AI 很容易慶祝。更難跑

人工智能現在無處不在。頭條新聞讚揚突破。演示令人印象深刻。承諾感覺是無限的。但對於銀行和支付公司而言，真正的挑戰始於宣佈之後 - 當 AI 必須在整個經濟體系所依賴的系統內運作時。

當人工智能為付款授權決策、詐欺偵測、身分或風險提供資訊時，就沒有 「快速行動，稍後修復 」的餘地。模特們不能安靜地失敗。決定不會被推翻。而信任一旦失去，就很難再拾回。在過去的一年中，我們的重點不在於單獨追求快速創新，而是跨越地域、法規環境和威脅情況，將智慧規模化運作。

對於正在探索類似領域的組織來說，這個教訓很簡單，但要求很高。AI 成熟度並未宣佈。它是透過我們在高風險時所做的選擇而贏得的。

在生產中運行 AI，必須在速度與紀律、實驗與責任、雄心與細心之間取得平衡。對於希望建立 AI 能力的公司而言，有四個領域最為重要，這不是抽象的原則，而是營運決策。

如果期望 AI 為複雜企業的所有領域提供動力，則不應只由一個團隊負責。對我們公司來說，智慧分佈在整個組織中，接近所要解決的問題，但由共享的標準、管理、工具和最佳實務提供支援。

這種結構允許團隊在保持問責性的同時進行創新。它還能確保模型即使在不同的情境中部署，也能適當地運作。根據我們的經驗，沒有標準的分散化會產生風險，而沒有接近性的集中化則會減緩影響力。平衡很重要。

同樣重要的是，人工智慧的成熟度取決於對人才的投資 - 不只是研究人員和資料科學家，還有工程師、開發人員、產品領導者和操作人員，他們都了解模型在現實世界中的行為方式。當團隊信任他們正在建立和使用的系統時，採用率也會隨之提高。如果不這樣做，即使是最先進的技術也會停滯不前。

Mastercard 的最新 AI 投資專注於為我們的客戶創造新功能，這些功能基於我們數十年的數據、AI 和支付方面的專業知識，以及為我們的員工提供最廣泛觸及的新工具。

對於我們的客戶 (包括數千家銀行和零售商) 而言，這些工作的重點在於開發代理式商務技術，讓消費者能夠在 AI 聊天中直接購物；開發個人化工具，讓消費者能夠獲得最佳體驗；以及開發基於前所未有的更多資料的詐欺解決方案。對於員工而言，這包括為我們的顧問部署 AI 助理，使他們能夠盡快 Access 他們需要的文件，為我們的軟件開發人員提供編碼輔助工具，以及創建一個 Gen-AI 支持的工具，以幫助我們的客戶支持團隊回答入職和實施問題。

我們的許多投資都集中在為我們的核心能力增加更多 AI 智慧和即時決策。這些不是實驗室實驗。它們是生產級系統，必須具備大規模執行能力、持續適應能力，並能承受網路犯罪攻擊和法規審查。

對於金融機構而言，這需要轉換思維。衡量創新的標準不是您推出新產品的速度，而是新產品對工作的關鍵性，以及嵌入核心作業後的可靠度。實驗很重要，但前提是它必須有規律、有目的，而且要持久。

AI 領導力與您不承諾的事一樣重要。在複雜的生態系統中，過度承諾會對內對外造成風險。

我們在談論 AI 在支付領域能做什麼、不能做什麼時，都經過深思熟慮。這種明確性會影響投資決策、部署時間表，以及如何將新功能介紹給客戶和合作夥伴。它還能推動整個組織達成共識，確保團隊解決真正的問題，而不是追逐抽象的可能性。

從客戶需求出發，再倒推至技術。AI 不會改變這個紀律。如果有的話，它會加強這一點。

在金融服務業中，信任是沒有商量餘地的。每個模型都必須是可解釋、可治理且可持續監控的，因為系統取決於它。

在過去的一年中，我們持續強化 AI 系統的審核、記錄和衡量方式。這項工作是基礎。治理並非您在部署結束時所添加的東西，而是讓 AI 以負責任的方式大規模運作的關鍵。許多人可能會覺得這樣會拖慢工作進度，但我們的經驗卻恰恰相反。有了既定的管理，人們就能專注於創新和解決客戶需求。

塑造人工智慧成熟度的許多決策，都需要以長遠的眼光來看待技術的發展方向，以及組織需要哪些條件才能部署人工智慧。這包括建立管理和防護機制、將新功能整合至現有系統而非推出平行的系統，以及將可靠度置於速度之上。這些選擇會隨著時間而複雜化。

我們公司最近 被 Fast Company 譽為 Applied AI 的領導者 ，也是新的 Evident Payment AI Index （評估支付提供商 AI 發展的新產業標準）的頂尖機構之一。我們對於這些肯定感到驕傲，但也要將這些外部評估視為滯後指標。這個排名反映了多年來的一致執行 - 早期對人工智能的投資、對欺詐和信任的長期關注，以及為規模而設計的治理。這並非我們的目標，但它強化了我們的方法，即建立穩固的 AI 和資料基礎，讓我們能夠快速、可靠地創新。

這個基礎是我們現在能夠負責任地進步的原因，無論是透過引入新的基礎 AI 模型和擴展我們的Mastercard Agent Suite功能，以及虛擬 C-Suite（Virtual C-Suite），以實際的管理方式將 AI 融入決策中。這些時刻從外人看來可能是循序漸進的，但其實是早在聚光燈來臨之前就深思熟慮的選擇。

更廣泛的教訓是這樣的：大規模的人工智慧與其說是突破，倒不如說是持續的高營運標準。模型將會改善。能力將擴大。重要的是我們所建立的系統是否能持續贏得信任 - 一筆一筆的交易、一項一項的決策。這就是工作。而且還在進行中。