वित्तीय सेवाओं में कृत्रिम बुद्धिमत्ता (AI) तेजी से विकसित हो रही है। कैम्ब्रिज विश्वविद्यालय की 2026 Global AI in Financial Services Report के लिए सर्वेक्षण किए गए वित्तीय सेवा फर्मों में से 52% पहले से ही एजेंटिक AI को अपना रहे हैं। उनमें से, 29% पायलट परियोजनाएं चला रहे हैं, और 23% स्केलिंग या ट्रांसफॉर्मेशन के चरण तक पहुंच चुके हैं। किसी न किसी रूप में AI की गोद लेने की दर 81% तक पहुंच जाती है।
वह 29 अंकों का अंतर वह जगह है जहाँ अधिकांश अनुपालन (compliance) कार्य वर्तमान में खड़े हैं। एक नीति का सारांश तैयार करने वाला मॉडल उपयोगी है। लेकिन एक ऐसा एजेंट जो उसी नीति को पढ़ता है, उसके लागू होने वाले सत्यापन प्रवाह (verification flow) का निरीक्षण करता है, और एक प्रतिस्थापन कॉन्फ़िगरेशन का ड्राफ्ट तैयार करता है, वह एक बिल्कुल अलग प्रस्ताव है क्योंकि यह सिर्फ उनके बारे में टेक्स्ट उत्पन्न नहीं करता, बल्कि सिस्टम पर कार्रवाई करता है।
यह बदलाव एक शासन संबंधी प्रश्न उठाता है: क्या एजेंट द्वारा की गई हर कार्रवाई को पूर्व में अधिकृत किया जा सकता है और बाद में पुनर्निर्मित किया जा सकता है?
अनुपालन में AI एजेंट क्या है?
एक #AIagent एक स्वचालित सॉफ्टवेयर सिस्टम है जो एक निर्धारित लक्ष्य को प्राप्त करने के लिए मॉडल का उपयोग करता है। आधिकारिक OpenAI दस्तावेज़ एजेंट्स को "ऐसे अनुप्रयोगों के रूप में वर्णित करते हैं जो योजना बनाते हैं, टूल का उपयोग करते हैं, विशेषज्ञों के बीच सहयोग करते हैं, और बहु-चरणीय कार्य पूरा करने के लिए पर्याप्त स्थिति (state) बनाए रखते हैं।"
एक AI अनुपालन एजेंट वर्कफ़्लो में, एक अंतर्निहित बड़ा भाषा मॉडल (LLM) कार्य निर्देशों की व्याख्या करता है और तर्क देता है, जबकि एजेंट फ्रेमवर्क और जुड़े हुए अनुपालन प्लेटफ़ॉर्म डेटा, अनुमतियाँ और टूल प्रदान करते हैं जो एजेंट को कार्रवाई करने की अनुमति देते हैं। एजेंट शायद एक धन शोधन विरोधी (AML) नीति पढ़ सकता है, उसकी आवश्यकताओं की पहचान कर सकता है, एक मौजूदा 'नॉ योर कस्टमर' (KYC) फ्लो का निरीक्षण कर सकता है, एक API का उपयोग करके एक ड्राफ्ट कॉन्फ़िगरेशन बना सकता है, और परिणाम को अनुमोदन के लिए प्रस्तुत कर सकता है।
स्वायत्तता एक स्पेक्ट्रम पर मौजूद होती है। एक एजेंट कम जोखिम वाले चरणों को स्वतंत्र रूप से पूरा कर सकता है लेकिन लाइव वर्कफ़्लो को बदलने, आवेदन को अस्वीकार करने, या नियामक रिपोर्ट सबमिट करने से पहले रुक सकता है।
एजेंटिक AI कैसे काम करता है: एजेंट स्किल्स और MCP समझाया गया
एजेंट्स को संचालन संबंधी कार्य विश्वसनीय रूप से पूरा करने के लिए केवल एक भाषा मॉडल से अधिक की आवश्यकता होती है। उन्हें एक लक्ष्य, निर्देश, प्रासंगिक सिस्टम तक पहुँच, और उनकी क्षमताओं को नियंत्रित करने वाले नियमों की आवश्यकता होती है।
Model Context Protocol (MCP) AI अनुप्रयोगों को बाहरी सिस्टम से जोड़ने के लिए एक खुला मानक है। एक MCP सर्वर परिभाषित इनपुट के साथ टूल को प्रकट करता है, जिससे एजेंट को अनुमत क्रियाओं की खोज करने, आवश्यक तर्क प्रदान करने और परिणाम प्राप्त करने में सक्षम बनाता है।
जबकि MCP एजेंट को बाहरी सिस्टम से जोड़ता है, स्किल्स एक कार्य को पूरा करने के लिए आवश्यक प्रक्रियात्मक ज्ञान प्रदान करती हैं। खुली Agent Skills specification एक स्किल को एक फ़ोल्डर के रूप में वर्णित करती है जिसमें निर्देश और वैकल्पिक रूप से स्क्रिप्ट, संदर्भ और अन्य संसाधन होते हैं। एक AI एजेंट स्किल एजेंट को यह सिखा सकती है कि किसी विनियम का विश्लेषण कैसे करें या KYC वर्कफ़्लो को कॉन्फ़िगर कैसे करें। स्किल्स और MCP AI एजेंट एक व्यापक अनुरोध को एक दोहराने योग्य वर्कफ़्लो में परिवर्तित कर सकते हैं।
नीचे दिया गया तालिका प्रत्येक घटक के कार्य की व्याख्या करती है:
चैटबॉट से लेकर स्वचालित अनुपालन एजेंट तक
एक पारंपरिक चैटबॉट मुख्य रूप से उसके सामने दिए गए प्रॉम्प्ट्स का उत्तर देता है। यह एक नियम की व्याख्या कर सकता है या एक नीति का सारांश दे सकता है, लेकिन आमतौर पर यह विश्लेषण को कार्रवाई में नहीं बदलता है। जनरेटिव AI अनुपालन उपकरणों ने रिपोर्ट का ड्राफ्ट तैयार करके, केस फाइलों का सारांश निकालकर, और दस्तावेजों से जानकारी निकालकर इन क्षमताओं का विस्तार किया।
एजेंट इसके बजाय कार्रवाइयों का समन्वय करते हैं। एक अनुरोध को चरणों में तोड़ा जाता है: टूल का चयन किया जाता है, परिणामों का निरीक्षण किया जाता है, और अगला चरण वापस आए परिणामों के अनुसार समायोजित होता है। ऑनबोर्डिंग दस्तावेजों के बारे में पूछे जाने पर – एक चैटबॉट उन्हें सूचीबद्ध करता है। एक एजेंट कंपनी के वर्तमान सत्यापन फ्लो को खोल सकता है, एक दिए गए मानक के विरुद्ध छूटे हुए चेक्स को ढूंढ सकता है, एक प्रस्तावित प्रतिस्थापन बना सकता है, और हस्ताक्षर के लिए इसे किसी व्यक्ति के सामने रख सकता है।
अनुपालन टीमें क्यों AI एजेंट्स को अपना रही हैं
अनुपालन कार्य में बहुत सारा अनुवाद शामिल होता है। कानूनी भाषा में लिखी गई एक आवश्यकता एक संचालन नियम बन जाती है, फिर एक प्लेटफ़ॉर्म सेटिंग बन जाती है, जिसे दस्तावेज़ीकरण करना और प्रमाणित करना होता है। एक नीति परिवर्तन का मतलब कई उत्पादों और क्षेत्राधिकारों में अलग-अलग अपडेट हो सकता है, जिन्हें हाथ से किया जाना चाहिए, और प्रत्येक बार कार्यान्वयन के अलग-अलग होने का अवसर होता है।
एजेंट आवश्यकताओं को निकाल सकते हैं और एक परिभाषित प्रक्रिया का पालन कर सकते हैं बिना किसी विशेषज्ञ द्वारा प्रत्येक चरण को दोबारा टाइप किए। यहाँ सुसंगतता वास्तविक लाभ है: पाँचवाँ क्षेत्राधिकार पहले वाले के समान व्यवहार प्राप्त करता है।
इसे गलत करने की लागत भी इसी तरह बढ़ती है। पहुँच नियम, अनुमोदन सीमाएँ, और गतिविधि लॉग वे चीजें हैं जो एजेंट की कार्रवाइयों को उन्हें अधिकृत करने वाले व्यक्ति के साथ जोड़ती हैं। इनके बिना, स्वचालन केवल गलतियों की गति और पैमाने को बढ़ाता है।
AML अनुपालन और KYC वर्कफ़्लो में AI एजेंट
AML में, एक एजेंट नीति टेक्स्ट को एक प्रस्तावित कॉन्फ़िगरेशन में बदल सकता है जो डैशबोर्ड में लॉन्च करने के लिए तैयार हो, एक आवेदक की समीक्षा इतिहास का सारांश दे सकता है, या एक जांचकर्ता को केस खोलने से पहले आवश्यक आवेदक और लेनदेन डेटा इकट्ठा कर सकता है। यह एक अपडेट की गई नीति की तुलना वर्तमान कॉन्फ़िगरेशन से भी कर सकता है और उन नियंत्रणों को चिह्नित कर सकता है जो अब मेल नहीं खाते।
KYC कार्य मुख्य रूप से सेटअप और पुनर्प्राप्ति से संबंधित है: देश या जोखिम बैंड के अनुसार ऑनबोर्डिंग फ्लो, प्रश्नावली, सत्यापन लिंक, आवेदक स्थिति लुकअप। एक एजेंट एक वर्कफ़्लो को अनुक्रमित कर सकता है जो दस्तावेज, पता, बायोमेट्रिक, और डेटाबेस चेक्स को जोड़ता है। सत्यापन प्लेटफ़ॉर्म अभी भी चेक्स करता है।
ग्राहक को अस्वीकार करना और संदिग्ध गतिविधि रिपोर्ट दाखिल करना प्रकार में भिन्न हैं। दोनों को मानव अनुमोदन की आवश्यकता होती है, चाहे वर्कफ़्लो का बाकी हिस्सा कितना भी सुचारू रूप से चल रहा हो।
एजेंट-संचालित अनुपालन सेटअप बनाना
इसमें से कुछ भी चलने से पहले दो चीजें जगह में होनी चाहिए: प्रासंगिक नीतियों तक पहुँच और प्लेटफ़ॉर्म सेटिंग्स का निरीक्षण या संशोधन करने की अनुमति। क्रम फिर इस प्रकार दिखता है:
- स्रोत सामग्री प्रदान करें, चाहे वह एक विनियम, एक जोखिम मूल्यांकन, या एक आंतरिक नीति हो
- दायित्वों, जोखिम कारकों, स्कोरिंग नियमों, और शर्तों वाली आवश्यकताओं को निकालें, जिनमें अस्पष्टताओं को एजेंट द्वारा हल करने के बजाय एक व्यक्ति के लिए चिह्नित किया जाए
- प्रत्येक आवश्यकता को प्लेटफ़ॉर्म में वास्तव में मौजूद चीज से मैप करें: एक सत्यापन स्तर, प्रश्नावली, जोखिम नियम, निगरानी नियंत्रण, या वर्कफ़्लो
- कुछ भी बनाने से पहले समीक्षा के लिए अनुपालन टीम के लिए एक कॉन्फ़िगरेशन योजना तैयार करें
- एक सैंडबॉक्स या परीक्षण वातावरण में प्रस्तावित कॉन्फ़िगरेशन बनाएं
- बनाई गई कॉन्फ़िगरेशन की तुलना स्रोत नीति से करें, फिर इसे प्रतिनिधि मामलों और ज्ञात अपवादों के साथ परीक्षण करें
- एक अधिकृत उपयोगकर्ता से तैनाती का अनुमोदन कराएं, फिर परिवर्तनों को रिकॉर्ड करें और परिणामों की निगरानी करें
अनुपालन कार्यों के लिए एजेंट स्किल्स को मैप करना
प्रत्येक AI एजेंट स्किल को एक परिभाषित अनुपालन कार्य से मेल खाना चाहिए और यह मार्गदर्शन करना चाहिए कि एजेंट को उसका सामना कैसे करना चाहिए। एक नीति-विश्लेषण स्किल एजेंट को एक दस्तावेज पढ़ने और एक कॉन्फ़िगरेशन योजना तैयार करने का निर्देश दे सकती है। एक कॉन्फ़िगरेशन स्किल एजेंट को सैंडबॉक्स में सत्यापन स्तर बनाने के माध्यम से मार्गदर्शन कर सकती है, जबकि एक केस-समीक्षा स्किल आवेदक डेटा को पुनर्प्राप्त करने और विश्लेषण करने के तरीके को रेखांकित कर सकती है।
वित्तीय सेवाओं में AI एजेंट्स के लिए यह अंतर महत्वपूर्ण है, जहाँ ग्राहक डेटा तक पहुँचना, ड्राफ्ट सेटिंग्स तैयार करना, और लाइव नियंत्रणों को बदलना महत्वपूर्ण जोखिम एक्सपोज़र पैदा कर सकता है। स्किल्स को सुरक्षा या अनुमति सीमाओं के रूप में नहीं माना जाना चाहिए। इसके बजाय, जुड़े हुए प्लेटफ़ॉर्म को यह लागू करना चाहिए कि एजेंट क्या पढ़ या संशोधित कर सकता है, लाइव सत्यापन और निगरानी सेटिंग्स में परिवर्तनों को उपयुक्त पहुँच नियंत्रणों और प्राधिकरण तंत्रों के माध्यम से प्रतिबंधित किया जाना चाहिए।
बैंकिंग और वित्तीय सेवाओं में AI एजेंट
बैंकिंग में संभावित उपयोगों में अवधि के आधार पर KYC समीक्षाओं के लिए सामग्री इकट्ठा करना, निगरानी नियम को ट्रिगर करने वाले लेनदेन को पुनर्प्राप्त करना, और एक मानव द्वारा जांच के लिए नियामक रिपोर्ट का ड्राफ्ट तैयार करना शामिल है।
खंडित होना व्यावहारिक बाधा है। पहचान रिकॉर्ड एक KYC प्लेटफ़ॉर्म में होते हैं, लेनदेन एक भुगतान या कोर बैंकिंग सिस्टम में, अलर्ट एक निगरानी उपकरण में, और जांच नोट्स केस प्रबंधन सॉफ्टवेयर में। 2026 Cambridge report ने पाया कि सर्वेक्षण किए गए AI विक्रेताओं में से 46% ग्राहक साइटों पर विरासत या सिलोड सिस्टम से टकराए, और 41% ने डेटा साझाकरण प्रतिबंधों की रिपोर्ट की।
प्रत्येक कनेक्शन को दो प्रश्नों के अपने उत्तर की आवश्यकता होती है: एजेंट क्या पढ़ सकता है, और क्या बदल सकता है। एक अवधि के आधार पर समीक्षा पठन-गहन होती है। एक एजेंट सत्यापन स्थिति, हाल के लेनदेन, पिछले अलर्ट, और पूर्व समीक्षा निर्णयों को इकट्ठा कर सकता है, फिर संकलित फाइल को एक विश्लेषक को सौंप सकता है।
AI जोखिम, शासन, और मानव निगरानी
एक एजेंट एक नीति को गलत पढ़ सकता है, एक आवश्यकता की कल्पना कर सकता है, या गलत टूल का चयन कर सकता है। एक दस्तावेज या जुड़े हुए डेटा स्रोत में छिपी दुर्भावनापूर्ण निर्देश उसके व्यवहार को हेरफेर कर सकते हैं, और अत्यधिक अनुमतियाँ एक छोटी सी गलती को लाइव कॉन्फ़िगरेशन या ग्राहक रिकॉर्ड को बदलने की अनुमति दे सकती हैं।
समीक्षक एजेंट के आउटपुट पर बहुत अधिक भरोसा भी कर सकते हैं, जबकि अधूरे रिकॉर्ड गलतियों की जांच करना मुश्किल बना सकते हैं। मॉडल अपडेट एजेंट के व्यवहार को बदल सकते हैं, और बाहरी प्रदाताओं पर निर्भरता संचालन संबंधी जोखिम पैदा कर सकती है।
जोखिमों को कम करने के लिए, प्रभावी AI शासन और अनुपालन नियंत्रणों में शामिल होना चाहिए:
- प्रत्येक कार्य के लिए आवश्यक जानकारी और क्रियाओं तक सीमित पहुँच, जानकारी पढ़ने, ड्राफ्ट बनाने, और लाइव सेटिंग्स बदलने के लिए अलग-अलग अनुमतियों के साथ
- अनुमोदित टूल और डेटा स्रोत
- लाइव सिस्टम में परिवर्तन लागू करने से पहले एक सैंडबॉक्स या परीक्षण वातावरण में परीक्षण
- ग्राहकों, जोखिम सीमाओं, या नियामक दाखिलों को प्रभावित करने वाली क्रियाओं के लिए मानव अनुमोदन, साथ ही उन मामलों में जहाँ आवश्यकताएँ स्पष्ट नहीं हैं
- दिए गए निर्देशों, consulted स्रोतों, उपयोग किए गए टूल, और किए गए परिवर्तनों के रिकॉर्ड
- एक आपातकालीन प्रक्रिया यदि एजेंट या कोई बाहरी प्रदाता उपलब्ध न हो
