों के पास आमतौर पर ग्राहक के संचालन पर सूक्ष्म डेटा नहीं होता, उन्हें इस विस्तृत डेटा को एकत्र करने की लागत और प्रयास (उदाहरण के लिए सर्वेक्षण और प्रश्नावली के माध्यम से) को अपने मॉडलों में अधिक सूक्ष्मता के लाभों के साथ संतुलित करना चाहिए।

कभी-कभी यह डेटा प्राप्त करना कठिन होता है। उदाहरण के लिए, एक बैंक का ग्राहक नहीं जान सकता कि उनका उर्वरक होर्मुज़ जलडमरूमध्य से होकर जाता है या नहीं।

जितना अधिक सूक्ष्म डेटा एक बैंक एकत्र करता है, उतनी ही अधिक संभावित अंतर्दृष्टि वह प्राप्त कर सकता है। लेकिन जितना गहरा जाता है, उतना ही समय और प्रयास के हिसाब से यह जानकारी एकत्र करना अधिक महंगा हो जाता है।

इस चुनौती से निपटने के लिए, बैंकों अक्सर पैरेटो दृष्टिकोण अपनाते हैं – पुराना 80/20 नियम अभी भी लागू है। बैंकों के पास अक्सर अपने पोर्टफोलियो या ग्राहकों के 20% में 80% एक्सपोज़र या जोखिम होता है। इसलिए वे अपने शीर्ष एक्सपोज़र पर ध्यान केंद्रित कर सकते हैं और बाकी को सरल बनाने की कोशिश कर सकते हैं। सरलीकरण में व्यक्तिगत ग्राहक स्तर के बजाय (उप)क्षेत्र और/या (उप)सेक्टर स्तर पर विश्लेषण करना शामिल होगा।

जलवायु तनाव परीक्षण की तरह, सीमित या कोई डेटा न होना इन जोखिम आकलनों को घटाने का बहाना नहीं है।

यूरोपीय सेंट्रल बैंक के जलवायु जोखिम पर मार्गदर्शन से मुख्य संदेश भू-राजनीतिक जोखिम पर भी लागू होता है। ECB ने स्वीकार किया कि बैंकों के पास अक्सर जलवायु तनाव परीक्षण के लिए आवश्यक सभी डेटा नहीं होते। और सीमित डेटा के आधार पर कार्रवाई करने से चुनौतियां और त्रुटियां उत्पन्न होंगी। लेकिन ECB ने कहा कि कोई कार्रवाई न करना भी एक अधिक जोखिम है। इसलिए बैंकों को सीमित डेटा के साथ भी कार्रवाई करनी चाहिए। यही तर्क भू-राजनीतिक जोखिम विश्लेषण पर भी लागू होता है।

बैंक वास्तविक समय में भू-राजनीतिक विकास की निगरानी करने और उन्हें कार्य योग्य जोखिम आकलन में बदलने के लिए कृत्रिम बुद्धिमत्ता और बड़े भाषा मॉडल का उपयोग कैसे शुरू कर रहे हैं?

बैंक असंरचित डेटा का विश्लेषण करने के लिए AI एजेंटों का उपयोग शुरू कर रहे हैं, जो AI का एक सामान्य उपयोग मामला है।

उदाहरण के लिए, बैंकों को AI एजेंटों को समाचार पोर्टलों पर लागू किया जा सकता है, जो पूर्वनिर्धारित पाठ की तलाश करते हैं जो संकेत दे सकता है कि एक भू-राजनीतिक झटका आने वाला है, और संस्थान के भीतर चेतावनी संकेत उठाते हैं।

और जैसा कि पहले चर्चा की गई, बैंकों को अपने प्रमुख ग्राहकों और उनके संचालन तथा आपूर्ति श्रृंखलाओं के भौगोलिक वितरण को बेहतर समझना है। कुछ बैंकों ने AI एजेंटों को ग्राहक खुलासों और अन्य सार्वजनिक जानकारी के माध्यम से कंपनी के प्रमुख कारखानों और आपूर्तिकर्ताओं के स्थान को समझने के लिए तैनात किया है। जब किसी विशेष क्षेत्र में झटका आता है, तो बैंक उस ग्राहक पर इसके प्रभाव को बेहतर समझ सकता है।

