अध्याय ३ · खण्ड I · 18 मिनेट
डिजिटल भुक्तानी र ठगी पहिचान
नेपालमा सबैभन्दा सफल एआई तैनाती अदृश्य छ — खल्तीको कारोबार तपाईंजस्तो देखिन्छ कि देखिँदैन मिलिसेकेन्डमा निर्णय गर्ने मोडेल। यो कसरी काम गर्छ, र ठगी पहिचान यति धेरै कारोबार डाटा भएको देशका लागि किन झन्डै-झन्डै सर्वोत्तम फिट हो।
आज नेपालमा सबैभन्दा सफल एआई तैनाती कुन हो भनी देखाउनुपर्यो भने इमानदार उत्तर प्रेस विज्ञप्ति पाउने कुनै पनि कुरा हुनेछैन। यो खल्ती, ईसेवा, आईएमई पे, कनेक्ट-आईपीएस, र ठूला वाणिज्य बैंकभित्रको साना, अनाम जोखिम-स्कोरिङ मोडेलहरू हुनेछ। यी मोडेलले हरेक कारोबारमा निर्णय गर्छन् — तपाईंलाई पास गर्ने, ओटीपी सोध्ने, वा कारोबार सिधै रोक्ने। तपाईंले यिनलाई कहिल्यै देख्नुहुन्न। तिनै देशका डिजिटल भुक्तानीलाई चलायमान बनाउँछन्।
भुक्तानी एआईसँग किन यति राम्ररी मिल्छ
ठगी पहिचान, धेरै हदसम्म, विकासशील देशको भुक्तानी प्रणालीसँग मिल्ने मेसिन लर्निङको सबैभन्दा राम्रो प्रयोग हो। तीन कारण:
डाटा घना छ। नेपालका हरेक भुक्तानी प्लेटफर्मले दैनिक लाखौं कारोबार देख्छन्। हरेक कारोबार दर्जनौं उपयोगी विशेषतासहित आउँछ — रकम, घडी, दिन, उपकरण फिङ्गरप्रिन्ट, उही खातामा अघिल्ला कारोबार, व्यापारीको श्रेणी, साइनअपको स्थान बनाम अहिलेको स्थान। आधुनिक एमएल मोडेल यस्तै घना, संरचित डाटामा फस्टाउँछ।
लेबल आफैं लेखिन्छन्। ठगी प्रणालीले स्वचालित रूपमा प्रतिक्रिया पाउँछ। च्यार्जब्याक, ग्राहक उजुरी, फ्रिज भएको खाता — यिनी अर्को तालिम चक्रका लागि लेबल गरिएका उदाहरण बन्छन्। धेरै एमएल अनुप्रयोगमा लेबलिङ नै बाधक हुन्छ; ठगीमा लेबलिङ झन्डै निःशुल्क हो।
अर्थशास्त्र प्रत्यक्ष छ। प्रत्येक रू. ०.१० को वैध कारोबार गलत झण्डाइदाँ तपाईंको मोडेलले रू. १ को ठगी समाते तपाईंले पैसा कमाइरहनुभएको छ। आरओआईबारे तर्क गर्नुपर्दैन; स्प्रेडसिटले गर्छ। यसैले भुक्तानी एक यस्तो नेपाली क्षेत्र हो जहाँ एआई लगानी विश्वासको छलाङ बिना भरपर्दो रूपमा न्यायोचित हुन्छ।
ठगी मोडेलले वास्तवमा के गरिरहेको हुन्छ
आधुनिक ठगी प्रणाली दुई चरणमा चल्छ। पहिले, छिटो मोडेलले हरेक कारोबार सुरू हुने बित्तिकै स्कोर गर्छ। यो मोडेल सानो हुन्छ — कहिलेकाहीँ ग्रेडियन्ट-बुस्टेड ट्री, कहिलेकाहीँ सानो न्यूरल नेटवर्क — किनकि १०० मिलिसेकेन्डभन्दा कममा उत्तर दिनुपर्छ। यसले साधारण कुरा हेर्छ: रकम, समय, उपकरण, हालै गतिविधि।
छिटो मोडेल अनिश्चित भयो भने कारोबार सुस्त मोडेलमा बढाइन्छ — एक ठूलो न्यूरल नेटवर्क जसले फराकिलो विन्डो हेर्छ: यो खातामा गत ३० दिनको गतिविधि, यो प्रयोगकर्ताले पहिले भुक्तानी गरेका खाताको सञ्जाल, सम्बन्धित कारोबारसँग व्यापारीको इतिहास। सुस्त मोडेलले एक सेकेन्डसम्म लगाउन सक्छ। यसले बाह्य संकेत पनि तान्न सक्छ — सिम स्व्याप सूचना, ज्ञात सम्झौतायुक्त उपकरण।
यो सबैको परिणाम तीनमध्ये एक हुन्छ: अनुमति, चुनौती (ओटीपी पठाउने), वा रोक। ओटीपी चुनौती भनेको प्रणालीले विनम्र भएर “मैले निश्चित गर्न सकिनँ” भनेको हो। अपरिचित व्यापारीलाई रू. २५,००० खल्ती भुक्तानीमा ओटीपी मागिँदा तपाईंलाई महसुस हुने त्यो घर्षण — त्यो मोडेल बोलिरहेको हो।
के बिग्रन सक्छ
नेपाली भुक्तानी प्रणालीमा दुई विशिष्ट असफलता मोड बारम्बार आउँछन्।
मिथ्या सकारात्मक — वास्तविक प्रयोगकर्ता रोक्ने। कतारमा रहेका एक प्रवासी कामदारले घर पैसा पठाउन कोसिस गर्छन्। प्रणालीले त्यो ह्यान्डसेटबाट, त्यो देशबाट, त्यो घडीमा, त्यो रकमको धेरै कारोबार देखेको छैन। रोक्छ। ग्राहकले सहायतालाई कल गर्नुपर्ने हुन्छ। अन्तर्राष्ट्रिय रोमिङका कारण सहायताले पुग्न सक्दैन। पैसा ढिलो हुन्छ; विश्वासमा चोट लाग्छ। थ्रेसहोल्ड मिलाउनु निरन्तर ट्रेड-अफ हो, र सही उत्तर मिथ्या रोकको लागत बनाम छुटेको ठगीको लागतमा निर्भर हुन्छ।
विरोधी प्रवाह। ठगहरू अनुकूल हुन्छन्। यो महिना ९५% ठगी समात्ने मोडेलले अर्को महिना ८०% समात्छ, किनकि यसको लागि मिलाइएको ढाँचा अब प्रयोग गरिने ढाँचा होइन। नेपालका हरेक चलिरहेका ठगी टोलीले निरन्तर पुनः तालिम चक्र चलाइरहेका हुन्छन्, सुस्त-तल झर्ने प्रवृत्तिका लागि आफ्नै मेट्रिक्स हेरिरहेका हुन्छन् जसले विरोधी सरिसकेको संकेत गर्छ।
भुक्तानी एआईले अझै नगरेका कुरा
ठगी समस्या यति राम्ररी समाधान भएको छ कि त्यहाँ थप कामको सीमान्त मूल्य सानो छ। दुई छेउछाउका समस्या व्यापक रूपमा खुला छन्।
सम्पत्ति शुद्धीकरण विरोधी (एएमएल) स्क्रिनिङ मा धेरैजसो नेपाली बैंकले अझै असमानुपातिक मानव समय खर्च गरिरहेका छन्। नियम-आधारित एएमएल प्रणालीले मासिक हजारौं अलर्ट उत्पन्न गर्छन्, धेरैजसो मिथ्या; एक कनिष्ठ विश्लेषकले एक-एक गरी सफा गर्छन्। आधुनिक एआई-सहायताप्राप्त एएमएल — फरक संकेतमा लागू भएको त्यही एमएल प्रविधि — ले यथार्थवादी रूपमा मानव समीक्षा भार दशौं गुणा घटाउन सक्छ। नेपालमा निकै कम संस्थाले यो पठाएका छन्।
व्यापारी अनबोर्डिङ जोखिम अर्को खाडल हो। भुक्तानी प्लेटफर्ममा नयाँ व्यापारी आउँदा प्लेटफर्मसँग धेरै कम संकेत हुन्छ: नागरिकता नम्बर, प्यान, बैंक खाता। एआईले सार्वजनिक-इन्टरनेट संकेत (व्यवसाय वास्तवमा अस्तित्वमा छ कि? ठेगाना व्यवसायको प्रकारसँग मेल खान्छ कि?) लाई विश्वसनीयता स्कोरमा जोड्न सक्छ। यो काम विदेशमा नियमित रूपमा हुन्छ र यहाँ विरलै।
आफ्नो बुझाइ जाँच्नुहोस्
Quick check
—नेपालका अन्य धेरै एआई अनुप्रयोगको तुलनामा भुक्तानीमा वास्तविक-समय ठगी पहिचान मेसिन लर्निङका लागि किन विशेष रूपमा मिल्दो छ?
Quick check
—गत महिना ९५% ठगी समात्ने मोडेलले यो महिना ८०% देखाइरहेको छ। सबैभन्दा सम्भावित कारण के हो, र टोलीले के गर्नुपर्छ?
अब के?
भुक्तानी रेलमा प्रशस्त एआई छ भने ऋण रेलमा झन्डै कुनै छैन — र कारण विकसित देशको अधिकांश ऋण निर्भर हुने संस्थाको अभाव हो। अर्को खण्ड क्रेडिट ब्यूरो काम नगर्ने देशमा ऋण स्कोरिङ हेर्छ, र वैकल्पिक-डाटा दृष्टिकोणले के गर्न सक्छ र के सक्दैन भन्छ।