अपने बैंक का स्क्रीनशॉट लेना ही असली वर्कफ़्लो है
आस-पास पूछिए और पता चलेगा कि लोग अपने पैसे के साथ AI का इस्तेमाल करने का सबसे आम तरीक़ा कोई ऐप या इंटिग्रेशन नहीं है। वह स्क्रीनशॉट है। बैंकिंग ऐप खोलें, स्क्रीन कैप्चर करें, ChatGPT या Claude में पेस्ट करें, और पूछें क्या चल रहा है। कोई साइनअप नहीं, कोई सेटअप नहीं, कोई ख़र्च नहीं। इसे गंभीरता से लेना चाहिए।
और यह कुछ हद तक काम करता है। आधुनिक विज़न मॉडल ऐप स्क्रीनशॉट पढ़ने में अच्छे हैं। वे ट्रांज़ैक्शन लिस्ट से मर्चेंट नाम, राशि, और तारीखें निकाल लेते हैं और एक साफ़ सारांश देते हैं जो सही लगता है।
समस्याएँ चुपके से आती हैं। वे अंकों में, फ़्रेम से जो छूटा है उसमें, और तस्वीर के कितनी जल्दी पुरानी हो जाने में दिखती हैं। यही तुलना इसी के बारे में है।
OCR संख्याएँ कहाँ गलत निकालता है
विज़न मॉडल को आपका बैलेंस संख्या के रूप में नहीं मिलता। उसे पिक्सेल मिलते हैं और वह संख्या का अनुमान लगाता है, और अनुमान की एक त्रुटि दर होती है। बैंकिंग ऐप छोटा फ़ॉन्ट इस्तेमाल करते हैं, स्क्रीनशॉट कंप्रेस होते हैं, और वही पुरानी उलझनें आ जाती हैं: 8 को 6 पढ़ लिया, 5 को 3, JPEG आर्टिफ़ैक्ट में दशमलव बिंदु खो गया। $1,847.62 का बैलेंस $1,847.02 के रूप में वापस आ सकता है, और जवाब में कोई इशारा नहीं मिलता कि अनुमान लगाया गया था।
छोटा किया गया टेक्स्ट इसे और बिगाड़ देता है। बैंकिंग ऐप मर्चेंट विवरण को बीच में काट देते हैं, इसलिए मॉडल कुछ ऐसा देखता है जैसे AMZN Mktp US*2K4 और बाकी को जो प्लॉज़िबल लगे उससे भर देता है। आमतौर पर वह सही होता है। कभी-कभी वह दो मिलते-जुलते मर्चेंट्स को एक कर देता है।
फिर एक असली फ़ोन की सामान्य गड़बड़ है: कम कंट्रास्ट वाले डार्क मोड, एक पंक्ति को ढकता नोटिफ़िकेशन बैनर, स्क्रीनशॉट पहले अपने आपको भेजने से हुआ कंप्रेशन। हर एक मिस दर को थोड़ा बढ़ाता है।
इनमें से कोई भी स्क्रीनशॉट को बेकार नहीं बनाता। यह उन्हें ठीक उन्हीं परिस्थितियों में अविश्वसनीय बनाता है जहाँ आप नंबर पर भरोसा करना चाहते हैं।
एक स्क्रीन आपका इतिहास नहीं है
एक स्क्रीनशॉट में शायद दस ट्रांज़ैक्शन होते हैं। पूछने लायक ज़्यादातर सवालों के लिए सैकड़ों चाहिए।
इस साल किराने पर मैंने कितना ख़र्च किया है?
इसका जवाब स्क्रीनशॉट से देने के लिए आपको तीस बार स्क्रॉल और कैप्चर करना होगा, फिर उम्मीद रखनी होगी कि मॉडल इमेजेस को बिना ओवरलैप वाली पंक्तियों को दो बार गिने या बीच के हिस्से छोड़े जोड़ दे। लोग यह करते हैं। मॉडल के पास डिडुपिंग का कोई भरोसेमंद तरीक़ा नहीं है, तो कुल बदलता जाता है, और आप बता नहीं सकते कि कितना।
बार-बार होने वाले चार्ज के सवाल तो और भी दूर हैं। यह पता करने के लिए कि कोई सब्सक्रिप्शन $12.99 से बढ़कर $15.99 हो गया है, एक मर्चेंट के लिए एक साल का इतिहास चाहिए, साथ-साथ रखा हुआ। कोई इसका स्क्रीनशॉट नहीं लेता, और कोई मॉडल इसे एक फ़्रेम से पुनर्निर्माण नहीं कर सकता।
पेंडिंग, पोस्टेड, और आज रात तक पुराना
स्क्रीनशॉट उस पल पर जमा हो जाता है जब आपने लिया था। पेंडिंग ट्रांज़ैक्शन दिख सकते हैं या नहीं भी, इस पर निर्भर करता है कि आपने कौन-सी स्क्रीन कैप्चर की, और वर्तमान बैलेंस और उपलब्ध बैलेंस के बीच अंतर क्रॉप में आसानी से खो जाता है।
पुरानापन बड़ी समस्या है। अगर आप आज रात पूछते हैं कि क्या आप कल के भुगतान को कवर कर सकते हैं, तो कल दोपहर का स्क्रीनशॉट ग़लत इनपुट है। आज सुबह पोस्ट हुआ चार्ज उसमें नहीं है।
यह सबसे ज़्यादा उन एजेंट्स के लिए मायने रखता है जो समय के साथ काम करते हैं। किसी ख़ास चार्ज पर नज़र रखने वाले एजेंट को, या आपका मासिक पैसा समीक्षा चलाने वाले को, फिर से देखने का तरीक़ा चाहिए। स्क्रीनशॉट को दोबारा नहीं पूछा जा सकता।
लाइव रीड-ओनली कनेक्शन क्या बदलता है
BankBridge एक होस्टेड MCP सर्वर है। आप एक बार बैंक कनेक्ट करते हैं, और आपके AI (Claude, ChatGPT, Cursor, Gemini, और लगभग 25 अन्य होस्ट्स) को ग्यारह रीड-ओनली टूल्स मिलते हैं जिन्हें वह तब बुला सकता है जब आप कोई पैसा-सवाल पूछें। संख्याएँ बैंक-कनेक्शन लेयर से सीधे स्ट्रक्चर्ड डेटा के रूप में आती हैं। कोई ट्रांसक्रिप्शन चरण नहीं है, तो ग़लत ट्रांसक्राइब करने के लिए कुछ भी नहीं।
मेरे क्रेडिट कार्ड पर हर बार-बार होने वाला चार्ज सूचीबद्ध करो और उनमें से किसी को भी चिह्नित करो जिसने पिछले छह महीनों में क़ीमत बढ़ाई हो।
अभी मेरा चेकिंग बैलेंस क्या है, और अभी भी क्या पेंडिंग है?
उन प्रॉम्प्ट्स के पीछे एजेंट get_recurring_charges, list_transactions, और get_spending_summary जैसे टूल्स को बुलाता है। हर कॉल सवाल के समय लाइव फ़ेच करती है; BankBridge सर्वर्स पर कुछ भी कैश नहीं होता। जवाब आपके अकाउंट को अभी की स्थिति में दिखाता है, सटीक राशियों के साथ और उतना पूरा इतिहास जितना आपका बैंक देता है।
यह $5 प्रति महीना प्रति कनेक्टेड बैंक है, और आप कभी भी कैंसल कर सकते हैं। सेटअप में कुछ मिनट लगते हैं; Claude और ChatGPT के लिए वॉकथ्रू इसे चरण-दर-चरण कवर करते हैं।
स्क्रीनशॉट कब ठीक है
स्क्रीनशॉट हर चीज़ के लिए ग़लत टूल नहीं हैं। अगर आप जानना चाहते हैं कि एक अजीब स्टेटमेंट लाइन का क्या मतलब है, तो स्क्रीनशॉट प्लस एक सवाल एक अच्छा वर्कफ़्लो है। ऐसा ही एक ऐसे नंबर पर त्वरित जाँच के लिए भी जिसे आप ख़ुद सत्यापित कर सकते हैं।
मेरे स्टेटमेंट पर 'PAI ISO' से यह चार्ज क्या है?
बात सीधी है: स्क्रीनशॉट तब काम करता है जब जवाब फ़्रेम में है और थोड़ा ग़लत होना नुक़सान नहीं देता। जिस पल जवाब इतिहास, कुल, ताज़गी, या किसी नंबर के बिल्कुल सही होने पर निर्भर करता है, आपने इसे पार कर लिया।
प्राइवेसी ट्रेड, साफ़-साफ़
स्क्रीनशॉट ज़्यादा निजी लगते हैं क्योंकि कोई अकाउंट कनेक्शन नहीं है। पर देखिए आप क्या कर रहे हैं: आप अपनी वित्तीय स्थिति की एक इमेज एक चैट उत्पाद में अपलोड कर रहे हैं, जहाँ वह बातचीत के इतिहास में अनिश्चित काल तक बनी रह सकती है। यह स्पष्ट रूप से ज़्यादा सुरक्षित विकल्प नहीं है।
BankBridge डिज़ाइन के हिसाब से रीड-ओनली है। ऐसे कोई टूल्स नहीं हैं जो पैसा हिलाते हों, और कभी नहीं होंगे। आपके बैंकिंग क्रेडेंशियल्स एग्रीगेटर के अपने फ़्लो से जाते हैं; BankBridge उन्हें कभी नहीं देखता। और क्योंकि हर सवाल एक लाइव फ़ेच है, आपके ट्रांज़ैक्शन डेटाबेस में लीक होने का इंतज़ार करते नहीं बैठे रहते।
कोई भी तरीक़ा शून्य-एक्सपोज़र नहीं है। पर बिना कुछ सहेजे रीड-ओनली स्ट्रक्चर्ड पहुँच आपके चैट इतिहास में आपके बैंक अकाउंट की तस्वीरों की तुलना में मज़बूत स्थिति है।
छोटा जवाब
एक-बार के, फ़्रेम-में सवालों के लिए स्क्रीनशॉट का उपयोग करें जहाँ छोटी त्रुटि कुछ नहीं बिगाड़ती। लाइव कनेक्शन का उपयोग करें जब सवाल में इतिहास, कुल, पेंडिंग गतिविधि, या कोई ऐसा नंबर हो जिस पर आप कार्रवाई करने वाले हैं।
अगर आपके ज़्यादातर पैसे के सवाल दूसरी तरह के हैं (और एक बार जब एजेंट उनका जवाब दे पाए, तो होंगे ही), तो स्क्रीनशॉट वर्कफ़्लो वह चीज़ है जिसे आप बदल कर ख़ुश होंगे। पाँच डॉलर प्रति महीना उस संस्करण को ख़रीदता है जहाँ संख्याएँ असली हैं।