Principais aprendizados do painel de discussão com Johan Bryssinck, líder do programa AI/ML na Swift, Chalapathy Neti, chefe da plataforma AI/ML na Swift, e Tobias Hann, CEO da Mostly AI, no AI for Financial Services Summit by Artefact - 12 de junho de 2024.
Sobre Johan Bryssinck: Na Swift, ele lidera a adoção do artificial intelligence para aprimorar produtos e serviços. Com mais de 20 anos de experiência, ele se concentra em estratégia corporativa, inovação e tecnologia, impulsionando parcerias para resolver os desafios do setor usando IA.
Sobre Tobias Hann: ele é especializado em soluções sintéticas data e AI. É PhD pela Universidade de Economia e Negócios de Viena e MBA pela Haas School of Business, UC Berkeley, e tem ampla experiência em software, data e aprendizado de máquina.
Sobre Chalapathy Neti: Na Swift, ele desenvolve plataformas AI em escala empresarial. Ele tem ampla experiência em AI, soluções em nuvem e ocupou cargos sênior na IBM, incluindo VP do IBM Watson Education e Diretor de Transformação da Saúde.
Introdução
A discussão se concentra nos desafios significativos do setor de serviços financeiros, principalmente no que diz respeito a crimes financeiros, fraudes e combate à lavagem de dinheiro. Estima-se que esses problemas custem cerca de US$ 480 bilhões em todo o mundo. O enfrentamento desses problemas em escala exige inovação colaborativa, principalmente porque o data está disperso em vários silos.
Papel do sintético data
O data sintético surge como um facilitador crucial para essa inovação colaborativa. A Swift, uma empresa de trilhos de pagamento dominante, facilita um volume significativo de transações globais do PIB e colabora com várias instituições em todo o mundo. Para lidar com o crime financeiro de forma eficaz, a Swift colabora com parceiros para utilizar o data sintético para inovação de forma responsável.
Abordagem sobre crimes financeiros
Johan discorre sobre 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 silos. A Swift, em colaboração com o Future of Financial Intelligence Service, observou melhorias significativas na detecção e prevenção de fraudes por meio de iniciativas de compartilhamento data .
Detecção de anomalias e AI
A ambição da Swift é criar um modelo avançado de detecção de anomalias para o monitoramento de transações em tempo real. A colaboração com os bancos e o aproveitamento do site AI nos serviços de controle de pagamentos já mostraram resultados promissores, como uma redução de 40% nas taxas de falsos positivos. A próxima etapa envolve a integração da detecção de anomalias nos serviços de validação de pagamentos para aumentar a segurança das transações antes do início.
Computação confidencial
A computação confidencial é destacada como uma tecnologia essencial para a colaboração segura no data , permitindo a proteção do data durante todos os estágios do processamento. A Swift pretende expandir essa tecnologia globalmente, trabalhando com hiperescaladores para alcançar sua ampla base de clientes.
Importância do sintético data
Toby, da Mostly AI , discute a importância do data sintético para permitir uma colaboração segura e eficaz data . O data sintético, que é totalmente anônimo, ajuda em vários casos de uso, como desenvolvimento de software, pesquisa e treinamento de modelos AI . Ele também aborda data preocupações com a privacidade e ajuda a criar modelos AI mais robustos e imparciais.
Desafios e direções futuras
A discussão também aborda o impacto do site AI sobre o emprego e o surgimento de novas empresas de pagamento como concorrentes em potencial. A Swift continua a inovar integrando novas tecnologias e expandindo seus trilhos de pagamento para se adaptar aos cenários financeiros em constante mudança.
Conclusão
A conversa ressalta a importância da inovação colaborativa, AI, e sintética data na abordagem do crime financeiro global. Os esforços contínuos da Swift em detecção de anomalias, colaboração segura em data e utilização de data sintético são fundamentais para aprimorar a integridade e a eficiência do ecossistema financeiro.