ଆନାଲିଷ୍ଟ୍ ଏରାରୁ ଏଜେଣ୍ଟିକ ଏରା: ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟରେ AI କିପରି ବଦଳାଉଛି ନିବେଶ ଏବଂ ଟ୍ରେଡିଂର ଦୁନିଆ?

Kwala intels: ମାର୍କେଟ ଏକ୍ସପର୍ଟ ମନୋଜ କୁମାର ଜୈନଙ୍କ ଅନୁଯାୟୀ, ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟରେ AI ର ଗୁରୁତ୍ୱ ଦ୍ରୁତ ଗତିରେ ବଢ଼ିବାରେ ଲାଗିଛି। ଏହାର କାରଣ ହେଉଛି ବିପୁଳ ପରିମାଣର ଡାଟାକୁ ଦ୍ରୁତ ଗତିରେ ସର୍ଚ୍ଚ କରିବା, ଟ୍ରେଣ୍ଡ୍ ଚିହ୍ନଟ କରିବା, ରିପୋର୍ଟର ବିଶ୍ଳେଷଣ କରିବା ଏବଂ ନିବେଶ ସହିତ ଜଡ଼ିତ ସଙ୍କେତ ବୁଝିବାର କ୍ଷମତା। 'Kwala Intel' ଭଳି AI ଆଧାରିତ ପ୍ଲାଟଫର୍ମ ମଧ୍ୟ ଏହି ପରିବର୍ତ୍ତନର ଏକ ଅଂଶ, ଯାହା ସାଧାରଣ ନିବେଶକମାନଙ୍କୁ କଥାବାର୍ତ୍ତା ମାଧ୍ୟମରେ, ସେମାନଙ୍କ ପସନ୍ଦର ଭାଷାରେ ସେୟାରଗୁଡ଼ିକର ରିସର୍ଚ୍ଚ କରିବା, କମ୍ପାନୀଗୁଡ଼ିକର ଫଣ୍ଡାମେଣ୍ଟାଲ୍ ଏବଂ ଗ୍ରୋଥକୁ ବୁଝିବା, ବୈଷୟିକ ବିଶ୍ଳେଷଣ କରିବା ଏବଂ ଶେୟାରଗୁଡ଼ିକର ତୁଳନା କରିବାରେ ସାହାଯ୍ୟ କରୁଛି। ଏହାଦ୍ୱାରା ନିବେଶକମାନଙ୍କ ପାଇଁ ମାର୍କେଟ ରିସର୍ଚ୍ଚକୁ ବୁଝିବା ସହଜ ହୋଇପାରେ।

AI କିପରି ବଦଳାଇଲା ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟର ଦୁନିଆ?

ଏକ ସମୟ ଥିଲା, ଯେତେବେଳେ ବଡ଼ ଡାଟାକୁ ପ୍ରୋସେସ କରିବା ଏବଂ ସେଥିରୁ ଜରୁରୀ ନିଷ୍କର୍ଷ ବାହାର କରିବା ପାଇଁ Excel ଭଳି ଟୁଲ୍ ବ୍ୟବହାର କରାଯାଉଥିଲା। ପୂର୍ବରୁ ନିର୍ଦ୍ଧାରିତ ଫର୍ମୁଲା ସାହାଯ୍ୟରେ କିଛି ସେକେଣ୍ଡ ମଧ୍ୟରେ ବଡ଼ ଡାଟା ସେଟ୍‌ର ବିଶ୍ଳେଷଣ କରିବା ସମ୍ଭବ ହେଲା। ଏହାଦ୍ୱାରା ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟରେ କାମ କରିବାର ଶୈଳୀ ବଦଳିଗଲା। କିନ୍ତୁ ଯେତେବେଳେ ବଜାରରେ ଡାଟାର ପରିମାଣ ବଢ଼ିଲା ଏବଂ ନିଷ୍ପତ୍ତି ନେବାର ଗତି ଦ୍ରୁତ ହେଲା, ସେତେବେଳେ ଅଧିକ ସକ୍ଷମ ଟୁଲ୍‌ର ଆବଶ୍ୟକତା ଅନୁଭୂତ ହେଲା। AI ଏହି ଆବଶ୍ୟକତାକୁ ପୂରଣ କରିବା ଦିଗରେ ଏକ ବଡ଼ ପଦକ୍ଷେପ। ଭିନ୍ନ ଭିନ୍ନ ଆଲଗୋରିଦମ ସାହାଯ୍ୟରେ AI କମ୍ ସମୟ ମଧ୍ୟରେ ବିପୁଳ ପରିମାଣର ଡାଟା ପ୍ରୋସେସ କରିପାରିବ, ପ୍ୟାଟର୍ଣ୍ଣ ଚିହ୍ନଟ କରିପାରିବ ଏବଂ ରିସର୍ଚ୍ଚକୁ ସହଜ କରିପାରିବ।

ମନୋଜ କୁମାର ଜୈନ AI ର ବିକାଶକୁ ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟର ତିନୋଟି ପର୍ଯ୍ୟାୟରେ ଦେଖନ୍ତି– ଆନାଲିଷ୍ଟ୍ ଏରା, ଏଜେଣ୍ଟିକ ଏରା ଏବଂ ଅଟୋନୋମସ ଫ୍ୟୁଚର।

୧. Analyst Era (2020-2024): ଯେତେବେଳେ AI ସାଜିଲା ରିସର୍ଚ୍ଚ ଆସିଷ୍ଟାଣ୍ଟ

AI ର ପ୍ରାରମ୍ଭିକ ଦିନରେ ଏହାର ମୁଖ୍ୟ କାମ ଥିଲା ରିପୋର୍ଟ ପଢ଼ିବା, ଫାଇନାନ୍ସିଆଲ୍ ରେସିଓ (ଆନୁପାତିକ ହିସାବ) ଗଣନା କରିବା, କମ୍ପାନୀଗୁଡ଼ିକର ଅର୍ନିଂ କଲ୍‌ର ସାରାଂଶ ପ୍ରସ୍ତୁତ କରିବା ଏବଂ ଜାଲିଆତିର ସମ୍ଭାବ୍ୟ ସଙ୍କେତଗୁଡ଼ିକୁ ଚିହ୍ନଟ କରିବା। ଅର୍ଥାତ୍ AI କୁ ଏଭଳି ଏକ ଆସିଷ୍ଟାଣ୍ଟ ଭାବରେ ବ୍ୟବହାର କରାଯାଉଥିଲା, ଯାହା ମଣିଷକୁ ଉନ୍ନତ ଆର୍ଥିକ ନିଷ୍ପତ୍ତି ନେବା ପାଇଁ ଆବଶ୍ୟକ ସୂଚନା ସଂଗ୍ରହ କରିବାରେ ସାହାଯ୍ୟ କରୁଥିଲା।

IBM ର 'Global Banking Outlook' ରିପୋର୍ଟ ଅନୁଯାୟୀ, ୨୦୨୪ ମସିହାରେ ୮% ବ୍ୟାଙ୍କିଙ୍ଗ୍ ପ୍ରତିଷ୍ଠାନ Generative AI କୁ ରଣନୀତିକ ସ୍ତରରେ ବ୍ୟବହାର କରୁଥିଲେ। ୨୦२୬ ସୁଦ୍ଧା ଏହି ସଂଖ୍ୟା ବୃଦ୍ଧି ପାଇ ୭୮% ରେ ପହଞ୍ଚିଛି।
ଏହି ସମୟରେ AI ତିନୋଟି ପ୍ରମୁଖ କ୍ଷେତ୍ରରେ ନିଜର ଭୂମିକାକୁ ମଜଭୁତ କରିଛି:

• ରିସ୍କ ଏବଂ କମ୍ପ୍ଲାଏନ୍ସ: ବ୍ୟାଙ୍କିଙ୍ଗ୍ ଏବଂ ଫାଇନାନ୍ସିଆଲ୍ ସର୍ଭିସେସ୍‌ରେ ନିୟମ ଏବଂ ନିୟାମକ ଆବଶ୍ୟକତା ସହ ଜଡ଼ିତ କାମ ବଢ଼ିବା ସହିତ AI ରିପୋର୍ଟ ପ୍ରସ୍ତୁତ କରିବା, ରିସ୍କ ଡାଟାବେସ୍ ସୂଚନାର ମିଳାଇବା ଏବଂ ସମ୍ଭାବ୍ୟ କମ୍ପ୍ଲାଏନ୍ସ ସମସ୍ୟାଗୁଡ଼ିକୁ ଚିହ୍ନଟ କରିବାରେ ସାହାଯ୍ୟ କଲା।

• ପର୍ସନାଲାଇଜ୍ଡ ଫାଇନାନ୍ସିଆଲ୍ ସର୍ଭିସେସ୍: AI ସାହାଯ୍ୟରେ ଗ୍ରାହକଙ୍କ ଆବଶ୍ୟକତା ଅନୁଯାୟୀ ବଜେଟ୍ ପ୍ରସ୍ତୁତ କରିବା, ଛୋଟ ସ୍ତରରେ ନିବେଶ ଯୋଜନା ପ୍ରସ୍ତୁତ କରିବା ଏବଂ କ୍ରେଡିଟ୍ ସହ ଜଡ଼ିତ ଆବଶ୍ୟକତାକୁ ବୁଝିବାରେ ସାହାଯ୍ୟ ମିଳିପାରିବ। ଏହାଦ୍ୱାରା ରିଟେଲ୍ ନିବେଶକଙ୍କ ପାଇଁ ଆର୍ଥିକ ସେବାଗୁଡ଼ିକୁ ଅଧିକ ବ୍ୟକ୍ତିଗତ (Personalized) କରିବା ସମ୍ଭବ ହୋଇଥାଏ।

• ଫ୍ରଡ୍ ଏବଂ ସିକ୍ୟୁରିଟି: AI ଆଧାରିତ ସିଷ୍ଟମ୍ ସମ୍ଭାବ୍ୟ ଜାଲିଆତିର ପ୍ୟାଟର୍ଣ୍ଣ ଚିହ୍ନଟ କରିବା, ନୂତନ ବିପଦ ସହ ଜଡ଼ିତ ଡାଟାର ବିଶ୍ଳେଷଣ କରିବା ଏବଂ ସଠିକ୍ ସମୟରେ ଆଲର୍ଟ ଦେବାରେ ସାହାଯ୍ୟ କରିପାରିବ। ଏହାଦ୍ୱାରା ଆର୍ଥିକ ପ୍ରତିଷ୍ଠାନଗୁଡ଼ିକୁ ସୁରକ୍ଷା ବ୍ୟବସ୍ଥା ମଜଭୁତ କରିବାରେ ସହାୟତା ମିଳିଥାଏ।

୨. Agentic Era (2026): ଏବେ କେବଳ AI ଟୁଲ୍ ନୁହେଁ, ଏହା ଏକ ଡିଜିଟାଲ୍ ସହକର୍ମୀ

ମନୋଜ କୁମାର ଜୈନଙ୍କ ଅନୁଯାୟୀ, ୨୦୨୬ ମସିହାରେ AI ର ବ୍ୟବହାରରେ ସବୁଠାରୁ ବଡ଼ ପରିବର୍ତ୍ତନ ହେଉଛି ଯେ ଏବେ କଥା କେବଳ AI ଟୁଲ୍ ମଧ୍ୟରେ ସୀମିତ ନାହିଁ। ବ୍ୟାଙ୍କ ଏବଂ ଫାଇନାନ୍ସିଆଲ୍ ସର୍ଭିସେସ୍ କମ୍ପାନୀଗୁଡ଼ିକ Agentic AI ଆଡ଼କୁ ଗତି କରୁଛନ୍ତି। ଏହିଭଳି ସିଷ୍ଟମକୁ ଏକ 'ଡିଜିଟାଲ୍ ସହକର୍ମୀ' ଭାବରେ ଦେଖାଯାଉଛି, ଯାହା ନିର୍ଦ୍ଧାରିତ ନିର୍ଦ୍ଦେଶ ଏବଂ ଅଧିକାର ପରିସର ମଧ୍ୟରେ ଅନେକ ପର୍ଯ୍ୟାୟର କାମ ନିଜେ ସମ୍ପାଦନ କରିପାରିବ।

ଏହି ପରିବର୍ତ୍ତନକୁ ବୁଝିବା ପାଇଁ କିଛି ବିଶ୍ୱସ୍ତରୀୟ ଉଦାହରଣ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ:
• Goldman Sachs: କମ୍ପାନୀ Anthropic ର 'Claude' ସହିତ ଅଟୋନୋମସ ଏଜେଣ୍ଟ ବିକଶିତ କରିବା ଦିଗରେ କାମ କରୁଛି, ଯାହାର ବ୍ୟବହାର ଟ୍ରେଡ୍ ଆକାଉଣ୍ଟିଙ୍ଗ୍ ଏବଂ କ୍ଲାଏଣ୍ଟ ଅନବୋର୍ଡିଂ ଭଳି କାମରେ କରାଯାଇପାରିବ।

• Lloyds Banking Group: ଏହି ବ୍ୟାଙ୍କିଙ୍ଗ୍ ଗ୍ରୁପ୍ ନିଜ ବ୍ୟବସାୟରେ Agentic AI କୁ ଲାଗୁ କରିବା ଦିଗରେ କାମ କରୁଛି। ଏହାର ଲକ୍ଷ୍ୟ ହେଉଛି ୨୦୨୬ ରେ ଫ୍ରଡ୍ ଅନୁସନ୍ଧାନ ଭଳି କାମକୁ ଅଟୋମେଟ୍ କରି £୧୦୦ ମିଲିୟନର ମୂଲ୍ୟ ହାସଲ କରିବା।

• HSBC: ବ୍ୟାଙ୍କର ଇନଭେଷ୍ଟମେଣ୍ଟ ବ୍ୟାଙ୍କର ସିଇଓଙ୍କ ଅନୁଯାୟୀ, କ୍ୱାଣ୍ଟମ୍ କମ୍ପ୍ୟୁଟିଙ୍ଗ୍ ଏବଂ ଡିଷ୍ଟ୍ରିବ୍ୟୁଟେଡ୍ ଲେଜର ଟେକ୍ନୋଲୋଜି ସହିତ AI ଏଜେଣ୍ଟ ଆସନ୍ତା ୨-୪ ବର୍ଷ ମଧ୍ୟରେ ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟରେ ମଣିଷର ଟ୍ରେଡିଂ ଭୂମିକା ଗ୍ରହଣ କରିପାରନ୍ତି।

• Deloitte: ଏହାର '2026 FSI Predictions' ରିପୋର୍ଟ AI କୁ ଲାଭ ବଢ଼ାଉଥିବା ଏକ ଇଞ୍ଜିନ ଭାବରେ ଦେଖୁଛି। ରିପୋର୍ଟର ଆକଳନ ଅନୁଯାୟୀ, AI ଆଧାରିତ ବ୍ୟାଙ୍କିଙ୍ଗ୍ ପ୍ରଡକ୍ଟଗୁଡ଼ିକ ୨୦୩୦ ସୁଦ୍ଧା ବଡ଼ ବ୍ୟାଙ୍କଗୁଡ଼ିକ ପାଇଁ ୭୫ ବିଲିୟନ ଡଲାରର ଅତିରିକ୍ତ ରାଜସ୍ୱ ସୃଷ୍ଟି କରିପାରିବ।

ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟ ଏବଂ ୱେଲଥ୍ ମ୍ୟାନେଜମେଣ୍ଟରେ ଏହାର ଅର୍ଥ ହେଉଛି ଯେ AI ହଜାର ହଜାର ରିପୋର୍ଟ ପଢ଼ିବା, ବଜାରର ସେଣ୍ଟିମେଣ୍ଟ୍ ବିଶ୍ଳେଷଣ କରିବା ଏବଂ ନିବେଶ ସହ ଜଡ଼ିତ ସମ୍ଭାବ୍ୟ ସଙ୍କେତ ସାମ୍ନାକୁ ଆଣିବାରେ ସାହାଯ୍ୟ କରିପାରିବ। ଏହା ପରେ ମାନବ ପରାମର୍ଶଦାତା ଏହି ସୂଚନାଗୁଡ଼ିକୁ ବୁଝି ନିବେଶକମାନଙ୍କ ପାଇଁ ଉପଯୁକ୍ତ ରଣନୀତି ପ୍ରସ୍ତୁତ କରିପାରିବେ।

ସୂଚନାଯୋଗ୍ୟ, AI ଦ୍ୱାରା ପ୍ରସ୍ତୁତ ବିଶ୍ଳେଷଣକୁ ନିଜେ ଏକ ସଠିକ୍ ନିବେଶ ନିଷ୍ପତ୍ତିର ଗ୍ୟାରେଣ୍ଟି ବୋଲି ଧରାଯାଇପାରିବ ନାହିଁ। ବଜାରରେ ବିପଦ (Risk), ଡାଟାର ଗୁଣବତ୍ତା ଏବଂ ପରିବର୍ତ୍ତିତ ଅର୍ଥନୈତିକ ପରିସ୍ଥିତି ଏବେ ମଧ୍ୟ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ରହିବ।

୩. Autonomous Future (2027-2030): ଆଗକୁ କଣ ବଦଳିବ?

ଆଗାମୀ ବର୍ଷଗୁଡ଼ିକରେ ପ୍ରଶ୍ନ କେବଳ ଏହା ହେବ ନାହିଁ ଯେ ଆର୍ଥିକ ପ୍ରତିଷ୍ଠାନଗୁଡ଼ିକ AI ଆପଣାଉଛନ୍ତି କି ନାହିଁ। ପ୍ରକୃତ ଆହ୍ୱାନ ହେବ ଯେ ସେମାନେ AI କୁ କେତେ ଦାୟିତ୍ୱବୋଧ, ସ୍ୱଚ୍ଛତା ଏବଂ ପ୍ରଭାବଶାଳୀ ନଜର ସହିତ ବ୍ୟବହାର କରୁଛନ୍ତି।

ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟରେ AI ର ପରବର୍ତ୍ତୀ ପର୍ଯ୍ୟାୟକୁ ଚାରୋଟି ବଡ଼ ପରିବର୍ତ୍ତନ ମାଧ୍ୟମରେ ବୁଝାଯାଇପାରିବ:

• Composable Finance (ବ୍ୟାଙ୍କିଙ୍ଗ୍ ସେବା ହେବ ଅଧିକ ଦ୍ରୁତ): ଭବିଷ୍ୟତରେ AI, APIs ଏବଂ ଇନଷ୍ଟାଣ୍ଟ ସେଟେଲମେଣ୍ଟର ମିଶ୍ରଣ ବ୍ୟାଙ୍କିଙ୍ଗ୍ ଏବଂ ଫାଇନାନ୍ସିଆଲ୍ ସର୍ଭିସେସକୁ ବଦଳାଇ ଦେଇପାରେ। କ୍ରେଡିଟ୍ ସହ ଜଡ଼ିତ ନିଷ୍ପତ୍ତି, ଫ୍ରଡ୍ ଚିହ୍ନଟ ଏବଂ ଗ୍ରାହକଙ୍କ ଆବଶ୍ୟକତା ଅନୁଯାୟୀ ସେବା ପ୍ରଦାନ ଭଳି କାମ ସିଧାସଳଖ ଡିଜିଟାଲ୍ ସିଷ୍ଟମରେ ଅନ୍ତର୍ଭୁକ୍ତ କରାଯାଇପାରିବ। ଏହାଦ୍ୱାରା କାରବାର ପ୍ରକ୍ରିୟା ଦ୍ରୁତ ହେବ, ବିପଦ ହ୍ରାସ ପାଇବ ଏବଂ ସମ୍ଭାବ୍ୟ ଜାଲିଆତିକୁ ରୋକିବାରେ ସାହାଯ୍ୟ ମିଳିବ।

• Democratised Intelligence (ସାଧାରଣ ନିବେଶକଙ୍କ ପାଖରେ ପହଞ୍ଚିବ ଆଡଭାନ୍ସ ରିସର୍ଚ୍ଚ): ଆଜି ଆଡଭାନ୍ସ ପୋର୍ଟଫୋଲିଓ ଆନାଲିସିସ୍ ଏବଂ ବିଭିନ୍ନ ପ୍ରକାରର ନିବେଶ ସିମୁଲେସନ ପାଇଁ ସମ୍ବଳ ଏବଂ ବିଶେଷଜ୍ଞତାର ଆବଶ୍ୟକତା ରହିଛି। ଭବିଷ୍ୟତରେ କ୍ୱାଣ୍ଟମ-ଇନସ୍ପାୟାର୍ଡ ଆଲଗୋରିଦମ ସାହାଯ୍ୟରେ ଲକ୍ଷ ଲକ୍ଷ ସମ୍ଭାବ୍ୟ ପୋର୍ଟଫୋଲିଓ ପରିସ୍ଥିତିର ଆକଳନ କରିବା ସହଜ ହୋଇପାରେ। ଏହିଭଳି ଟୁଲ୍ ଧୀରେ ଧୀରେ ରିଟେଲ୍ ନିବେଶକଙ୍କ ପାଖରେ ମଧ୍ୟ ପହଞ୍ଚିପାରେ। ଭାରତରେ ଫାଇନାନ୍ସିଆଲ୍ ସର୍ଭିସ ପ୍ରୋଭାଇଡରମାନେ AI ଆଧାରିତ ରିସର୍ଚ୍ଚ ଏବଂ ଆନାଲିସିସକୁ ଅଧିକ ଲୋକଙ୍କ ପାଇଁ ଉପଲବ୍ଧ କରାଇପାରିବେ। (ତେବେ ଉନ୍ନତ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବା ଆଡଭାନ୍ସ ଆନାଲିସିସରୁ ଉତ୍ତମ ରିଟର୍ଣ୍ଣର ଗ୍ୟାରେଣ୍ଟି ମିଳେ ନାହିଁ।)

• Human + AI Hybrid (ମଣିଷ ଏବଂ ମେସିନ୍ ମିଶି କାମ କରିବେ): AI ର ବଢ଼ୁଥିବା ବ୍ୟବହାରର ଅର୍ଥ ଏହା ନୁହେଁ ଯେ ଫାଇନାନ୍ସିଆଲ୍ ପ୍ରଫେସନାଲ୍ସଙ୍କ ଭୂମିକା ସମ୍ପୂର୍ଣ୍ଣ ଶେଷ ହୋଇଯିବ। ଏହା ବଦଳରେ, ବାରମ୍ବାର କରାଯାଉଥିବା କାମଗୁଡ଼ିକୁ AI ସମ୍ଭାଳିପାରେ, ଯେତେବେଳେ କି ମଣିଷ ରଣନୀତି ପ୍ରସ୍ତୁତ କରିବା, ଜଟିଳ ପରିସ୍ଥିତିକୁ ବୁଝିବା ଏବଂ ନିବେଶ ସହ ଜଡ଼ିତ ନିଷ୍ପତ୍ତି ଉପରେ ଧ୍ୟାନ ଦେଇପାରିବେ। ଏହି ମଡେଲରେ AI ଡାଟା ଏବଂ ରିସର୍ଚ୍ଚ ଉପଲବ୍ଧ କରାଇବ, ଯେତେବେଳେ କି ମାନବ ବିଶେଷଜ୍ଞ ଅନୁଭବ ଏବଂ ବିପଦକୁ ଧ୍ୟାନରେ ରଖି ନିଷ୍ପତ୍ତି ନେବାରେ ସାହାଯ୍ୟ କରିବେ।

• New Risks, New Governance (AI ଉପରେ ନଜର ରଖିବା ଜରୁରୀ): AI ର ବ୍ୟବହାର ସହିତ କିଛି ନୂଆ ଆହ୍ୱାନ ମଧ୍ୟ ସାମ୍ନାକୁ ଆସିବ। ଅନେକ AI ମଡେଲର କାମ କରିବାର ଶୈଳୀ ସମ୍ପୂର୍ଣ୍ଣ ସ୍ପଷ୍ଟ ହୋଇନଥାଏ, ଯାହାକୁ 'ବ୍ଲାକ୍ ବକ୍ସ' (Black Box) ସମସ୍ୟା କୁହାଯାଏ। ଏଭଳି ପରିସ୍ଥିତିରେ, କୌଣସି ସିଷ୍ଟମ୍ କାହିଁକି ଏକ ନିଷ୍କର୍ଷରେ ପହଞ୍ଚିଲା ଏବଂ ତାହାର ନିଷ୍ପତ୍ତିର ଯାଞ୍ଚ କିପରି କରାଯାଇପାରିବ, ତାହା ବୁଝିବା ଜରୁରୀ ହେବ। ଯେତେବେଳେ AI କୁ ଟ୍ରେଡିଂ ବା ଅନ୍ୟ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଆର୍ଥିକ କାମରେ ଅଧିକ ଅଧିକାର ମିଳିବ, ସେତେବେଳେ ସ୍ୱଚ୍ଛତା, ଅଡିଟ୍ ଏବଂ ବଜାରର ସ୍ଥିରତା ସହ ଜଡ଼ିତ ପ୍ରଶ୍ନ ମଧ୍ୟ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ହେବ।

ନିବେଶକଙ୍କ ପାଇଁ AI ର ଅର୍ଥ କଣ?

ରିଟେଲ୍ ନିବେଶକଙ୍କ ପାଇଁ AI ର ସବୁଠାରୁ ବଡ଼ ଲାଭ ହେଉଛି ରିସର୍ଚ୍ଚକୁ ସହଜ ଏବଂ ବ୍ୟବସ୍ଥିତ କରିବା। କମ୍ପାନୀଗୁଡ଼ିକର ରିପୋର୍ଟ ବୁଝିବା, ଭିନ୍ନ ଭିନ୍ନ ଶେୟାରଗୁଡ଼ିକର ତୁଳନା କରିବା, ବଜାରର ଟ୍ରେଣ୍ଡ୍ ଦେଖିବା ଏବଂ ନିବେଶ ସହ ଜଡ଼ିତ ପ୍ରଶ୍ନର ଉତ୍ତର ଖୋଜିବାରେ AI ସାହାଯ୍ୟ କରିପାରିବ।

'Kwala Intel' ଭଳି ପ୍ଲାଟଫର୍ମ ମଧ୍ୟ କଥାବାର୍ତ୍ତା ଶୈଳୀରେ ଏବଂ ଅନେକ ଭାଷାରେ ମାର୍କେଟ ରିସର୍ଚ୍ଚକୁ ସାଧାରଣ ନିବେଶକମାନଙ୍କ ନିକଟତର କରିବାକୁ ଚେଷ୍ଟା କରୁଛନ୍ତି। ଏଭଳି ପ୍ଲାଟଫର୍ମଗୁଡ଼ିକର ଉଦ୍ଦେଶ୍ୟ ହେଉଛି ନିବେଶକମାନଙ୍କୁ ସୂଚନା ବୁଝିବାରେ ଏବଂ ରିସର୍ଚ୍ଚ କରିବାରେ ସାହାଯ୍ୟ କରିବା।

ମନୋଜ କୁମାର ଜୈନଙ୍କ ମତ: ଭବିଷ୍ୟତ ମଣିଷ ବନାମ ମେସିନର ନୁହେଁ

ମନୋଜ କୁମାର ଜୈନ ବିଶ୍ୱାସ କରନ୍ତି ଯେ ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟରେ ସଫଳ ହେଉଥିବା ନିବେଶକମାନେ AI କୁ କେବଳ ଏକ ଟେକ୍ନୋଲୋଜି ଟୁଲ୍ ଭାବରେ ନୁହେଁ, ବରଂ ଏକ ରଣନୀତିକ ସହଯୋଗୀ (Strategic Ally) ଭାବରେ ଦେଖିବେ।
ଆଗାମୀ ସମୟରେ ପ୍ରତିଯୋଗିତା ମଣିଷ ଏବଂ ମେସିନ ମଧ୍ୟରେ ହେବ ନାହିଁ, ବରଂ ସେହି ଲୋକମାନଙ୍କ ମଧ୍ୟରେ ହେବ ଯେଉଁମାନେ AI ସାହାଯ୍ୟରେ ଦ୍ରୁତ ଗତିରେ ସୂଚନା ସଂଗ୍ରହ କରିପାରିବେ, ଉନ୍ନତ ପ୍ରଶ୍ନ ପଚାରିପାରିବେ ଏବଂ ତଥ୍ୟ ଆଧାରରେ ନିଷ୍ପତ୍ତି ନେଇପାରିବେ।

AI ରିସର୍ଚ୍ଚକୁ ଦ୍ରୁତ କରିବା, ଆର୍ଥିକ ସେବାଗୁଡ଼ିକୁ ଅଧିକ ସହଜରେ ଉପଲବ୍ଧ କରାଇବା ଏବଂ ନିବେଶ ପ୍ରକ୍ରିୟାକୁ ଅଧିକ ବ୍ୟବସ୍ଥିତ କରିବାରେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ଗ୍ରହଣ କରିପାରେ। କିନ୍ତୁ ଶେଷ ଲକ୍ଷ୍ୟ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ଉପରେ ଆଖି ବନ୍ଦ କରି ଭରସା କରିବା ନୁହେଁ, ବରଂ ମାନବୀୟ ବୁଦ୍ଧି ଏବଂ AI ର କ୍ଷମତାର ସଠିକ୍ ଉପଯୋଗ କରିବା ହେବା ଉଚିତ୍।

ଯଦି ଆପଣ ମଧ୍ୟ ଷ୍ଟକ୍ ମାର୍କେଟରେ ନିବେଶ କରନ୍ତି ଏବଂ AI ସାହାଯ୍ୟରେ ନିଜର ରିସର୍ଚ୍ଚକୁ ସହଜ କରିବାକୁ ଚାହାଁନ୍ତି, ତେବେ ଆପଣ Kwala Intel ର ବ୍ୟବହାର କରିପାରିବେ। ଏହା ମାଧ୍ୟମରେ ଷ୍ଟକ୍ ମାର୍କେଟ ସହ ଜଡ଼ିତ ପ୍ରଶ୍ନ ପଚାରନ୍ତୁ, ଉତ୍ତରଗୁଡ଼ିକୁ ବୁଝନ୍ତୁ ଏବଂ ଆବଶ୍ୟକତା ଅନୁଯାୟୀ ଆଗକୁ ରିସର୍ଚ୍ଚ କରନ୍ତୁ।

• Kwala Intel ରେ ନିଜର AI ଷ୍ଟକ୍ ରିସର୍ଚ୍ଚ ଆରମ୍ଭ କରନ୍ତୁ: kwalaintel.com
• Unlimited AI Stock Research କେବଳ ୧୯୯ ଟଙ୍କା ପ୍ରତି ମାସରେ

(Disclaimer): ଏହି ଲେଖାଟି ପୃଥ୍ବୀ ଫିନମାର୍ଟର ଡାଇରେକ୍ଟର ଏବଂ ମାର୍କେଟ ଏକ୍ସପର୍ଟ ମନୋଜ କୁମାର ଜୈନଙ୍କ ବ୍ୟକ୍ତିଗତ ମତାମତ ଉପରେ ଆଧାରିତ। AI ଆଧାରିତ ଟୁଲ୍ସରୁ ମିଳୁଥିବା ସୂଚନା ନିବେଶରେ ଲାଭର ଗ୍ୟାରେଣ୍ଟି କିମ୍ବା ବ୍ୟକ୍ତିଗତ ନିବେଶ ପରାମର୍ଶ ନୁହେଁ। ନିବେଶ କରିବା ପୂର୍ବରୁ ନିଜେ ରିସର୍ଚ୍ଚ କରନ୍ତୁ ଏବଂ ଆବଶ୍ୟକ ସ୍ଥଳେ ଜଣେ ଯୋଗ୍ୟ ଆର୍ଥିକ ପରାମର୍ଶଦାତାଙ୍କ ସହ ଆଲୋଚନା କରନ୍ତୁ।