फिनटेक अपनाने और AI मैच्योरिटी से कॉर्पोरेट फाइनेंशियल नतीजे बेहतर होते हैं

फिनटेक में छपी एक नई स्टडी का दावा है कि फिनटेक और आर्टिफिशियल इंटेलिजेंस (AI) पब्लिकली लिस्टेड फर्मों के बीच फाइनेंशियल परफॉर्मेंस को बेहतर बना रहे हैं, लेकिन उनकी पूरी वैल्यू इस बात पर निर्भर करती है कि कंपनियां टेक्नोलॉजिकल मौकों को कितनी अच्छी तरह पहचानती और समझती हैं।

यह स्टडी, जिसका टाइटल है "फाइनेंशियल परफॉर्मेंस पर फिनटेक और आर्टिफिशियल इंटेलिजेंस के असर की जांच: डायनामिक क्षमताओं की मॉडरेटिंग भूमिका," तेहरान स्टॉक एक्सचेंज में लिस्टेड फर्मों के 384 सीनियर एग्जीक्यूटिव, चीफ फाइनेंशियल ऑफिसर, फाइनेंशियल सपोर्ट मैनेजर और बोर्ड मेंबर के डेटा पर आधारित है। रिसर्च में पाया गया है कि फिनटेक और AI दोनों का कॉर्पोरेट फाइनेंशियल परफॉर्मेंस पर पॉजिटिव और स्टैटिस्टिकली महत्वपूर्ण असर होता है, जबकि डायनामिक क्षमताएं मुख्य रूप से परफॉर्मेंस को सीधे बेहतर बनाने के बजाय फिनटेक के असर को मजबूत करके मायने रखती हैं।

फिनटेक और AI फाइनेंशियल परफॉर्मेंस के डायरेक्ट ड्राइवर के तौर पर उभरे हैं।

यह स्टडी एक उभरते हुए मार्केट में डिजिटल फाइनेंस की जांच करती है जहां आर्थिक उतार-चढ़ाव, कमजोर ट्रांसपेरेंसी, इंस्टीट्यूशनल अनिश्चितता और असमान टेक्नोलॉजी इंफ्रास्ट्रक्चर यह तय कर सकता है कि फर्म इनोवेशन को फाइनेंशियल फायदे में बदल सकती हैं या नहीं। लेखकों का तर्क है कि जबकि पहले की रिसर्च अक्सर डेवलप्ड अर्थव्यवस्थाओं पर फोकस करती रही है, इस बारे में कम जानकारी है कि क्या फिनटेक और AI ईरान जैसे मार्केट में इसी तरह के फाइनेंशियल फायदे पैदा करते हैं।

यह रिसर्च तेहरान स्टॉक एक्सचेंज में लिस्टेड कंपनियों पर फोकस करती है और एक डिस्क्रिप्टिव-कोरिलेशनल डिज़ाइन का इस्तेमाल करती है। डेटा को स्ट्रक्चर्ड क्वेश्चनेयर के ज़रिए इकट्ठा किया गया और पार्शियल लीस्ट स्क्वेयर्स स्ट्रक्चरल इक्वेशन मॉडलिंग का इस्तेमाल करके एनालाइज़ किया गया। सैंपल में पेट्रोकेमिकल्स, बेसिक मेटल्स, फार्मास्यूटिकल्स, फ़ूड, ऑटोमोटिव, इन्फॉर्मेशन टेक्नोलॉजी और सीमेंट जैसे बड़े सेक्टर्स के जवाब देने वाले शामिल थे। स्टडी ने फाइनेंशियल परफॉर्मेंस पर फिनटेक और AI के सीधे असर की जांच की और टेस्ट किया कि क्या डायनामिक कैपेबिलिटीज़ फिनटेक-परफॉर्मेंस रिलेशनशिप की ताकत को बदलती हैं।

नतीजों से पता चलता है कि AI का फाइनेंशियल परफॉर्मेंस पर बहुत अच्छा असर पड़ता है। AI से फाइनेंशियल परफॉर्मेंस तक का रास्ता स्टैटिस्टिकली सिग्निफिकेंट था, जो इस बात को सपोर्ट करता है कि AI डिसीजन क्वालिटी बढ़ाकर, रिस्क मैनेजमेंट को मज़बूत करके, अनसर्टेनिटी को कम करके और ऑपरेशनल एफिशिएंसी में सुधार करके फर्म के नतीजों को बेहतर बनाता है। लेखक AI को एक टेक्नोलॉजिकल कैपेबिलिटी के तौर पर बताते हैं जो फर्मों को डेटा एनालाइज़ करने, प्रोसेस को ऑटोमेट करने, ट्रांसपेरेंसी में सुधार करने और ज़्यादा जानकारी वाले फाइनेंशियल डिसीजन में मदद करती है।

फिनटेक ने फाइनेंशियल परफॉर्मेंस पर भी अच्छा और स्टैटिस्टिकली सिग्निफिकेंट असर दिखाया। स्टडी फिनटेक को फाइनेंशियल सर्विसेज़ और फाइनेंशियल प्रोसेस में डिजिटल टेक्नोलॉजी के इस्तेमाल के तौर पर डिफाइन करती है, जिसमें ट्रांज़ैक्शन मैनेजमेंट, फाइनेंशियल डेटा का इस्तेमाल, सर्विस डिलीवरी, रिस्क हैंडलिंग और ऑपरेशनल एफिशिएंसी में सुधार करने वाले टूल्स शामिल हैं। नतीजों से पता चलता है कि फिनटेक अपनाने वाली कंपनियां ट्रांज़ैक्शन कॉस्ट कम करने, समय पर फाइनेंशियल जानकारी तक पहुंच बेहतर करने, ट्रांसपेरेंसी बढ़ाने और लॉन्ग-टर्म वैल्यू क्रिएशन में मदद करने के लिए बेहतर स्थिति में हैं।

नतीजे इस बड़े तर्क को सपोर्ट करते हैं कि कॉम्पिटिटिव फ़ायदा चाहने वाली फ़र्मों के लिए डिजिटल ट्रांसफ़ॉर्मेशन अब ऑप्शनल नहीं है। फ़ाइनेंशियल सिस्टम में, AI और फ़िनटेक फ़र्मों के डेटा मैनेज करने, रिसोर्स बांटने, रिस्क का मूल्यांकन करने, कैपिटल मार्केट के साथ इंटरैक्ट करने और स्ट्रेटेजिक फ़ैसले लेने के तरीके को बदल सकते हैं। स्टडी से पता चलता है कि ये टूल सिर्फ़ टेक्निकल अपग्रेड ही नहीं हैं, बल्कि स्ट्रेटेजिक रिसोर्स भी हैं जो प्रॉफ़िटेबिलिटी, इन्वेस्टमेंट पर रिटर्न, मार्केट शेयर और कॉम्पिटिटिव पोज़िशन पर असर डाल सकते हैं।

हालांकि, रिसर्च टेक्नोलॉजी अपनाने और टेक्नोलॉजी वैल्यू के बीच एक ज़रूरी फ़र्क भी बताती है। यह दिखाता है कि सिर्फ़ फ़िनटेक या AI में इन्वेस्ट करने से अपने आप बेहतर परफ़ॉर्मेंस की गारंटी नहीं मिलती। फ़ायदे इस बात पर निर्भर करते हैं कि फ़र्म काम के मौकों की पहचान कर सकती हैं, डिजिटल टूल को बिज़नेस की ज़रूरतों के साथ अलाइन कर सकती हैं और आर्थिक और रेगुलेटरी अनिश्चितता के तहत इम्प्लीमेंटेशन को मैनेज कर सकती हैं या नहीं।

ईरान के कैपिटल मार्केट में, फ़र्मों को एक्सचेंज-रेट में उतार-चढ़ाव, महंगाई, रेगुलेटरी दिक्कतों और स्ट्रक्चरल अनिश्चितता का सामना करना पड़ता है। ऐसे हालात में, टेक्नोलॉजी की वैल्यू सिर्फ़ अपनाने पर ही नहीं, बल्कि स्ट्रेटेजिक टाइमिंग और ऑर्गेनाइज़ेशनल तैयारी पर भी निर्भर करती है। एक डिजिटल टूल साफ़ जानकारी के साथ डिप्लॉय किए जाने पर परफ़ॉर्मेंस को बेहतर बना सकता है, लेकिन आस-पास के माहौल की अच्छी समझ के बिना इस्तेमाल किए जाने पर यह महंगा या बेअसर हो सकता है।

डायनामिक क्षमताएं मायने रखती हैं, लेकिन सभी डायमेंशन एक ही तरह से काम नहीं करते।

स्टडी डायनामिक क्षमताओं की जांच करती है - ये हायर-ऑर्डर ऑर्गेनाइज़ेशनल क्षमताएं हैं जो फर्मों को बदलावों को पहचानने, मौकों का फ़ायदा उठाने और बदलते हालात के हिसाब से रिसोर्स को रीकॉन्फ़िगर करने में मदद करती हैं। डिजिटल ट्रांसफ़ॉर्मेशन में, ये क्षमताएं तय करती हैं कि फर्म टेक्नोलॉजिकल रिसोर्स को मापने लायक फ़ाइनेंशियल फ़ायदों में बदल सकती हैं या नहीं।

स्टडी डायनामिक क्षमताओं को तीन डायमेंशन में बांटती है: सेंसिंग, सीज़िंग और रीकॉन्फ़िगरिंग। सेंसिंग का मतलब है टेक्नोलॉजिकल ट्रेंड्स को मॉनिटर करने, कस्टमर की ज़रूरतों को समझने, मार्केट में बदलावों को समझने और रेगुलेटरी या कॉम्पिटिटिव बदलावों का पता लगाने की क्षमता। सीज़िंग का मतलब है रिसोर्स बांटने, स्ट्रेटेजिक इन्वेस्टमेंट करने और मौकों को नए प्रोडक्ट, सर्विस या बिज़नेस मॉडल में बदलने की क्षमता। रीकॉन्फ़िगरिंग का मतलब है बदलते माहौल के हिसाब से स्ट्रक्चर, प्रोसेस और रिसोर्स को रीडिज़ाइन करने की क्षमता।

डायनामिक क्षमताओं का फ़ाइनेंशियल परफ़ॉर्मेंस पर स्टैटिस्टिकली कोई खास सीधा असर नहीं पड़ा। इसका मतलब है कि ऐसी क्षमताओं की मौजूदगी से अपने आप फ़ाइनेंशियल नतीजे नहीं बढ़ते। इसके बजाय, उनका महत्व FinTech के साथ इंटरैक्शन से पता चलता है। डायनामिक क्षमताओं ने FinTech और फ़ाइनेंशियल परफ़ॉर्मेंस के बीच के रिश्ते को काफ़ी मॉडरेट किया, जिससे पता चला कि वे फर्मों को FinTech अपनाने को फ़ाइनेंशियल वैल्यू में बदलने में मदद करती हैं।

ज़्यादा डिटेल्ड एनालिसिस से पता चला कि सिर्फ़ सेंसिंग कैपेबिलिटी का ही फिनटेक-परफॉर्मेंस रिलेशनशिप पर पॉज़िटिव और स्टैटिस्टिकली अहम मॉडरेटिंग असर पड़ा। जो फर्म डिजिटल मौकों को पहचानने, रेगुलेटरी बदलावों को ट्रैक करने और मार्केट सिग्नल को समझने में बेहतर हैं, वे फिनटेक से फाइनेंशियल फायदे पाने में ज़्यादा काबिल लगती हैं। दूसरे शब्दों में, जो कंपनियां टेक्नोलॉजिकल और मार्केट में बदलाव पहले देख लेती हैं, वे फिनटेक इन्वेस्टमेंट को फाइनेंशियली प्रोडक्टिव इस्तेमाल की ओर बेहतर तरीके से लगा पाती हैं।

सीज़िंग और रीकॉन्फ़िगरिंग से कोई खास पॉज़िटिव मॉडरेटिंग असर नहीं दिखा। यह नतीजा ज़रूरी है क्योंकि यह इस सोच को चुनौती देता है कि सभी डायनामिक कैपेबिलिटी डिजिटल ट्रांसफॉर्मेशन को एक ही तरह से मज़बूत करती हैं। स्टडी बताती है कि ईरान के इंस्टीट्यूशनल और इकोनॉमिक कॉन्टेक्स्ट में, बदलाव को समझने और उसका अंदाज़ा लगाने की काबिलियत तेज़ी से एग्ज़िक्यूशन या ऑर्गेनाइज़ेशनल रीस्ट्रक्चरिंग से ज़्यादा मायने रख सकती है।

नतीजे यह भी दिखाते हैं कि सीज़िंग कैपेबिलिटी का फाइनेंशियल परफॉर्मेंस पर सीधा नेगेटिव और स्टैटिस्टिकली अहम असर पड़ा। लेखक इसे बिना एनवायरनमेंटल समझ के डिजिटल मौकों के तेज़ी से या बहुत ज़्यादा इस्तेमाल के खिलाफ़ एक चेतावनी के तौर पर समझते हैं। वोलाटाइल मार्केट में, तेज़ी से फिनटेक एक्सपेंशन, समय से पहले टेक्नोलॉजी इन्वेस्टमेंट या एग्रेसिव रिसोर्स एलोकेशन से कॉस्ट बढ़ सकती है, रिस्क बढ़ सकता है और शॉर्ट-टर्म फाइनेंशियल एफिशिएंसी कमज़ोर हो सकती है।

मैनेजरों के लिए, स्टडी में सुझाव दिया गया है कि कंपनियों को डिजिटल ट्रांसफॉर्मेशन को हर उपलब्ध टेक्नोलॉजी को लागू करने की होड़ नहीं समझना चाहिए। इसके बजाय, उन्हें फिनटेक प्रोजेक्ट्स में बड़ा कैपिटल लगाने से पहले मज़बूत सेंसिंग सिस्टम की ज़रूरत है। मज़बूत सेंसिंग क्षमता के बिना, कंपनियाँ मार्केट सिग्नल को गलत समझ सकती हैं, खराब टूल्स में इन्वेस्ट कर सकती हैं या ऐसी डिजिटल स्ट्रेटेजी अपना सकती हैं जो रेगुलेटरी और आर्थिक हकीकतों के हिसाब से सही नहीं हैं।

अनिश्चित माहौल में, पहला फ़ायदा उन फ़र्मों को मिलता है जो बदलाव को सही-सही समझ सकती हैं। वे पहचान सकती हैं कि कौन से FinTech टूल अपनाने लायक हैं, कब इन्वेस्ट करना है, रिसोर्स को कैसे अलाइन करना है और किन रिस्क से बचना है।

डिजिटल इन्वेस्टमेंट के लिए स्ट्रैटेजी, टाइमिंग और ऑर्गेनाइज़ेशनल तैयारी की ज़रूरत होती है

यह स्टडी कॉर्पोरेट लीडर्स, इन्वेस्टर्स और पॉलिसीमेकर्स के लिए प्रैक्टिकल सबक देती है। यह दिखाता है कि AI और FinTech फ़ाइनेंशियल परफ़ॉर्मेंस को बेहतर बना सकते हैं, लेकिन फ़ायदे उनके आस-पास के ऑर्गेनाइज़ेशनल सिस्टम पर निर्भर करते हैं। फ़र्मों को न सिर्फ़ डिजिटल टूल चाहिए, बल्कि टेक्नोलॉजिकल और मार्केट सिग्नल को तेज़ी और सटीकता से समझने की क्षमता भी चाहिए।

मैनेजर्स के लिए, सबसे साफ़ सलाह है कि सेंसिंग क्षमता को मज़बूत किया जाए। इसका मतलब है डेटा एनालिटिक्स, रेगुलेटरी मॉनिटरिंग, मार्केट इंटेलिजेंस, कॉम्पिटिटर ट्रैकिंग और टेक्नोलॉजिकल ट्रेंड्स के लगातार असेसमेंट में इन्वेस्ट करना। लेखकों का सुझाव है कि कंपनियों को FinTech, AI और कैपिटल-मार्केट रेगुलेशन में डेवलपमेंट को मॉनिटर करने और इन जानकारियों को इन्वेस्टमेंट और रिसोर्स-एलोकेशन के फ़ैसलों से जोड़ने में सक्षम स्ट्रक्चर बनाने चाहिए।

ऐसी क्षमताएँ उभरते मार्केट में खास तौर पर कीमती हैं, जहाँ रेगुलेटरी बदलाव और आर्थिक झटके डिजिटल इन्वेस्टमेंट पर रिटर्न को तेज़ी से बदल सकते हैं। एक FinTech प्रोजेक्ट जो एक नियम या मार्केट की स्थितियों में अच्छा लगता है, वह दूसरे नियम या मार्केट की स्थितियों में महंगा हो सकता है। मज़बूत सेंसिंग क्षमता फर्मों को बिना सोचे-समझे किए गए इन्वेस्टमेंट से बचने और डिजिटल पहलों की टाइमिंग को बेहतर बनाने में मदद करती है।

स्टडी डिजिटल ट्रांसफॉर्मेशन के लिए एक फेज़्ड और फ्लेक्सिबल अप्रोच की भी सलाह देती है। फर्मों को टेक्नोलॉजिकल टूल्स, बिज़नेस स्ट्रैटेजी, इंटरनल कैपेसिटी और मार्केट की स्थितियों के बीच साफ़ तालमेल के बिना FinTech प्रोजेक्ट्स में जल्दबाज़ी करने से बचना चाहिए। सीखने पर आधारित अप्रोच डूबी हुई लागत को कम कर सकता है और फर्मों को नई जानकारी उपलब्ध होने पर डिजिटल प्रोजेक्ट्स को एडजस्ट करने की अनुमति दे सकता है।

पॉलिसी बनाने वालों और फाइनेंशियल रेगुलेटर्स के लिए, नतीजे स्थिर और साफ़ डिजिटल फाइनेंस नियमों के महत्व को दिखाते हैं। रेगुलेटरी अनिश्चितता इसे लागू करने को महंगा और जोखिम भरा बनाकर FinTech इन्वेस्टमेंट की वैल्यू को कम कर सकती है। डिजिटल बैंकिंग, पेमेंट्स, डेटा गवर्नेंस और AI के इस्तेमाल के लिए साफ़ फ्रेमवर्क फर्मों को टेक्नोलॉजिकल इन्वेस्टमेंट को फाइनेंशियल परफॉर्मेंस में बदलने में मदद कर सकते हैं।

स्टडी AI को एक बड़े लेबल के तौर पर नहीं बल्कि एक मापने लायक ऑर्गेनाइज़ेशनल क्षमता के तौर पर देखती है जिसमें इंफ्रास्ट्रक्चर, डेटा, स्किल्स, बजट, स्ट्रैटेजी और फैसले लेने में AI का असरदार तरीके से इस्तेमाल करने की क्षमता शामिल है। यह अप्रोच यह समझाने में मदद करता है कि कुछ फर्मों को AI से दूसरों की तुलना में ज़्यादा फ़ायदा क्यों होता है। सिर्फ़ टेक्नोलॉजी काफ़ी नहीं है; फर्मों को ट्रेनिंग, सॉफ्टवेयर और हार्डवेयर इंफ्रास्ट्रक्चर, उपलब्ध डेटा, फाइनेंशियल रिसोर्स और AI को कहां इस्तेमाल किया जा सकता है, इसकी साफ समझ की भी ज़रूरत होती है।

यह रिसर्च क्रॉस-सेक्शनल सर्वे डेटा पर निर्भर करती है, जिसका मतलब है कि यह एक समय पर रिश्तों को कैप्चर करती है और लंबे समय तक चलने वाले असर या ऑर्गेनाइजेशनल क्षमताओं के धीरे-धीरे विकास का पूरी तरह से आकलन नहीं कर सकती है। फाइनेंशियल परफॉर्मेंस को मैनेजरियल सोच के ज़रिए मापा गया, जिससे रिस्पॉन्स बायस आ सकता है। स्टडी सिर्फ़ ईरान के कैपिटल मार्केट पर फोकस करती है, इसलिए दूसरी उभरती अर्थव्यवस्थाओं के साथ तुलना करना फायदेमंद होगा।