सैकड़ों कंपनियों वाले बैंकों को इन विश्लेषणों को बड़े पैमाने पर चलाने की आवश्यकता होती है। AI एजेंट तनाव परीक्षण गणनाओं के कुछ हिस्सों को स्वचालित करने में मदद कर सकते हैं। इसलिए यदि कुछ भू-राजनीतिक घटनाएँ उन पूर्वनिर्धारित थ्रेशहोल्ड को पार करती हैं जो बैंक ने सेट किए हैं, तो एजेंट मैक्रोइकॉनॉमिक परिदृश्य तैयार कर सकता है और तनाव परीक्षण गणना को स्वचालित रूप से निष्पादित कर सकता है।

और एक अन्य उदाहरण में, AI और बड़े भाषा मॉडल (LLMs) तनाव परीक्षण के परिणामों को व्यावसायिक उपयोगकर्ताओं और वरिष्ठ प्रबंधकों को समझाने में मदद कर सकते हैं। पूर्वनिर्धारित प्लेबुक के आधार पर, AI एजेंट कुछ सुधारात्मक कार्यों का सुझाव भी दे सकते हैं।

इसलिए AI पहले से ही तनाव परीक्षण प्रक्रिया के विभिन्न हिस्सों में उपयोग हो रहा है, हालांकि हम अभी शुरुआती चरण में हैं।

कई वित्तीय संस्थानों को पहले से ही जोखिम और अनुपालन टीमों में स्टाफिंग और संसाधन सीमाओं का सामना करना पड़ता है। AI वर्तमान में सबसे बड़ा संचालनात्मक लाभ कहाँ प्रदान कर रहा है?

बैंक जोखिम और अनुपालन टीमों के लिए, AI डेटा एकत्रण, परिदृश्य निर्माण, गणना निष्पादन और व्याख्या को स्वचालित करने में मदद करता है। इससे इन टीमों को मॉडल विश्लेषण के परिणामों की व्याख्या करने और नेतृत्व को जोखिम रणनीति पर सलाह देने में अधिक समय मिलता है।

पारंपरिक, जनरेटिव और एजेंटिक AI भी भू-राजनीतिक तनाव परीक्षण में कई गतिविधियों का समर्थन करते हैं। इसमें ग्राहकों (और उनके संचालन, आपूर्ति श्रृंखलाओं आदि) और बैंक पोर्टफोलियो की भू-राजनीतिक झटकों के प्रति संवेदनशीलता पर डेटा एकत्र करना और विश्लेषण करना शामिल है। जैसा कि पहले उल्लेख किया गया, LLMs और AI एजेंट तनाव परीक्षण के परिणामों को नेतृत्व को समझाने में मदद कर सकते हैं ताकि बेहतर निर्णयों का समर्थन हो सके।

यह उल्लेखनीय है कि निर्णयों के लिए AI और विश्लेषणात्मक मॉडलों का उपयोग अतिरिक्त जोखिम लाता है, क्योंकि मॉडल गलत या पर्याप्त सटीक नहीं हो सकता।

बैंक एक दशक से अधिक समय से मॉडल जोखिम प्रबंधन कर रहे हैं। और कई मॉडल जोखिम प्रबंधकों की तरह कहते हैं, “सभी मॉडल गलत हैं, लेकिन कुछ उपयोगी हैं।”

क्योंकि मॉडल भविष्य की स्थिति का एक सरलीकरण हैं, परिभाषा के अनुसार वे पूरी तरह सटीक नहीं होते। बैंकों और वित्तीय सेवा संगठनों को मॉडल जोखिम के प्रति सतर्क रहना चाहिए और तनाव परीक्षण और जोखिम प्रबंधन के लिए AI-संचालित मॉडलों को लागू करते समय इसे प्रबंधित करना चाहिए।

AI गवर्नेंस बैंकों और वित्तीय सेवा फर्मों के लिए महत्वपूर्ण है। यह उन्हें संवेदनशील डेटा की सुरक्षा और प्रबंधन करने, नियमों का पालन करने, साथ ही पारदर्शिता सुनिश्चित करने और जोखिम प्रबंधन में मदद करता है।

गवर्नेंस विशेष रूप से AI और मशीन लर्निंग (ML) मॉडलों के लिए महत्वपूर्ण है, जो सटीक भविष्यवाणियां कर सकते हैं लेकिन अप्रत्याशित स्थितियों पर अनुचित प्रतिक्रिया दे सकते हैं, जिससे खराब निर्णय हो सकते हैं। AI और ML मॉडलों को अक्सर प्रदर्शन मॉनिटरिंग और डेटा समीक्षा की आवश्यकता होती है। AI गवर्नेंस और मॉडल जोखिम प्रबंधन के माध्यम से निगरानी पारदर्शिता सुनिश्चित करती है, जिससे बैंक नियामकों और वरिष्ठ प्रबंधन को स्पष्ट रूप से समझा सके कि उसके AI मॉडल कैसे काम करते हैं और उनसे कौन से निर्णय निकलते हैं।

आपने वित्तीय संस्थानों के लिए जलवायु जोखिम और स्थिरता फ्रेमवर्क पर कई वर्षों तक काम किया है। क्या आप देखते हैं कि भू-राजनीतिक जोखिम तनाव परीक्षण जलवायु जोखिम विश्लेषण जितना ही रणनीतिक रूप से महत्वपूर्ण बन जाएगा?

हाँ। भू-राजनीतिक जोखिम प्रबंधन धीरे-धीरे बैंकों और वित्तीय सेवा फर्मों के लिए सामान्य व्यवसाय बन जाएगा। अधिक से अधिक, ये जोखिम पारंपरिक क्रेडिट और मार्केट-रिस्क मॉडल में एम्बेड हो जाएंगे क्योंकि वे बैंकिंग और वित्तीय सेवा क्षेत्र में समग्र जोखिम प्रबंधन प्रयासों का एक मानक भाग बन रहे हैं।

जलवायु जोखिम ने अपनी जटिलता और वित्तीय प्रदर्शन पर संभावित बड़े प्रभाव के कारण बैंकों को अपने तनाव परीक्षण फ्रेमवर्क को आधुनिक बनाने के लिए प्रेरित किया है।

इसी तरह, भू-राजनीतिक जोखिम – और घटनाओं और झटकों की गति और आवृत्ति – बैंकों के वित्तीय परिणामों को काफी प्रभावित कर सकते हैं। यह बैंकों पर (तनाव परीक्षण के माध्यम से) इसका आकलन करने, कम करने और इसे ध्यान में रखने का दबाव डालता है।

दोनों ही रणनीतिक रूप से महत्वपूर्ण हैं और रहेंगे, क्योंकि बैंकों को ईरान में संघर्ष और उसके परिणामों जैसे भू-राजनीतिक झटकों के साथ-साथ इस वर्ष के “सुपर” या “गॉडज़िला” एल नीनो पूर्वानुमान जैसे निरंतर जलवायु‑संबंधी प्रभावों से निपटना होगा।

कई संगठन अभी भी तनाव परीक्षण को मुख्य रूप से एक नियामक आवश्यकता के रूप में देखते हैं, न कि एक रणनीतिक उपकरण के रूप में। इस दृष्टिकोण को अपनाकर बैंकों कौन से अवसर खो रहे हैं?

बैंक के लिए तनाव परीक्षण को मुख्य रूप से नियामक अनुपालन प्राप्त करने पर केंद्रित करना अल्पदृष्टि वाला है। जबकि नियमों का पालन करना महत्वपूर्ण है, तनाव परीक्षण वित्तीय सेवा संगठनों को केवल अनुपालन से कहीं अधिक करने में मदद कर सकता है।

तनाव परीक्षण के प्रति अधिक रणनीतिक दृष्टिकोण अपनाकर, बैंकों को “क्या‑अगर” विश्लेषण करने की सुविधा मिलती है जो संभावित परिदृश्यों और भू-राजनीतिक झटकों और जलवायु परिवर्तन दोनों के वैकल्पिक प्रतिक्रियाओं के प्रभाव का आकलन करता है।

इन “क्या‑अगर” विश्लेषणों के परिणाम बैंकों को आगे का इष्टतम मार्ग चुनने, नए व्यावसायिक अवसरों को पहचानने, अपनी ऋण रणनीति को समायोजित करने और जोखिम प्रबंधन प्रयासों के माध्यम से प्रतिस्पर्धात्मक लाभ प्राप्त करने में मदद कर सकते हैं।

डेटा और मॉडल पहले से ही मौजूद हैं। उन्हें पूरी तरह से उपयोग न करना एक चूकी हुई अवसर है।

बिल्कुल, बैंक की अंतर्निहित तनाव परीक्षण प्रक्रियाओं और प्रणालियों की दक्षता, लचीलापन और परिपक्वता यह निर्धारित करेगी कि बैंक क्या हासिल कर सकता है। और क्या तनाव परीक्षण केवल नियामक अनुपालन का उत्तर है या एक अधिक व्यापक निर्णय‑समर्थन इंजन है।

जैसा कि उस CRO ने कहा, “बिना कार्रवाई के अंतर्दृष्टि का कोई मूल्य नहीं है।”

हालिया रिपोर्ट, Climate Stress Testing Methodologies: Current Practices, Challenges, and the Road Ahead, वर्तमान प्रथाओं को बेंचमार्क करती है; मॉडलिंग, गवर्नेंस और इन्फ्रास्ट्रक्चर में अंतराल की पहचान करती है; और कोर जोखिम फ्रेमवर्क में जलवायु तनाव परीक्षण को एकीकृत करने के लिए व्यावहारिक सलाह देती है। यह रिपोर्ट, United Nations Environment Programme Finance Initiative (UNEP FI) और SAS द्वारा, 21 वैश्विक बैंकों के इनपुट पर आधारित है।

जैसे ही वित्तीय संस्थान AI‑संचालित सिस्टम और स्वचालित मॉडलिंग पर अधिक निर्भर होते जा रहे हैं, क्या आप बैंकिंग बुनियादी ढांचे के भीतर नई प्रकार की मॉडल जोखिम के उभरने को लेकर चिंतित हैं?

जैसा कि पहले उल्लेख किया गया, मॉडल जोखिम प्रबंधन 10 वर्षों से अधिक समय से बैंकों में एक मुख्य प्रक्रिया रहा है। और AI और विश्लेषणात्मक मॉडलों का तेज़ी से अपनाना अतिरिक्त जोखिम लाता है, क्योंकि वे असटीक हो सकते हैं।

हाल ही में मैंने एक वर्चुअल पैनल चर्चा का संचालन किया जिसमें मॉडल जोखिम प्रबंधन (MRM) प्रमुख शामिल थे। प्रमुख निष्कर्षों में से एक, जो विशेषज्ञों और वैश्विक दर्शकों दोनों द्वारा पुष्टि किया गया, यह था कि AI जोखिम क्लासिकल मॉडल जोखिमों की तुलना में काफी अधिक हैं।

बैंकों और वित्तीय सेवा कंपनियों को संवेदनशील डेटा की सुरक्षा और प्रबंधन, नियमों का पालन, पारदर्शिता और प्रभावी जोखिम प्रबंधन सुनिश्चित करने के लिए व्यापक AI गवर्नेंस को अपनाना और लागू करना चाहिए।

आपके अनुसार वर्तमान में वित्तीय क्षेत्र द्वारा कौन से भू-राजनीतिक जोखिम कारकों को सबसे अधिक कम आँका जा रहा है: साइबर संघर्ष, व्यापार विभाजन, संप्रभु ऋण दबाव, ऊर्जा व्यवधान, आपूर्ति श्रृंखला अस्थिरता, या कुछ और?

