保護客戶，同時減少誤判情況
Capital One 是美國規模最大的銀行之一，也是規模最大的數位銀行。隨著客戶逐漸放棄前往實體銀行改在線上的方式使用網路銀行，Capital One 也擁抱新的技術，採用 AI 和機器學習解決方案，並且幾乎將這些解決方案應用到營運的每一個層面，以智慧充實客戶體驗。
其中 Capital One 將機器學習應用在詐騙偵測範圍的領域。世界上最危險的網路罪犯有部分會瞄準金融服務產業，因此資料安全性更不容忽視。根據 2018 年白宮經濟顧問委員會所做的調查報告，最近幾年惡意網路活動造成的經濟損失，高達 570 億美元至 1090 億美元之間，其中以入侵金融業的數量最多。
機器學習擁有分散到多個儲存中心的大量資料，這項技術向來非常重要，因為 Capital One 致力保障客戶的財務健康 — 幫助客戶有更好的財務能力、能留意詐騙並盡量減少誤判，以及更妥善地管理支出。
Capital One 機器學習部副總經理 Nitzan Mekel-Bobrov 哲學博士說：「在過去幾年，我們意識到唯有充分利用機器學習，才能增強使用者體驗，以及協助我們針對與客戶的互動，做出更周延的決策。我們不斷建置更精密的系統，以充分利用各種結構化和非結構化資料。這讓我們可以更準確地預測交易是否為詐騙活動。」
利用一套廣泛的機器學習工具和架構，例如 TensorFlow on Amazon Web Services (AWS)，Capital One 能分析大量資料，進而協助其即時偵測並防範詐騙。有可疑的行為發生時，Capital One 會自動提醒客戶、陪客戶走完詐騙舉報步驟、協助客戶鎖卡並訂購新的金融卡，然後解鎖臨時卡，讓客戶不致陷入無法用錢的窘境。運用更龐大的資料、更長久的資料記錄及進階的演算法，Capital One 能專注於利用機器學習，來徹底革新防範詐欺控管機制。
「在過去幾年，我們意識到唯有充分利用機器學習，才能增強使用者體驗，以及協助我們針對與客戶的互動，做出更周延的決策。」
Nitzan Mekel-Bobrov 哲學博士
機器學習部副總經理
Capital One
「在過去幾年，我們意識到唯有充分利用機器學習，才能增強使用者體驗，以及協助我們針對與客戶的互動，做出更周延的決策。」
Nitzan Mekel-Bobrov 哲學博士
機器學習部副總經理
Capital One
對 Capital One 來說，使用 AWS 的資料分析和機器學習產品帶來龐大的新商機，讓他們可以客製化使用者體驗，以及能取得更多深入分析資料，來了解與客戶的互動並協助通知重要的業務決策。甚至這也適用於銀行的客服中心，他們將語音辨識技術用於自動化訓練和驗證系統，讓驗證系統在過去 18 個月內的準確度提升約兩倍。
Mekel-Bobrov 表示：「我們用機器學習，防範詐騙進而保護客戶。但很多事情都是一體兩面，一方面，這是我們防禦策略的重要一部分，但另一方面，難免遇到交易遭拒的負面體驗，實際上不應如此。這幫助我們具備保護能力，而不是過度保護。」
就 Mekel-Bobrov 的觀點來說，誤判會引起客戶不悅，甚至導致客戶流失。Mekel-Bobrov 指出：「我們現在能使用機器學習，以更加動態的方式，持續在正反兩面中取得更好的平衡。我們可以繼續優化提供充分保護的優勢，但不藉由過多的誤判來提供過度的保護。」
更重要的是，AWS 雲端讓 Capital One 能部署各種內部軟體和機器學習工具，讓銀行可以即時駕馭其資料，在高度管制的產業裡，快速提供必要的解決方案。此外，由於 AWS 雲端擁有媲美現場部署資料中心的安全性 ( 在大多數情況下甚至更安全)，所以能夠運用這些創新技術，同時堅守其保護客戶及其資料的責任。
Mekel-Bobrov 表示：「透過 AWS 和我們轉向雲端的計畫，我們可以建置真正最新式的機器學習生態系統，讓我們的所有資料保持連線且全面可用。這讓我們可以部署自動設為接收資料的模型，進而自動擴展我們的基礎設施，甚至安插我們自己的解決方案，以增加彈性，如此一來，我們就可以專注於更妥善地利用機器學習來解救大家。」