થાઈલેન્ડના બિઝનેસ ડેવલપમેન્ટ ડિપાર્ટમેન્ટે એક વર્ષમાં "મશરૂમ" કંપનીઓ—માલિકી છુપાવવા અને મની લોન્ડરિંગ કરવા માટે વપરાતી શેલ કંપનીઓ—ની સંખ્યામાં 90% નો ઘટાડો કર્યો છે. વિભાગ દ્વારા તેના AI-સંચાલિત નિરીક્ષણ તંત્ર, IBAS ને અમલમાં મૂક્યા પછી, શંકાસ્પદ સંસ્થાઓની સંખ્યા 594 થી ઘટીને માત્ર 58 રહી ગઈ છે, જેના કારણે નિયમનકારો અને કાયદેસરના ઉદ્યોગસાહસિકોએ કોર્પોરેટ છેતરપિંડીના નિરીક્ષણ વિશે ફરીથી વિચારવા મજબૂર થયા છે.
આ કડક કાર્યવાહી શા માટે મહત્વની હતી
"મશરૂમ" કંપનીઓ ગુપ્તતા પર ટકી રહે છે. તેઓ ન્યૂનતમ મૂડી સાથે સ્થાપિત કરવામાં આવે છે, જે ઘણીવાર વ્યવહારની જરૂરિયાત પડતા તે જ દિવસે કરવામાં આવે છે, અને પછી તેઓ અદૃશ્ય થઈ જાય છે, જેનાથી સત્તાધિકારીઓ માટે કોઈ પુરાવા બચતા નથી. આ અપારદર્શકતાને કારણે ટેક્સ કલેક્ટર્સ, કાયદા અમલીકરણ એજન્સીઓ અને સાચા રોકાણકારો માટે કાયદેસરના સાહસોને ગેરકાયદેસર પ્રવૃત્તિઓના આડછેદથી અલગ પાડવું મુશ્કેલ બન્યું હતું.
IBAS એ કેવી રીતે પરિસ્થિતિ બદલી નાખી
IBAS માનવ અધિકારીઓની જગ્યા લેતું નથી; તે ઊંડાણપૂર્વક તપાસ માટે ઉચ્ચ-જોખમ ધરાવતી કંપનીઓને સૂચિત કરે છે. તેની કાર્યપ્રણાલી ત્રણ ડેટા સ્ટ્રીમ્સનું મિશ્રણ કરે છે:
- વર્તણૂક વિશ્લેષણ (Behavioral analysis) – સામાન્ય વ્યવસાયોમાં ભાગ્યે જ જોવા મળતી વિસંગતતાઓ માટે ફાઇલિંગ, શેરધારકોની યાદીમાં ફેરફાર અને નાણાકીય પેટર્નનું સ્કેન કરે છે.
- ડિજિટલ ID અને e-KYC – સ્થાપકોને સરકારી ડિજિટલ ID સાથે ઓળખ ચકાસવા માટે મજબૂર કરે છે.
- વિવિધ એજન્સીઓ વચ્ચેનું જોડાણ (Cross-agency linkage) – પોલીસ, ટેક્સ અને સામાજિક કલ્યાણના રેકોર્ડ્સ સાથે સરખામણી કરે છે, જે વિસંગતતાઓને ખુલ્લી પાડે છે જે અન્યથા છુપાયેલી રહેત.
જ્યારે IBAS સંભવિત જોખમ શોધી કાઢે છે, ત્યારે તે તપાસકર્તાઓને એલર્ટ કરે છે, જેઓ સંપૂર્ણ નિરીક્ષણ શરૂ કરવા કે નહીં તેનો નિર્ણય લે છે. આ "ફોકસ-ફર્સ્ટ" અભિગમ સ્ટાફને તમામ રજિસ્ટ્રન્ટ્સ પર સંસાધનો વહેંચવાને બદલે સંભવિત ગુનેગારો પર ધ્યાન કેન્દ્રિત કરવા દે છે.
AI પ્રયાસોને મજબૂત બનાવતા નીતિગત ફેરફારો
વિભાગે તેની દેખરેખની વ્યૂહરચના ફરીથી લખી છે. કંપનીની સ્થાપનાના દિવસે એકવાર તપાસ કરવાને બદલે, તે હવે કંપનીના સમગ્ર જીવનચક્ર પર નજર રાખે છે, જે પાછળથી દેખાતા લાલ નિશાન (red flags) સૂચવે છે—જેમ કે અચાનક ડિરેક્ટરના ફેરફારો અથવા અસામાન્ય મૂડી પ્રવાહ.
એક નવો નિયમ વિદેશી રોકાણકારોને ભંડોળના સ્ત્રોતને સાબિત કરવા માટે ત્રણ મહિનાના બેંક સ્ટેટમેન્ટ સબમિટ કરવા માટે મજબૂર કરે છે. આ જરૂરિયાત વિદેશી માલિકી છુપાવવા માટે સ્થાનિક નોમિનીઓનો ઉપયોગ કરવાની પ્રથાને અટકાવે છે, જે મશરૂમ સેટઅપમાં એક સામાન્ય છટકબારી છે.
આંકડા જે જાતે જ વાત કરે છે
- મ્યુલ એકાઉન્ટ્સ (Mule accounts) (સાચા માલિકોને છુપાવવા માટે વપરાતા ફ્રન્ટ-પર્સન એકાઉન્ટ્સ) 594 થી ઘટીને 58 થયા, જે 90% નો ઘટાડો છે.
- નોમિની-જોખમ ધરાવતા કેસો માં 65.22% નો ઘટાડો થયો.
- ઓનલાઇન નોંધણી હવે નવા વ્યવસાયોના 95.48% ને આવરી લે છે, જે 24 કલાક, ગમે ત્યાંથી ફાઇલિંગ સક્ષમ બનાવે છે.
આ આંકડા દર્શાવે છે કે ડેટા-આધારિત, AI-સહાયિત મોડેલ નિયમનકારી પરિણામોમાં નાટકીય રીતે સુધારો કરી શકે છે.
કાયદેસરના વ્યવસાયોએ શું કરવું જોઈએ
સ્વચ્છ ડેટા હવે એક સ્પર્ધાત્મક લાભ છે. કંપનીઓએ શેરધારકોની યાદી, નોંધાયેલા સરનામાં અને નાણાકીય નિવેદનો સચોટ અને અપ-ટુ-ડેટ રાખવા જોઈએ. નાની વિસંગતતા પણ ઊંડી તપાસ શરૂ કરી શકે છે, જેનાથી મંજૂરીઓમાં વિલંબ થઈ શકે છે અથવા દંડ થઈ શકે છે.
નિષ્કર્ષ
AI એ થાઈલેન્ડના બિઝનેસ ડેવલપમેન્ટ ડિપાર્ટમેન્ટને નકલી કંપનીઓને દૂર કરવા માટે એક શક્તિશાળી સાધન આપ્યું છે, જેનાથી એક વર્ષમાં મશરૂમ-કંપનીઓની સંખ્યા નવમાં ભાગ જેટલી ઘટી ગઈ છે. આ અભિગમ ડેટાની ગુણવત્તા, વિવિધ એજન્સીઓ વચ્ચેના સહકાર અને સતત દેખરેખ પર આધારિત છે. પરિણામો પ્રભાવશાળી છે, પરંતુ ગોપનીયતા, યોગ્ય કાયદાકીય પ્રક્રિયા અને જાહેર વહીવટમાં AI ની ભૂમિકા અંગેની ચર્ચા હજુ શરૂ થઈ છે. નિયમનકારો કાર્યક્ષમતા અને જવાબદારી વચ્ચે કેવી રીતે સંતુલન જાળવશે તે AI-સંચાલિત શાસનની આગામી લહેર નક્કી કરશે.