
 
 Történetek a fintech és a fizetések építésének 20 évéről, és mi a teendő az AI-val most. Történetek a fintech és a fizetések építésének 20 évéről, és mi a teendő az AI-val most. 2006: A Fingerprint is Not “Just a Picture” 2006: Az ujjlenyomat nem csak egy kép Mindig műszaki projektekben dolgoztam, mióta az egyetemen végeztem. Kezdetben nem igazán vettem észre, hogy a nagy matematika és az Excel projektek, amelyeken dolgoztam, valójában a valós helyzetekhez és üzleti problémákhoz kapcsolódnak. Most nyilvánvalónak tűnhet, de őszintén szólva nem volt világos számomra abban az időben. Szerencsére lehetőségem volt csatlakozni egy olyan céghez, amely úgy vélte, hogy minden, ami korábban működött, bárhol, bármikor működni fog, és nagy leckék jelentek meg. Nem voltam szoftvermérnök; a kockázati csapatokkal ültem. Mégis, 2006-ban végeztem egy biometrikus projektben. Nagyon gyorsan megtanultam, hogy az ujjlenyomat rögzítése nem „csak egy kép”. Ez volt a kiindulópont az „furcsa vonalak” személyazonossági mintákká való átalakításához, amelyeket képminőségi pontszámként, hamis pozitívaként és hamis negatívaként tudtunk olvasni és számszerűsíteni, azzal a nagy céllal, hogy megértsük, mit kell kereskedni és hogyan. Ez még ma is érvényes a kockázatkezelésben: egy tiszta, erős „nem” jobb lehet, mint egy drága, kockázatos „igen”. Amikor mindenki elindít egy projektet, a célok és az eredmények alapvetőek. A miénk az volt, hogy miként ellenőrizzük a csalásokat és elkerüljük a pénzügyi veszteségeket, miközben jó ügyfélszolgálatot és tapasztalatot tartunk fenn a fióktelepen. Tehát elengedhetetlen volt eldönteni, hogy hol utasítottunk el egy alkalmazást, mit tegyünk a szürke területtel (ezek az esetek a szélén), és hogyan kezeljük a változásokat alkalmazottainkkal és ugyanakkor ügyfeleinkkel, akik ezt magánéletbe való behatolásnak tekinthetik. Tudatában voltunk annak is, hogy néhány jó felhasználó nem fogja elvégezni az ellenőrzést. Alapvetőnek és primitívnak érezte magát a mai fejlett személyazonossági rendszer Tehát milyen métereket követtünk? FAR (hamis elfogadási arány) és FRR (hamis elutasítási arány). A hibákra összpontosítottunk (hamis eredmények), és még rosszabb, ellentétes irányban mozognak. Aztán megtaláltuk az EER-t (egyenlő hibaarány), amely az, ahol a két vonal kereszteződik. Értelmetlenné vált, és jobban hasonlított a matematikai görbékre, amelyeket a pénzügyi karban építettem, de most láthattam őket a valós világban. A megállás, vagy a küszöb meghatározása az étvágyunk kockázatától függ (ami azt jelenti, hogy elfogadjuk, hogy pénzt veszítünk), ami relevánsabb, mint egy osztályosztály. Ez volt az első pillanat 2012: “Real Time” Meant a Few Minutes 2012: A valós idő néhány percet jelentett A mérnökök és kollégák nagyszerű csapatával olyan áramlást hoztunk létre, amely a mai szabványok szerint lassú (néhány percen belül véget ér), de akkoriban ez egy áttörés volt. Az első generációs iPad-et használtuk, hackelte az Apple által nem gyártott külső hardverek (óriás eszközök) csatlakoztatásának módjait, és külső alkalmazásokat futtatott. OCR-t futottunk a külső kamerák képein, legfeljebb 8 megapixel. Majdnem anélkül, hogy észrevennénk, programoztuk a botokat, hogy elvégezzék az első webes kaparást a nyilvános nyilvántartásokon, és magán adatbázisokat kérdeztünk. Ezután ezek a tevékenységek ellenőrzésekké váltak, amelyeket egy szabály motorba állítottunk, Egy bizonyos ponton úgy nézett ki, mint egy „LEGO” játék: hogyan kell alkalmazkodni a fényképezőgéphez, hol kell elhelyezni az ujjlenyomat-olvasót, és hogyan kell hozzáadni egy szkennert a vonalkódok olvasásához. Azt is meg kellett kitalálnunk, hogyan kell csatlakoztatni az eszközöket, amikor a táblagépen nem voltak portok. Az első modell úgy nézett ki, mint a „Frankenstein” hardver, lehetetlen egy személynek hordozni, miközben egy kiskereskedelmi áruházban mozog, hogy ügyfeleket keressen. Néhány ismétlés után még mindig csúnya volt, de működött. Sokat tanultunk ebből a projektből: az új rendszerünk „elég gyors volt” és összhangban állt az üzleti igényekkel. Tehát 6 év telt el a két tapasztalat között, és azt kell mondanom, hogy a technológia nem nagyon különbözött. Mindkét tapasztalat segített megérteni, hogy a technológia miért volt az út a vállalkozások átalakításához, valamint az elméleti ismeretek gyakorlati projektekbe való összekapcsolásához, ahol a matematika felgyorsíthatja a pénzügyi siker vagy kudarc meghatározó döntéseit. Today It is Not a “New Tech Era,” It is The “AI Speedup Era.” Ma nem egy „új technológiai korszak”, hanem az „AI Speedup korszak”. Tizenhárom év telt el, és a készülékek teljesen mások, így az, amit 2012-ben éltünk, most anekdotikusnak hangzik. Telefonunkkal van egy eszközünk, amely korlátlan lehetőségeket nyit meg, és teljes platformgá válik. Videókat nézhet, zenét játszhat, és fizetési vevőként vagy küldőként is átalakíthatja, sőt teljes hitelmegoldássá is. Ma nehéz elképzelni egy olyan üzletet, amely nem működhet a kezében, intelligens jegyzeteket vesz fel, válaszol az e-mailekre, és futtatja az utasításait követő feladatokat, vagy akár az Ön nevében cselekszik. Az egyik legnagyobb változás az, hogy már nem csak az adatok egyeztetéséről vagy az áramlások automatizálásáról van szó, hanem arról, hogy a következő legjobb intézkedést javasoljuk. Gondolj azokra az első biometrikus rendszerekre, ahol egy adatbázisban felnéztünk a nyilvántartásokra, hogy érvényesítsük az identitást, majd új adatforrásokat adtunk hozzá, hogy megkönnyítsük az elemző döntését. Az LLM-ek (nagy nyelvi modellek) megváltoztatták a fejlesztési világ működésének módját. Már nem elfogadható, hogy a mérnökök kódot írjanak úgy, ahogyan egy évvel ezelőtt. A Cursor, a V0, és a GitHub Copilot átalakították a megoldások építésének módját. Hasonlóképpen, az automatizálási folyamatok más fázisban vannak, mert a Make és az n8n integrált LLM-ekkel rendelkeznek, és most már több mint ismétlődő feladatot végezhetnek. A fejlesztő kérhet egy minta webhookot, és percek alatt működhet. A kockázat vagy az üzleti elemző egyszerű nyelven írhat le egy új szabályt, és megkaphatja a pontos SQL-t, hogy figyelemmel kísérje azt. Add hozzá, hogy a kép Practical Recommendations For Those Building the Future of Fintech and Payments: Gyakorlati ajánlások azok számára, akik a fintech és a fizetések jövőjét építik: 
 
 
 
 
 
 
 
 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 Záró gondolatok Most a sebességre és a sebességre összpontosítunk. nem tudjuk, mit hoz a holnap.Amit garantálhatok, hogy ha kihasználjuk a történteket, ahelyett, hogy időt pazarolnánk a múltra, megtaláljuk a módját, hogy több embert befolyásoljunk, több értéket teremtsünk, és egy jobb világot építsünk, amelyben élhetünk.

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

Ez a hanganyag a történet eredeti nyelvén készült!

Gondolod, hogy az AI most érkezett a fintechbe? valójában az AI a fintechben nőtt fel.

About Author

HOZZÁSZÓLÁSOK

HANG TAGOK

EZT A CIKKET BEMUTATTA

Related Stories

A SECOND ENIGMA

HackerNoon Raises $250k at $50M Valuation From Forward Research

INTRODUCTION

HackerNoon Contributor Denisa Ganea on HackerNoon, Human Existence, and Everything in Between

A SECOND ENIGMA

HackerNoon Raises $250k at $50M Valuation From Forward Research

INTRODUCTION

HackerNoon Contributor Denisa Ganea on HackerNoon, Human Existence, and Everything in Between

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps