Principais lições aprendidas no painel de discussão com Johan Bryssinck, líder do programa de AI da Swift, Chalapathy Neti, chefe da plataforma AI da Swift, e Tobias Hann, CEO da Mostly AI, na Cúpula AI Serviços Financeiros organizada Artefact 12 de junho de 2024.

Sobre Johan Bryssinck: Na Swift, ele lidera a adoção da artificial intelligence aprimorar produtos e serviços. Com mais de 20 anos de experiência, ele se concentra em estratégia corporativa, inovação e tecnologia, promovendo parcerias para resolver desafios do setor por meio da IA.

Sobre Tobias Hann: Ele é especialista em data sintéticos data soluções AI. É doutor pela Universidade de Economia e Negócios de Viena e possui um MBA pela Haas School of Business da Universidade da Califórnia em Berkeley, além de ter ampla experiência em software, data e aprendizado de máquina.

Sobre Chalapathy Neti: Na Swift, ele desenvolve AI para grandes empresas. Possui ampla experiência em AI e cloud , e já ocupou cargos de liderança na IBM, incluindo o de vice-presidente da IBM Watson Education e diretor de Transformação na Área da Saúde.

Introdução

A discussão centra-se nos desafios significativos enfrentados pelo setor de serviços financeiros, especialmente no que diz respeito à criminalidade financeira, à fraude e à prevenção da lavagem de dinheiro. Estima-se que essas questões representem um custo de cerca de US$ 480 bilhões em todo o mundo. Enfrentar esses problemas em grande escala exige inovação colaborativa, principalmente porque data dispersos por diversos silos.

O papel dos data sintéticos

data sintéticos data como um fator essencial para essa inovação colaborativa. A Swift, empresa líder no setor de infraestrutura de pagamentos, processa um volume significativo de transações que representam parte do PIB global e colabora com inúmeras instituições em todo o mundo. Para combater eficazmente a criminalidade financeira, a Swift colabora com parceiros para utilizar data sintéticos de forma responsável data inovação.

Abordagem ao crime financeiro

Johan aborda a questão persistente da fraude, enfatizando a necessidade de colaboração para combater esse problema. Apesar dos avanços tecnológicos, a fraude continua a aumentar, em parte devido à fragmentação dos métodos de pagamento e à existência de data . A Swift, em colaboração com o Future of Financial Intelligence Service, observou melhorias significativas na detecção e prevenção de fraudes por meio de iniciativas data .

Detecção de anomalias e AI

A ambição da Swift é desenvolver um modelo avançado de detecção de anomalias para o monitoramento de transações em tempo real. A colaboração com bancos e o uso AI serviços de controle de pagamentos já demonstraram resultados promissores, como uma redução de 40% nas taxas de falsos positivos. O próximo passo envolve integrar a detecção de anomalias aos serviços de pré-validação de pagamentos para aumentar a segurança das transações antes de sua execução.

Computação confidencial

A computação confidencial é destacada como uma tecnologia fundamental para data segura data , permitindo data em todas as etapas do processamento. A Swift tem como objetivo expandir essa tecnologia globalmente, trabalhando com hiperescaladores para alcançar sua ampla base de clientes.

A importância dos data sintéticos

Toby, da Mostly AI a importância dos data sintéticos data possibilitar data segura e eficaz data . data sintéticos, que são totalmente anônimos, são úteis em diversos casos de uso, como desenvolvimento de software, pesquisa e treinamento AI . Além disso, eles respondem às preocupações data e contribuem para a criação AI mais robustos e imparciais.

Desafios e perspectivas futuras

A discussão também aborda o impacto da AI emprego e o surgimento de novas empresas de pagamentos como potenciais concorrentes. A Swift continua a inovar, integrando novas tecnologias e expandindo suas redes de pagamentos para se adaptar às mudanças no cenário financeiro.

Conclusão

A conversa ressalta a importância da inovação colaborativa, AI e data sintéticos data combate à criminalidade financeira global. Os esforços contínuos da Swift na detecção de anomalias, data segura data e data sintéticos são fundamentais para reforçar a integridade e a eficiência do ecossistema financeiro.