
 
 Những câu chuyện từ 20 năm xây dựng fintech và thanh toán, và làm gì với AI bây giờ. Những câu chuyện từ 20 năm xây dựng fintech và thanh toán, và làm gì với AI bây giờ. 2006: A Fingerprint is Not “Just a Picture” 2006: A Fingerprint Is Not “Just a Picture” (Một dấu vân tay không chỉ là một bức ảnh) Tôi luôn làm việc trên các dự án công nghệ kể từ khi tốt nghiệp đại học.Lúc đầu, tôi không thực sự nhận thấy các dự án toán học và Excel lớn mà tôi đã làm việc trên thực tế có liên quan đến các tình huống thực tế và các vấn đề kinh doanh.Có thể nghe có vẻ rõ ràng bây giờ, nhưng thành thật mà nói, nó không rõ ràng với tôi vào thời điểm đó. May mắn thay, tôi đã có cơ hội tham gia một công ty tin rằng mọi thứ đã làm việc trước đó sẽ làm việc ở bất cứ đâu, bất cứ lúc nào, và những bài học lớn xuất hiện do nó. Tôi không phải là một kỹ sư phần mềm; tôi ngồi với các nhóm rủi ro. Tuy nhiên, tôi đã kết thúc trên một dự án sinh trắc học vào năm 2006. Rất nhanh, tôi đã học được rằng chụp vân tay không phải là "chỉ là một hình ảnh." Đó là điểm khởi đầu để biến những "đường kỳ lạ" thành các mô hình nhận dạng mà chúng ta có thể đọc và định lượng như điểm số chất lượng hình ảnh, dương tính giả và âm tính giả, với mục tiêu lớn của việc hiểu những gì để giao dịch và làm thế nào. Khi mọi người bắt đầu một dự án, các mục tiêu và kết quả là cơ bản. Của chúng tôi là làm thế nào để kiểm soát gian lận và tránh tổn thất tài chính trong khi duy trì dịch vụ khách hàng tốt và kinh nghiệm tại văn phòng chi nhánh. Vì vậy, điều quan trọng là quyết định nơi chúng tôi đã từ chối một ứng dụng, phải làm gì với khu vực màu xám (những trường hợp ở rìa), và làm thế nào để quản lý sự thay đổi với nhân viên của chúng tôi và đồng thời với khách hàng của chúng tôi, những người có thể coi đó là một cuộc xâm lược quyền riêng tư. Chúng tôi cũng nhận thức được rằng một số người dùng tốt sẽ thất bại kiểm tra. Nó cảm thấy cơ bản và nguyên thủy so với các hệ thống nhận dạng tiên tiến của chúng tôi ngày nay, nhưng bài học vẫn có liên quan: kinh nghiệm, số liệu và ngưỡng Vì vậy, các số liệu chúng tôi đã làm như thế nào? FAR (tỷ lệ chấp nhận sai) và FRR (tỷ lệ từ chối sai). Chúng tôi tập trung vào những sai lầm (kết quả sai), và thậm chí tồi tệ hơn, chúng di chuyển theo hướng ngược lại. Sau đó chúng tôi tìm thấy EER (tỷ lệ sai lầm bằng nhau), đó là nơi hai dòng đó giao nhau. Nó bắt đầu có ý nghĩa và trông giống như các đường cong toán học tôi đã sử dụng để xây dựng trong khoa tài chính, nhưng bây giờ tôi có thể thấy chúng trong thế giới thực. Xác định nơi dừng lại, hoặc nơi đặt ngưỡng, phụ thuộc vào sự thèm ăn của chúng tôi (nghĩa là chấp nhận rằng chúng tôi sẽ mất một số tiền), có liên quan hơn một lớp học. Đây là thời điểm đầu tiên khi tôi nhận ra rằng một cái gì đó 2012: “Real Time” Meant a Few Minutes 2012: “Real Time” có nghĩa là một vài phút Với một đội ngũ kỹ sư và đồng nghiệp tuyệt vời, chúng tôi đã xây dựng một dòng chảy mà theo tiêu chuẩn ngày nay, âm thanh chậm (dưới một vài phút từ đầu đến cuối), nhưng vào thời điểm đó, đó là một bước đột phá. Chúng tôi đã sử dụng iPad thế hệ đầu tiên, hack cách để kết nối phần cứng bên ngoài không được thực hiện bởi Apple (các thiết bị khổng lồ), và có các ứng dụng bên ngoài chạy. Chúng tôi đã chạy OCR trên hình ảnh từ máy ảnh bên ngoài với không quá 8 megapixel. Gần như không nhận ra điều đó, chúng tôi đã lập trình robot để thực hiện việc cạo web đầu tiên của chúng tôi trên các hồ sơ công cộng, và chúng tôi đã truy vấn các cơ sở dữ liệu tư nhân. Tại một số điểm, nó trông giống như một trò chơi "LEGO": làm thế nào để điều chỉnh máy ảnh, nơi để đặt máy đọc dấu vân tay, và làm thế nào để thêm một máy quét để đọc mã vạch. Chúng tôi cũng phải tìm ra cách kết nối các thiết bị khi máy tính bảng không có cổng. Mô hình đầu tiên trông giống như phần cứng "Frankenstein", không thể để một người mang theo trong khi di chuyển qua một