在持续发展的金融科技领域,万事达卡已经成为运用人工智能(AI)推动创新和运营效率的一股先锋力量。本次案例研究深入探讨了万事达卡如何以战略方式应用AI、扩展其应用并维持强大的治理流程,从而确保负责任且行之有效地使用这项变革性技术。
万事达卡早已意识到AI当中蕴藏的变革潜力。该公司总裁兼CTO Ed McLaughlin表示,“多年以来,AI一直是万事达卡的一项基本能力,而且我们相信其重要意义和影响力将会与日俱增。”该公司已经将AI无缝整合至其核心运营当中,从而增强其服务的安全性与个性化。
万事达卡运用AI技术的主要方式之一,就是将其决策管理平台打造成网络中运行的AI大脑。该平台帮助该公司对交易活动做出复杂的实时决策,从而大大增强其欺诈检测与预防能力。McLaughlin强调称,“在过去12个月间,我们已经阻止了价值超过200亿美元的欺诈行为。”
万事达卡对于AI科技的战略应用绝非偶然,而是精心决策的结果。该公司还专门采用两级审查机制来评估AI机会,即AI审查委员会与后续的深度技术审查。
AI审查委员会由来自不同领域的专家组成,包括法律、隐私、产品及业务等多个部门。该委员会负责评估潜在AI项目的意图、数据来源与道德影响。McLaughlin解释称,“我们会从法律、隐私、产品和业务意图的角度入手,其中的重点就在于回答这样几个核心问题——我们想做什么?我们应不应该这么做?我们能不能做到?”
一旦项目通过初步审查,接下来就会经历严格的技术评估。其中涉及评估拟议AI应用的可扩展性、投资回报率和运营效率。McLaughlin强调称,“如果无法扩展,则项目没有意义”,由此凸显出可扩展性在AI规划中的重要性。
万事达卡扩展AI的方法还涉及静默模式验证,即在保持现有系统运行的同时测试新的AI技术。这种方法使得该公司能够在不中断当前运营的情况下衡量AI的影响和功效。McLaughlin指出,“我们可以在生产中将其与原有系统同时运行,然后决定这种功能增量是否真正物有所值。”
为了确保AI计划能够有效扩展,万事达卡在培训和提升员工技能方面也投入了大量资金。该公司为软件工程、数据科学和销售等不同职能角色建立起专门的工作台,旨在提供量身定制的AI工具与培训内容。McLaughlin解释道,“我们会问自己,到底应该在数据科学、工程工作台、生成和其他方面投入多少资金?又该如何根据所处环境进行量身定制?”
治理在万事达卡的AI战略中发挥着至关重要的作用。该公司已经建立起全面的AI治理框架,旨在监督AI的道德与负责任使用行为。该框架涵盖持续监控、补偿控制与反馈循环等多个步骤,以确保模型持续有效并减轻意外后果。
万事达卡还是哈佛AI负责任使用委员会(Harvard Council for the Responsible Use of AI)的创始成员,这也反映出其对于道德AI实践的承诺。McLaughlin强调称,“我们向消费者发布了数据权利法案:您的数据永远归您自己所有。您有权知晓我们从您处获取了哪些数据,以及我们将如何使用这些数据。”
该公司的治理流程,则确保所有AI应用程序都符合其核心原则与监管要求。其中具体涉及定期审查并更新AI模型,从而解决概念漂移及可能随时间推移而出现的其他挑战。
万事达卡将继续探索新的AI技术及其潜在应用。McLaughlin也谈到生成式AI与量子计算对于公司未来战略的影响。“我们既会从安全角度审视量子计算,也将其视为处理传统计算体系无法解决的复杂组合问题的重要手段。”
万事达卡的前瞻性思维,既保证其始终处于技术创新的前沿,同时也维持着客户的信任与信心。该公司对AI科技的战略性运用不仅增强了其当前运营,同时也使其能够应对金融技术领域中的未来挑战和机遇。
万事达卡对AI的战略应用为其他希望发掘这一技术潜力的组织建立了强有力的榜样。通过明确的治理框架、严格的审查流程以及对道德实践的坚实承诺,万事达卡确保其AI计划始终在秉持最高责任与诚信标准的同时实现重大价值。而随着AI技术的不断发展,万事达卡这种积极主动的战略方法也将支撑其始终矗立在金融行业创新探索的最前沿。
好文章,需要你的鼓励
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。