इन सभी को भू-राजनीतिक घटनाओं से उत्पन्न जोखिम कारक माना जा सकता है। और मैं कहूँगा कि बैंकों के लिए सबसे अधिक सिरदर्द पैदा करने वाला कारक आपूर्ति श्रृंखला में व्यवधान है।

यह हमारे पहले के मैक्रो और माइक्रो‑इकॉनॉमिक कारकों की चर्चा से जुड़ता है।

उदाहरण के लिए, यदि तेल कीमत में झटका आता है, तो एक बैंक मैक्रो आंकड़ों का विश्लेषण कर सकता है और बाजार की अस्थिरता और क्रेडिट व तरलता पर दबाव देख सकता है।

लेकिन बैंकों के लिए अपने पोर्टफोलियो पर प्रभाव का आकलन करना कठिन है क्योंकि अधिकांश बैंकों के पास इस तरह के झटे का प्रत्येक ग्राहक और उनके संचालन पर प्रभाव कैसे पड़ता है, इस बारे में सूक्ष्म ग्राहक‑स्तर की जानकारी नहीं होती।

बैंकों के लिए, यह तनाव परीक्षण का उपयोग करके यह बेहतर निर्धारित करने तक सीमित है कि भू-राजनीतिक घटनाएँ और जलवायु परिवर्तन उनके ऋण पोर्टफोलियो को कैसे प्रभावित करते हैं और प्रत्येक ग्राहक की ऋण चुकाने की क्षमता को कैसे प्रभावित करते हैं।

बिल्कुल, अक्सर ये जोखिम कारक अकेले नहीं होते, बल्कि संयोजन में होते हैं। इसलिए यह नहीं है कि बैंकों ने इनमें से किसी को कम आँका है। तनाव परीक्षण के शक्तिशाली उपकरण के माध्यम से, बैंकों को कई ड्राइवरों और कारकों के उनके संचालन और समग्र जोखिम एक्सपोज़र पर प्रभाव का बेहतर आकलन करने में मदद मिलती है।

आगे आने वाले पाँच वर्षों में, आप कैसे देखते हैं कि AI‑सहायता प्राप्त तनाव परीक्षण बैंकों के पूंजी आवंटन, जोखिम मूल्यांकन और भविष्य की संकटों की तैयारी के तरीके को कैसे बदल देगा?

आने वाले पाँच वर्षों में, AI बैंकों को भविष्य के परिदृश्यों का बहुत बेहतर दृश्य बनाने में मदद करेगा। और AI‑संचालित तनाव परीक्षण एक आवधिक अभ्यास से कम और एक निरंतर क्षमता बन जाएगा।

बैंक अधिक परिदृश्य, अधिक बार चलाएंगे, और उन्हें व्यावसायिक निर्णयों को सूचित करने के लिए उपयोग करेंगे।

क्योंकि वित्तीय सेवा फर्में जो AI‑संचालित अंतर्दृष्टियों पर जल्दी कार्रवाई कर सकती हैं, उन्हें स्पष्ट प्रतिस्पर्धात्मक लाभ मिलेगा, विशेष रूप से तेज़ी से बदलते भू-राजनीतिक संकटों में।

बैंकों और उनकी तकनीकी टीमों और साझेदारों को AI‑संचालित गणनाओं में अधिक विश्वास बनाने वाली प्रक्रियाओं को बनाने के लिए प्रतिबद्ध रहना चाहिए।

इसलिए जब एक बैंक अपने एसेट & Liability Management (ALM) सिस्टम के साथ एक जनरेटिव AI टूल का उपयोग करता है, तो वह परिणामों पर भरोसा कर सकता है और भ्रम (हैलुसिनेशन) के बारे में अत्यधिक चिंता नहीं करनी चाहिए।

या जब यह एक भू-राजनीतिक या जलवायु जोखिम तनाव परीक्षण चलाता है, तो बैंक विश्लेषण के परिणामों और उसके परिणामस्वरूप किए गए व्यावसायिक निर्णयों में और अधिक भरोसा रख सकता है।

उत्कृष्ट साक्षात्कार के लिए धन्यवाद। पाठक जो पीटर प्लोचन के कार्य और विचार नेतृत्व के बारे में अधिक जानना चाहते हैं, वे PeterPlochan.com पर जा सकते हैं या SAS द्वारा प्रदान किए गए जोखिम प्रबंधन, विश्लेषण और AI समाधान का अन्वेषण कर सकते हैं।