
 
 Kisah daripada 20 tahun membina fintech dan pembayaran, dan apa yang boleh dilakukan dengan AI sekarang. Kisah daripada 20 tahun membina fintech dan pembayaran, dan apa yang boleh dilakukan dengan AI sekarang. 2006: A Fingerprint is Not “Just a Picture” 2006: A Fingerprint Is Not "Just a Picture" (Tidak Hanya Sebuah Gambar) Saya sentiasa bekerja pada projek teknologi sejak saya lulus dari universiti. Pada mulanya, saya tidak benar-benar memperhatikan bagaimana projek Big Math dan Excel yang saya bekerja pada sebenarnya berkaitan dengan situasi sebenar dan masalah perniagaan. Ia mungkin terdengar jelas sekarang, tetapi ia jujur tidak jelas kepada saya pada masa itu. Nasib baik, saya mendapat peluang untuk menyertai sebuah syarikat yang percaya bahawa segala-galanya yang telah bekerja sebelum ini akan berfungsi di mana-mana, pada bila-bila masa, dan pelajaran besar muncul kerana itu. Saya bukan jurutera perisian; saya duduk dengan pasukan risiko. Walau bagaimanapun, saya berakhir pada projek biometrik pada tahun 2006. Sangat cepat, saya belajar bahawa menangkap sidik jari bukan "hanya imej."Ini merupakan titik permulaan untuk mengubah "garis-garis aneh" itu menjadi corak identiti yang boleh kita baca dan kuantiti sebagai skor kualiti imej, positif palsu dan negatif palsu, dengan matlamat besar untuk memahami apa yang perlu diperdagangkan dan bagaimana.Ini masih sah hari ini dalam pengurusan risiko: "tidak" yang bersih dan kuat boleh lebih baik daripada "ya" yang mahal dan berisiko. Apabila semua orang memulakan projek, matlamat dan hasil adalah asas. Kami adalah bagaimana untuk mengawal penipuan dan mengelakkan kerugian kewangan sambil mengekalkan perkhidmatan pelanggan yang baik dan pengalaman di pejabat cawangan. Oleh itu, ia adalah penting untuk memutuskan di mana kami menolak permohonan, apa yang perlu dilakukan dengan kawasan abu-abu (perkara-perkara di tepi), dan bagaimana untuk menguruskan perubahan dengan kakitangan kami dan, pada masa yang sama, dengan pelanggan kami, yang boleh menganggapnya sebagai pencerobohan privasi. Kami juga sedar bahawa sesetengah pengguna yang baik akan gagal cek. Ia berasa asas dan primitif berbanding dengan sistem identiti canggih kita hari ini, tetapi pelajaran masih relevan: pengalaman, metrik, dan ambang batas lebih penting daripada trend teknologi. Jadi, apa metrik yang kami ikuti? FAR (kadar penerimaan palsu) dan FRR (kadar penolakan palsu). Kami memberi tumpuan kepada kesilapan (hasil palsu), dan lebih teruk lagi, mereka bergerak ke arah yang berlawanan. Kemudian kami mendapati EER (kadar kesilapan yang sama), yang ialah di mana kedua-dua garis itu berpecah. Ia mula bermakna dan kelihatan lebih seperti kurva matematik yang saya gunakan untuk membina di fakulti kewangan, tetapi sekarang saya boleh melihat mereka di dunia sebenar. Menentukan di mana untuk berhenti, atau di mana untuk menetapkan ambang batas, bergantung kepada risiko nafsu kita (iaitu menerima bahawa kita akan kehilangan sedikit wang), yang lebih relevan daripada peringkat kelas. Ini adalah saat pertama ketika saya menyedari bahawa sesuatu yang saya sebelum ini telah mempertimbangkan "hanya imej," dengan teknologi yang betul, boleh menjadi data berhar 2012: “Real Time” Meant a Few Minutes 2012: Real Time bermaksud beberapa minit Dengan pasukan yang hebat daripada jurutera dan rakan-rakan, kami membina aliran yang, mengikut piawaian hari ini, terdengar lambat (di bawah beberapa minit end-to-end), tetapi pada masa itu, ia merupakan kemajuan. Kami menggunakan iPad generasi pertama, hack cara untuk menyambungkan perkakasan luaran yang tidak dibuat oleh Apple (peranti raksasa), dan mendapat aplikasi luaran berjalan. Kami menjalankan OCR pada imej dari kamera luaran dengan tidak lebih daripada 8 megapixel. Hampir tanpa menyedari itu, kami mengatur bot untuk melakukan web scraping pertama kami pada rekod awam, dan kami menyiasat pangkalan data swasta. Pada titik tertentu, ia kelihatan seperti permainan "LEGO": bagaimana untuk menyesuaikan kamera, di mana untuk meletakkan pembaca sidik jari, dan bagaimana untuk menambah pemindai untuk membaca kod bar. Kami juga perlu mencari tahu bagaimana untuk