FinTech (ආර්ථික තාක්ෂණ) සම්බන්ධ AI යෙදුම් දැන් පරීක්ෂණ 단계 ඉක්මවා, සැබෑ ව්යාපාරික පද්ධතිවලට පත් වෙමින් පවතී. නවතම ලිපියෙන්, AI ක්රම three ප්රධාන භාවිතා කේස් – ණය තීරණය, ලේඛන සැකසුම, වංචා හඳුනා ගැනීම – කෙරෙහි අවධානය යොමු කරමින්, ඒවා නිෂ්පාදනයේ කොහොමද සාර්ථකව ක්රියාත්මක වන්නේ කියා විස්තර කරයි.
FinTech හි AI යෙදුම් වෙනස් පරිසරයක් බව ලිපිය පළමු වරට පැහැදිලි කරයි. මූල්ය සේවා යෙදුම් වල නිරවද්යතාව, පැහැදිලි කිරීම, නියාමන අධීක්ෂණය යන අංග ඉතා ඉහළ මට්ටමින් ඉල්ලුම් කරයි. උදාහරණයක් ලෙස, කාලීනව වැරදි chatbot එකක් පාරිභෝගිකයාට අපහසුතාවයක් සලසයි, නමුත් අධික වැරදි ණය තීරණයක් නියාමක ආයතනවලට නීතිමය හා ගරුත්වමත් ගැටළු ගෙන එයි. ඒ නිසා AI පද්ධතිය ආරම්භයේම auditability, explainability, failure handling වැනි ඉල්ලුම් සපුරාලීමට සැලසුම් කළ යුතුය.
උදාහරණ 1 – AI‑ආධාරිත ණය තීරණය යනු FinTech හි වඩාත් පුරෝගාමී AI භාවිතා කේස් එකකි. මෙහිදී මූලික සකෝරය (scoring model) සම්ප්රදායික machine learning එකක් වන අතර, LLM (large language model) ලේඛන විශ්ලේෂණ, ආදායම් තහවුරු කිරීම, තීරණ පැහැදිලි කිරීම වැනි අතිරේක කාර්යයන්ට භාවිතා වේ. LLM තීරණය නිරවද්යව නොකර, තොරතුරු ගොඩනැගීමේදී පමණක් ක්රියා කරයි. මෙය නියාමකයින් “ඇයි මෙම ණය අයදුම්පත ප්රතික්ෂේප කළා?” යන ප්රශ්නයට සෘජු, පරීක්ෂා කළ හැකි උත්තරයක් ලබා දීමට ඉඩ සලසයි.
උදාහරණ 2 – ලේඛන සැකසුම FinTech සමාගම් මුළු ලේඛන ප්රමාණයක් (බැංකු ප්රකාශන, බදු ප්රකාශන, වැටුප් පත්රිකා, ගිවිසුම්) සැකසීමට AI භාවිතා කරයි. පැරණි OCR හා නියම-අධාරිත ක්රමයන් විවිධ ලේඛන ආකෘති, භාෂා, ෆෝන්ට් ආකාරයන්ට මුහුණ දීමට අසමත් වේ. LLM ගොඩනැගීමේදී විවිධ ආකෘති වලින් ඒකම තොරතුරු ලබා දෙන අතර, confidence threshold එකක් නිර්මාණය කර, අඩු‑විශ්වාස තොරතුරු මනුෂ්ය පරීක්ෂා මාර්ගයට යොමු කරයි. මෙය දෝෂ හුදකලා වීමේ අවදානම අඩු කර, පද්ධතිය audit-able කරයි.
උදාහරණ 3 – වංචා හඳුනා ගැනීම 2026 වසරේ AI‑වංචා හඳුනා ගැනීමේ පද්ධතිය, transaction pattern model එක හා LLM‑අධාරිත පණිවුඩ විශ්ලේෂණය එකට සම්බන්ධ කරයි. ML කොටස millisecond කාලයකදී තත්කාලික ලැයිස්තුවක් ලබා දෙන අතර, LLM කොටස දිගු කාලීනව පාරිභෝගික සංවාද, ගිණුම් වෙනස්කම් වැනි පාඨයන්ගෙන් අසාමාන්ය රටාවන් සොයාගනී. දෙකම එකට ක්රියා කිරීමෙන් වංචා හඳුනා ගැනීමේ නිරවද්යතාව වැඩි වේ.
ශ්රී ලංකාවට ඇති වැදගත්කම
ශ්රී ලංකාවේ fintech startups, බැංකු, මයික්රො‑ෆිනෑන්ස් ආයතන සඳහා මෙම AI ප්රායෝගික කේස් තුනම වැදගත් අවස්ථාවක් වේ.
- ඩිජිටල් ණය සේවා – LLM‑ආධාරිත ලේඛන සැකසුම මඟින් අයදුම්කරුවන්ගේ ලේඛන ගබඩා කිරීම සරල කර, ණය ප්රතිචාර වේගය වැඩි කරයි.
- ලේඛන ස්වයංක්රිය කිරීම – ශ්රී ලංකාවේ බොහෝ බැංකු පද්ධති තවමත් පාරම්පරික OCR භාවිතා කරයි. LLM මත පදනම් වූ සැකසුමෙන් පරිවර්තන ගුණාත්මකභාවය වැඩිවීම, මනුෂ්ය පරීක්ෂා අවශ්යතාව අඩු කිරීමේ හැකියාව ලැබේ.
- වංචා පාලනය – SMS, WhatsApp, Facebook Messenger වැනි දේශීය සංවාද මාධ්යවලට AI‑වංචා හඳුනා ගැනීමේ මොඩලයක් එක් කිරීමෙන් ගනුදෙනු ආරක්ෂා කර, පාරිභෝගික විශ්වාසය ඉහළ නංවයි.
මෙම තාක්ෂණික ප්රගතියන් ශ්රී ලංකාවේ තාක්ෂණික නිර්මාණශීලීත්වය, ආර්ථික වර්ධනය, හා පාරිභෝගික ආරක්ෂාව සඳහා නව දොරටු විවර කරයි.
AI‑ආධාරිත fintech විසඳුම් නිෂ්පාදනයේ සාර්ථකව පවත්වා ගැනීමට, නියාමන අවශ්යතා අරඹා සිටම සැලසුම් කිරීම, මනුෂ්ය පරීක්ෂක මාර්ගයන් සකස් කිරීම, සහ විශ්වාසනීය audit trail එකක් තැනීම අත්යවශ්යයි. ඒ මගින් පාරිභෝගිකයින්ගේ විශ්වාසය රැකගෙන, නව නව නවෝත්පාදන අරඹා ගත හැකිය.
