Menikmati podcast kami? Jangan lewatkan episode mendatang! Silakan tekan tombol berlangganan itu Apple, Spotify, Youtube, atau platform podcast favorit Anda untuk terus mendapatkan informasi terbaru tentang konten terbaru kami. Terima kasih atas dukungan Anda!

Penggunaan model pembelajaran mesin dalam penjaminan pinjaman konsumen telah ada selama lebih dari satu dekade. Meskipun fintech jelas-jelas memimpin di sini, baru beberapa tahun terakhir ini pemberi pinjaman tradisional mulai terlibat dengan teknologi ini. Meskipun model AI/ML ini berbeda dari tren AI Generatif yang melanda dunia bisnis pada tahun lalu, fenomena ini tentu saja membantu meningkatkan kesadaran.

Tamu saya berikutnya di podcast Fintech One-on-One adalah Laura Kornhauser, CEO dan Salah Satu Pendiri Stratifikasi. Perusahaannya memiliki misi untuk memungkinkan inklusi keuangan yang lebih besar bagi masyarakat sekaligus membantu lembaga keuangan mengelola dan memitigasi risiko dengan lebih baik. Mereka melakukan hal tersebut dengan menerapkan model AI canggih mereka dan, tentu saja, melalui dedikasi karyawannya.

Di podcast ini Anda akan belajar:

• Kisah pendirian Stratyfy.
• Misi perusahaan dan bagaimana perkembangannya?
• Berbagai jenis lembaga keuangan tempat mereka bekerja saat ini.
• Bagaimana mereka membedakan diri mereka dari orang lain di ruang tersebut.
• Cara kerja produk UnBias mereka.
• Transparansi berarti pemberitahuan tindakan yang merugikan.
• Apa yang menjadi perhatian utama sebagian besar bank dan fintech saat ini.
• Jenis data yang digunakan klien mereka adalah yang paling penting.
• Apa yang terlibat dalam penerapan Stratyfy ke dalam sistem pemberi pinjaman.
• Bagaimana model AI mereka meningkat seiring waktu.
• Bagaimana popularitas AI melalui ChatGPT berdampak pada Stratyfy.
• Bagaimana rasanya meningkatkan putaran ekuitas pada tahun 2023.
• Tantangan terbesar yang dihadapi Stratyfy saat ini.
• Bagaimana AI akan terus berkembang dalam hal pengambilan keputusan kredit dan risiko.

Baca transkrip percakapan kami di bawah ini.

Peter Renton  00:01

Selamat datang di podcast Fintech Satu-satu. Ini Peter Renton, Ketua dan Salah Satu Pendiri Fintech Nexus. Saya telah melakukan acara ini sejak tahun 2013, yang menjadikannya acara wawancara tatap muka terlama di seluruh fintech. Terima kasih telah bergabung dengan saya dalam perjalanan ini. Jika Anda menyukai podcast ini, Anda harus melihat acara saudara kami The Fintech Blueprint bersama Lex Sokolin dan Fintech Coffee Break bersama Isabelle Castro, atau dengarkan semua yang kami produksi, dengan berlangganan saluran podcast Fintech Nexus.

Peter Renton  00:39

Sebelum kita mulai, saya ingin mengingatkan Anda bahwa Fintech Nexus kini menjadi perusahaan media digital. Kami telah menjual bisnis acara kami dan 100% fokus menjadi perusahaan media digital terkemuka untuk fintech. Artinya bagi Anda, kini Anda dapat berinteraksi dengan salah satu komunitas fintech terbesar, lebih dari 200,000 orang melalui beragam produk digital, webinar, whitepaper mendalam, podcast, email blast, iklan, dan banyak lagi. Kami dapat membuat program khusus yang dirancang khusus untuk Anda. Jika Anda ingin menjangkau audiens fintech senior, silakan hubungi bagian penjualan di fintech nexus.com hari ini.

Peter Renton  01:21

Hari ini di acara itu, saya dengan senang hati menyambut Laura Kornhauser. Dia adalah CEO dan salah satu pendiri Stratyfy. Sekarang Stratyfy adalah perusahaan yang sangat menarik yang berfokus pada keputusan risiko berbasis AI untuk pemberi pinjaman, kami sebenarnya berbicara tentang apa artinya semua itu. Kami juga menghabiskan banyak waktu untuk membicarakan bias dan bagaimana model stratifikasi benar-benar membantu mengidentifikasi bias. Kami berbicara tentang transparansi, dan bagaimana hal itu tertanam dalam segala hal yang mereka lakukan sebagai Stratyfy. Kami berbicara tentang berbagai jenis data, kami berbicara tentang bagaimana model mereka meningkat, apa saja yang terlibat dalam penerapan Stratyfy ke pemberi pinjaman baru. Kami juga membahas tentang AI secara umum dan mengapa hal ini menjadi topik hangat dan bagaimana hal tersebut berdampak pada mereka. Kami berbicara tentang putaran pendanaan, dan banyak lagi. Itu adalah diskusi yang menarik. Semoga Anda menikmati pertunjukannya.

Peter Renton  02:20

Selamat datang di podcastnya. Laura.

Laura Kornhauser  02:22

Terima kasih banyak, Petrus. Senang berada di sini.

Peter Renton  02:23

Baiklah. Senang memilikimu. Jadi mari kita mulai dengan memberikan sedikit latar belakang tentang diri Anda kepada pendengar. Saya tahu Anda memiliki tugas yang baik di JPMorgan Chase, sepertinya beri tahu kami beberapa hal penting dalam karier Anda hingga saat ini sebelum Stratyfy.

Laura Kornhauser  02:39

Luar biasa. Jadi ya, saya memulai karir saya di JPMorgan Chase, saya menghabiskan lebih dari satu dekade di sana dalam peran pemberi pinjaman dan risiko di lembaga tersebut, di mana saya menemukan banyak masalah atau menyelesaikan secara langsung banyak masalah yang kami atasi di sini di Stratyfy. Sebelumnya saya adalah seorang sarjana teknik. Saya mempelajari pembelajaran mesin di tingkat sarjana sebelum disebut demikian. Itu hanya disebut statistik tingkat lanjut saat itu. Dan kemudian, Anda tahu, ketika saya sedang bertransisi keluar dari JPMorgan, ketika saya memutuskan untuk keluar, saya sangat mempunyai harapan dan impian untuk memulai sebuah perusahaan. Anda tahu, orang tua saya adalah pengusaha. Mereka memulai bisnis sekitar saat saya lahir dan kemudian membangun dan mengembangkannya menjadi bisnis multinasional, dan akhirnya menjualnya ke perusahaan strategis. Jadi itulah pengalaman saya yang sebenarnya, pekerjaan pertama, mulai dari lho, menjawab telepon ketika saya masih di sekolah menengah hingga mengedit jaringan ketika saya masih kuliah. Jadi, tahukah Anda, saya selalu memiliki semangat kewirausahaan, jika Anda mau, dalam diri saya. Pergi ke arah yang benar-benar berbeda, seperti yang dikatakan banyak orang yang sering dilakukan oleh anak ketiga, setelah lulus sarjana, tetapi kemudian saya tahu bahwa saya ingin kembali ke rumah itu dan menjadi seorang pendiri.

Peter Renton  03:49

Oke, jadi mari kita bicara tentang kisah pendirinya, lalu tentang Stratyfy. Apa secara spesifik yang Anda lihat dan apa yang ingin Anda selesaikan?

Laura Kornhauser  03:58

Sangat. Menariknya, setelah keluar dari JPMorgan, saya punya pengalaman, pengalaman pribadi di mana produk kartu kredit dipasarkan secara besar-besaran kepada saya sebenarnya oleh Chase semua orang, dan itu memiliki rencana poin yang bagus dan saya sangat menyukai rencana poin yang bagus. . Dan saya mendaftar untuk kartu kredit dan saya ditolak. Dan hal itu kemudian mengarahkan saya untuk, Anda tahu, menghubungi nomor di belakang pemberitahuan penolakan saya, berbicara dengan seseorang yang telah saya beri informasi tambahan, dan kemudian secara harfiah, Anda hampir dapat mendengar bunyi boop boop, boop, boo, boo boo boo di latar belakang, dan saya sebenarnya disetujui melalui telepon. Dan pengalaman itu bagi saya benar-benar membuka mata saya terhadap cara pengambilan keputusan kredit oleh begitu banyak institusi, dan kelompok besar orang yang tidak ikut serta dalam pengambilan keputusan tersebut. Anda tahu, saya berada di tempat yang beruntung. Saya tidak membutuhkan kartu kredit itu. Anda tahu, itu bukanlah sesuatu yang akan mengubah hidup saya secara materi. Namun bagi banyak orang, bagaimana jenis produk kredit ini, Anda tahu, membantu mereka membeli rumah pertama mereka, membantu mereka, Anda tahu, mendanai inventaris untuk bisnis kecil mereka, Anda tahu dan memiliki dampak yang sangat berarti dan, dan itu adalah sesuatu Saya sangat ingin menyampaikannya, saya beruntung pada waktu yang sama bisa bertemu dengan salah satu pendiri saya, Dmitry Lesnik. Dan dia telah menghabiskan dekade sebelumnya sebelum kami bertemu, mengembangkan rangkaian algoritme yang masih menjadi inti teknologi dan layanan yang kami sediakan di Stratyfy. Dan yang menarik dari rangkaian algoritme tersebut adalah ia memungkinkan Anda belajar dari data secara otomatis dan terukur, namun dengan cara yang sangat, sangat transparan bagi pengguna. Jadi saya melihat penerapannya dalam kredit, dan dalam kasus penggunaan lainnya yang sangat diatur di mana Anda tahu, saya dalam kehidupan saya sebelumnya di JPMorgan bahkan berjuang untuk mendapatkan teknologi yang tepat agar sesuai dengan masalah yang kami coba selesaikan.

Peter Renton  05:54

Oke, jadi, maju cepat ke hari ini, Anda mendirikannya, apakah ini tahun 2017? Enam tahun yang lalu, sekarang, ceritakan kepada kami sedikit tentang bagaimana perusahaan telah berkembang dan bagaimana Anda menggambarkan perusahaan saat ini?

Laura Kornhauser  06:05

Ya. Jadi ketika mendeskripsikan perusahaan ini, saya mulai dengan misi kami, yang telah menjadi misi kami sejak awal, yaitu untuk memungkinkan inklusi keuangan yang lebih besar bagi masyarakat sekaligus membantu lembaga keuangan mengelola dan memitigasi risiko dengan lebih baik. Kita melihatnya sebagai dua sisi dari mata uang yang sama, kita tidak bisa melakukan yang pertama tanpa melakukan yang kedua, atau kita tidak bisa melakukan yang pertama secara terukur tanpa melakukan yang kedua. Jadi ketika kami memulai perusahaan ini, kami sangat fokus pada penilaian risiko kredit dan pengambilan keputusan risiko kredit. Jadi membantu pemberi pinjaman memahami risiko sebenarnya dari peminjam, terutama peminjam konsumen dan usaha kecil, membantu mereka memahami risiko sebenarnya dan membuat keputusan yang lebih tepat berdasarkan prediksi risiko yang ditingkatkan tersebut. Ya, memanfaatkan wawasan dari data dengan cara otomatis, tetapi melakukannya dengan cara yang masih memungkinkan pengguna non-ilmu data untuk memahami apa yang sedang terjadi, yang menurut kami terus menjadi hal yang sangat penting. Saat ini, terdapat banyak sekali fokus dalam industri ini, tidak hanya pada AI dan pembelajaran mesin selama sekitar satu tahun terakhir. Namun fokus yang luar biasa pada industri adalah tentang bagaimana teknologi dapat dimanfaatkan, namun dengan cara yang aman, sehat, dan adil. Dan kami berada pada posisi yang tepat untuk itu. Saya berpendapat bahwa mungkin ketika kami memulai perusahaan ini, kami masih terlalu dini untuk memasuki pasar. Namun lintasan pertumbuhan yang kami lihat, khususnya selama 18 bulan terakhir sungguh luar biasa, dan juga memungkinkan kami memperluas ke kasus penggunaan lainnya. Jadi saat ini, kami juga memiliki pelanggan dalam bidang deteksi penipuan, di mana kami membantu mereka mengidentifikasi penipuan, memastikan keadilan, dan mengurangi kesalahan positif dalam proses tersebut. Dan kemudian kami juga mengeluarkan kemampuan deteksi bias dan mitigasi kami ke dalam solusi terpisah yang kami sebut UnBias. yang berfokus pada penilaian risiko pinjaman yang adil, dan memungkinkan pemberi pinjaman melakukan hal tersebut dengan lebih efisien, lebih proaktif, dan mengidentifikasi risiko sebelum menjadi masalah.

Peter Renton  06:07

Saya ingin mengetahui dengan siapa Anda bekerja. Apa sajakah lembaga keuangan tersebut, jenis lembaga keuangan apa yang bekerja sama dengan Anda saat ini?

Laura Kornhauser  08:13

Ya. Jadi kami mulai bekerja terutama dengan fintech. Jadi mereka adalah pengguna awal, pelanggan awal kami dan memungkinkan kami mendapatkan umpan balik produk yang sangat luar biasa dan siklus iterasi yang cepat pada penawaran kami. Sekarang, kami bekerja sama dengan bank. Dan kami bekerja sama dengan bank, sebenarnya, dari spektrum yang cukup luas saat ini, nasabah perbankan terbesar kami adalah sepuluh bank teratas di AS. Kami juga bekerja sama dengan bank komunitas yang lebih kecil dan sejumlah CDFI. Terutama, melalui inisiatif yang baru-baru ini kami luncurkan, yang disebut penjaminan keadilan rasial dan program percontohan dimana kami adalah mitra teknologinya, hal tersebut pasti dapat kami bicarakan lebih lanjut. Tapi kami melihat peluang besar di bidang CDFI, khususnya, kami melihat peluang besar di bank komunitas, untuk teknologi seperti milik kami, dan kemudian kami juga melihat cukup banyak permintaan dari bank komunitas besar yang sedang bertransisi. ke bank-bank daerah juga.

Peter Renton  09:11

Oke, jadi Anda tidak sendirian di ruang ini. Ada lembaga lain yang juga menyediakan layanan kepada lembaga keuangan semacam itu. Apa bedanya Anda dengan orang lain di luar angkasa?

Laura Kornhauser  09:24

Ya, jadi yang membedakan kami adalah pada tingkat transparansi yang kami berikan pada model atau sistem penilaian dan sistem pengambilan keputusan. Jadi, hal ini telah menjadi kata kunci yang terlalu sering digunakan di mana setiap orang mengklaim memiliki transparansi. Anda tahu, yang kami maksudkan adalah pengguna kami memiliki visibilitas penuh tentang cara kerja model atau strategi. Mereka juga mempunyai kekuatan untuk membuat perubahan dan melakukannya, tanpa menulis satu baris kode pun, kami mendapati bahwa hal tersebut akan sangat berarti, terutama bagi, sekali lagi, bank-bank komunitas di luar sana, dan bahkan banyak pemain regional. bahwa, Anda tahu, jika mereka memiliki tim ilmu data, mungkin hanya beberapa orang jika mereka benar-benar kewalahan dan terlalu banyak bekerja. Dan yang benar-benar fokus kami lakukan adalah bagaimana kami menghadirkan alat-alat ilmu data, kepada ahli di bidangnya, kepada pengguna yang benar-benar memahami kredit dan tentunya sangat kompeten dalam data dan mengetahui data tetapi bukan ilmuwan data. bukan seorang insinyur, bagaimana kita memberi mereka alat yang membuat mereka merasa nyaman menggunakannya, karena tingkat visibilitas dan kontrol yang kita berikan dibandingkan yang lain? Jadi tidak ada kotak hitam apa pun dengan Stratyfy dan semua yang diaktifkan oleh teknologi inti yang saya sebutkan sebelumnya.

Peter Renton  10:51

Menarik. Saya ingin menyentuh bias. Anda sudah menyebutkannya beberapa kali di sini. Sepertinya ini adalah prinsip dasar bagi kalian, apa pendekatan kalian? Mungkin Anda bisa menjelaskan dengan tepat, lho, bagaimana model Anda mampu mengidentifikasi bias lebih baik daripada model lain.

Laura Kornhauser  11:10

Ya. Jadi ini adalah sesuatu, Anda benar sekali, bagian dari pendekatan pendirian kami, Anda tahu, solusi awal yang kami bangun, penilaian risiko kredit dan solusi pengambilan keputusan selalu menyertakan bias sebagai model KPI. Jadi kami selalu berpikir bahwa itu adalah salah satu indikator kinerja yang harus Anda perhatikan ketika mengevaluasi strategi yang berbeda, pilihan yang berbeda, model yang berbeda. Dan tahukah Anda, satu hal yang kami lakukan adalah, kami tidak bertugas untuk mengatakan atau menentukan apa yang adil atau tidak adil. Apa yang kami lakukan dalam bisnis ini adalah menawarkan sejumlah pengujian, metrik, yang semuanya dapat dengan mudah dimanfaatkan dalam alat kami untuk mengevaluasi potensi bias yang dapat terjadi. Jadi satu hal yang kami lakukan Peters, kami mendukung sejumlah metrik bias yang berbeda dan membiarkan pengguna kami membuat keputusan tentang metrik apa yang paling penting bagi mereka. Metrik apa yang paling penting bagi regulator, pelanggannya, dan mereka dapat memilihnya. Lalu cara kerja produk UnBias kami adalah langkah pertama, sebenarnya kami membaginya menjadi tiga langkah, mengungkap, memahami, membatalkan. Jadi langkah pertama yang harus dilakukan adalah menjalankan pengujian tersebut, menjalankannya dengan cara yang sangat kuat namun otomatis, sehingga pemberi pinjaman dapat menjalankan pengujian tersebut lebih sering dan lebih proaktif. Jika risiko muncul berdasarkan salah satu indikator tersebut, kami melanjutkan ke langkah kedua, atau mengizinkan pengguna untuk berpindah ke langkah kedua dalam produk kami, yaitu memahami. Di sana, kami menguraikan risiko tersebut. Jadi apa pendorong utamanya? Apa yang menyebabkan munculnya risiko bias tersebut? Dan kemudian setelah menjelaskannya, kami memberikan, Anda tahu, informasi kepada pelanggan kami, mereka perlu menentukan apakah mereka perlu mengambil tindakan. Dan jika mereka memutuskan ingin mengambil tindakan, kami juga dengan komponen undo dapat membantu mereka menemukan cara untuk melakukan remediasi, membuat perubahan pada model mereka. Dan mengoreksi, atau mengkompensasi bias yang muncul karena tidak ada orang yang membangun model yang bias atau strategi pengambilan keputusan yang bias, bukan? Tidak ada pemberi pinjaman di luar sana yang mengatakan, hei, Anda tahu, baik manusia saya yang membuat keputusan atau sistem otomatis saya, atau kombinasi keduanya, seperti halnya banyak pemberi pinjaman, benar, tidak ada yang berniat memiliki bias tersebut. Namun kami menemukan bahwa banyak pemeriksaan ketat yang terjadi pada saat peluncuran, sebelum strategi baru diluncurkan. Ujungnya ya, ada check in berkala juga. Namun seringkali, segala sesuatunya bisa berjalan lebih cepat daripada pemeriksaan berkala berikutnya yang dilakukan. Agar Anda tahu, tujuan kami dengan penawaran produk ini dan apa yang dapat kami berikan kepada pelanggan adalah visibilitas yang lebih baik dalam pemantauan berkelanjutan terhadap risiko-risiko tersebut sehingga Anda dapat mengatasi suatu masalah sebelum menjadi masalah besar.

Peter Renton  13:58

Jadi Anda mungkin melihat, seperti seseorang menjalankan model Anda, dan ada yang mengatakan, beberapa minggu berlalu dan mereka mulai melihat, sepertinya ada, apakah itu wanita, apakah itu ras, Anda bisa bilang benar, sepertinya bagi saya bahwa Anda menolak lebih banyak orang seperti ini daripada yang seharusnya. Lalu apakah ini sesuatu yang adil, apakah ada titik pemicunya? Atau apakah pelanggan menetapkan titik pemicunya?

Laura Kornhauser  14:25

Pelanggan dapat menentukan frekuensi mereka ingin menjalankan evaluasi. Anda tahu, kami dapat melakukannya setiap hari, atau, Anda tahu, bahkan beberapa kali sehari jika pelanggan menginginkannya, kami menemukan bahwa dalam banyak kasus, kami melihat secara bulanan atau triwulanan orang-orang ingin melakukan pemeriksaan ini. Sangat sulit untuk mengukurnya. Jika Anda tidak memiliki kumpulan sampel yang ukurannya cukup besar, Anda dapat menghadapi situasi di mana Anda mungkin menandai sesuatu yang tidak signifikan secara statistik. Jadi kami benar-benar fokus pada Anda tahu, bukan hanya pengukurannya, tapi memastikan bahwa pengukuran tersebut signifikan secara statistik sehingga kami dapat merasa nyaman mengukur sesuatu sebagai risiko, dan kami tidak, Anda tahu, melontarkan banyak pertanyaan. bendera di mana mereka berada, mereka tidak perlu berada.

Peter Renton  15:05

Benar. Saya membayangkan hal itu bisa menjadi tantangan bagi beberapa bank komunitas yang lebih kecil, bukan yang tidak punya, tidak punya volume sebesar itu?

Laura Kornhauser  15:11

Tepat. Tidak punya volume untuk, Anda tahu, dijalankan dengan frekuensi yang lebih sering, Anda tahu, lalu bulanan jika itu, dan seringkali untuk bank-bank kecil, mereka ingin menjalankannya setiap triwulan. Tapi tahukah Anda, teknologi kami memungkinkan mereka beroperasi dengan frekuensi berapa pun yang mereka inginkan, kami menemukan pasarnya sebulan sekali, atau setiap tiga bulan sekali.

Peter Renton  15:29

Apakah sistem Anda juga membantu dengan surat tindakan merugikan atau seseorang telah ditolak? Dan tentu saja, kami membutuhkan Anda sekalian yang perlu mengetahui alasannya. Apakah itu bagian dari apa yang Anda tawarkan di sana?

Laura Kornhauser  15:42

Sangat. Dan hal ini juga merupakan sesuatu yang saya lihat sebagai pembeda kami, sekali lagi, menunjuk kembali pada tingkat transparansi dari pendekatan mendasar kami. Banyak orang yang menggunakan pendekatan pembelajaran mesin lain dan kemudian memberikan pemberitahuan tindakan merugikan menggunakan hal-hal seperti nilai-nilai Shapley untuk memberikan pemberitahuan tindakan merugikan tersebut, atau kode alasan, regulator telah mengeluarkan dan mengibarkan peringatan tentang jenis penjelasan pascadoktoral tersebut. . Sekarang mereka belum mengatakan bahwa hal itu tidak cukup bisa dijelaskan. Saya pikir bahasa persis yang digunakan oleh penjelasan postdoc mungkin tidak cukup transparan untuk digunakan, untuk jenis penggunaan ini. Namun menurut saya, hal tersebut masih merupakan hal yang diperdebatkan dengan hangat di industri ini, dan banyak orang yang memanfaatkan metode tersebut jika mereka menggunakan lebih banyak solusi pembelajaran mesin blackbox. Kami tidak mempunyai masalah itu karena sifat mendasar dari model kami adalah bahwa model tersebut dapat diinterpretasikan, artinya model tersebut terlihat atau transparan, mulai dari dasar dan bukannya melapisi model di atas model agar dapat dipahami. bagaimana model bekerja.

Peter Renton  16:46

Benar, benar. Dan kemudian Anda mendapatkan, seperti CFPB yang telah memperjelas bahwa mereka menginginkannya, mereka tidak ingin melihat adanya bias, dalam model pinjaman. Jadi maksud saya, saya membayangkan sebagian besar, jika tidak semua pemberi pinjaman, akan menyadari hal ini saat ini. Dan apakah bagian bias adalah sesuatu yang menjadi perhatian utama pemberi pinjaman saat ini, atau bagaimana menurut Anda, ketika Anda sedang berbincang, apakah fitur seperti ini yang paling mereka minati? Atau apa, seperti apa rasanya?

Laura Kornhauser  17:14

Ini adalah lingkungan pasar yang menarik, menurut saya hal utama bagi sebagian besar bank adalah menumbuhkan simpanan dan menumbuhkan simpanan, lalu menumbuhkan simpanan. Meskipun demikian, ini adalah fokus yang sangat besar. Bank saat ini, mengingat lingkungan tempat kita berada, sedang memangkas jumlah karyawan, biaya, dll. Dan mencari cara untuk mengotomatisasi proses, mencari skalabilitas, mencari efisiensi melalui teknologi. AI dan subbidang pembelajaran mesin memiliki banyak manfaat yang dapat ditawarkan untuk mendorong peningkatan skalabilitas dan efisiensi. Namun kami menemukan bahwa banyak orang di pasar masih ragu-ragu dalam menggunakan pembelajaran mesin untuk pengambilan keputusan yang bernilai tinggi dan berisiko tinggi dengan tingkat pengawasan yang tinggi. Dan tahukah Anda, di situlah kita benar-benar bisa membedakan diri kita sendiri. Itu sebabnya kami telah melihat pertumbuhan yang telah kami lihat, karena kami dapat menawarkan kepada mereka manfaat dari teknologi tersebut tanpa adanya kekurangan, Anda tahu, tanpa membuat mereka merasa harus duduk dan begitu saja mempercayai skor atau model yang tidak mereka pahami, mereka dapat dengan mudah menyesuaikan segalanya dengan toleransi risiko tertentu, basis pelanggan khusus mereka, mereka melihat lagi, melihat dengan tepat apa yang dipelajari dari data, dapat mengubahnya, dapat mengganti, dapat memasukkan informasi tambahan ke dalam sistem itu di luar data untuk mengkompensasi hal-hal seperti bias, untuk mengkompensasi hal-hal yang Anda tahu, hal-hal seperti data selalu melihat ke belakang. Jadi, menurut saya, hal itu sangat membantu kami dalam lingkungan yang sulit.

Peter Renton  18:52

Mari kita bicara tentang data itu sendiri, karena saya ingin mengetahui jenis data yang benar-benar penting untuk beberapa hal yang telah kita bicarakan di sini untuk mengidentifikasi beberapa bias ini. Dan mungkin data itu kurang penting.

Laura Kornhauser  19:09

Beberapa hal di sisi data, sering kali kita menemui pelanggan di mana pun mereka berada. Dan kami memiliki kemitraan data, namun Stratyfy sendiri bukanlah penyedia data.

Peter Renton  19:18

Kanan.

Laura Kornhauser  19:19

Jadi, Anda tahu, kami tidak bermaksud mengatakan hai, tambahkan elemen data ini ke model Anda, dan Anda akan mencapai kebahagiaan analitik. Kami bekerja dengan aset data yang mereka miliki, atau aset data yang mereka peroleh melalui salah satu kemitraan data kami, dan memanfaatkannya sebaik mungkin, sehingga mendapatkan nilai maksimal darinya. Kami masih menemukan bahwa sebagian besar pemberi pinjaman, terutama ketika Anda pindah ke komunitas, ruang bank komunitas, masih menggunakan data kredit tradisional. Apa yang mereka cari adalah cara yang lebih baik untuk mengekstrak nilai dari data tersebut untuk mencapai kinerja yang lebih baik, akurasi yang lebih besar, tapi tahukah Anda, tanpa mengorbankan visibilitas, transparansi, kontrol. Ada banyak pembicaraan tentang elemen data tambahan. Dan banyak pemberi pinjaman, baik fintech atau pemberi pinjaman yang lebih besar menggunakan elemen data lain untuk membantu terutama memberikan kompensasi bagi pelamar yang sedikit atau tidak punya file, Anda tahu, dari pekerjaan kami, ini menunjukkan, Anda tahu, janji keuntungan yang luar biasa di bidang ini. Anda tahu, saya sangat percaya pada data pembayaran sewa, misalnya, dan khususnya, kemampuan data tersebut untuk benar-benar membantu dalam hal keadilan, mengurangi bias, dan membantu meningkatkan beberapa pelamar yang memiliki file yang lebih tipis. Kita semua pernah melihatnya, dan saya tahu Anda sudah membaca studinya, Anda tahu, dari FinRegLab, dan lainnya yang kami juga bermitra dengan FinRegLab dalam studi yang sangat menarik tentang pembelajaran mesin dan penjaminan emisi tetapi penjaminan berdasarkan arus kas, juga sangat menjanjikan. Dan sekali lagi, kami melihat pemberi pinjaman yang berbeda pada titik yang berbeda dalam kurva adopsi mereka terhadap data alternatif tersebut. Namun hal ini selalu menarik bagi saya, karena masih banyak pemberi pinjaman, ketika Anda berbicara tentang data alternatif, atau data di luar laporan kredit, berpikir bahwa Anda sedang berbicara tentang menghapus profil media sosial seseorang. Benar? Dan saya sering bercanda, seperti di ruang kita, data alternatif bukanlah alternatif itu, bukan?

Peter Renton  21:17

Kanan.

Laura Kornhauser  21:18

Jadi tahukah Anda, terkadang Anda harus merendahkan orang lain saat Anda mulai memulai percakapan itu. Namun dalam setiap diskusi tersebut, saya yakin Anda dapat membayangkannya, terutama di lingkungan pasar, pertanyaan kunci yang harus dijawab oleh pemberi pinjaman tersebut adalah, peningkatan tambahan apa yang diberikan oleh elemen data tersebut? Apakah itu sesuai dengan biaya yang harus saya keluarkan, atau hambatan yang harus saya keluarkan untuk mendapatkannya? Dan kami sering melihat orang-orang menggunakan produk kami untuk membantu melakukan pengujian tersebut, jika Anda mau, juga untuk mengeksplorasi nilai elemen data tambahan tersebut. Hal lain yang akan saya sebutkan di sini, Peter, adalah kita telah melihat bahwa Anda tidak memerlukan 1000 atribut untuk membuat keputusan kredit yang baik. Dan sering kali, hampir ada titik jenuh, di mana Ya, mungkin Anda menambahkan nilai tambahan marjinal, namun hal ini tidak serta merta membenarkan peningkatan kompleksitas model, atau biaya data tersebut. Jadi kami tidak berada di dalam, seperti beberapa pelanggan lain di bidang kami, kami melihat ribuan atribut untuk membuat keputusan dengan pelanggan kami saat ini, Anda tahu.

Peter Renton  21:18

Jadi ketika Anda mendaftarkan pelanggan baru, pemberi pinjaman baru, apa yang terlibat dalam proses penerapan Stratyfy? Berapa lama? Bawa kami melalui perjalanan khas di sana.

Laura Kornhauser  22:35

Jadi keterlibatan awal biasanya dimulai dengan perjanjian percontohan yang berlangsung antara satu dan tiga bulan. Dalam perjanjian percontohan itu kami bertukar data, yaitu data pemberi pinjaman yang dipertukarkan dengan kami, semuanya dianonimkan sehingga mereka tidak perlu membagikan PII apa pun kepada kami atau semacamnya, dan itu cukup membantu. Dan kemudian kami berdiskusi tentang apakah mereka ingin menjelajahi aset data lainnya, sekali lagi, biasanya dalam tahap uji coba, hal itu bukanlah sesuatu yang dilakukan orang-orang. Dan kemudian kami bekerja dengan mereka untuk membangun serangkaian model penantang dan strategi penantang awal, Anda tahu. Jadi model menghasilkan skor, strategi menghasilkan keputusan, benar. Bekerja samalah dengan mereka untuk menghasilkan serangkaian model dan strategi penantang dalam perangkat lunak kami yang kemudian dapat mereka evaluasi. Kemudian untuk eksekusi berkelanjutan, kami sering berintegrasi dengan LOS untuk eksekusi berkelanjutan hanya melalui API. Dan itu semua dikontrol oleh produk kami sehingga Anda dapat dengan mudah, dengan kontrol yang tepat, mempromosikan strategi baru ke strategi yang diterapkan untuk API tanpa harus mengubah integrasi. Dan kemudian kita melihat biasanya pemberi pinjaman akan melakukan hal itu, jadi tidak ada pemberi pinjaman yang akan melakukannya, setelah uji coba saat kita bergerak maju ke dalam keterlibatan jangka panjang, Anda tahu, pada hari pertama, menyerahkan segalanya ke model penantang baru. Jadi biasanya hal itu terjadi seiring berjalannya waktu, dimulai pada persentase tertentu, dan kemudian terus berlanjut.

Peter Renton  24:01

Oke, lalu bagaimana model Anda, bagaimana Anda mengembangkan model AI Anda, bagaimana peningkatannya dari waktu ke waktu?

Laura Kornhauser  24:07

Pertanyaan yang sangat bagus. Dan hal ini membawa saya ke titik diferensiasi lainnya, kami tidak mengambil data pelanggan kami, lalu membuat repositori bersama untuk semua data tersebut yang kemudian dimanfaatkan oleh setiap pelanggan lainnya. Jadi data pelanggan kami tetap menjadi data mereka, yang menurut kami sangat penting bagi mereka. Meskipun demikian, dengan cara kerja rangkaian algoritme kami, Anda dapat menganggapnya sebagai fitur atau wawasan yang diekstraksi dari data milik kami. Dan hal ini kemudian digunakan untuk meningkatkan atau meningkatkan, Anda tahu, menciptakan, jika Anda mau, efek jaringan bagi perusahaan kami dan dengan setiap pelanggan baru yang kami dapatkan, hal itu menambah nilai bagi semua orang. Jadi begitulah cara kami melakukannya. Namun kami sengaja, tidak membuat, Anda tahu, tempat penyimpanan data besar yang digunakan semua orang?

Peter Renton  25:01

Oke, kita sudah memasuki tahun sejak ChatGPT dirilis dan semua orang mulai membicarakan AI. Maksudku, ini sungguh menakjubkan. Anda membaca surat kabar mana pun saat ini, dan ada AI, ada artikel AI setiap hari, semua orang membicarakannya. Apakah hal itu mengubah pendekatan Anda? Apakah penjelasannya menjadi lebih mudah, atau lebih sulit untuk menjelaskan apa yang Anda lakukan?

Laura Kornhauser  25:26

Pertanyaan yang fantastis. Jawabannya adalah, hal ini telah meningkatkan perbincangan seputar topik ini, dan menurut saya menciptakan hampir dua kubu dalam sektor jasa keuangan. Dan Anda bisa sedikit mengkorelasikan kamp-kamp ini dengan besaran aset lembaga tempat mereka bekerja, namun hal ini tidak akan sempurna. Dan kubu yang satu, melihat janjinya, melihat nilainya, melihat risikonya, yang mana ada banyak risikonya, melihat risikonya juga, namun ingin mencari tahu, dan dalam banyak kasus perlu memikirkan, Anda tahu, sejumlah institusi tempat kami bekerja, Anda tahu, mempunyai mandat tidak langsung dari dewan mereka untuk mencari cara memanfaatkan teknologi ini. Jadi, mereka memiliki keinginan yang nyata untuk mencari cara agar hal tersebut berhasil bagi mereka. Dengan dosis ketakutan yang sehat, menurut saya, dosis yang sehat. Kamp yang lain terlalu kebanjiran lho, melihat kata AI, dan langsung mati. Dan, tahukah Anda, karena saya aktif di sirkuit konferensi, seperti banyak orang lainnya selama dua bulan terakhir, dan sangat menarik bagi saya untuk melihat, tidak ada orang di antara keduanya, atau saya hanya menemukan sedikit orang di antara mereka. di antaranya, mereka termasuk dalam salah satu dari dua kubu tersebut. Anda tahu, saya sangat percaya pada kekuatan yang dimiliki teknologi AI, secara umum, terhadap industri keuangan. Jika Anda memahami bahwa dengan kekuatan besar datang pula tanggung jawab yang besar. Dan tahukah Anda, alat-alat ini dapat digunakan untuk membuat segalanya menjadi lebih baik, terutama dalam isu keadilan. Hal ini juga dapat digunakan untuk menanamkan bias dan mengukur bias secara eksponensial dalam pengambilan keputusan di masa depan. Dan menurut saya, kita berada pada titik perubahan atau pengambilan keputusan di mana, Anda tahu, saya sangat berharap hal itu akan berjalan seperti semula. Namun jika kita tidak memiliki kendali yang tepat, kendali yang tidak menghambat inovasi, namun mengendalikannya, kita bisa menghadapi situasi di mana semua bias di masa lalu terpatri dalam pengambilan keputusan di masa depan.

Peter Renton  27:29

Benar. Jadi saya ingin beralih topik sedikit dan berbicara tentang penggalangan dana, karena saat terakhir kita ngobrol, Anda baru saja, menurut saya, Anda baru saja menutup putaran pendanaan Anda. Dan saya tidak tahu apakah itu sudah terbuka untuk umum, tetapi Anda baru saja menutupnya. Selamat! Tidak mudah untuk menutup putaran pendanaan pada tahun 2023. Ceritakan sedikit tentang prosesnya, siapa investor Anda dan bagaimana prosesnya?

Laura Kornhauser  27:51

Ya, ini adalah lingkungan penggalangan dana yang sangat menantang, tidak diragukan lagi. Namun kami sangat beruntung memiliki investor yang memiliki misi dan nilai yang sama dengan kami, namun juga melihat keuntungan luar biasa bagi Stratyfy. Anda tahu, kami mendapat banyak manfaat dari menjalin hubungan dalam jangka panjang. Benar, kami sudah ada cukup lama. Dan kami telah membina hubungan dengan investor selama beberapa waktu. Dan itu berarti ketika kami akan melakukan penggalangan dana, kami sebenarnya, meskipun terlihat mengejutkan mengingat lingkungan pendanaan, melakukannya secara oportunis. Kami melakukan penggalangan dana pada saat itu, bukan karena kami kehabisan uang, namun karena kami memiliki pelanggan yang telah atau akan kami tandatangani. Dan kami perlu memastikan bahwa kami dapat meningkatkan skala tim untuk memenuhi keterlibatan yang telah kami lakukan. Begitu juga dengan posisi tersebut, menempatkan kami pada posisi yang lebih besar, tentu saja kekuatan untuk menggalang dana. Namun kami tidak akan mampu melakukannya tanpa hubungan jangka panjang dan tanpa investor yang benar-benar peduli untuk mendorong sistem keuangan yang lebih adil dan percaya bahwa Stratyfy adalah komponen kunci untuk mewujudkan hal tersebut.

Peter Renton  29:10

Oke, jadi, melihat bisnis Anda saat ini, apa tantangan terbesar Anda untuk mencoba dan mengembangkan Stratyfy?

Laura Kornhauser  29:17

Satu hal yang menjadi tantangan saat ini dan selalu menantang, menjual ke bank. Bukan hal yang mudah untuk dilakukan.

Peter Renton  29:25

Kanan.

Laura Kornhauser  29:26

Bukan hal yang mudah untuk dilakukan. Siklus penjualannya panjang. Kontraknya kental. Kami membahas hal ini, Anda tahu, dengan mata terbuka. Ini bukan kejutan bagi kami. Kami tahu bahwa itu adalah jalan menantang yang kami lalui. Tapi itu sulit saat ini. Hal tersebut sulit dilakukan saat ini dalam lingkungan pasar yang kita hadapi saat ini. Dan banyak pemberi pinjaman mengurangi risiko, menutup produk, dan dalam banyak kasus mereka melakukannya dengan instrumen yang sangat tumpul, sehingga menaikkan batas FICO. Menutup sepenuhnya suatu penawaran tertentu atau menjual sepenuhnya penawaran tersebut ke pasar sekunder, bukan? Kami melihatnya sebagai reaksi awal yang akan berlalu dan juga menciptakan peluang yang sangat besar, terutama bagi bank komunitas dan bank daerah yang selama ini terhimpit oleh fintech lending di satu sisi dan bank-bank besar di sisi lain. Jadi kami yakin ini akan menciptakan peluang yang sangat berarti. Namun saat ini, hal tersebut merupakan sebuah tantangan. Apa yang benar-benar saya fokuskan dalam mengatasi tantangan itu adalah, Anda tahu, sebuah kontrol klasik yang dapat dikontrol. Kami memiliki basis pelanggan yang luar biasa saat ini, terus memberikan kepada mereka dengan kualitas tertinggi, akan memberi kami peluang baru untuk memperluas basis pelanggan yang sudah ada. Dan kemudian saya benar-benar fokus pada tim kami, kami telah membangun tim yang benar-benar luar biasa. Saya sangat bangga dengan fakta bahwa mereka juga, Anda tahu, adalah tim utama wanita, yang merupakan pembeda besar. Jika Anda mau, dalam lingkungan pasar tempat kita berada, saya sangat bangga akan hal itu. Namun tahukah Anda, di luar satu hal yang dapat mengklasifikasikan karyawan kita, saya sangat bangga dengan komitmen mereka terhadap misi kita, betapa bersemangatnya mereka terhadap perubahan yang ingin kita dorong, dan betapa kerasnya mereka. berupaya mewujudkan hal itu. Jadi, tahukah Anda, saya benar-benar fokus untuk mengembangkan tim yang luar biasa sehingga kita harus terus memenuhi permintaan pasar baru yang pada akhirnya akan kita hadapi dan mengatasi tantangan apa pun yang kita hadapi dalam menjual ke bank dalam jangka pendek.

Peter Renton  31:30

Oke, jadi mari kita akhiri dengan pertanyaan berwawasan ke depan dan ingin memahami posisi kita saat ini. Maksud saya, AI terus berkembang. Bagaimana hal ini akan berkembang ketika menyangkut keputusan kredit dan risiko bagi pemberi pinjaman? Apa yang terlihat dalam waktu lima tahun?

Laura Kornhauser  31:49

Ya. Jadi saya sangat yakin, bahwa kita akan memiliki pengambilan keputusan yang lebih otomatis dalam pemberian pinjaman. Hal ini tidak berarti bahwa keputusan-keputusan tertentu tidak memerlukan tinjauan manual atau memerlukan pertimbangan kedua, namun pengambilan keputusan otomatis perlu berkembang lebih jauh dari yang sudah ada. Dan itu akan terjadi di berbagai lini produk. Namun yang menurut saya sangat penting, dan ini berlaku untuk masa depan AI, kredit, dan bidang lainnya, adalah bahwa jenis sistem yang akan menang, yang akan memberikan nilai terbaik bagi pelanggan adalah sistem yang memungkinkan adanya masukan. pada akhirnya dari berbagai sumber. Jadi bisa saja data sebagai satu sumber, tapi juga manusia, yang…Pembelajaran mesin sangat pandai memakan data dan menemukan wawasan. Manusia sangat hebat dalam menerapkan konteks pada data tersebut, informasi yang berada di luar elemen data. Jadi saya percaya jika Anda mau, AI masa depan, terutama untuk kasus penggunaan yang diatur, tapi saya pikir itu untuk kasus penggunaan lain serta kesadaran masyarakat tentang sistem AI tumbuh seiring dengan adanya peraturan baru yang mungkin akan datang dan mengikuti a banyak peraturan yang telah kita lihat di Eropa, dan kita telah melihat langkah awal dengan peraturan tersebut pada tahun 1033, akan ada fokus nyata pada bagaimana saya memahami apa yang terjadi, tidak hanya dari data, tetapi juga dari rakyat? Gabungkan keduanya menjadi satu sistem otomatis, dan pastikan saya dapat memberi tahu FI, atau jenis bisnis lain dapat memberi tahu pelanggan mereka di sisi lain, apa yang sebenarnya terjadi? Bagaimana keputusan ini dibuat? Informasi apa yang digunakan? Bagaimana saya dapat membantu Anda mengambil keputusan yang berbeda, yang menurut saya merupakan peluang besar dalam kasus di mana Anda mendapatkan hasil negatif? Bagaimana Anda membangun hubungan dengan pelanggan tersebut untuk membantu mereka mendapatkan hasil yang positif? Anda tahu, sistem AIlah yang mampu melakukan hal tersebut, yang benar-benar akan memenuhi semua janji dan semua nilai yang kita dengar di semua surat kabar.

Peter Renton  33:47

Oke, kalau begitu kita harus meninggalkannya di sana. Laura, terima kasih banyak telah datang di acara hari ini. Semoga sukses untuk Anda.

Laura Kornhauser  33:53

Terima kasih banyak, Petrus.

Peter Renton  33:57

Baiklah, saya harap Anda menikmati pertunjukannya. Terima kasih banyak telah mendengarkan. Silakan berikan ulasan acara tersebut di platform podcast pilihan Anda dan beri tahu teman dan kolega Anda tentang hal itu. Bagaimanapun, pada catatan itu, saya akan menandatangani. Saya sangat menghargai Anda mendengarkan, dan saya akan menemui Anda lain kali. Selamat tinggal.

.pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-radius: 5% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-size: 24px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { font-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-weight: normal !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a:hover { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-user_url-profile-data { color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { text-align: center !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-recent-posts-title { border-bottom-style: dotted !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { border-style: solid !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { color: #3c434a !important; }

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://www.fintechnexus.com/laura-kornhauser-ceo-stratyfy-advanced-ai-models-underwriting/