cửa hàng bán lẻ để tìm kiếm khách hàng. Sau một vài lần lặp lại, nó vẫn trông xấu xí, nhưng nó hoạt động. Chúng tôi đã học được rất nhiều từ dự án này: hệ thống mới của chúng tôi là "không đủ nhanh" và phù hợp với nhu cầu kinh doanh. Sau vài tháng, thiết kế được cải thiện, và ngày hôm nay phiên bản đầu tiên có thể là một mảnh bảo tàng, một lời nhắc nh Vì vậy, 6 năm trôi qua giữa hai trải nghiệm đó, và tôi phải nói rằng công nghệ không có vẻ rất khác biệt. Cả hai trải nghiệm đã giúp tôi hiểu tại sao công nghệ là con đường để biến đổi doanh nghiệp và cũng để kết nối kiến thức lý thuyết thành các dự án thực tế, nơi toán học có thể đẩy nhanh các quyết định xác định thành công tài chính hoặc thất bại. Today It is Not a “New Tech Era,” It is The “AI Speedup Era.” Hôm nay không phải là “thời đại công nghệ mới”, mà là “thời đại tăng tốc AI”. Chúng ta hãy nhanh chóng tiến tới năm 2025. Ba mươi năm đã trôi qua, và các thiết bị hoàn toàn khác nhau, vì vậy những gì chúng ta sống trong năm 2012 bây giờ nghe có vẻ phi thường. Với điện thoại, chúng ta có một thiết bị mở ra khả năng không giới hạn và trở thành một nền tảng hoàn chỉnh. Bạn có thể xem video, phát nhạc, và cũng biến nó thành một người nhận thanh toán hoặc người gửi, và thậm chí thành một giải pháp tín dụng hoàn chỉnh. Ngày nay, thật khó để tưởng tượng một doanh nghiệp không thể chạy trong tay bạn, ghi chú thông minh, trả lời email, và chạy các nhiệm vụ tuân theo hướng dẫn của bạn, hoặc thậm chí hành động thay mặt bạn. Một trong những thay đổi lớn nhất là nó không còn chỉ liên quan đến việc khớp dữ liệu hoặc tự động hóa dòng chảy; nó là về đề xuất hành động tốt nhất tiếp theo. nghĩ về những hệ thống sinh trắc học đầu tiên nơi chúng ta đã xem xét các bản ghi trong một cơ sở dữ liệu để xác minh danh tính và sau đó thêm các nguồn dữ liệu mới để làm cho quyết định của nhà phân tích dễ dàng hơn. ngày nay, một hệ thống có thể đưa ra một quyết định rất chính xác để tiến lên, xem xét dữ liệu và cũng áp dụng các tiêu chí rõ ràng trong suốt quá trình. LLMs (những mô hình ngôn ngữ lớn) đã thay đổi cách thế giới phát triển hoạt động. Nó không còn được chấp nhận cho các kỹ sư để viết mã theo cách họ đã làm một năm trước. Cursor, V0, và GitHub Copilot đã biến đổi cách các giải pháp được xây dựng. Theo cách tương tự, các quy trình tự động hóa đang ở trong một giai đoạn khác, bởi vì Make và n8n có LLM tích hợp và bây giờ có thể làm nhiều hơn các nhiệm vụ lặp đi lặp lại. Một nhà phát triển có thể yêu cầu một webhook mẫu và làm cho nó hoạt động trong vài phút. Một nhà phân tích rủi ro hoặc kinh doanh có thể mô tả một quy tắc mới bằng ngôn ngữ đơn giản và có được SQL chính xác để giám sát nó. Thêm vào đó khả năng tạo ra các bài kiểm tra QA tốt hơn so với trước đây, Practical Recommendations For Those Building the Future of Fintech and Payments: Các khuyến nghị thực tế cho những người xây dựng tương lai của Fintech và thanh toán: 
 
 
 
 
 
 
 
 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 Khóa suy nghĩ Những gì tôi có thể đảm bảo là nếu chúng ta tận dụng những gì đang xảy ra, thay vì lãng phí thời gian hối tiếc về quá khứ, chúng ta sẽ tìm ra cách tác động đến nhiều người hơn, tạo ra nhiều giá trị hơn và xây dựng một thế giới tốt đẹp hơn để sống.

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

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

Bạn nghĩ rằng AI vừa đến Fintech? trên thực tế, AI đã lớn lên trong Fintech.

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

309 Stories To Learn About Smart Contracts

94 Stories To Learn About John Locke

61 Stories To Learn About Polotical Philosophy

189 Stories To Learn About Reading Books

309 Stories To Learn About Smart Contracts

94 Stories To Learn About John Locke

61 Stories To Learn About Polotical Philosophy

189 Stories To Learn About Reading Books

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps