Corporate One 联邦信用合作社总部位于俄亥俄州哥伦布市,是一家非营利组织,近75年来一直为会员提供投资、融资和支付解决方案。在此期间,它适应了行业的诸多变化,始终致力于确保会员不会落后。
大约在2017年,经过多次头脑风暴会议讨论如何创新时,他们意识到需要更好地协调和促进金融系统之间的消息流通。Corporate One 一直致力于帮助会员信用合作社提升利润和有效管理现金,因此希望为行业提供新的支付渠道接入,并为信用合作社创造利用即时支付的机会。毕竟,金融机构的核心技术不仅仅是系统,更是存储所有关键客户账户信息的深度集成仓库,能够高效且安全地提供服务。
该公司执行副总裁兼首席信息官 Prashanta Pradhan 表示,由于这些核心系统的基础性作用,它们高度复杂且深度融入机构运营的各个方面。这种相互依存性使得从一个核心解决方案切换到另一个成为一项艰巨的任务。例如,如果你的核心系统不支持实时支付或某些特定功能,你要么等待核心系统引入这些功能,要么咬牙承担更换核心系统的工作。
借助中心的帮助
认识到这一现实后,Corporate One 创建了一个数据编排中心,允许不同的核心系统连接到其他服务。"这个中心让我们能够连接那些本来不相通的系统,这样我们就能提供新功能,本质上为会员建立一个创新服务生态系统,"他说。
实时或即时支付是一个非常成功的功能。通过与全球技术咨询公司 Xebia 密切合作,Corporate One 能够将各种核心解决方案连接到不同的支付渠道,如 The Clearing House (TCH) 和 FedNow。因此会员可以快速、安全地实时在银行账户之间转账。"我们负责核心连接和所有在这些渠道上往来的交易,"他说,"会员只需要连接到我们即可。"通过提供这个统一不同会员的编排层,Corporate One 使不同的核心系统能够相互通信,为改进流程和创新方式创造了机会。
当你从银行账户向同一银行的其他人转账时,过程是即时的,因为银行知道资金是合法的。如果你向其他银行的账户转账,会有延迟,因为对方银行需要验证资金。通过将不同的核心技术整合在一起,这个数据编排中心消除了这种认证的需求,因为不同的核心技术已经相互连接。
Pradhan 说:"这个想法源于我们了解到一群信用合作社向他们的核心供应商提出要求,希望添加100个大大小小的功能,以便更好地与市场上的其他参与者竞争并提供特色服务。核心供应商的回应是这需要长达50年的时间。我们希望加快创新周期,并通过无缝连接提供更便宜的服务。"因此,数据编排中心不仅降低了运营成本,简化了 Corporate One 会员的入职流程,还因为资金流转更快而提高了客户满意度。
但会员入职本身就是一个重大挑战。在编排中心的第一年,只有一个会员参与进来。"我们非常感谢第一个信任我们并与我们一起踏上这段旅程的信用合作社,因为这是一个全新的尝试,"他说。但这段旅程并非一帆风顺。这家首个信用合作社规模相当大,这意味着他们每天要处理大量交易。"当我们第一次启动数据编排中心时,交易量很大,这些交易的拒绝率也很高,"他补充道。"所以我们不得不立即关闭它,找出问题所在。"他们发现信用合作社的核心系统不够快,导致交易超时。"我们暂停下来,修复了核心系统,然后重试,"他说。"在最初测试时,我们没有这么大规模的交易。所以当我们上线时,核心系统还没有准备好。"整个过程中的每一天都是一次学习经历。
解决这些问题后,Corporate One 花了大约一年时间在美国各地与会员交流,教育他们正在做什么。在六个月内,多达40个会员完成了入职,如今,Corporate One 的编排中心已有超过60个会员。
回顾这个项目,Pradhan 强调你始终需要考虑目标受众,询问正在设计和开发的解决方案是否真正符合目标受众的需求。"大多数人都谈论这一点,但我觉得在许多情况下,我们没有给予足够的关注,"他说。理解这一点归结为与受众的沟通和建立牢固的关系。"如果你没有良好的关系,当遇到挑战时—因为一定会有挑战—你将无法克服它们并朝着共同目标前进。"
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。