परियोजना पृष्ठभूमि
एक संयुक्त स्टॉक बैंक को ऋण अनुमोदन और अनुपालन समीक्षा के क्षेत्र में बड़ी चुनौतियों का सामना करना पड़ रहा था। पारंपरिक ऋण अनुमोदन मैन्युअल रूप से उधारकर्ता दस्तावेज़ों, क्रेडिट रिपोर्टों और वित्तीय डेटा की समीक्षा पर निर्भर करता था, जिसमें प्रति आवेदन 3 दिन लगते थे और जोखिम चूक दर 3% थी। साथ ही, नियामक अनुपालन दस्तावेज़ों की संख्या बहुत अधिक थी और वे तेज़ी से अपडेट होते थे, जिससे अनुपालन टीम के लिए दस्तावेज़ विश्लेषण और जोखिम पहचान कुशलतापूर्वक करना मुश्किल था। बैंक की डेटा सुरक्षा पर सख्त आवश्यकताएं थीं, सभी व्यावसायिक डेटा को बाहर भेजना प्रतिबंधित था और AI इंफ़रेंस स्थानीय रूप से ही किया जाना था।
प्रमुख समस्याएं
समाधान
निजी बड़े भाषा मॉडल परिनियोजन
बैंक के स्थानीय GPU क्लस्टर (8×A100) पर Qwen2.5-72B बड़े भाषा मॉडल को तैनात किया गया, vLLM इंफ़रेंस फ्रेमवर्क का उपयोग करके थ्रूपुट को अनुकूलित किया गया। सभी मॉडल इंफ़रेंस और डेटा प्रवाह बैंक के आंतरिक नेटवर्क में ही पूरा किया जाता है, डेटा शून्य रिसाव, बैंकिंग और बीमा नियामक आयोग की डेटा सुरक्षा आवश्यकताओं को पूरी तरह से पूरा करता है।
ऋण जोखिम नियंत्रण स्मार्ट समीक्षा
बड़े मॉडल के आधार पर ऋण जोखिम नियंत्रण समीक्षा सहायक का निर्माण, जो उधारकर्ता दस्तावेज़ों, क्रेडिट रिपोर्टों और वित्तीय विवरणों को स्वचालित रूप से पार्स करता है, सूचना की संगति की क्रॉस-वैलिडेशन करता है, संभावित जोखिम बिंदुओं की पहचान करता है और समीक्षा रिपोर्ट तैयार करता है। अनुमोदन समय 3 दिन से घटकर 4 घंटे हो गया, जोखिम चूक दर 3% से घटकर 0.5% हो गई।
अनुपालन दस्तावेज़ स्मार्ट विश्लेषण
अनुपालन दस्तावेज़ स्मार्ट विश्लेषण प्रणाली विकसित की गई, जो नियामक दस्तावेज़ों की स्वचालित व्याख्या, आंतरिक नीतियों की अनुपालन जाँच, नीति परिवर्तनों के प्रभाव आकलन जैसी सुविधाएँ प्रदान करती है, जिससे अनुपालन टीम को दोहराए जाने वाले पठन विश्लेषण कार्य से मुक्ति मिलती है।
प्रभाव डेटा
| संकेतक | परिवर्तन से पहले | परिवर्तन के बाद | सुधार |
|---|---|---|---|
| ऋण अनुमोदन समय | 3 दिन | 4 घंटे | 83% |
| जोखिम चूक दर | 3% | 0.5% | 83% |
| अनुपालन दस्तावेज़ विश्लेषण समय | 2 दिन/प्रति | 2 घंटे/प्रति | 88% |
| डेटा रिसाव जोखिम | तृतीय-पक्ष निर्भरता थी | शून्य रिसाव | 100% |
प्रौद्योगिकी स्टैक
Qwen2.5-72B, vLLM इंफ़रेंस फ्रेमवर्क, NVIDIA A100 GPU क्लस्टर, LangChain, Python, Kubernetes, बैंक आंतरिक नेटवर्क पृथक परिनियोजन
