
 
 Verhalen uit 20 jaar bouwen van fintech en betalingen, en wat te doen met AI nu. Verhalen uit 20 jaar bouwen van fintech en betalingen, en wat te doen met AI nu. 2006: A Fingerprint is Not “Just a Picture” 2006: Een vingerafdruk is niet "Just a Picture" Ik heb altijd aan tech-projecten gewerkt sinds ik afstudeerde van de universiteit. In het begin merkte ik niet echt hoe de grote wiskunde- en Excel-projecten waarop ik werkte eigenlijk verbonden waren met echte situaties en zakelijke problemen. Het klinkt misschien nu voor de hand liggend, maar eerlijk gezegd was het me op dat moment niet duidelijk. Gelukkig kreeg ik de kans om lid te worden van een bedrijf dat geloofde dat alles wat voorheen had gewerkt, overal, op elk moment zou werken, en er zijn grote lessen ontstaan. Ik was geen software-ingenieur; ik zat bij de risico-teams. toch, ik eindigde op een biometrisch project in 2006. Heel snel leerde ik dat het vastleggen van een vingerafdruk niet "gewoon een afbeelding" was. Dat was het uitgangspunt voor het transformeren van die "wonderlijke lijnen" in identiteitspatronen die we konden lezen en kwantificeren als beeldkwaliteitsscores, valse positieven en valse negatieven, met het grote doel om te begrijpen wat te verhandelen en hoe. Wanneer iedereen een project start, zijn de doelen en resultaten fundamenteel. Onze waren hoe we fraude konden beheersen en financiële verliezen konden voorkomen terwijl we een goede klantenservice en ervaring op het afdelingskantoor konden behouden. Dus het was van cruciaal belang om te beslissen waar we een aanvraag hadden afgewezen, wat te doen met het grijze gebied (de gevallen aan de rand) en hoe we veranderingen konden beheren met onze medewerkers en tegelijkertijd met onze klanten, die het als een inbraak op de privacy konden zien. We waren ons ook bewust dat sommige goede gebruikers de check zouden mislukken. Het voelde basisch en primitief in vergelijking met onze geavanceerde identiteitssystemen vandaag, maar de les is nog steeds relevant: ervaring, metriek en drempels tellen meer dan technologische trends. Dus, welke metricen volgden we? FAR (false acceptance rate) en FRR (false rejection rate). We concentreerden ons op de fouten (false results), en nog erger, ze bewegen in tegenovergestelde richtingen. Toen vonden we de EER (equal error rate), wat is waar die twee lijnen kruisen. Het begon zinvol te zijn en zag er meer uit als de wiskundige curves die ik gebruikte om te bouwen in de financiële faculteit, maar nu kon ik ze zien in de echte wereld. Het definiëren van waar te stoppen, of waar de drempel te stellen, hangt af van het risico van onze eetlust (dat wil zeggen accepteren dat we wat geld zullen verliezen), wat relevanter is dan een klasse graad. Dit was het eerste moment dat ik besefte dat 2012: “Real Time” Meant a Few Minutes 2012: “Real Time” betekende een paar minuten Met een geweldig team van ingenieurs en collega's hebben we een stroom opgebouwd die, volgens de huidige normen, langzaam klinkt (binnen een paar minuten eind-tot-eind), maar toen was het een doorbraak. We gebruikten de iPad van de eerste generatie, hackten manieren om externe hardware aan te sluiten die niet door Apple is gemaakt (rijke apparaten), en kregen externe toepassingen. We voerden OCR uit op afbeeldingen van externe camera's met niet meer dan 8 megapixels. Bijna zonder het te beseffen, programmerden we bots om onze eerste webscraping op openbare registers te doen, en vroegen we naar privé-databases. Op een bepaald punt zag het eruit als een "LEGO" spel: hoe de camera aan te passen, waar de vingerafdruklezer te plaatsen, en hoe een scanner toe te voegen om barcodes te lezen. We moesten ook uitzoeken hoe de apparaten te verbinden wanneer de tablet geen poorten had. Het eerste model zag eruit als "Frankenstein" hardware, onmogelijk voor een persoon om te dragen tijdens het verplaatsen over een winkel om klanten te zoeken. Na een paar iteraties zag het er nog steeds lelijk uit, maar het werkte. We leerden veel van dit project: ons nieuwe systeem was "snel genoeg" en in lijn met de zakelijke behoeften. Na maanden, het ontwerp verbeterd, en vandaag die eerste versie kan een museumstuk zijn, een herinnering dat we een uniek apparaat hebben gebouwd met de Beide ervaringen hielpen me te begrijpen waarom technologie de weg was om bedrijven te transformeren en ook om theoretische kennis te verbinden in praktische projecten, waar wiskunde beslissingen kan versnellen die financieel succes of falen definiëren. Today It is Not a “New Tech Era,” It is The “AI Speedup Era.” Vandaag is het niet een “nieuwe tech-era”, het is de “AI Speedup-era”. Laten we snel vooruit naar 2025. Dertien jaar zijn verstreken en apparaten zijn compleet anders, dus wat we in 2012 hebben geleefd klinkt nu anekdotisch. Met een telefoon hebben we een apparaat dat onbeperkte mogelijkheden opent en een compleet platform wordt. U kunt video's bekijken, muziek afspelen en het ook omzetten in een betalingsontvanger of verzender, en zelfs in een complete kredietoplossing. Vandaag is het moeilijk om een bedrijf voor te stellen dat niet in uw handen kan lopen, slimme notities neemt, e-mails beantwoordt en taken uitvoert die uw instructies volgen, of zelfs namens u handelen. Een van de grootste verschuivingen is dat het niet langer alleen gaat om het matchen van gegevens of het automatiseren van stromen; het gaat om het voorstellen van de volgende beste actie. Denk aan die eerste biometrische systemen waar we naar records in een database hebben gekeken om identiteit te valideren en vervolgens nieuwe gegevensbronnen toevoegen om de beslissing van een analist gemakkelijker te maken. LLM's (grote taalmodellen) hebben veranderd hoe de ontwikkelingswereld werkt. Het is niet langer aanvaardbaar voor ingenieurs om code te schrijven zoals ze een jaar geleden deden. Cursor, V0, en GitHub Copilot hebben veranderd hoe oplossingen worden gebouwd. Op dezelfde manier bevinden automatiseringsprocessen zich in een andere fase, omdat Make en n8n geïntegreerde LLM's hebben en nu meer dan repetitieve taken kunnen doen. Een ontwikkelaar kan een webhook vragen en het in minuten laten werken. Een risico- of bedrijfsanalist kan een nieuwe regel in eenvoudige taal beschrijven en de exacte SQL krijgen om het te controleren. Voeg daaraan toe dat de mogelijkheid om betere QA-tests te genereren dan voorheen, zonder dat ingenieurs elk geval gebruiken en vergeten. Dit is geen Practical Recommendations For Those Building the Future of Fintech and Payments: Praktische aanbevelingen voor degenen die de toekomst van fintech en betalingen bouwen: 
 
 
 
 
 
 
 
 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 Gesloten gedachten Wat ik kan garanderen is dat als we profiteren van wat er gebeurt, in plaats van tijd te verspillen met spijt van het verleden, zullen we een manier vinden om meer mensen te beïnvloeden, meer waarde te creëren en een betere wereld te bouwen om in te leven.

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

Deze audio wordt geproduceerd in de originele taal van het verhaal!

Denk je dat AI net in Fintech is gekomen?

About Author

OPMERKINGEN

LABELS

DIT ARTIKEL WERD GEPRESENTEERD IN

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps