Зачем банку главный учёный?

Статья, предоставленная Capital One, рассказывает о том, почему банку нужен главный учёный. После пяти лет руководства направлением понимания естественного языка и всей организацией Alexa AI в Amazon, Прем Натараджан сделал нетрадиционный шаг: он стал главным учёным в банке. Не просто в любом банке, а в Capital One, финансовом учреждении, обслуживающем более 100 миллионов клиентов и помогающем обычным американцам управлять своими финансами.

Для Натараджана, ветерана исследований, финансируемых DARPA, и академической среды, который наблюдал эволюцию машинного обучения от узкоспециализированных приложений до фундаментальных моделей, логика была ясна. Некоторые из самых интересных достижений в исследованиях и внедрении ИИ смещались от горизонтальных платформ больших технологических компаний к отраслевым вертикалям, таким как финансы, где самые сложные проблемы заключаются не просто в создании моделей, а в том, чтобы заставить ИИ работать в условиях реальных клиентских задач, контекстных бизнес-знаний, непрерывного обучения с невероятно высокими требованиями к точности и конфиденциальности.

Именно это сделало Capital One подходящим местом для такой работы. На протяжении десятилетий компания признавалась одним из самых ориентированных на данные и аналитику финансовых учреждений в отрасли. Её бизнес-модель с самого начала строилась на использовании данных и технологий для персонализации финансовых продуктов для клиентов. Десять лет назад Capital One полностью перешла на облачные технологии и перестроила свою экосистему данных, создав единую среду для данных, вычислений и экспериментов с ИИ и машинным обучением. Сегодня её современная инфраструктура, дисциплинированный подход к управлению и глубокий кадровый резерв составляют основу, позволяющую ей лидировать в корпоративном ИИ.

Итак, зачем банку главный учёный? Ответ кроется в фундаментальном заблуждении относительно ИИ в финансовых услугах. Большинство финансовых учреждений по-прежнему рассматривают ИИ как технологию для внедрения — используя последнюю большую языковую модель, развёртывая её через API и интегрируя в существующие рабочие процессы, — а не как научную дисциплину. Capital One делает нечто иное: создаёт научное сообщество и исследовательскую организацию для решения реальных клиентских проблем и изобретения эффективных решений на основе ИИ, которые ещё не существуют.

Хотя широкодоступные фундаментальные модели могут справляться с общими задачами, они пока не могут решить многие узкоспециализированные проблемы, такие как обнаружение мошенничества в реальном времени среди миллиардов транзакций или предоставление современных разговорных инструментов, позволяющих клиентам взаимодействовать тогда, как и где они хотят. Эти задачи по обеспечению надёжности, масштабируемости и хорошего управления ИИ требуют оригинальных исследований и научных инноваций, которые затем направляются обратно в бизнес для создания реальных приложений, отвечающих потребностям клиентов.