کس طرح فوری ادائیگی مالی جرائم کی تخفیف کو متاثر کرے گی۔

Gable وضاحت کرتا ہے کہ تعریف کے لحاظ سے، فوری ادائیگیاں حقیقی وقت کا تقاضا کرتی ہیں، اس لیے مالی جرائم کے تناظر میں، سیکیورٹی چیک بہت تیز اور درست ہونے کی ضرورت ہے۔ اگر عمل آسانی سے نہیں چلتا ہے، تو اس کے نتیجے میں گاہک کے تجربے میں رکاوٹیں، گاہک کی خیر سگالی کا نقصان، اور برانڈ کی ساکھ پر منفی اثر پڑتا ہے۔ مثالوں میں ایک چیک شامل ہے جو دستی جائزے کے لیے ایک قطار میں ختم ہوتا ہے، یا اگر چیک درست نہیں ہوتے ہیں جس کی وجہ سے کسی صارف کو دھوکہ دیا جاتا ہے۔ اس لیے بینکوں کو اپنے حفاظتی پروٹوکول میں سرفہرست رہنے کی ضرورت ہے۔

"جیسا کہ جانچ پڑتال ہو رہی ہے، ایک تناسب کو ہمیشہ تفتیش کی ضرورت ہوگی۔ اس میں وقت لگتا ہے جو کسٹمر کے تجربے کو نقصان پہنچا سکتا ہے۔" گیبل نے کہا۔ "بینکوں کے لیے ایک لاگت کا عنصر بھی ہے، جنہیں فوری طور پر منتقل ہونے کے بعد اس اقدام کے لیے ان کے پاس موجود نظاموں اور عملوں کے بارے میں پہلے سے سوچنے کی ضرورت ہوتی ہے۔"

ہاگراس نے اس طریقے کو بھی بیان کیا جس میں AI فوری لین دین میں جرائم کو کم کرنے کا ایک عنصر ہو گا، کیونکہ یہ صارف کو ہموار تجربہ فراہم کرنے کے لیے آٹومیشن کا فائدہ اٹھائے گا۔ یہ ایک ٹھوس آڈٹ ٹریل کے ساتھ ہے تاکہ بینکوں کے لیے اسکیل اپ کو آسان بنایا جا سکے۔ AI پابندیوں کی اسکریننگ اور اینٹی منی لانڈرنگ کے عمل کے ذریعے بھی مالی جرائم کا مقابلہ کر سکتا ہے، خود بخود اس بات کا پتہ لگا کر کہ کہاں فراڈ ہو رہا ہے، جبکہ صارفین کے تجربے میں خلل ڈالے بغیر جھوٹے مثبت کو خود بخود پروسیس ہونے کی اجازت دیتا ہے۔

[سرایت مواد]

"دھوکہ دہی ایک مسلسل جنگ ہے،" ہاگراس نے تبصرہ کیا۔

انہوں نے مزید کہا: "AI اس بات کو یقینی بنانے کے لیے ذمہ دار ہو گا کہ وہ ایسے ماڈل تیار کریں جو تمام مختلف قسم کے ریگولیٹری تقاضوں پر عمل کر سکیں، بینکوں اور مالیاتی اداروں کو اعتماد کے ساتھ AI کا استعمال کرنے کے قابل بنائیں۔ ایسا کرنے کی کلید قابل وضاحت AI استعمال کرنا ہے۔ تیار کردہ ماڈلز آسانی سے سمجھے جاتے ہیں، ان کا تجزیہ کیا جاتا ہے اور سب سے اہم بات یہ ہے کہ کاروباری صارفین اور اعلیٰ حکام کے ذریعے بڑھایا اور آڈٹ کیا جاتا ہے۔"

اوپیک باکس ماڈلز کو بہت سے ریگولیٹرز قبول نہیں کرتے ہیں کیونکہ وہ آؤٹ پٹ پیدا کرتے وقت ماڈل کے فیصلہ سازی کے عمل کی کافی وضاحت نہیں کرتے ہیں۔ انہوں نے یہ نتیجہ اخذ کیا کہ قابل وضاحت AI عمل Temenos کے لیے کلیدی توجہ ہیں، اور موجودہ اور مستقبل کے AI 'وضاحت' کے ضوابط کو پورا کرنا ضروری ہوگا۔