Revolut spouští Revolut Research. Jeho AI má stát na jednom modelu pro celé bankovnictví

Revolut nechce AI jen „přilepit“ k jednotlivým produktům

Revolut oznámil vznik divize Revolut Research, která bude fungovat uvnitř širšího AI týmu společnosti. Jejím úkolem je posunout výzkum strojového učení zaměřeného přímo na bankovnictví do produkčního nasazení. Zároveň má sloužit jako výzkumné zázemí pro modelovou řadu PRAGMA, vyvinutou ve spolupráci s Nvidií. 610

Za vznikem divize stojí strategie, kterou Revolut označuje jako „build, don’t bolt on“ – tedy „vyvíjet vlastní řešení, místo abychom je dodatečně připevňovali“. V praxi to znamená nespoléhat na množství oddělených nástrojů třetích stran nebo samostatných modelů pro každý úkol. Revolut chce místo toho používat společný, interně vyvíjený základ, který lze přizpůsobit různým bankovním funkcím. 610

Podle šéfa AI Revolutu Pavla Nesterova nemá být budoucnost inteligentního bankovnictví postavena na „blueprintech“ dodavatelů, ale na vlastních modelech trénovaných pro finanční prostředí. 6

Co je PRAGMA

PRAGMA je zkratka pro PRe-trained Banking Foundation Model, tedy předtrénovaný základní model pro bankovnictví. Nejde o jazykový model pro práci s textem, ale o rodinu enkodérových Transformerových modelů, které zpracovávají sekvence bankovních událostí z více zdrojů. Publikovaná řada sahá od modelů s 10 miliony až po model s 1 miliardou parametrů. 1

Model se učí ze surových časově označených událostí – například z plateb, převodů a dalších signálů souvisejících s používáním finančních produktů. Při předtrénování využívá samořízené učení s maskováním: část vstupních událostí se skryje a model se učí doplňovat chybějící informace a rozpoznávat širší vzorce finančního chování. 1

Základní model lze následně poměrně levně přizpůsobit konkrétním úlohám, například pomocí metody LoRA. Jedna společná reprezentace zákaznického chování tak může sloužit více týmům a produktům namísto budování samostatného modelu pro každé použití.

Rozsah dat a spolupráce s Nvidií

Zveřejněné popisy uvádějí, že PRAGMA byl trénován na přibližně 26 milionech zákaznických historií, které zahrnují 24 miliard bankovních událostí ze 111 zemí. 110 Některé méně autoritativní popisy uvádějí odlišná čísla, například 25 milionů uživatelů nebo 40 miliard událostí; pro tento článek používáme údaje z odborné publikace a případové studie společnosti Nvidia.

Označení „model vyvinutý Nvidií“ je proto potřeba chápat přesněji: PRAGMA vznikl ve spolupráci Revolutu a Nvidie, nikoli jako výhradně produkt Nvidie. 1013 Revolut přinesl bankovní data a zaměření na finanční úlohy, zatímco Nvidia poskytla technologickou spolupráci a akcelerovanou výpočetní infrastrukturu.

Model byl podle případové studie trénován s využitím akcelerovaného výpočtu Nvidia, včetně GPU Nvidia H100 v cloudu Nebius. Dostupné materiály však nepotvrzují přesný počet použitých GPU ani konkrétní topologii výpočetního clusteru. 610

K čemu má model sloužit

Revolut chce PRAGMA využívat jako společnou vrstvu behaviorální inteligence pro několik oblastí:

• hodnocení úvěrového rizika a pravděpodobnosti nesplácení,
• odhalování podvodů,
• segmentaci zákazníků,
• predikci zapojení a dalších forem zákaznického chování,
• personalizovaná doporučení finančních produktů.

Cílem je, aby jeden široce předtrénovaný základ dokázal podporovat různé regulované rozhodovací procesy i zákaznické funkce. Revolut tak chce nahradit řadu oddělených modelů a ručně vytvářených tabulek vlastním společným základem. 610

Jaké výsledky Revolut a Nvidia uvádějí

Případová studie Nvidie porovnává PRAGMA s produkčními základními modely Revolutu a uvádí tyto výsledky:

• 2,3× přesnější identifikace rizika nesplácení úvěru,
• o 65 % více zachycených podvodných případů,
• o 17 % vyšší přesnost podvodových upozornění,
• o 41 % relevantnější doporučení produktů. 6

Jde o firemní a partnerské benchmarky vůči dosavadním produkčním řešením, nikoli o nezávisle auditované srovnání s celým bankovním odvětvím. Výsledky proto ukazují především potenciální přínos sjednocení modelové architektury v rámci Revolutu. 6

Výzkum nezačíná od nuly

Oznámení Revolut Research nepřichází jako start projektu bez předchozích výsledků. Ještě před vznikem divize byla zveřejněna odborná práce popisující PRAGMA jako rodinu základních modelů pro bankovní události. 1 Nvidia zároveň v červnu publikovala případovou studii, podle níž Revolut sjednocuje dříve oddělené systémy pro podvody, úvěry, zapojení zákazníků a doporučení kolem jednoho společného základu. 6

Nová divize tedy především institucionalizuje již probíhající výzkumný a vývojový program. Má vytvořit trvalé zázemí, které propojí akademický výzkum, vývoj modelů a jejich nasazení v bankovních produktech.

Publikace, open source a odborná komunita

Revolut uvedl, že chce prostřednictvím Revolut Research publikovat výsledky svého výzkumu a vybrané frameworky uvolňovat jako open source. Divize se má účastnit také technologické konference GTC Berlin a odborné konference ACM International Conference on AI in Finance (ICAIF). Součástí plánů jsou rovněž čtvrtletní vědecká setkání.

Konkrétní jména dalších vedoucích pracovníků a přesné znění jejich vyjádření však z dostupných vysoce autoritativních materiálů nelze nezávisle ověřit. Tyto detaily by proto bylo vhodné potvrdit v původním oznámení Revolutu.

Souvislost s expanzí Revolutu

Iniciativa přichází v době, kdy Revolut rozšiřuje své služby za hranici 80 milionů zákazníků ve více než 40 trzích. Společnost potřebuje škálovat řízení rizik, prevenci podvodů i personalizaci napříč různými zeměmi a produkty. 34

Významným krokem v evropské expanzi se stalo také získání plné bankovní licence pro francouzskou entitu Revolut Bank S.A. po společném posouzení francouzským dohledem ACPR a Evropskou centrální bankou. Francouzská banka má nejprve obsluhovat zákazníky ve Francii a následně podpořit postupné rozšíření do dalších západoevropských zemí. 34

V tomto kontextu má Revolut Research praktický význam: místo samostatného AI řešení pro každý produkt chce firma vytvořit znovupoužitelnou bankovní schopnost. Jeden model, který se učí z rozsáhlých finančních vzorců, lze následně přizpůsobit různým úlohám – od prevence podvodů až po doporučení vhodného produktu. 610