Mastercard анонсировала собственную ИИ-модель для платежей и коммерции, обучаемую на миллиардах обезличенных транзакций.

Mastercard анонсировала собственную ИИ-модель для платежей и коммерции, обучаемую на миллиардах обезличенных транзакций. Она позиционируется как backend insights engine, то есть инфраструктурный слой, который должен улучшать уже существующие сервисы платёжной системы на основе аналитики. В разработке участвуют NVIDIA и Databricks.

Mastercard делает ставку не на обычную LLM, а на то, что сама компания и отраслевые медиа называют large tabular model (LTM) — модель, обучаемую не на тексте и картинках, а на структурированных платёжных данных. По сути компания пытается создать единый базовый интеллект для своей платёжной сети, который будет понимать типовые паттерны глобальной коммерции лучше, чем набор разрозненных моделей под отдельные задачи.

Зачем это Mastercard

▫️ Усилить конкурентное преимущество. Главный актив платёжной системы — огромный массив данных о платёжном поведении. Чем больше у Mastercard данных о глобальной коммерции, тем лучше она может обучать модели, а чем лучше модели, тем ценнее сеть для банков и мерчантов.

▫️ Улучшить антифрод. Фундаментальная ЛТМ-модель лучше распознаёт различие между действительно подозрительной операцией и необычной, но легитимной транзакцией — например, крупной редкой покупкой. Для Mastercard это критично, потому что ложные блокировки — это потерянная выручка и для банка-эмитента, и для эквайера, и для мерчанта.

▫️ Расширить позиционирование с процессинга в сторону операционной AI-платформы для торговли и платежей.

А ещё это возможность увеличить ценность для банков и мерчантов без изменения базовой платёжной инфраструктуры. Не нужно строить новые платёжные продукты с нуля — достаточно встроить мощную ИИ-модель в уже существующие.

Финтехно