menyambungkan peranti apabila tablet tidak mempunyai port. Model pertama kelihatan seperti "Frankenstein" perkakasan, tidak mungkin bagi seseorang untuk membawa semasa bergerak melalui kedai kecil untuk mencari pelanggan. Selepas beberapa iterasi, ia masih kelihatan jelek, tetapi ia berfungsi. Kami belajar banyak daripada projek ini: sistem baru kami adalah "cepat yang cukup" dan selaras dengan keperluan perniagaan. Selepas berbulan-bulan, reka bentuk telah meningkat, dan hari ini versi pertama itu boleh menjadi bahagian muzium, mengingatkan bahawa kami membina peranti yang unik dengan alat-alat yang kami mempunyai pada masa itu. Jadi, 6 tahun berlalu antara kedua-dua pengalaman itu, dan saya mesti mengatakan bahawa teknologi tidak kelihatan sangat berbeza. Kedua-dua pengalaman membantu saya memahami mengapa teknologi adalah jalan untuk mengubah perniagaan dan juga untuk menghubungkan pengetahuan teori ke dalam projek praktikal, di mana matematik boleh mempercepatkan keputusan yang menentukan kejayaan kewangan atau kegagalan. Today It is Not a “New Tech Era,” It is The “AI Speedup Era.” Hari ini Ia Bukan “Era Teknologi Baru”, Ia Adalah “AI Speedup Era.” Tiga belas tahun telah berlalu, dan peranti-peranti yang sama sekali berbeza, jadi apa yang kita hidup pada tahun 2012 kini terdengar anekdot. Dengan telefon, kita mempunyai peranti yang membuka kemungkinan yang tidak terhad dan menjadi platform yang lengkap. Anda boleh menonton video, memainkan muzik, dan juga menukarnya kepada penerima pembayaran atau penghantar, dan juga kepada penyelesaian kredit yang lengkap. Hari ini sukar untuk membayangkan perniagaan yang tidak boleh dijalankan di tangan anda, mengambil nota pintar, menjawab e-mel, dan menjalankan tugas yang mengikuti arahan anda, atau bahkan bertindak atas nama anda. Salah satu perubahan terbesar adalah bahawa ia bukan lagi hanya tentang mencocokkan data atau mengotomatiskan aliran; ia adalah tentang mencadangkan tindakan terbaik seterusnya.Pikirkan tentang sistem biometrik pertama di mana kami melihat rekod dalam pangkalan data untuk mengesahkan identiti dan kemudian menambah sumber data baru untuk membuat keputusan analis lebih mudah.Sejak hari ini, sistem boleh membuat keputusan yang sangat tepat untuk maju, mempertimbangkan data dan juga menerapkan kriteria yang jelas sepanjang proses. LLM (model bahasa besar) telah mengubah cara dunia pembangunan berfungsi. Ia tidak lagi boleh diterima bagi jurutera untuk menulis kod seperti yang mereka lakukan setahun yang lalu. Cursor, V0, dan GitHub Copilot telah mengubah cara penyelesaian dibina. Dengan cara yang sama, proses automasi berada dalam fasa yang berbeza, kerana Make dan n8n mempunyai LLM bersepadu dan kini boleh melakukan lebih daripada tugas berulang. Seorang pengembang boleh meminta sampel webhook dan mendapatkannya bekerja dalam beberapa minit. Seorang penganalisis risiko atau perniagaan boleh menerangkan peraturan baru dalam bahasa biasa dan mendapatkan SQL yang tepat untuk memantau ia. Tambahkan kepada itu keupayaan untuk menghasilkan ujian QA yang lebih baik daripada sebelum ini, tanpa jurutera menulis setiap kes penggunaan dan melupakan beberapa daripada mereka. Ini bukan pengganti untuk penilaian. Ia adalah cara yang lebih pintar dan lebih cepat untuk membina dalam ekosistem fin Practical Recommendations For Those Building the Future of Fintech and Payments: Rekomendasi praktikal untuk mereka yang membina masa depan Fintech dan Pembayaran: 
 
 
 
 
 
 
 
 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 Penutupan pemikiran Sekarang kita memberi tumpuan kepada kelajuan dan kelajuan.Kita tidak tahu apa yang akan datang esok.Apa yang boleh saya jamin ialah jika kita mengambil keuntungan daripada apa yang sedang berlaku, alih-alih membuang masa menyesali masa lalu, kita akan mencari cara untuk memberi kesan kepada lebih banyak orang, mewujudkan lebih banyak nilai, dan membina dunia yang lebih baik untuk hidup di.

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

Audio ini dihasilkan dalam bahasa asal cerita!

Adakah anda berfikir bahawa AI baru sahaja tiba di Fintech?

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps