লেখার মূল বিষয় হল: ফাইন্যান্সিয়াল এআই-এর প্রতিযোগিতার কেন্দ্রবিন্দু হল কে একটি আরও ভালো চ্যাট করতে পারে এমন “ফাইন্যান্সিয়াল চ্যাটজিপিটি” তৈরি করে, বরং কে ফাইন্যান্সিয়াল পেশাদারদের দৈনন্দিন কাজের টুলগুলির (যেমন: Excel, PPT, Word) এবং মূল ব্যবসায়িক প্রক্রিয়াগুলির (যেমন: ডিল ডুয়ে ডিলিজেন্স, অনুমোদন) সাথে গভীরভাবে একীভূত হয়ে সরাসরি পর্যালোচনা, আর্কাইভের জন্য প্রস্তুত “ডেলিভারেবল” আউটপুট দিতে পারে।

লেখক: Resonant Ones

উৎস: Su Chu.AI

ফাইন্যান্সিয়াল এআই-এর প্রতিযোগিতা "কে কথা বলবে" নয়, বরং "কে এক্সেল, পিপিটি এবং অনুমোদন প্রবাহে প্রবেশ করতে পারবে"।

অনেকে মনে করেন যে, ফাইন্যান্সিয়াল এআই-এর প্রতিযোগিতা হল এমন একটি বড় মডেল ট্রেন করা যা ফাইন্যান্সকে আরও ভালোভাবে বুঝতে পারে।

কিন্তু ফাইন্যান্সিয়াল সার্ভিসেসের জন্য Claude সত্যিকারের উত্তরটি প্রকাশ করে: ফাইন্যান্সিয়াল AI-এর কেন্দ্রবিন্দু মডেল নয়, বরং ওয়ার্কফ্লো।

এটি শুধুমাত্র এআইকে ব্যবহারকারীদের সাথে শেয়ার বাজার নিয়ে কথা বলতে দেয় না, বরং এআইকে এক্সেল, পিপিটি, ওয়ার্ড, বিনিয়োগ গবেষণা, বিনিয়োগ ব্যাংকিং, ডুয়ে ডিলিজেন্স, কমপ্লায়েন্স, রিকনসিলিয়েশন এবং অনুমোদন প্রবাহের মধ্যে প্রবেশ করতে দেয়।

এটি দেশীয় উদ্যোক্তাদের জন্য অত্যন্ত গুরুত্বপূর্ণ। কারণ যদি আপনি এখনও "ফাইন্যান্সিয়াল চ্যাটজিপিটি" করছেন, তাহলে বড় কোম্পানি, ডেটা টার্মিনাল এবং অফিস স্যুটগুলি আপনাকে গ্রাস করবে; কিন্তু যদি আপনি ফাইন্যান্সিয়াল প্রতিষ্ঠানগুলির প্রতিদিনের পুনরাবৃত্তি হওয়া Excel, PPT, Word এবং অনুমোদন প্যাকেজগুলি নিয়ন্ত্রণ করতে পারেন, তাহলেই সুযোগটি শুরু হয়।

একটি বাস্তব পরিস্থিতি

গত মাসে আমি একজন পিই পেশাদারের সাথে কথা বলেছিলাম। তাদের দল একটি ভোগ্যপণ্য কোম্পানির জন্য ডুয়ে ডিলজেন্স করছিল, যেখানে ডেটা রুমে 17টি ফোল্ডার এবং 400টিরও বেশি ফাইল ছিল—চুক্তি, অডিট রিপোর্ট, ব্যাংক স্টেটমেন্ট, অর্ডার ডিটেইলস, ইন্টারভিউ মিনিট, ম্যানেজমেন্ট ম্যাটেরিয়াল।

আগে একজন ভাইস প্রেসিডেন্ট দুইজন বিশ্লেষকের সাথে দুই সপ্তাহ কাজ করে একটি ভালো IC মেমোর প্রাথমিক খসড়া তৈরি করতেন।

এখন? যদি কেউ (বা একটি এজেন্ট) ২৪ ঘন্টার মধ্যে ডেটা সংগ্রহ, ঝুঁকি চিহ্নিতকরণ, অভাব শনাক্তকরণ এবং প্রাথমিক খসড়া তৈরি করতে পারে—তাহলে কি গ্রাহকরা এটি কিনবে?

এটি বিজ্ঞান কল্পনা নয়। Claude for Financial Services ইতিমধ্যেই এটি করছে। এবং এটি একটি অ্যাপ নয়, একটি «Agent + Skill + Connector + ডেলিভারেবল + মানুষের অনুমোদন» পণ্য প্যারাডাইম ওপেনসোর্স করেছে।

প্রথম আবিষ্কারটি হলো: Claude for Financial Services-এর পণ্য কাঠামো আসলে খুব সরল: এজেন্ট এন্ড-টু-এন্ড টাস্ক পরিচালনা করে, স্কিল ফিন্যান্সিয়াল প্রফেশনাল প্রক্রিয়াগুলি সঞ্চয় করে, কানেক্টর ফিন্যান্সিয়াল ডেটা এবং কর্পোরেট অভ্যন্তরীণ সিস্টেমগুলির সাথে সংযুক্ত হয়, এক্সেল, পাওয়ারপয়েন্ট, ওয়ার্ড চূড়ান্ত ডেলিভারেবলগুলির জন্য ব্যবহৃত হয়, এবং অ্যাক্সেস নিয়ন্ত্রণ, রেফারেন্স, অডিট এবং মানব পুনরালোচনা দিয়ে ফিন্যান্সিয়াল ইনস্টিটিউশনগুলির জন্য ব্যবহারযোগ্যতা নিশ্চিত করা হয়।

পূর্বে ফিন্যান্সিয়াল এআইয়ের আকার ছিল আপনি একটি প্রশ্ন করলেন, এআই একটি উত্তর দিল। কিন্তু ফিন্যান্সিয়াল ইনস্টিটিউশনগুলির প্রকৃত প্রয়োজন হল: আমাকে একটি সেট ডেটা দিন, আমি একটি ডেলিভারেবল চাই যা পর্যালোচনা করা যাবে, উদ্ধৃত করা যাবে, আর্কাইভ করা যাবে এবং ব্যবসায়িক সিস্টেমে এন্ট্রি করা যাবে। এই দুটির মধ্যে বিশাল পার্থক্য রয়েছে। ফিন্যান্সিয়াল এআইয়ের মূল্য চ্যাটবক্সে নয়, ডেলিভারেবলে।

অন্য একটি গুরুত্বপূর্ণ পরিবর্তন হল যে, দেশীয় আর্থিক প্রতিষ্ঠানগুলি এখন দেখছে না।

2025 থেকে 2026 এর মধ্যে, আমি যা দেখেছি তা প্রায় তিনটি স্তরে বিভক্ত। ব্যাংকগুলি সবচেয়ে দ্রুত এগিয়েছে; চীনা নির্মাণ ব্যাংক DeepSeek-এর প্রাইভেট ডিপ্লয়মেন্ট সম্পন্ন করেছে এবং শত শত স্কেনারিও কভার করেছে। চিনশিন ক্যাপিটাল ফান্ড DeepSeek-এর সহায়তায় REITs ডিল ডিলিজেন্স করেছে, যেখানে 5 জন কর্মচারীর 70 দিনের কাজ 1 জনের 10 দিনে সম্পন্ন হয়েছে—যা 30 গুণ দক্ষতা বৃদ্ধি পেয়েছে।

সিএসআইসি ইন্সুরেন্সও এগিয়ে গেছে, চিনশিন ক্রেডিট সিকিউরিটিজ একাধিক বুদ্ধিমান এজেন্ট ব্যবহার করে বিনিয়োগ পরামর্শ সেবা প্রদান করছে, মানব প্রতিষ্ঠান ইন্সুরেন্স DeepSeek-এর সাথে যুক্ত হয়ে একটি পেশাদার জ্ঞান ভাণ্ডার তৈরি করেছে, এবং পিংআনের বড় মডেলটি অর্ধবছরে 818 মিলিয়ন বার ব্যবহার করা হয়েছে।

কিন্তু সত্যিকারের আকর্ষণ তৃতীয় স্তর—PE, অ্যাসেট ম্যানেজমেন্ট এবং ওয়েলথ ম্যানেজমেন্ট। এদের ডেটা বেশি, বাজেট প্রচুর, ডেলিভারির চাপ বেশি, কিন্তু বর্তমানে বেশিরভাগই POC পর্যায়ে আছে। এটাকে পিছিয়ে থাকা বলা যাবে না, এটা স্টার্টআপের জন্য উইন্ডো পিরিয়ড।

স্টার্টআপের প্রবেশের কথা বললে, অনেকের প্রথম প্রতিক্রিয়া হয় ফিন্টেক ভার্সন চ্যাটজিপিটি তৈরি করা। কিন্তু এই কাজটি খুব ঝুঁকিপূর্ণ, কারণ এটি একসাথে তিনটি শক্তিশালী প্রতিদ্বন্দ্বীর সাথে সংঘর্ষে পড়বে।

মডেল প্রস্তুতকারকরা সাধারণ ক্ষমতাগুলি আরও সস্তায় উন্নয়ন করছেন। উইন্ড, চয়েস, আইফিন্ড, টোংহুয়াশুনের মতো ফিনান্সিয়াল ডেটা টার্মিনালগুলির ইতিমধ্যেই ডেটা এবং ব্যবহারকারী প্রবেশাধিকার রয়েছে, AI যোগ করার পরে, সাধারণ ফিনান্সিয়াল প্রশ্নের জন্য স্বতন্ত্রভাবে চার্জ করা কঠিন। বড় ফিনান্সিয়াল প্রতিষ্ঠানগুলি বেশি পছন্দ করে তাদের নিজস্ব AI মিডলওয়্যার তৈরি করা, যাতে সাধারণ ক্ষমতাগুলি তাদের নিজস্ব অনুমতি ব্যবস্থায় যুক্ত হয়।

একটি স্টার্টআপ সামনে থেকে লড়াই করছে, তিন দিক থেকে শত্রু।

কিন্তু যদি আপনি ইনপুটের পরিবর্তে অপারেশন লেয়ারের দিকে তাকান, তাহলে পরিস্থিতি ভিন্ন হয়ে যায়। ভার্টিক্যাল অপারেশন লেয়ার মানে কী? এটি একটি নির্দিষ্ট পদবী, একটি নির্দিষ্ট প্রক্রিয়া এবং একটি নির্দিষ্ট আউটপুটের চারপাশে AI-কে গভীরভাবে ব্যবহার করা। উদাহরণস্বরূপ: PE/বিনিয়োগ ব্যাংকিং ডুয়ালিগেন্স ডকুমেন্টের স্ট্রাকচারাইজেশন, Excel ফাইন্যান্সিয়াল মডেল অডিট, ক্রেডিট অনুমোদনের জন্য প্রাথমিক পরীক্ষা, কমপ্লায়েন্স চেকলিস্টের স্বয়ংক্রিয় উত্পাদন, বীমা দাবি এবং আন্ডারওয়াইটিং ডকুমেন্টের সহায়তামূলক পরীক্ষা, ক্লায়েন্ট ম্যানেজারদের মিটিং মিনিটের স্বয়ংক্রিয় সংগঠন।

এই দিকগুলি "ফাইন্যানশিয়াল লার্জ মডেল"-এর মতো বৃহৎ মনে হচ্ছে না, তবে গ্রাহকের বাজেটের সাথে বেশি মিলে যায়।

কোন পণ্যগুলি করা উচিত

আমি সংক্ষেপে বলতে পারি, চারটি শর্ত একসাথে পূরণ করা আবশ্যিক।

ডেটা ধরে রাখুন

সত্যিকারের উচ্চ মূল্যের স্কেনারিওগুলি প্রায়শই গ্রাহকের অভ্যন্তরীণ ফাইল, সিআরএম, ওয়েব ড্রাইভ, ইমেইল, চুক্তি এবং অনুমোদন সিস্টেমের সাথে সংযুক্ত হয়। শুধুমাত্র পাবলিক ওয়েবপেজগুলি প্রক্রিয়াকরণ করলে মূল্য খুবই সীমিত।

প্রক্রিয়াটি কাজ করে

ফাইন্যান্সিয়াল ব্যবহারকারীরা এআই-এর জন্য তাদের কাজের অভ্যাস পরিবর্তন করবে না। পণ্যটি তাদের ইতিমধ্যে ব্যবহার করা এক্সেল, পিপিটি, ফিশু, এন্টারপ্রাইজ ওয়েচ্যাট, ডিংডিং, ওপিএস, সিআরএম-এ প্রবেশ করতে হবে।

ডকুমেন্ট জমা দিন

ব্যাংক এবং আর্থিক প্রতিষ্ঠানগুলি উত্তরের জন্য নয়, বরং উপাদানের জন্য পেমেন্ট করে। রিভিউ চেকলিস্ট, মেমো, ডেক এবং এক্সেল আউটপুট করতে পারলেই তারা পেমেন্টের ইচ্ছা প্রকাশ করে।

দায়িত্বের সীমানা রাখুন

এআই-এর জন্য রেফারেন্স, ট্রেস, অ্যাক্সেস নিয়ন্ত্রণ, অডিট এবং মানুষের পুনরায় পরীক্ষা সমর্থন করা আবশ্যিক। বিনিয়োগের পরামর্শ দেওয়া যাবে না, স্বয়ংক্রিয়ভাবে ট্রেড করা যাবে না এবং চূড়ান্ত অনুমোদনের পরিবর্তে এটি ব্যবহার করা যাবে না।

এই চারটির মধ্যে একটি অনুপস্থিত হলে, পণ্যটি বাস্তব উৎপাদন পরিবেশে প্রবেশ করতে কঠিন হবে।

যদি আপনি দৃষ্টিভঙ্গি দূরে সরিয়ে ভবিষ্যতের ২৪ মাসের দিকে তাকান, তাহলে আমি মনে করি সাতটি সবচেয়ে গুরুত্বপূর্ণ উপ-ক্ষেত্র রয়েছে।

অনুসন্ধান এবং ডুয়ে ডিলিজেন্স প্রথম স্থান অধিকার করে। বেশি তথ্য, সময়ের সীমাবদ্ধতা এবং স্পষ্ট আউটপুট হল হেবিয়া এবং রোগোর দিকের সবচেয়ে কাছাকাছি।

দ্বিতীয়ত, এক্সেল মডেল অডিট—বিনিয়োগ ব্যাংক, প্রাইভেট ইকুইটি, ক্রেডিট, এবং অ্যাসেট ম্যানেজমেন্টের অসংখ্য এক্সেল রয়েছে, যেখানে ফর্মুলা ভুল, হার্ড-কোডেড মান এবং অনুমানের অসামঞ্জস্যতা রয়েছে; AI-সহায়তার বিশাল সম্ভাবনা রয়েছে।

ক্রেডিট অনুমোদন সহায়তা তৃতীয় স্থানে, ব্যাংক এবং অ-ব্যাংক উভয়েরই প্রাথমিক দলিল পরীক্ষা, ট্রানজেকশন বিশ্লেষণ, ঝুঁকি চিহ্নিতকরণ এবং ক্রেডিট রিপোর্ট তৈরির প্রয়োজন। কমপ্লায়েন্স পরীক্ষা চতুর্থ স্থানে, নিয়মাবলীর তুলনা, মার্কেটিং দলিল পরীক্ষা, KYC চেক—সবই উল্লেখযোগ্য এবং ট্রেসযোগ্য AI সহায়ক হিসেবে উপযুক্ত।

ফান্ড অ্যাডমিনিস্ট্রেশন এবং ফাইন্যান্সিয়াল অপারেশনের রিকনসিলিয়েশন, ভ্যালুয়েশন, ফি চেকিং এবং অডিট ওয়ার্কপেপার খুবই প্রক্রিয়াগত এবং ভুলের খরচ অত্যন্ত বেশি।

বীমা দাবি এবং আবেদন কাগজপত্রের পরিমাণ বেশি, নিয়ম বেশি, যাচাইয়ের চাপ বেশি, কিন্তু মানুষের নিশ্চিতকরণ বজায় রাখা অপরিহার্য।

শেষে ক্লায়েন্ট ম্যানেজার এবং ইনভেস্টমেন্ট কনসালট্যান্ট Copilot, যা AI সরাসরি বিনিয়োগের পরামর্শ দেয় না, বরং কনসালট্যান্টদের মিটিংয়ের আগের প্রস্তুতি, পণ্য ব্যাখ্যা, মিটিং সারাংশ এবং CRM আপডেটে সহায়তা করে।

এই সাতটি দিকের একটি সাধারণ পূর্বশর্ত হল: পণ্যটি অডিটযোগ্য, উদ্ধৃতযোগ্য এবং ব্যক্তিগতকরণযোগ্য হতে হবে।

ব্যাংকিং প্রতিষ্ঠানগুলি "এআই সম্ভবত এটি বলেছে" গ্রহণ করবে না। ডিজিটাল সংখ্যাগুলি কোথা থেকে এলো? উদ্ধৃতি কোথায়? কে এটি পরীক্ষা করেছে? ডেটা কি বাইরে চলে গেছে? এটি ক্রয় সিদ্ধান্তের পূর্বশর্ত। তাই শুরু থেকেই উদ্ধৃতির ট্র্যাকিং, মানব অনুমোদন, ডেটা আইসোলেশন এবং অপারেশন লগিং ডিজাইন করা প্রয়োজন। এটি কমপ্লায়েন্স খরচ নয়, এটি পণ্যের বাধা।

একটি আরও বড় প্রবণতা রয়েছে। মডেলের ক্ষমতা কমোডিটি হয়ে গেলে, সুযোগগুলি কাজের প্রবাহ, কানেক্টর এবং গভর্ন্যান্স স্তরে সরে যায়। যেমন আগে ক্লাউড কম্পিউটিং আইটি ইনফ্রাস্ট্রাকচারকে API-এ পরিণত করেছিল, নতুন প্রজন্মের উদ্যোক্তারা এর উপর SaaS তৈরি করবেন। আজকের বড় মডেলগুলিরও একই কথা—যে কেউ এর উপর শিল্প-ভিত্তিক কাজের প্রবাহ প্যাকেজ করতে পারবে, তারই বাধা থাকবে।

ফাইন্যান্স শিল্পের জ্ঞানভিত্তিক কাজের ঘনত্ব বেশি, ফরম্যাটের প্রয়োজনীয়তা উচ্চ এবং দায়িত্বের সীমাবদ্ধতা বেশি, এই বৈশিষ্ট্যগুলি নির্ধারণ করে যে এটি সাধারণ AI দ্বারা দ্রুত কভার করা যায় না। এটিই প্রতিষ্ঠানের নিরাপদ অঞ্চল।

কীভাবে স্টার্টআপ প্রবেশ করবে

প্রথমে প্ল্যাটফর্ম তৈরি করবেন না।

একটি সংকীর্ণ স্কোপ খুঁজুন: বাস্তব ডেটা, একটি স্থির টেমপ্লেট, একটি স্পষ্ট ডেলিভারেবল, মানব পুনরায় পরীক্ষা, একটি বিভাগীয় বাজেট এবং 60-90 দিনের মধ্যে ROI যাচাই করা সম্ভব।

এভাবে বলবেন না:

আমি একটি আর্থিক প্রতিষ্ঠানের এআই প্ল্যাটফর্ম তৈরি করতে চাই।

এভাবে বলুন:

আমি প্রথমে পিই/এফএ দলের জন্য ডেটা রুমের তথ্যগুলি স্বয়ংক্রিয়ভাবে স্ট্রাকচারাইজ করব, যাতে ডিল ডুয়ে ডিলিজেন্স Q&A, ঝুঁকির তালিকা এবং আইসি মেমোর প্রাথমিক খসড়া তৈরি হয়।

যত বেশি স্পষ্ট, তত বেশি সহজে ট্রেড হবে।

সর্বাধিক ঝুঁকি বড় কোম্পানি দ্বারা প্রতিস্থাপিত হচ্ছে?

জেনেরিক এন্ট্রি প্রতিস্থাপিত হবে। জেনারেল ফাইন্যান্সিয়াল প্রশ্নোত্তর, সাধারণ গবেষণা সারাংশ, এবং সহজ ডেটা কুয়েরি সহজেই বড় মডেল এবং ডেটা টার্মিনাল দ্বারা কভার করা যায়।

কিন্তু ভার্টিক্যাল ডিপ প্রসেস করবে না।

কারণ বড় কোম্পানিগুলি প্রতিটি সূক্ষ্ম পদের জন্য কঠিন কাজ করতে চায় না। সত্যিকারের চ্যালেঞ্জ হল: গ্রাহকের অভ্যন্তরীণ সিস্টেমে যোগাযোগ করা, পদের প্রক্রিয়া বুঝা, গ্রাহকের টেমপ্লেটগুলির সাথে খাপ খাওয়ানো, এবং গ্রাহককে POC থেকে উৎপাদনে পর্যন্ত সাথে থাকা।

এগুলো একটি মডেল API দ্বারা স্বয়ংক্রিয়ভাবে সমাধান করা যায় না।