AnswersPublished14 sources
Revolut bouwt eigen AI-brein voor fraudedetectie en kredietrisico
Revolut heeft Revolut Research opgericht als gespecialiseerde AI onderzoekseenheid binnen zijn bredere AI organisatie. De afdeling ondersteunt PRAGMA, een samen met NVIDIA ontwikkeld foundationmodel dat bankgegevens uit verschillende bronnen in één model samenbrengt.
Gepubliceerd doorBewerkt met GPT-5.6 LunaAfbeeldingen gegenereerd met GPT Image 1.5
Research answer
Key takeaways
- Revolut heeft Revolut Research opgericht als gespecialiseerde AI onderzoekseenheid binnen zijn bredere AI organisatie.
- De afdeling ondersteunt PRAGMA, een samen met NVIDIA ontwikkeld foundationmodel dat bankgegevens uit verschillende bronnen in één model samenbrengt.
- PRAGMA is getraind op circa 24 miljard bankgebeurtenissen uit ongeveer 26 miljoen klantgeschiedenissen in 111 landen en bestaat uit modellen van 10 miljoen tot 1 miljard parameters.
- Volgens een NVIDIA case study verbeterde het model onder meer de detectie van kredietrisico met 2,3 keer, ving het 65 procent meer fraudegevallen en leverde het 41 procent relevantere productaanbevelingen op.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Revolut announce about the launch of Revolut Research, why was the division created, how does it support the company’s “build, don’. Article summary: Revolut announced Revolut Research, a dedicated AI research division within its broader AI organisation.. Topic tags: general web, ai, workflow, productivity, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visu
Revolut heeft Revolut Research gelanceerd: een aparte onderzoeksafdeling voor kunstmatige intelligentie binnen de bestaande AI-organisatie van het financiële technologiebedrijf. De eenheid moet onderzoek naar machine learning voor banken vertalen naar toepassingen in productie. Daarmee wil Revolut niet voor elke functie een afzonderlijke AI-oplossing inkopen of bouwen, maar een gedeelde technologische basis ontwikkelen.
De afdeling vormt de onderzoeksbasis achter PRAGMA, Revoluts foundationmodel voor bankgegevens. Het model is ontwikkeld in samenwerking met NVIDIA. De omschrijving “door NVIDIA ontwikkeld” moet daarom worden begrepen als een gezamenlijke ontwikkeling, niet als een uitsluitend NVIDIA-product. 5
6
Van losse modellen naar één gedeelde basis
De strategie van Revolut laat zich samenvatten als “build, don’t bolt on”: bouw de kern zelf, in plaats van achteraf allerlei losse AI-tools aan elkaar te koppelen. In de praktijk betekent dit dat één intern ontwikkelde modelbasis kan worden aangepast voor verschillende toepassingen die traditioneel met aparte modellen, featuretabellen en handmatig ontworpen kenmerken worden ondersteund.
Revolut noemt onder meer:
- kredietbeoordeling en het inschatten van wanbetalingsrisico;
- fraudedetectie;
- klantsegmentatie en betrokkenheid; en
- gepersonaliseerde productaanbevelingen.
6
10
Het doel is dus niet één model dat elke beslissing volledig zelfstandig neemt. PRAGMA moet vooral een herbruikbare laag van gedragsinformatie leveren waarop voor specifieke taken kleinere modellen of aanvullende afstemming kunnen worden gebouwd.
Wat is PRAGMA precies?
PRAGMA staat voor PRe-trained Banking Foundation Model. Het is een familie van encoderachtige modellen op basis van de Transformer-architectuur. In plaats van tekst verwerkt het model reeksen van financiële gebeurtenissen, zoals betalingen, overschrijvingen en andere product- of gedragssignalen.
Tijdens de training worden delen van die gebeurtenisreeksen afgeschermd. Het model leert vervolgens de ontbrekende informatie te voorspellen. Deze zelflerende methode, bekend als masked modelling, helpt PRAGMA algemene patronen in financieel gedrag te herkennen zonder dat elke gebeurtenis vooraf afzonderlijk van een label hoeft te worden voorzien. De gepubliceerde modellen variëren van 10 miljoen tot 1 miljard parameters. 1
Na de voortraining kan de gedeelde modelbasis relatief efficiënt worden aangepast voor specifieke toepassingen. In de beschreven aanpak kan daarvoor onder meer LoRA-finetuning worden gebruikt: een lichtere vorm van modelaanpassing waarbij niet het volledige model opnieuw wordt getraind. 1
Miljarden bankgebeurtenissen als trainingsmateriaal
Volgens de beschikbare beschrijvingen is PRAGMA getraind op ruwe, van tijdstempels voorziene bankgebeurtenissen uit ongeveer 26 miljoen klantgeschiedenissen. In totaal gaat het om circa 24 miljard gebeurtenissen, afkomstig uit 111 landen. 1
10
Dat brede gegevensbereik moet het model in staat stellen om gedragspatronen over verschillende producten en markten heen te leren. De omvang zegt op zichzelf echter niet dat het model elke financiële beslissing foutloos of zonder menselijke controle kan uitvoeren. Zeker bij kredietverlening en fraudebestrijding blijven nauwkeurigheid, uitlegbaarheid, privacy en toezicht belangrijke voorwaarden.
