Podcast'lerimizi beğeniyor musunuz? Gelecek bölümleri kaçırmayın! Lütfen abone ol butonuna basın Apple, Spotify, YouTubeEn son içeriğimizle güncel kalmak için en sevdiğiniz podcast platformunu veya en sevdiğiniz podcast platformunu ziyaret edin. Desteğin için teşekkürler!

Tüketici kredileri için sigortalamada makine öğrenimi modellerinin kullanımı on yıldan fazla bir süredir ortalıkta dolaşıyor. Fintech açıkça liderliği ele geçirse de, aslında geleneksel kredi verenlerin bu teknolojiyle ilgilenmesi yalnızca son birkaç yıldır. Bu AI/ML modelleri, geçtiğimiz yıl iş dünyasını kucaklayan Üretken Yapay Zeka çılgınlığından farklı olsa da, bu olgu kesinlikle farkındalığa yardımcı oldu.

Fintech Bire Bir podcast'indeki bir sonraki konuğum, Fintech CEO'su ve Kurucu Ortağı Laura Kornhauser. katmanlaştır. Şirketi, insanlar için daha fazla finansal katılım sağlamanın yanı sıra finansal kuruluşların riski daha iyi yönetmesine ve azaltmasına yardımcı olma misyonundadır. Bunu gelişmiş yapay zeka modellerini uygulayarak ve elbette çalışanlarının özverisiyle yapıyorlar.

Bu podcast'te şunları öğreneceksiniz:

• Stratyfy'ın kuruluş hikayesi.
• Şirketin misyonu ve nasıl gelişti?
• Bugün birlikte çalıştıkları farklı finansal kurum türleri.
• Kendilerini uzaydaki diğerlerinden nasıl farklılaştırıyorlar.
• UnBias ürünleri nasıl çalışıyor?
• Olumsuz eylem bildirimleri için şeffaf olmanın anlamı nedir?
• Bugün çoğu banka ve fintech'in aklına gelen şey nedir?
• Müşterilerinin kullandığı veri türleri çok önemlidir.
• Stratyfy'nin kredi verenin sistemine uygulanmasının içeriği.
• Yapay zeka modelleri zaman içinde nasıl gelişti?
• Yapay zekanın ChatGPT aracılığıyla popülaritesinin Stratyfy'i nasıl etkilediği.
• 2023'te bir öz sermaye turu yapmak nasıl bir şeydi?
• Stratyfy'nin bugün karşılaştığı en büyük zorluk.
• Kredi ve risk kararları söz konusu olduğunda yapay zeka nasıl gelişmeye devam edecek?

Aşağıdaki konuşmamızın metnini okuyun.

Peter Renton  00:01

Fintech Bire Bir podcast'ine hoş geldiniz. Ben Fintech Nexus'un Başkanı ve Kurucu Ortağı Peter Renton. Bu programı 2013'ten beri yapıyorum, bu da onu tüm fintech'teki en uzun soluklu bire bir röportaj programı yapıyor. Bu yolculukta bana katıldığınız için teşekkür ederim. Bu podcast'i beğendiyseniz, Lex Sokolin ile The Fintech Blueprint ve Isabelle Castro ile Fintech Coffee Break adlı kardeş programlarımıza göz atmalı veya Fintech Nexus podcast kanalına abone olarak ürettiğimiz her şeyi dinlemelisiniz.

Peter Renton  00:39

Başlamadan önce Fintech Nexus'un artık bir dijital medya şirketi olduğunu hatırlatmak isterim. Etkinlik işimizi sattık ve fintech alanında lider dijital medya şirketi olmaya %100 odaklandık. Bu sizin için ne anlama geliyor? Artık çeşitli dijital ürünler, web seminerleri, ayrıntılı teknik incelemeler, podcast'ler, e-posta patlamaları, reklamlar ve çok daha fazlası aracılığıyla 200,000'den fazla kişiyle en büyük fintech topluluklarından biriyle etkileşime geçebilirsiniz. Size özel tasarlanmış özel bir program oluşturabiliriz. Kıdemli bir fintech kitlesine ulaşmak istiyorsanız lütfen bugün fintech nexus.com satış departmanıyla iletişime geçin.

Peter Renton  01:21

Bugünkü programda Laura Kornhauser'ı ağırlamaktan büyük mutluluk duyuyorum. Stratyfy'ın CEO'su ve kurucu ortağıdır. Stratyfy, kredi verenler için yapay zeka tabanlı risk kararlarına odaklanan son derece ilginç bir şirket; aslında bunların ne anlama geldiği hakkında açıkça konuşuyoruz. Ayrıca önyargı ve katmanlı modellerin önyargıyı belirlemeye gerçekten nasıl yardımcı olduğu hakkında konuşmaya da çok zaman harcıyoruz. Şeffaflıktan ve bunun Stratyfy olarak yaptıkları her şeye nasıl dahil edildiğinden bahsediyoruz. Farklı veri türleri hakkında konuştuk, modellerinin nasıl geliştiğini, Stratyfy'nin yeni bir kredi verene uygulanmasının neler içerdiğini konuştuk. Ayrıca genel olarak yapay zekadan, bunun neden bu kadar gündemdeki bir konu olduğundan ve bunun onları nasıl etkilediğinden de bahsediyoruz. Finansman turları ve çok daha fazlası hakkında konuşuyoruz. Büyüleyici bir tartışmaydı. gösteriyi beğeneceğinizi umuyoruz.

Peter Renton  02:20

Podcast'e hoş geldiniz. Laura.

Laura Kornhauser  02:22

Çok teşekkür ederim Peter. Burada olduğum için mutluyum.

Peter Renton  02:23

Elbette. Sana sahip olmak harika. Öyleyse dinleyicilere kendiniz hakkında biraz bilgi vererek başlayalım. JPMorgan Chase'te iyi bir görev yaptığınızı biliyorum, öyle görünüyor ki bize kariyerinizin Stratyfy'den öncesine kadarki önemli anlarından bazılarını anlatın.

