कैसे कृत्रिम बुद्धिमत्ता उपयोगकर्ता अनुभव में सुधार करते हुए पारंपरिक भुगतान मॉडल में क्रांति ला रही है

आर्टिफिशियल इंटेलिजेंस (एआई) कई वर्षों से आसपास है, लेकिन अब सभी चर्चा हो रही है। यह तकनीक भुगतान उद्योग के लिए नई नहीं है, डिजिटल वॉलेट और सुपर ऐप जैसे एप्लिकेशन उपभोक्ता खर्च करने की आदतों पर अंतर्दृष्टि प्रदान करने, सुरक्षा बढ़ाने और भुगतान धोखाधड़ी की पहचान करने के लिए मशीन लर्निंग एल्गोरिदम को लागू करके एआई का उपयोग कर रहे हैं। हालांकि, एआई की अवधारणा ने खुद को फिर से आविष्कार किया है, विशेष रूप से जनरेटिव एआई के आगमन के साथ-ध्यान भविष्य कहनेवाला मॉडल से उन मॉडलों पर स्थानांतरित हो रहा है जो सहज ज्ञान युक्त सामग्री उत्पन्न कर सकते हैं। भुगतान में एआई से अपेक्षा की जाती है कि वे न केवल भुगतान को सुव्यवस्थित करके और व्यक्तिगत संवादी अनुभव प्रदान करके उपभोक्ता यात्रा को बढ़ाएं, बल्कि यह बिक्री, अनुपालन, विपणन और समर्थन सहित संचालन को भी प्रभावित करेगा। भुगतान और फिनटेक कंपनियों के अधिकांश एआई रशो में कूद गए हैं। प्रारंभ में, भुगतान मूल्य श्रृंखला में कंपनियां आंतरिक संचालन को सुव्यवस्थित करने के लिए एआई के साथ प्रयोग कर रही हैं, लेकिन एआई संचालित सेवाएं भी व्यापारी व्यापार मॉडल, जोखिम प्रोफाइलिंग और धोखाधड़ी का पता लगाने वाले मॉडल और ग्राहक अधिग्रहण रणनीतियों को बदल रही हैं।

भुगतान मूल्य श्रृंखला के परिचालन पक्ष पर, एआई आधारित मॉडल का उपयोग बड़े पैमाने पर भुगतान प्रसंस्करण में सुधार, धोखाधड़ी का पता लगाने और क्रेडिट मॉडल को बढ़ाने के लिए किया जा सकता है। इसे प्राधिकरण दरों में सुधार करने के लिए उपभोक्ता लेनदेन को स्कोर करने के लिए मौजूदा मॉडल पर लागू किया जा सकता है, इस प्रकार भुगतान प्रोसेसर और व्यापारी दोनों के राजस्व को प्रभावित करता है। जनरेटिव AI ग्राहक सेवा में गहरा प्रभाव डालने के लिए तैयार है – घटना संकल्प, ग्राहक ऑनबोर्डिंग, और दावों को संभालने के लिए, क्योंकि स्मार्ट एआई सक्षम उपकरणों का लाभ उठाकर और मानव हस्तक्षेप को कम करके महत्वपूर्ण उत्पादकता प्राप्त की जा सकती है। फ्रॉड डिटेक्शन एक अन्य प्रमुख क्षेत्र है जहां मशीन लर्निंग एल्गोरिदम का उपयोग उपयोगकर्ता व्यवहार सहित बड़े डेटा सेटों का विश्लेषण करने के लिए किया जा रहा है, असामान्य पैटर्न की पहचान करने, वास्तविक समय धोखाधड़ी रिपोर्ट उत्पन्न करने और वास्तविक लेनदेन को रद्द करने के लिए। पारंपरिक क्रेडिट मॉडल ग्राहकों की साख का आकलन करने के लिए उधारदाताओं के लिए एक बाधा हो सकता है। एआई आधारित एल्गोरिदम का उपयोग वैकल्पिक डेटा जैसे सोशल मीडिया, पिछले बिल भुगतान और अधिक सटीक जोखिम प्रोफाइल बनाने के लिए जनसांख्यिकीय डेटा का विश्लेषण करने के लिए किया जा रहा है।

व्यवसाय के क्लाइंट-फेसिंग पक्ष पर, एआई को उपभोक्ता व्यवहार और वरीयताओं का विश्लेषण करके सुचारू चेकआउट अनुभव और सिलवाया समाधान प्रदान करने के लिए लीवरेज किया जाएगा। व्यापारी बिक्री रूपांतरणों को अनुकूलित करने के लिए अनुकूलित इनाम कार्यक्रम और गतिशील मूल्य निर्धारण की पेशकश कर रहे हैं। भविष्य के खर्च पैटर्न और वरीयताओं को जनरेटिव एआई के साथ पहचाना जा सकता है, जिसका उपयोग लक्षित अभियान पीढ़ी और इन्वेंट्री प्रबंधन के लिए प्रभावी रूप से किया जा सकता है। चेकआउट अनुभव को बढ़ाया जा सकता है – स्मार्ट एआई सक्षम चैटबॉट्स उपभोक्ता व्यवहार का विश्लेषण करने के आधार पर विशिष्ट सिफारिशों का सुझाव दे सकते हैं और एक भुगतान प्लग -इन को चैटबॉट से जोड़ा जा सकता है, इसलिए सुझाए गए उत्पादों को चैट इंटरफ़ेस छोड़ने के बिना खरीदा जा सकता है।

AI भुगतान उद्योग में विशाल संभावित अवसर प्रस्तुत करता है, लेकिन इसकी कार्यान्वयन रणनीति अपेक्षित परिणाम प्राप्त करने में महत्वपूर्ण है। उद्यमों को एक लक्ष्य-उन्मुख एआई रणनीति डिजाइन करनी चाहिए, आवश्यक तकनीकी और डेटा बुनियादी ढांचा विकसित करना चाहिए, और इस तकनीक का सफलतापूर्वक लाभ उठाने के लिए कार्यबल के बीच एक एआई गोद लेने के माहौल को बढ़ावा देना चाहिए। भुगतान उद्योग में बहुत सारे संवेदनशील उपभोक्ता डेटा हैं जो सटीक अंतर्दृष्टि और व्यक्तिगत सेवाएं प्रदान करने के लिए एआई मॉडल को खिलाया जाता है। नियामक ढांचे के साथ अनुपालन और मजबूत साइबर सुरक्षा उपायों के कार्यान्वयन से डेटा गोपनीयता आवश्यकताओं को पूरा करने के लिए प्रमुख स्तंभ होंगे। जनरेटिव एआई का भी धोखेबाजों द्वारा शोषण किया जा सकता है, जिससे सुरक्षा में उपभोक्ता विश्वास बनाए रखने के लिए सुरक्षा एक महत्वपूर्ण पैरामीटर बन जाता है। नियामक परिदृश्य देश से देश में भिन्न होता है, इस प्रकार अंतरराष्ट्रीय बाजारों में काम करने वाली भुगतान कंपनियों को अपने प्रत्येक ऑपरेटिंग राष्ट्रों में नियामक परिवर्तनों के बारे में पता होना चाहिए।

चूंकि एआई विकसित हो रहा है और मशीन लर्निंग में प्रगति के साथ अधिक परिष्कृत हो रहा है, इसका गोद लेना केवल धोखाधड़ी की रोकथाम से भुगतान क्षेत्र में अधिक उपभोक्ता सामना करने वाली सेवाओं के लिए आगे बढ़ेगा। AI भुगतान कंपनियों को प्रतिस्पर्धा वक्र में आगे बढ़ने और नए राजस्व धाराओं को बनाने के लिए पारंपरिक मूल्य प्रस्तावों से परे विस्तार करने के लिए एक परिवर्तनकारी अवसर प्रदान कर रहा है। संगठन दुबले होंगे क्योंकि कार्यबल का एक प्रमुख हिस्सा अधिक जटिल प्रक्रियाओं में लगे रहेंगे, बजाय इसके कि वे वर्तमान में क्या कर रहे हैं। आने वाले वर्षों में, एजेंटिक एआई को भुगतान नवाचार की अगली लहर चलाने का अनुमान है। ये मॉडल केवल स्वचालित कार्यों से एक कदम आगे बढ़ेंगे, जो कि असुरक्षित कार्रवाई करके निर्णय लेने को स्वचालित करने के लिए हैं।

(लेखक युवराज मौदगिल, वरिष्ठ निदेशक-व्यापार रणनीति, फिशर वैश्विक सेवाएं हैं। यहां व्यक्त किए गए विचार लेखक के हैं।)