NVIDIA-infrastructuur, maar geen bevestigd GPU-aantal
Voor het trainen van PRAGMA gebruikte Revolut NVIDIA-versnelde rekeninfrastructuur. De NVIDIA-case study verwijst specifiek naar H100-GPU’s op de Nebius AI Cloud en naar technieken zoals sequence packing en dynamic batching om grootschalige voortraining binnen vaste tijdvensters mogelijk te maken. 10
De bronnen die hier beschikbaar zijn, onderbouwen echter niet het exacte aantal H100-GPU’s of de precieze opbouw van het cluster. Daarover kan dus geen betrouwbaar getal worden gegeven.
Welke resultaten meldt Revolut?
In de case study van NVIDIA worden de volgende verbeteringen ten opzichte van productiebaselines genoemd:
- 2,3 keer betere nauwkeurigheid bij het herkennen van risico op kredietwanbetaling;
- 65 procent meer opgespoorde fraudegevallen;
- 17 procent meer precisie in fraudewaarschuwingen; en
- 41 procent relevantere productaanbevelingen.
Dit zijn door Revolut en NVIDIA gerapporteerde benchmarkresultaten ten opzichte van bestaande productiemodellen. Ze zijn niet hetzelfde als een onafhankelijke, sectorbrede audit. De cijfers moeten daarom worden gelezen als prestatieclaims binnen de beschreven toepassingen en testopstellingen. 6
Onderzoek bestond al vóór de officiële lancering
De oprichting van Revolut Research komt niet uit het niets. Voor de aankondiging waren al een wetenschappelijk artikel over de PRAGMA-modelfamilie en een NVIDIA-case study verschenen. Daarin werd beschreven hoe afzonderlijke systemen voor fraude, krediet, klantbetrokkenheid en aanbevelingen rond één gedeelde modelbasis konden worden georganiseerd. 1
6
De nieuwe afdeling geeft dit bestaande onderzoek een formele plek binnen Revolut. Volgens berichtgeving moet Revolut Research fungeren als de AI-“motor” achter PRAGMA en als schakel tussen fundamenteel onderzoek en toepassingen in financiële diensten. 5
6
Revolut zegt daarnaast van plan te zijn om onderzoek te publiceren, geselecteerde frameworks open source beschikbaar te maken, deel te nemen aan GTC Berlin en de ACM International Conference on AI in Finance (ICAIF), en elk kwartaal wetenschappelijke bijeenkomsten te organiseren. De beschikbare bronnen bevestigen niet alle genoemde namen van leidinggevenden of de exacte formulering van hun citaten; die details zouden moeten worden gecontroleerd in de oorspronkelijke aankondiging van Revolut.
Waarom dit past bij de verdere groei van Revolut
De AI-plannen vallen samen met de internationale schaalvergroting van Revolut. Het bedrijf wil zijn systemen voor risicobeoordeling en personalisatie consistent inzetten terwijl het groeit naar meer dan 80 miljoen klanten in ruim 40 markten.
Ook kreeg de Franse dochteronderneming van Revolut in augustus 2026 een volledige bankvergunning na beoordeling door de Franse prudentiële toezichthouder ACPR en de Europese Centrale Bank. De Franse entiteit moet eerst klanten in Frankrijk bedienen, waarna een gefaseerde uitbreiding naar andere West-Europese markten is voorzien.
Daarmee krijgt de keuze voor één herbruikbare AI-basis extra gewicht. Revolut wil verschillende producten en gereguleerde processen ondersteunen zonder voor iedere markt of functie een volledig afzonderlijke machine-learningstack te bouwen. In de meest praktische betekenis is Revolut Research bedoeld om AI niet als een verzameling losse toevoegingen te behandelen, maar als een kerncapaciteit van de bank. 6
10
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Revolut bouwt eigen AI-brein voor fraudedetectie en kredietrisico"?
Revolut heeft Revolut Research opgericht als gespecialiseerde AI onderzoekseenheid binnen zijn bredere AI organisatie.
What are the key points to validate first?
Revolut heeft Revolut Research opgericht als gespecialiseerde AI onderzoekseenheid binnen zijn bredere AI organisatie. De afdeling ondersteunt PRAGMA, een samen met NVIDIA ontwikkeld foundationmodel dat bankgegevens uit verschillende bronnen in één model samenbrengt.
What should I do next in practice?
PRAGMA is getraind op circa 24 miljard bankgebeurtenissen uit ongeveer 26 miljoen klantgeschiedenissen in 111 landen en bestaat uit modellen van 10 miljoen tot 1 miljard parameters.