Laura Kornhauser  02:39

Müthiş. Yani evet, kariyerime JPMorgan Chase'de başladım, kurumda on yılı aşkın süreyi hem kredi verme hem de risk rollerinde geçirdim; burada Stratyfy'de ele aldığımız birçok sorunu ortaya çıkardım veya ilk elden çözdüm. Ondan önce mühendislik mezunuyum. Adı bu şekilde anılmadan önce lisans eğitimimde makine öğrenimi üzerine çalışmıştım. O zamanlar buna sadece gelişmiş istatistik deniyordu. Ve sonra, biliyorsunuz, JPMorgan'dan ayrılırken, ayrılmaya karar verdiğimde, bir şirket kurmaya dair çok fazla umut ve hayalim vardı. Biliyor musun, ailem girişimcidir. Ben doğduğumda bir iş kurdular, sonra onu büyütüp çok uluslu bir işletmeye dönüştürdüler ve sonunda stratejik bir şirkete sattılar. Yani bunlar benim gerçek sanırım ilk işlerimdi, bilirsiniz, lisedeyken telefonlara cevap vermekten üniversitedeyken ağ düzenlemeye kadar. Yani, biliyorsunuz, içimde her zaman o girişimci ruh vardı. Pek çok kişinin üniversiteden mezun olduktan sonra üçüncü çocukların sıklıkla yaptığı gibi tamamen farklı bir yöne gitti, ancak daha sonra o eve geri dönüp kurucu olmak istediğimi çok iyi anladım.

Peter Renton  03:49

Tamam o zaman önce Stratyfy'ın kuruluş hikayesinden bahsedelim. Özellikle ne gördünüz ve neyi çözmeye çalışıyorsunuz?

Laura Kornhauser  03:58

Kesinlikle. İlginç bir şekilde, JPMorgan'dan ayrıldıktan sonra, bir kredi kartı ürününün bana yoğun bir şekilde Chase tarafından pazarlandığı bir deneyim yaşadım, kişisel bir deneyim, ve harika bir puan planı vardı ve ben iyi bir puan planına hastayım . Kredi kartına kaydoldum ve reddedildim. Ve bu da beni ret bildirimimin arkasındaki numarayı aramaya, ek bilgi verdiğim biriyle konuşmaya ve sonra kelimenin tam anlamıyla boop boop, boop, buu, buu neredeyse duyabiliyorum. arka planda boo boo ve aslında telefonda onaylandım. Ve benim için bu deneyim, kredi kararlarının pek çok kurum tarafından nasıl verildiğine ve bu kararların dışında kalan büyük insan gruplarına gerçekten gözlerimi açtı. Biliyor musun, şanslı bir yerdeydim. O kredi kartına ihtiyacım yoktu. Biliyor musun, bu benim hayatımı maddi olarak değiştirecek bir şey değildi. Ancak diğer birçok insan için bu tür kredi ürünleri, ilk evlerini almalarına yardımcı oluyor, küçük işletmelerinin envanterini finanse etmelerine yardımcı oluyor, biliyorsunuz ve gerçekten anlamlı bir etkiye sahip ve bu da bir şeydi. Şunu gerçekten belirtmek istedim: Aynı dönemde kurucu ortağım Dmitry Lesnik ile tanışma şansına da sahip oldum. Ve biz tanışmadan önceki on yılı, hala Stratyfy'de sunduğumuz teknoloji ve hizmetlerin merkezinde yer alan bir algoritma ailesi geliştirerek geçirmişti. Ve bu algoritma ailesinin gerçekten güzel yanı, verilerden otomatik olarak ölçeklenebilir bir şekilde, ancak kullanıcı için son derece şeffaf bir şekilde öğrenmenize olanak sağlamasıdır. Başvuruyu kredi kapsamında gördüm ve bildiğiniz gibi, JPMorgan'daki önceki hayatımda, çözmeye çalıştığımız sorunlara uyacak doğru teknolojiyi elde etmek için bile mücadele etmiştim.

Peter Renton  05:54

Tamam o zaman, hızlıca ilerleyelim, kuruluş yılınız 2017 miydi? Altı yıl önce, şimdi bize şirketin nasıl geliştiğini ve bugün şirketi nasıl tanımladığınızı biraz anlatın.

Laura Kornhauser  06:05

Evet. Dolayısıyla şirketi anlatırken, başlangıçtan beri misyonumuz olan misyonumuzla başlıyorum; bu, insanlara daha fazla finansal katılım sağlamak ve aynı zamanda finansal kuruluşların riskleri daha iyi yönetmesine ve azaltmasına yardımcı olmaktır. Bunu aynı madalyonun iki yüzü olarak görüyoruz, ikinciyi yapmadan birinciyi yapamayız veya ikinciyi yapmadan ilkini ölçeklenebilir bir şekilde yapamayız. Dolayısıyla şirketi kurduğumuzda, kredi riski puanlamasına ve kredi riski kararına çok odaklanmıştık. Dolayısıyla, kredi verenlerin, özellikle tüketici ve küçük işletme kredisi alanlar olmak üzere borçluların gerçek riskini anlamalarına yardımcı olmak, onların bu gerçek riski anlamalarına ve bu gelişmiş risk tahminlerine dayalı olarak daha bilinçli kararlar almalarına yardımcı olmak. Evet, verilerden elde edilen içgörülerden otomatik bir şekilde yararlanıldı, ancak bunu yine de veri bilimi kullanıcısı olmayan bir kullanıcının neler olup bittiğini anlamasına olanak tanıyacak şekilde yaptı ve bunun gerçekten önemli olduğunu görmeye devam ediyoruz. Bugün hızlı bir şekilde ilerlersek, sektörde sadece yapay zeka ve makine öğrenimine değil, özellikle son bir yılda çok fazla odaklanma oldu. Ancak teknolojinin güvenli, sağlam ve adil bir şekilde nasıl kullanılabileceği konusunda sektöre büyük bir odaklanma var. Ve bunun için mükemmel bir konumdayız. Belki şirketi kurduğumuzda pazar için hâlâ biraz erken olduğumuzu iddia edebilirim. Ancak özellikle son 18 ayda gördüğümüz büyüme gidişatı gerçekten inanılmazdı ve aynı zamanda başka kullanım alanlarına da açılmamıza olanak sağladı. Şu anda, sahtekarlık tespitinde de müşterilerimiz var; burada sahtekarlığı tespit etmelerine, adaleti sağlamalarına ve bu süreçte yanlış pozitifleri azaltmalarına yardımcı oluyoruz. Daha sonra önyargı tespit etme ve azaltma yeteneklerimizi de UnBias adını verdiğimiz ayrı bir çözüme taşıdık. Bu, doğrudan adil kredi verme risk değerlendirmesine odaklanır ve kredi verenlerin bunu daha verimli, daha proaktif bir şekilde yapmalarını ve riskleri sorun haline gelmeden önce tespit etmelerini sağlar.

Peter Renton  06:07

Kiminle çalıştığına dair bir fikir edinmek istedim. Finansal kuruluşlardan bazıları nelerdir, şu anda ne tür finansal kuruluşlarla çalışıyorsunuz?

Laura Kornhauser  08:13

Evet. Bu yüzden öncelikli olarak fintech'lerle çalışmaya başladık. Yani bunlar ilk benimseyenler, ilk müşterilerimizdi ve gerçekten inanılmaz ürün geri bildirimleri almamızı ve tekliflerimiz hakkında hızlı yineleme döngüleri almamızı sağladı. Artık bankalarla çalışıyoruz. Bankalarla çalışıyoruz, aslında oldukça geniş bir yelpazede şu anda en büyük bankacılık müşterimiz ABD'deki ilk on banka arasında yer alıyor. Ayrıca daha küçük topluluk bankaları ve bir dizi CDFI ile de çalışıyoruz. En önemlisi, yakın zamanda başlattığımız, ırksal adalet için sigortacılık adı verilen bir girişim ve teknoloji ortağı olduğumuz pilot program aracılığıyla, kesinlikle hakkında daha fazla konuşabiliriz. Ancak CDFI alanında çok büyük bir fırsat görüyoruz, özellikle topluluk bankalarında bizimki gibi teknolojiler için çok büyük bir fırsat görüyoruz ve ayrıca biliyorsunuz, büyük topluluk bankalarının geçiş yaptığını söyleyebilirim. bölgesel bankalara da

Peter Renton  09:11

Tamam o zaman bu alanda yalnız değilsin. Bu tür finansal kurumlara hizmet sağlayan başkaları da var. Uzaydaki diğerlerinden nasıl farklısınız?

Laura Kornhauser  09:24

Evet, yani kendimizi gerçekten farklılaştırdığımız nokta, hem modellere hem de puanlama sistemlerine ve karar verme sistemlerine sağladığımız şeffaflık düzeyidir. Bu, herkesin şeffaflığa sahip olduğunu iddia ettiği, aşırı kullanılan bir terim haline geldi. Biliyorsunuz, derken kullanıcılarımızın bir modelin veya stratejinin nasıl çalıştığına dair iç işleyişi tam olarak görebilmesini kastediyoruz. Ayrıca değişiklik yapma gücüne de sahipler ve bunu tek bir satır kod bile yazmadan yapıyorlar, bunun özellikle topluluk bankaları ve hatta birçok bölgesel oyuncu için gerçekten anlamlı olduğunu görüyoruz. yani, eğer bir veri bilimi ekibi varsa, eğer gerçekten gerginlerse, fazla çalışıyorlarsa birkaç kişi olabilir. Ve asıl yapmaya odaklandığımız şey, veri biliminin araçlarını, konunun uzmanına, krediyi gerçekten anlayan ve veri konusunda kesinlikle son derece yetkin olan ve verileri bilen ancak veri bilimci olmayan kullanıcıya nasıl sunacağımızdır. Bir mühendis değil, diğerlerine kıyasla sağladığımız görünürlük ve kontrol düzeyi nedeniyle, onlara kullanırken gerçekten rahat hissedebilecekleri araçları nasıl verebiliriz? Yani Stratyfy'de hiçbir şekilde kara kutu yok ve bunların hepsi daha önce bahsettiğim çekirdek teknoloji tarafından sağlanıyor.

Peter Renton  10:51

İlginç. Önyargı konusuna değinmek istiyorum. Zaten burada birkaç kez bahsetmiştin. Bu sizin için gerçekten kurucu bir prensip gibi görünüyor, yaklaşımınız nedir? Belki modellerinizin önyargıyı nasıl diğerlerinden daha iyi tanımlayabildiğini tam olarak açıklayabilirsiniz.

Laura Kornhauser  11:10

Evet. Yani bu bir şey, kesinlikle haklısınız, kurucu yaklaşımımızın bir parçası, biliyorsunuz, oluşturduğumuz ilk çözümümüz, kredi riski değerlendirmemiz ve karar verme çözümümüz her zaman modellerin KPI'sı olarak önyargıyı içeriyordu. Dolayısıyla farklı stratejileri, farklı seçenekleri, farklı modelleri değerlendirirken bakmanız gereken performans göstergelerinden birinin bu olduğunu düşündük her zaman. Ve biliyorsunuz, birincisi, yaptığımız şey şu; neyin adil, neyin adil olmadığını söyleme veya belirleme işinde değiliz. Yapmaya çalıştığımız şey, bir dizi farklı test ve ölçüm sunmaktır; bunların hepsi, ilave olarak ortaya çıkabilecek potansiyel önyargıları değerlendirmek için araçlarımız içerisinde kolayca kullanılabilir. Yani Peters, yaptığımız bir şey var, bir dizi farklı önyargı ölçümünü destekliyoruz ve kullanıcımızın kendisi için en önemli ölçümlerin hangisi olduğuna karar vermesine izin veriyoruz. Düzenleyiciler ve onların müşterileri için en çok hangi metriklerin önemli olduğu ve bunları seçebilmeleri. Ve UnBias ürünümüzün çalışma şekli ilk adımdır; aslında onu üç adıma ayırırız: ortaya çıkarın, anlayın, geri alın. Dolayısıyla, ortaya çıkarmanın ilk adımı, bu testleri çok sağlam ama otomatikleştirilmiş bir şekilde yürütmekle ilgilidir, böylece borç veren bu testleri daha sık ve daha proaktif bir şekilde çalıştırabilir. Bu göstergelerden birine göre bir risk ortaya çıkarsa, ürünlerimizde ikinci adıma geçiyoruz veya kullanıcının ikinci adıma geçmesine izin veriyoruz, bu da anlaşıldı. Orada bu riski ayrıştırıyoruz. Peki birincil sürücüler nelerdir? Önyargı riskinin ortaya çıkmasına ne sebep oluyor? Ve bunu aydınlattıktan sonra, müşterimize bilgiyi veriyoruz, harekete geçmeleri gerekip gerekmediğini belirlemeleri gerekiyor. Ve eğer harekete geçmek istediklerine karar verirlerse, geri alma bileşeniyle, düzeltmenin ve modellerinde değişiklik yapmanın yolunu bulmalarına da yardımcı olabiliriz. Kimse önyargılı bir model veya önyargılı karar verme stratejisi oluşturmaya kalkışmadığı için ortaya çıkan önyargıyı düzeltin veya telafi edin, değil mi? Dışarıda, hey, bilirsin, ya kararları benim insanlarım veriyor, ya da otomatik sistemim ya da her ikisinin bir kombinasyonu, diyen bir borç veren yok, pek çok borç verende olduğu gibi, değil mi, hiç kimse bu önyargıya sahip olmak niyetinde değil. Ancak, güçlü kontrollerin çoğunun, yeni bir strateji başlatılmadan önce, lansman sırasında gerçekleştiğini görüyoruz. Sonuçta evet, periyodik check-in'ler de var. Ancak çoğu zaman işler, bir sonraki periyodik kontrolden daha hızlı bir şekilde raydan çıkabilir. Biliyorsunuz, bu ürün teklifiyle ve müşterilerimize sunabildiklerimizle amacımız, bu risklerin sürekli izlenmesi konusunda daha iyi görünürlük sağlamak ve böylece bir sorunu büyük bir soruna dönüşmeden önce çözebilmenizdir.

Peter Renton  13:58

Yani, sanki birisi sizin modellerinizi çalıştırıyormuş gibi görebilirsiniz ve diyelim ki, birkaç hafta geçti ve onlar şunu görmeye başlıyorlar, sanki kadın mı, ırksal mı, doğru diyebilirsiniz, öyle görünüyor bana göre bu tür insanları olması gerekenden daha fazla reddediyorsun. Peki bu öyle bir şey ki, tetikleyici bir nokta var mı? Yoksa tetikleme noktasını müşteri mi belirliyor?

Laura Kornhauser  14:25

Müşteri, değerlendirmeyi hangi sıklıkla yürütmek istediğini belirleyebilir. Biliyorsunuz, bunu günlük olarak yapabiliriz, hatta bir müşteri isterse günde birkaç kez bile yapabiliriz, çoğu durumda, insanların bu kontrolleri yapmak istediklerini aylık veya üç ayda bir inceliyoruz. Ölçmek çok zordur. Yeterince büyük boyutta bir örnek kümeniz yoksa istatistiksel olarak anlamlı olmayan bir şeyi işaretleyebileceğiniz durumlarla karşılaşabilirsiniz. Yani biz gerçekten biliyorsunuz, sadece ölçüme değil, bu ölçümün istatistiksel olarak anlamlı olmasını sağlamaya da odaklandık, böylece bir şeyi risk olarak ölçmekte rahat olabiliriz ve biliyorsunuz, bir sürü şey ortaya atmıyoruz. bayraklar bulundukları yerde, olmalarına gerek yok.

Peter Renton  15:05

Sağ. Bunun, bu hacme sahip olmayan, bazı küçük topluluk bankaları için bir zorluk olabileceğini düşünüyorum.

Laura Kornhauser  15:11

Kesinlikle. Biliyorsunuz, daha fazla sıklıkta çalışacak hacim yok, biliyorsunuz, o zaman aylıksa ve genellikle küçük bankalar için bunu üç ayda bir çalıştırmak istiyorlar. Ama biliyorsunuz bizim teknolojimiz onların istediği sıklıkta çalışmasına olanak sağlıyor, biz ayda bir, üç ayda bir pazarı buluyoruz.

Peter Renton  15:29

Sisteminiz aynı zamanda olumsuz eylem mektupları veya birisinin reddedilmesi konusunda da yardımcı oluyor mu? Ve açıkçası, sizin de bunun nedenini bilmenize ihtiyacımız var. Orada sunduğunuz şeyin bir parçası bu mu?

Laura Kornhauser  15:42

Kesinlikle. Ve bu aynı zamanda bizim farklılaştırıcı özelliğimiz olarak gördüğüm bir şey, yine temel yaklaşımımızın şeffaflık düzeyine işaret ediyor. Diğer makine öğrenimi yaklaşımlarını kullanan ve daha sonra olumsuz eylem bildirimleri sağlayan pek çok kişi, bu olumsuz eylem bildirimlerini sağlamak için Shapley değerleri gibi şeyleri veya düzenleyicilerin ortaya çıkardığı ve bu tür doktora sonrası açıklayıcılar hakkında işaretler kaldıran neden kodlarını kullanıyor . Şimdi yeterince açıklanabilir olmadıklarını söylemediler. Doktora sonrası açıklayıcıların tam dilinin bu tür bir kullanım için yeterince şeffaf olmayabileceğini düşünüyorum. Ancak bunun yine de sektörde hararetle tartışılan bir konu olduğunu söyleyebilirim ve birçok kişi, daha fazla kara kutu, makine öğrenimi çözümleri kullanıyorsa bu yöntemlerden yararlanıyor. Bu sorunu yaşamıyoruz çünkü modellerimizin temelinde yatan doğa yorumlanabilir olmalarıdır, yani anlaşılabilmesi için bir modeli modelin üstüne katmanlamak yerine yapı taşlarından itibaren görünür veya şeffaftırlar. modeller nasıl çalışıyor

Peter Renton  16:46

Doğru doğru. Ve sonra, CFPB'nin borç verme modellerinde herhangi bir önyargı görmek istemediklerini açıkça belirttiğiniz gibi, var. Demek istediğim, bugün kredi verenlerin tümü olmasa da çoğunun bunun farkında olacağını düşünüyorum. Ve önyargı, bugün kredi verenlerin akıllarında kalan bir şey mi, yoksa nasıl oluyor da, sohbet ederken, onların en çok ilgilendikleri özellik bu tür oluyor? Ya da nasıl bir şey?

Laura Kornhauser  17:14

İlginç bir piyasa ortamı, çoğu bankanın ilk aklına gelenin mevduatları büyütmek, mevduatları büyütmek ve ardından mevduatları büyütmek olduğunu söyleyebilirim. Bununla birlikte, bu çok büyük bir odak noktasıdır. İçinde bulunduğumuz ortam göz önüne alındığında, bankalar şu anda personel sayısını, maliyetleri vb. azaltıyor. Süreçleri otomatikleştirmenin yollarını arıyor, ölçeklenebilirlik arıyor, teknoloji aracılığıyla verimlilik arıyor. Yapay zeka ve makine öğrenimi alt alanının, bu tür ölçeklenebilirlik ve verimlilik kazanımlarını desteklemek için sunabileceği tonlarca değeri var. Ancak piyasadaki pek çok kişinin, bu tür yüksek değere sahip, yüksek düzeyde inceleme gerektiren yüksek riskli kararlar için makine öğrenimini kullanma konusunda hala oldukça çekingen olduğunu görüyoruz. Ve biliyorsunuz, işte bu noktada kendimizi gerçekten farklılaştırabiliyoruz. Bu yüzden gördüğümüz büyümeyi gördük, çünkü onlara bu teknolojinin faydalarını bazı dezavantajlar olmadan, yani oturup bir skora veya körü körüne güvenmeleri gerektiğini hissettirmeden sunabiliyoruz. anlamadıkları model, her şeyi kendi risk toleranslarına, kendi müşteri tabanlarına göre çok kolay bir şekilde özelleştirebilir, tekrar görürler, verilerden tam olarak ne öğrenildiğini görürler, onu değiştirebilirler, geçersiz kılabilirler, sisteme ek bilgiler koyabilirler yani önyargı gibi şeyleri telafi etmek için verinin dışında, bildiğiniz şeyleri telafi etmek için, veri gibi şeyler her zaman geriye dönüktür. Bence bu, sonuçta zorlu bir ortamda bize gerçekten yardımcı oldu.

Peter Renton  18:52

Verilerin kendisi hakkında konuşalım, çünkü bu önyargının bir kısmını tanımlamak için burada konuştuğumuz bazı şeyler için gerçekten kritik hale gelen veri türü hakkında bir fikir sahibi olmayı çok isterim. Ve belki daha az önemli olan veriler.

Laura Kornhauser  19:09

Veri tarafında birkaç şey var; genellikle müşterilerle bulundukları yerde buluşuyoruz. Veri ortaklıklarımız var ancak Stratyfy'nin kendisi bir veri sağlayıcı değil.

Peter Renton  19:18

Sağ.

Laura Kornhauser  19:19

Yani biliyorsunuz, hey, bu veri öğesini modelinize ekleyin, analitik mutluluğuna ulaşacaksınız demiyoruz. Sahip oldukları veri varlıkları veya veri ortaklıklarımızdan biri aracılığıyla edindikleri veri varlıkları ile çalışıyor ve bundan en iyi şekilde yararlanarak maksimum değeri elde ediyoruz. Hala kredi verenlerin çoğunluğunun, özellikle de siz topluluklara, topluluk bankacılığı alanına taşındığınızda, hala geleneksel kredi verilerini kullandığını görüyoruz. Aradıkları şey, daha yüksek performans, daha fazla doğruluk elde etmek için bu verilerden değer elde etmenin daha iyi bir yoludur, ancak bunu görünürlükten, şeffaflıktan ve kontrolden ödün vermeden yaparsınız. Ek veri öğeleri hakkında çok fazla konuşma var. Ve pek çok kredi veren, ister fintech ister daha büyük kredi verenler, özellikle eksik başvuru yapan veya hiç dosyası olmayan başvuru sahiplerini telafi etmeye yardımcı olmak için diğer veri unsurlarını kullanıyor, biliyorsunuz, bizim çalışmalarımıza göre, bu alanlarda muazzam kar vaadi olduğunu gösteriyor. Bilirsiniz, örneğin kira ödemesi verilerine ve özellikle de bu verilerin adalet açısından gerçekten yardımcı olabileceğine, önyargıları azaltabileceğine ve daha zayıf dosya başvuru sahiplerinden bazılarını güçlendirebileceğine büyük bir inancım var. Hepimiz FinRegLab'dan ve FinRegLab ile ortaklık kurduğumuz diğerlerinin, makine öğrenimi ve sigortalama üzerine çok ilginç, ancak nakit akışına dayalı sigortalama konusunda da olağanüstü umut verici bir çalışma üzerine çalışmalarını gördük ve okuduğunuzu da biliyorum. Ve yine, bu alternatif verilere göre farklı kredi verenlerin benimsenme eğrilerinin farklı noktalarında olduğunu görüyoruz. Ancak bu benim için her zaman ilginç olmuştur, çünkü çoğu kredi veren, alternatif verilerden veya kredi raporu dışındaki verilerden bahsettiğinizde, birisinin sosyal medya profilini kazımaktan bahsettiğinizi düşünüyor. Sağ? Ve sık sık şaka yapıyorum, tıpkı bizim alanımızda olduğu gibi, alternatif veriler o kadar da alternatif değil, değil mi?

Peter Renton  21:17

Sağ.

Laura Kornhauser  21:18

Yani biliyorsunuz, bazen bu konuşmayı başlatmaya başladığınızda insanları bir nevi ikna etmeniz gerekir. Ancak bu tartışmaların her birinde, tahmin edebileceğiniz gibi, özellikle piyasa ortamında, kredi verenin yanıtlaması gereken temel soru şu: Bu veri öğesinin sağladığı ek artış nedir? Bu, bunu elde etmek için katlanmak zorunda olduğum maliyeti veya katlanmam gereken sürtüşmeyi haklı çıkarıyor mu? Ve çoğu zaman insanların bu testi yapmaya yardımcı olmak ve ayrıca bu ek veri öğesinin değerini keşfetmek için ürünlerimizi kullandığını görüyoruz. Burada bahsedeceğim diğer şey Peter, kredi konusunda iyi kararlar vermek için 1000'lerce özelliğe ihtiyacınız olmadığını gördük. Ve çoğu zaman, neredeyse bir doygunluk noktası vardır; burada Evet, belki marjinal bir artımlı değer ekliyorsunuzdur, ancak bu, artan model karmaşıklığını veya bu verilerin maliyetini mutlaka haklı çıkarmaz. Yani biz, alanımızdaki diğerleri gibi değiliz, şu anda müşterilerimizden herhangi biriyle karar vermek için binlerce özelliğe bakıyoruz, biliyorsunuz.

Peter Renton  21:18

Peki yeni bir müşteriyi, yeni bir kredi vereni kaydettiğinizde, Stratyfy'i uygulama sürecine neler dahil oluyor? Ne kadar sürer? Bizi orada tipik bir yolculuğa çıkarın.

Laura Kornhauser  22:35

Dolayısıyla ilk katılımlar genellikle bir ila üç ay süren bir pilot anlaşmayla başlar. Bu pilot anlaşmada veri alışverişinde bulunuyoruz, yani borç verenin bizimle paylaştığı veriler, bunların hepsi anonimleştiriliyor, dolayısıyla bizimle herhangi bir kişisel bilgi veya buna benzer herhangi bir şeyi paylaşmak zorunda kalmıyorlar ki bu da oldukça faydalı. Ve sonra, diğer veri varlıklarını keşfetmek isteyip istemedikleri hakkında konuşuyoruz, yine genellikle pilot olarak, bu insanların yaptığı bir şey değil. Daha sonra başlangıç ​​seviyesinde meydan okuyan modeller ve meydan okuyan stratejiler seti oluşturmak için onlarla birlikte çalışıyoruz. Yani modeller bir skor üretir, strateji ise bir karar üretir, değil mi? Yazılımımız içinde daha sonra değerlendirebilecekleri bir dizi zorlu model ve strateji üretmek için onlarla birlikte çalışın. Daha sonra devam eden yürütme için, yalnızca API aracılığıyla sürekli yürütme için genellikle bir LOS ile entegre oluyoruz. Ve bunların hepsi ürünlerimiz tarafından kontrol ediliyor, böylece entegrasyonu değiştirmek zorunda kalmadan, uygun kontrollerle, bir API için dağıtılan stratejiye yeni bir stratejiyi kolayca tanıtabilirsiniz. Ve sonra, genellikle borç verenlerin bunu aktaracağını görüyoruz, bu nedenle hiçbir borç veren, bir pilot uygulamadan sonra, uzun vadeli bir anlaşmaya doğru ilerlerken, biliyorsunuz, ilk günde her şeyi yeni meydan okuyan modele çevirmeyecek. Yani genellikle bu, belirli bir yüzdeden başlayarak zaman içinde yuvarlanır ve sonra bir nevi yuvarlanır.

Peter Renton  24:01

Peki modelleriniz nasıl, yapay zeka modellerinizi nasıl geliştirdiniz, zaman içinde nasıl geliştiler?

Laura Kornhauser  24:07

Harika bir soru. Ve bu beni başka bir farklılaşma noktasına getiriyor; müşterilerimizin verilerini almıyoruz ve ardından tüm bu veriler için, daha sonra diğer tüm müşterilerin yararlanacağı ortak bir depo yaratmıyoruz. Dolayısıyla müşterilerimizin verileri, onların verileri olarak kalıyor ve bunun onlar için gerçekten önemli olduğunu görüyoruz. Bununla birlikte, algoritma ailemizin çalışma şeklini, bize ait olan verilerden çıkarılan özellikler veya içgörüler olarak düşünebilirsiniz. Ve bu daha sonra, şirketimiz için bir ağ etkisi yaratarak, aldığımız her yeni müşteriyle herkese değer katarak, geliştirmek veya iyileştirmek için kullanılır. İşte biz bunu böyle yapıyoruz. Ama bilerek, herkesin yararlandığı büyük veri deposunu yaratmıyor muyuz?

Peter Renton  25:01

Tamam, ChatGPT'nin yayınlanmasının ve herkesin yapay zeka hakkında konuşmaya başlamasının üzerinden bir yıla yaklaşıyoruz. Yani, bu gerçekten harika. Bugün herhangi bir gazeteye bakıyorsunuz ve yapay zeka var, her gün yapay zeka makaleleri var, herkes bundan bahsediyor. Bu yaklaşımınızı değiştirdi mi? Ne yaptığınızı açıklamayı bir bakıma kolaylaştırdı mı, yoksa zorlaştırdı mı?

Laura Kornhauser  25:26

Harika bir soru. Cevap şu ki, konu etrafındaki konuşmalar arttı ve bence finansal hizmetler içerisinde neredeyse iki kamp oluştu. Ve bu kampları birlikte çalıştıkları kurumların varlık büyüklükleriyle biraz ilişkilendirebilirsiniz, ancak bu mükemmel olmaz. Ve bir taraf, vaadi görüyor, değeri görüyor, riskleri görüyor, ki bunlardan çok var, riskleri de görüyor, ancak çözmek istiyor ve birçok durumda, biliyorsunuz, bir takım şeyleri çözmesi gerekiyor. Birlikte çalıştığımız kurumların, bu teknolojiden yararlanmanın bir yolunu bulma konusunda yönetim kurullarından dolaylı bir yetkiye sahip olduklarını biliyorsunuz. Bu yüzden, bunu kendileri için nasıl işe yarayacaklarını bulma konusunda gerçek bir istekleri var. Sağlıklı, sağlıklı dozda bir korkuyla diyebilirim. Diğer kamp çok sular altında kaldı, biliyorsunuz, AI kelimesini görüyor ve hemen kapanıyor. Ve biliyorsunuz, son iki aydır diğer pek çok kişi gibi ben de konferans devresinde aktif olduğumdan, insanların arada olmadığını görmek benim için çok ilginç oldu ya da çok az sayıda insan buldum. arada, bu iki kamptan birine düşüyorlar. Biliyorsunuz, genel anlamda yapay zeka teknolojisinin finans sektörüne getireceği güce çok inanıyorum. Eğer büyük gücün büyük sorumluluk getirdiğini anlarsanız. Ve biliyorsunuz ki bu araçlar, özellikle adalet konularında işleri daha iyi hale getirmek için kullanılabilir. Ayrıca önyargıyı aşılamak ve önyargıyı ileriye dönük kararlara katlanarak ölçeklendirmek için de kullanılabilirler. Ve sanırım, bir dönüm noktası ya da karar noktasındayız, bilirsiniz, gerçekten de her şeyin eskisi gibi gitmesini umuyorum. Ancak doğru kontrollere sahip değilsek, yeniliği engelleyen kontroller değil, kontroller olmazsa, geçmişin tüm önyargılarının geleceğin kararlarına kodlandığı bir durumla karşı karşıya kalabiliriz.

Peter Renton  27:29

Sağ. Bu yüzden biraz vites değiştirip para toplamaktan bahsetmek istiyorum, çünkü en son konuştuğumuzda sen sadece, sanırım finansman turunu yeni kapatmıştın. Henüz halka açık olup olmadığını bilmiyorum ama az önce kapatmıştın. Tebrikler! 2023'te finansman turunu tamamlamak kolay değil. Peki bize bu süreçten biraz bahseder misiniz, yatırımcılarınız kimler ve bu süreç nasıl ilerledi?

Laura Kornhauser  27:51

Çok zorlu bir bağış toplama ortamıydı, buna hiç şüphe yok. Ancak hem misyonumuzu hem de değerlerimizi paylaşan, aynı zamanda Stratyfy'nin muazzam avantajını da gören yatırımcılara sahip olduğumuz için çok şanslıyız. Biliyorsunuz, uzun vadede ilişkiler kurmanın çok faydasını gördük. Doğru, bir süredir buralardaydık. Bir süredir yatırımcılarla ilişkileri geliştiriyoruz. Bu da şu anlama geliyordu: Bağış toplamak için dışarı çıktığımızda, aslında, finansman ortamı göz önüne alındığında ne kadar şok edici görünse de, bunu fırsatçı bir şekilde yapıyorduk. O zamanlar paramız bittiği için değil, imza attığımız ya da imzalamak üzere olduğumuz müşterilerimiz olduğu için zam yapıyorduk. Ekibimizi, ulaştığımız taahhütleri karşılayacak şekilde ölçeklendirebileceğimizden emin olmamız gerekiyordu. Yani aynı zamanda bu konumda olmak, bizi bağış toplama konusunda elbette daha güçlü bir konuma getiriyor. Ancak uzun vadeli ilişkiler olmasaydı ve daha adil bir finansal sistemi sürdürmeyi gerçekten önemseyen ve Stratyfy'nin bunu gerçekleştirmede önemli bir bileşen olduğuna inanan yatırımcılar olmasaydı bunu başaramazdık.

Peter Renton  29:10

Peki o halde bugünkü işinize baktığımızda, Stratyfy'i büyütmeye çalışırken karşılaştığınız en büyük zorluk nedir?

Laura Kornhauser  29:17

Şu anda zorlu olan ve her zaman zorlayıcı olan bir şey var, bankalara satış yapmak. Yapılması kolay bir şey değil.

Peter Renton  29:25

Sağ.

Laura Kornhauser  29:26

Yapılması kolay bir şey değil. Satış döngüleri uzundur. Sözleşmeler topaklı. Bu işe gözlerimiz açık girdik. Bu bizim için sürpriz değil sanki. Yürüdüğümüz yolun zorlu bir yol olduğunu biliyorduk. Ama bu şu anda çok zor. Şu anda içinde bulunduğumuz pazar ortamında bu çok zor. Ve birçok kredi veren, riski azaltıyor, ürünlerini kapatıyor ve çoğu durumda bunu çok keskin olmayan araçlarla yapıyorlar ve FICO kesintisini artırıyorlar. Belirli bir arzın tamamen kapatılması veya o arzın tamamen ikincil piyasaya satılması, değil mi? Bunu, özellikle bir tarafta fintech kredi verenler, diğer tarafta büyük bankalar tarafından uzun süredir sıkıştırılan topluluk bankaları ve bölgesel bankalar için, geçecek ve aynı zamanda muazzam bir fırsat yaratacak bir ilk tepki olarak görüyoruz. Dolayısıyla bunun gerçekten anlamlı bir fırsat yaratacağına inanıyoruz. Ancak şu anda bu bir zorluk. Bu zorluğun üstesinden gelirken asıl odaklandığım şey, kontrol edilebilirlerin klasik kontrolüdür. Bugün inanılmaz bir müşteri kitlesine sahibiz, onlara mümkün olan en kaliteli şekilde hizmet vermeye devam etmek, bize mevcut müşteri tabanını genişletmek için yeni fırsatlar verecektir. Ve sonra gerçekten takımımıza odaklandım, kesinlikle inanılmaz bir takım kurduk. İçinde bulunduğumuz pazar ortamında, büyük bir fark yaratan, aynı zamanda kadın bir lider ekibin olması gerçeğinden çok gurur duyuyorum. Ama biliyorsunuz, çalışanlarımızdan herhangi birini sınıflandırabilecek her şeyin ötesinde, onların misyonumuza ne kadar bağlı olduklarından, gerçekleştirmeyi amaçladığımız değişim konusunda ne kadar tutkulu olduklarından ve ne kadar sıkı çalıştıklarından gerçekten gurur duyuyorum. bunu sağlamak için çalışıyoruz. Yani, biliyorsunuz, sonunda karşılaşacağımız yeni pazar talebini karşılamaya devam etmemiz gereken ve kısa vadede bankalara satış konusunda karşılaştığımız zorlukların üstesinden gelmemiz gereken o muhteşem ekibi büyütmeye gerçekten odaklandım.

Peter Renton  31:30

Tamam, ileriye dönük bir soruyla bitirelim ve bugün nerede olduğumuza dair fikirlerinizi almak istiyoruz. Yani yapay zeka gelişmeye devam ediyor. Kredi verenler için kredi ve risk kararları söz konusu olduğunda bu nasıl gelişecek? Beş yıl sonra bu nasıl görünüyor?

Laura Kornhauser  31:49

Evet. Bu nedenle, borç verme konusunda çok daha fazla otomatik karar alma mekanizmasına sahip olacağımıza çok güçlü bir şekilde inanıyorum. Bu, belirli kararların hala manuel inceleme gerektirmeyeceği veya ikinci bir bakış gerektirmeyeceği anlamına gelmiyor ancak otomatik karar vermenin halihazırda olduğundan daha fazla yaygınlaşması gerekiyor. Ve bu farklı ürün gruplarında gerçekleşecek. Ancak gerçekten önemli olduğunu düşündüğüm şey, yapay zekanın, kredinin ve diğer alanların geleceği için geçerli olan, kazanacak, müşterilere en fazla değeri sağlayacak sistem türlerinin girdiye izin veren sistemler olmasıdır. sonuçta birden fazla kaynaktan. Yani bu, tek kaynak olarak veriler olabilir, aynı zamanda insanlar da olabilir... Makine öğrenimi, verileri yeme ve içgörü bulma konusunda gerçekten iyidir. İnsanlar bu verilere, veri öğelerinin dışındaki bilgilere bağlam uygulama konusunda gerçekten harikalar. Yani inanıyorum ki, geleceğin yapay zekası, özellikle düzenlenmiş kullanım durumları için, ancak diğer kullanım durumları için olduğu kadar, yeni düzenlemelerin gelmesi ve bir nevi takip edilmesiyle birlikte, yapay zeka sistemine ilişkin kamu farkındalığının da arttığını düşünüyorum. Avrupa'da gördüğümüz birçok düzenleme var ve 1033'le ilgili ilk adımı zaten gördük, olup biteni sadece verilerden değil, aynı zamanda verilerden nasıl anlayacağım konusuna gerçek anlamda odaklanılacak. insanlar? Bu ikisini tek bir otomatik sistemde birleştirin ve benim FI'ye ya da diğer iş türünün diğer taraftaki müşterilerine ne olduğunu söyleyebildiğinden emin olun. Bu karar nasıl verildi? Hangi bilgiler kullanıldı? Olumsuz sonucu olan bir dava için büyük bir fırsat olduğuna inanmaya devam ettiğim farklı bir karara varmanıza nasıl yardımcı olabilirim? Olumlu bir sonuca ulaşmalarına yardımcı olmak için o müşteriyle nasıl bir ilişki kurarsınız? Biliyorsunuz, bunu yapabilecek olan, tüm gazetelerde duyduğumuz tüm vaatleri ve değerleri yerine getirecek olan yapay zeka sistemleri olacak.

Peter Renton  33:47

Tamam, o zaman onu orada bırakmamız gerekecek. Laura, bugünkü gösteriye geldiğiniz için çok teşekkür ederim. Size iyi şanslar.

Laura Kornhauser  33:53

Çok teşekkür ederim Peter.

Peter Renton  33:57

Umarım gösteriyi beğenmişsinizdir. Dinlediğiniz için çok teşekkür ederim. Lütfen devam edin ve seçtiğiniz podcast platformunda programa bir inceleme yapın ve arkadaşlarınıza ve meslektaşlarınıza bundan bahsedin. Neyse, bu arada imzamı atacağım, dinlediğiniz için çok teşekkür ederim ve bir dahaki sefere sizi yakalarım. Hoşçakal.

.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; }

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://www.fintechnexus.com/laura-kornhauser-ceo-stratyfy-advanced-ai-models-underwriting/