Revolut Research skal gøre AI til bankens fælles grundlag

Revolut vil ikke nøjes med at købe sig til en samling løsrevne AI-værktøjer. Med lanceringen af Revolut Research etablerer fintechselskabet en særskilt forskningsenhed, der skal udvikle maskinlæring specifikt til bankforretning – og omsætte forskningen til funktioner, der kan bruges i produktionen. 1013

Fra enkeltstående modeller til én fælles AI-rygrad

Revolut beskriver tilgangen som “build, don’t bolt on”: Byg selv i stedet for at montere eksterne løsninger oven på eksisterende systemer.

I praksis betyder det, at selskabet forsøger at samle opgaver, der traditionelt har været håndteret af separate modeller og manuelt konstruerede datasæt, omkring én genanvendelig grundmodel. Den fælles model skal kunne tilpasses forskellige formål som:

• kreditvurdering og vurdering af risikoen for misligholdelse
• opdagelse og forebyggelse af svindel
• kundesegmentering
• personlige anbefalinger af produkter
• andre beslutninger og kundeoplevelser i bankens platform 610

Revolut Research skal fungere som forskningsmotoren bag denne strategi og især drive udviklingen af PRAGMA, selskabets bank-specifikke foundation-model, som er udviklet i samarbejde med Nvidia. 610

Hvad er PRAGMA?

PRAGMA står for PRe-trained Banking Foundation Model. Det er ikke en almindelig chatbotmodel, der primært er trænet på tekst. PRAGMA er i stedet udviklet til at analysere lange og uregelmæssige forløb af bankhændelser – eksempelvis betalinger, overførsler og andre produkt- og adfærdssignaler.

Den offentliggjorte modelserie består af encoder-baserede Transformer-modeller med mellem 10 millioner og 1 milliard parametre. 1

Under fortræningen bruges en selvopsynende metode med såkaldt maskeret modellering. Modellen får dele af en kundes historik skjult og lærer at udlede, hvad der mangler, ud fra den øvrige sammenhæng. På den måde kan den opbygge en mere generel forståelse af økonomiske adfærdsmønstre, før den finjusteres til konkrete opgaver. 1

Trænet på milliarder af bankhændelser

Ifølge de offentliggjorte beskrivelser er PRAGMA trænet på rå, tidsstemplede bankdata fra cirka 26 millioner kundehistorikker. Datagrundlaget omfatter omkring 24 milliarder hændelser på tværs af 111 lande. 110

Det er værd at præcisere, at formuleringen om en “Nvidia-udviklet” model ikke bør forstås som et rent Nvidia-produkt. PRAGMA er udviklet i et samarbejde mellem Revolut og Nvidia, mens Revolut står bag den bankmæssige anvendelse og den overordnede modelretning. 1013

Nvidia-infrastruktur – men intet bekræftet GPU-antal

PRAGMA er trænet på Nvidia-accelereret computerinfrastruktur. Nvidias casestudie omtaler brug af Nvidia H100-GPU’er på Nebius AI Cloud samt teknikker som sequence packing og dynamic batching, der gør det muligt at fortræne store modeller inden for faste tidsrammer. 10

Det tilgængelige materiale dokumenterer dog ikke uafhængigt det præcise antal H100-kort eller den konkrete opbygning af klyngen. Derfor er det ikke muligt at fastslå en bestemt GPU-topologi ud fra de kilder, der ligger til grund for denne artikel. 16

Revolut og Nvidias rapporterede resultater

I Nvidias casestudie sammenlignes PRAGMA med Revoluts eksisterende produktionsmodeller. Her rapporteres følgende forbedringer:

• 2,3 gange bedre nøjagtighed ved identifikation af risiko for kreditmisligholdelse
• 65 procent flere opdagede svindelsager
• 17 procent større præcision i svindelalarmer
• 41 procent mere relevante produktanbefalinger 6

Tallene er virksomhedens og Nvidias benchmarkresultater målt mod tidligere produktionsbaselines. De er ikke det samme som en uafhængig, branceomfattende revision af modellens præstationer. 6

Hvad skete der før lanceringen?

Lanceringen af Revolut Research kommer efter flere konkrete udviklingstrin. PRAGMA-forskningen er blevet offentliggjort som en modelserie, og Nvidias tidligere casestudie beskriver, hvordan Revolut har arbejdet på at samle separate systemer til svindel, kredit, kundeengagement og anbefalinger omkring en fælles modelrygrad. 16

Den nye enhed institutionaliserer dermed et arbejde, der allerede havde resulteret i både offentliggjort forskning og benchmarkresultater med fokus på anvendelse i produktionen. 16

Revolut har samtidig meldt ud, at Revolut Research vil:

• offentliggøre forskningsresultater
• open source udvalgte frameworks
• deltage i GTC Berlin og ACM-konferencen International Conference on AI in Finance, ICAIF
• afholde videnskabelige meetups hvert kvartal 6

De tilgængelige højt rangerede kilder giver ikke tilstrækkeligt grundlag til uafhængigt at bekræfte alle navngivne ledere eller den præcise ordlyd i deres citater. Sådanne detaljer bør derfor kontrolleres i Revoluts oprindelige lanceringstekst.

Hvorfor kommer initiativet nu?

AI-satsningen skal gøre det lettere for Revolut at levere ensartede risikovurderinger og personaliserede tjenester, mens selskabet vokser til over 80 millioner kunder i mere end 40 markeder.

Væksten falder sammen med, at Revoluts franske selskab har fået en fuld banklicens efter en godkendelsesproces involving Frankrigs tilsynsmyndighed ACPR og Den Europæiske Centralbank. Licensen skal i første omgang understøtte aktiviteter i Frankrig og derefter en gradvis udvidelse i Vesteuropa. 34

Hvad betyder det for Revolut?

For Revolut er målet at gøre AI-laget til en central og genanvendelig bankkapacitet. I stedet for at bygge en ny maskinlæringsstak til hvert enkelt produkt skal én model kunne lære brede mønstre i kundernes økonomiske adfærd og derefter tilpasses forskellige regulerede beslutninger og kundeoplevelser. 610

Det er den centrale idé bag Revolut Research: Ikke blot mere AI, men en fælles teknologisk grundmur, som selskabet kan bygge flere bankfunktioner oven på.