AI WORLD HQ
Gondolj egy benzinkúton elutasított kártyás fizetésre vagy egy átutalásra, amelyet a bank még teljesülés előtt gyanúsnak jelöl. A másodperc törtrésze alatt meghozott döntések mögött olyan rendszer áll, amelynek a tranzakció közben kell megítélnie minden egyes műveletet. A Snowflake legújabb bejelentése az ezt lehetővé tevő eszközökről szól.
A legfontosabb részek egyszerűen
A Snowflake néhány egymáshoz kapcsolódó részt mutat be, amelyek mindegyikének egyszerű feladata van:
- Online Feature Store (az ügyfelekről és a tevékenységükről szóló adatok folyamatosan frissülő tárháza). A csalásfelderítő modelleknek friss információkra van szükségük, például arra, hogy egy fiókról hány vásárlást indítottak az elmúlt órában. A vállalat szerint ez a tárhely mostantól általánosan elérhető, vagyis az ügyfelek éles környezetben is használhatják.
- Kis késleltetésű modellkiszolgálás (szinte azonnali válaszadás). A modell egy betanított program, amely előrejelzést készít. A „kis késleltetés” azt jelenti, hogy nagyon rövid idő alatt ad választ, ami fontos, amikor valaki a pénztárnál várakozik.
- MLOps (a gépi tanulási modellek megbízható működtetéséhez szükséges rendszeres feladatok). Ide tartozik a modellek frissítése, figyelése és idővel történő lecserélése, hogy ne maradjanak észrevétlenül le a változó csalási módszerek mögött.
A Snowflake szerint mindez egyetlen platformon működik, így az adatokat nem kell több különböző rendszer között másolgatni.
Az ügyfélpélda
A Snowflake kiemeli a VALID Systems példáját, amely a vállalat szerint 7–10%-kal csökkentette a betételhelyezésekből származó veszteségeit, miután áttért a Snowflake használatára. Ez a Snowflake saját állítása, és egyetlen ügyfél eredményét mutatja be, nem pedig bárki számára garantált kimenetelt. A bejelentés nem részletezi, hogyan mérték ezt az értéket, illetve milyen időszakra vonatkozik, ezért inkább olyan állításként kezeld, amelynek érdemes utánanézni, ne viszonyítási alapként.
Mit jelent ez neked?
- Vállalatvezetőknek: A legfontosabb kérdés az, hogy a csalásellenőrzések lépést tudnak-e tartani az élő tranzakciókkal. Ha a jelenlegi folyamat éjszaka futó, kötegelt jelentésekre épül, kérdezd meg a csapatodat, hogy ma milyen gyorsan lehet megvizsgálni egy gyanús fizetést.
- Adat- és kockázatkezelési csapatoknak: Nézzétek meg alaposan, hogy illeszkedik-e egy folyamatosan frissülő adattár a jelenlegi adatkezelési rendszeretekhez. Arra is kérdezzetek rá, hogyan figyelik a modelleket az élesítés után, ne csak arra, hogyan készítik el őket.
- A mindennapi felhasználóknak: Neked nem kell ilyesmit működtetned. Hasznos azonban tudni, hogy sok bank és fizetési szolgáltató már használ hasonló rendszereket. Ha egy kártyás fizetést váratlanul elutasítanak, továbbra is az a legjobb első lépés, ha felveszed a kapcsolatot a bankoddal.
Összegzés
A Snowflake bejelentése három dolgot kapcsol össze: az ügyfelek élő adatait, a modellek gyors válaszait és a modellek folyamatos karbantartását, mindezt egyetlen platformon. A vállalat által közölt ügyféleredmény figyelemre méltó, de ez egyetlen cég állítása. Ha pénzügyekkel, kockázatkezeléssel vagy adatokkal foglalkozol, a következő lépés egyszerű: derítsd ki, mennyi idő alatt válaszolnak a jelenlegi csalásellenőrzéseid, és írd fel ezt a számot a következő tervezési megbeszélésed előtt.