
 
 Historier fra 20 år med at bygge fintech og betalinger, og hvad man skal gøre med AI nu. Historier fra 20 år med at bygge fintech og betalinger, og hvad man skal gøre med AI nu. 2006: A Fingerprint is Not “Just a Picture” 2006: Et fingeraftryk er ikke bare et billede Jeg har altid arbejdet på teknologiprojekter, siden jeg blev uddannet fra universitetet. I begyndelsen bemærkede jeg ikke rigtig, hvordan de store matematiske og Excel-projekter, jeg arbejdede på, faktisk var forbundet med virkelige situationer og forretningsproblemer. Det kan lyde indlysende nu, men det var ærligt talt ikke klart for mig på det tidspunkt. Alligevel endte jeg på et biometrisk projekt i 2006. Meget hurtigt lærte jeg, at indfangning af et fingeraftryk ikke var "bare et billede."Det var udgangspunktet for at omdanne disse "underlige linjer" til identitetsmønstre, som vi kunne læse og kvantificere som billedkvalitetsresultater, falske positive og falske negative, med det store mål at forstå, hvad man skal handle ud og hvordan. Når alle starter et projekt, er målene og resultaterne grundlæggende. Vores var, hvordan man styrer svindel og undgår økonomiske tab, samtidig med at man opretholder god kundeservice og erfaring på kontorets kontor. Så det var afgørende at beslutte, hvor vi afviste en ansøgning, hvad man skal gøre med det grå område (de tilfælde på kanten), og hvordan man styrer ændringer med vores medarbejdere og samtidig med vores kunder, som kunne opfatte det som en invasion af privatlivets fred. Vi var også opmærksomme på, at nogle gode brugere ville fejle kontrollen. Det føltes grundlæggende og primitivt i forhold til vores avancerede identitetssystemer i dag, men lektionen er stadig relevant: erfaring, målinger og tærskler betyder mere end teknologiske tendenser. Så, hvilke målinger fulgte vi? FAR (falsk accept rate) og FRR (falsk afvisning rate). Vi fokuserede på fejl (falske resultater), og endnu værre, de bevæger sig i modsatte retninger. Så fandt vi EER (lig fejl rate), som er, hvor de to linjer krydser. Det begyndte at gøre mening og så mere som de matematiske kurver, jeg plejede at opbygge i finansfakultetet, men nu kunne jeg se dem i den virkelige verden. Definere, hvor man skal stoppe, eller hvor man skal sætte tærsklen, afhænger af risikoen vores appetit (det vil sige at acceptere, at vi vil tabe nogle penge), som er mere relevant end en klasse klasse klasse. Dette var det første øjeblik, hvor jeg indså, at noget, jeg tidligere havde betragtet som "bare et billede", med 2012: “Real Time” Meant a Few Minutes 2012: “Real Time” betød et par minutter Med et stort team af ingeniører og kolleger byggede vi en strøm, der ved dagens standarder lyder langsomt (under et par minutter end-to-end), men dengang var det et gennembrud. Vi brugte den første generation iPad, hacket måder at tilslutte ekstern hardware, der ikke er lavet af Apple (gigantiske enheder), og fik eksterne applikationer til at køre. Vi kørte OCR på billeder fra eksterne kameraer med ikke mere end 8 megapixel. Næsten uden at indse det, programmerede vi bots til at gøre vores første webskrapning på offentlige registre, og vi spurgte private databaser. Så blev disse aktiviteter kontroller, som vi konfigurerede i en regelmotor for at beslutte, om vi skulle anbefale at autorisere en transaktion. På et tidspunkt så det ud som et "LEGO" spil: hvordan man tilpasser kameraet, hvor man placerer fingeraftrykslæseren, og hvordan man tilføjer en scanner til at læse stregkoder. Vi måtte også finde ud af, hvordan man forbinder enhederne, når tabletten ikke havde porte. Den første model så ud som "Frankenstein" hardware, umuligt for en person at bære, mens man bevæger sig over en detailbutik for at lede efter kunder. Efter et par iterationer så det stadig grimt ud, men det fungerede. Vi lærte meget fra dette projekt: vores nye system var "hurtig nok" og i overensstemmelse med virksomhedens behov. Efter måneder blev designet forbedret, og i dag kunne den første version være et museumstykke, en påmindelse om, at vi byggede en enhed, der Så 6 år gik mellem de to erfaringer, og jeg må sige, at teknologien ikke så meget anderledes ud. Begge erfaringer hjalp mig med at forstå, hvorfor teknologi var vejen til at omdanne virksomheder og også til at forbinde teoretisk viden til praktiske projekter, hvor matematik kan fremskynde beslutninger, der definerer økonomisk succes eller fiasko. Today It is Not a “New Tech Era,” It is The “AI Speedup Era.” I dag er det ikke en “New Tech Era”, det er “AI Speedup Era”. Lad os skynde os frem til 2025. 13 år er gået, og enheder er helt anderledes, så hvad vi levede i 2012 lyder nu anekdotisk. Med en telefon har vi en enhed, der åbner ubegrænsede muligheder og bliver en komplet platform. Du kan se videoer, afspille musik, og også gøre det til en betalingsmodtager eller afsender, og endda til en komplet kredit løsning. I dag er det svært at forestille sig en virksomhed, der ikke kan køre i dine hænder, tage intelligente noter, besvare e-mails og køre opgaver, der følger dine instruktioner, eller endda handle på dine vegne. En af de største ændringer er, at det ikke længere kun handler om at matche data eller automatisere strømninger; det handler om at foreslå den næste bedste handling. Tænk på de første biometriske systemer, hvor vi kiggede op på poster i en database for at validere identitet og derefter tilføjede nye datakilder for at gøre en analytikers beslutning lettere. LLM'er (store sprogmodeller) har ændret, hvordan udviklingsverdenen fungerer. Det er ikke længere acceptabelt for ingeniører at skrive kode, som de gjorde for et år siden. Cursor, V0, og GitHub Copilot har forvandlet, hvordan løsninger er bygget. På samme måde er automatiseringsprocesser i en anden fase, fordi Make og n8n har integrerede LLM'er og kan nu gøre mere end gentagne opgaver. En udvikler kan bede om en prøve webhook og få det til at fungere i minutter. En risiko eller forretningsanalytiker kan beskrive en ny regel på almindeligt sprog og få den nøjagtige SQL til at overvåge det. Tilføj til, at evnen til at generere bedre QA-tests end før, uden at ingeniører skriver hvert tilfælde brug og glemmer nogle af Practical Recommendations For Those Building the Future of Fintech and Payments: Praktiske anbefalinger til dem, der bygger fremtiden for fintech og betalinger: 
 
 
 
 
 
 
 
 Think about the problem and stay close to it; technology and AI are powerful tools to build and solve real problems, smarter and faster. 
 
 What is fast today will not be tomorrow, so accept that “fast enough” keeps changing. Build today and be prepared to rebuild even before launch. 
 
 Trending topics appear and disappear; without fundamentals, there is no innovation and no real solutions. Do not forget that metrics, models, and risk thresholds still define success. 
 
 Hacking needs to be the rule; do not stop experimenting and shipping solutions. The best lessons come from testing things and building on top of them. 
 
 AI allows us to build more and create more value, not the opposite. What took a full team in 2012 can now be done by one person if they use the right tools and stay curious. Now imagine a whole team working that way; incredible things can be delivered in a short time. Closing Thoughts Lukkede tanker Hvad jeg kan garantere er, at hvis vi udnytter det, der sker, i stedet for at spilde tid med at fortryde fortiden, vil vi finde en måde at påvirke flere mennesker, skabe mere værdi og opbygge en bedre verden at leve i.

This story contains new, firsthand information uncovered by the writer.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Denne lyd er produceret på historiens originalsprog!

Tror du, at AI lige er kommet ind i Fintech?

About Author

KOMMENTARER

HÆNG TAGS

DENNE ARTIKEL BLEV PRÆsenterET I

Related Stories

Meet Bosch: HackerNoon Company of the Week

Meet Bybit: HackerNoon Company of the Week

Meet Octopus Network: HackerNoon Company of the Week

Meet Sentry: HackerNoon Company of the Week

Meet Bosch: HackerNoon Company of the Week

Meet Bybit: HackerNoon Company of the Week

Meet Octopus Network: HackerNoon Company of the Week

Meet Sentry: HackerNoon Company of the Week

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps