Thưởng thức podcast của chúng tôi? Đừng bỏ lỡ các tập tiếp theo! Hãy nhấn nút đăng ký đó Apple , Spotify, YouTubehoặc nền tảng podcast yêu thích của bạn để luôn cập nhật nội dung mới nhất của chúng tôi. Cảm ơn sự hỗ trợ của bạn!

Việc sử dụng các mô hình học máy trong bảo lãnh cho các khoản vay tiêu dùng đã có từ hơn một thập kỷ nay. Mặc dù fintech rõ ràng đã dẫn đầu ở đây nhưng thực sự chỉ có vài năm gần đây những người cho vay truyền thống mới tham gia vào công nghệ này. Mặc dù các mô hình AI/ML này khác với cơn sốt Generative AI đã bao trùm thế giới kinh doanh trong năm qua, nhưng hiện tượng này chắc chắn đã giúp nâng cao nhận thức.

Vị khách tiếp theo của tôi trên podcast One-on-One Fintech là Laura Kornhauser, Giám đốc điều hành và Đồng sáng lập của chiến lược. Công ty của cô đang thực hiện sứ mệnh hỗ trợ mọi người tiếp cận tài chính nhiều hơn, đồng thời giúp các tổ chức tài chính quản lý và giảm thiểu rủi ro tốt hơn. Họ làm điều đó bằng cách triển khai các mô hình AI tiên tiến của mình và tất nhiên là thông qua sự cống hiến của con người.

Trong podcast này, bạn sẽ học:

• Câu chuyện thành lập Stratyfy.
• Sứ mệnh của công ty và nó đã phát triển như thế nào?
• Các loại tổ chức tài chính khác nhau mà họ làm việc ngày nay.
• Cách họ phân biệt mình với những người khác trong không gian.
• Sản phẩm UnBias của họ hoạt động như thế nào.
• Minh bạch có nghĩa là gì đối với các thông báo hành động bất lợi.
• Điều gì đang được hầu hết các ngân hàng và fintech quan tâm nhất hiện nay.
• Các loại dữ liệu mà khách hàng của họ đang sử dụng là quan trọng nhất.
• Những gì liên quan đến việc triển khai Stratyfy vào hệ thống của người cho vay.
• Mô hình AI của họ đã được cải thiện như thế nào theo thời gian.
• Mức độ phổ biến của AI thông qua ChatGPT đã tác động đến Stratyfy như thế nào.
• Việc huy động vốn cổ phần vào năm 2023 sẽ như thế nào.
• Thử thách lớn nhất mà Stratyfy đang phải đối mặt hiện nay.
• AI sẽ tiếp tục cải thiện như thế nào khi đưa ra các quyết định về tín dụng và rủi ro.

Đọc bản ghi cuộc trò chuyện của chúng tôi dưới đây.

Peter Renton  00:01

Chào mừng bạn đến với podcast Một-một của Fintech. Đây là Peter Renton, Chủ tịch và Đồng sáng lập của Fintech Nexus. Tôi đã thực hiện chương trình này từ năm 2013, điều này khiến đây trở thành chương trình phỏng vấn một đối một dài nhất trong lĩnh vực fintech. Cảm ơn bạn đã tham gia cùng tôi trong cuộc hành trình này. Nếu bạn thích podcast này, bạn nên xem các chương trình của chị em chúng tôi The Fintech Blueprint với Lex Sokolin và Fintech Coffee Break với Isabelle Castro hoặc nghe mọi thứ chúng tôi sản xuất bằng cách đăng ký kênh podcast Fintech Nexus.

Peter Renton  00:39

Trước khi chúng ta bắt đầu, tôi muốn nhắc bạn rằng Fintech Nexus hiện là một công ty truyền thông kỹ thuật số. Chúng tôi đã bán mảng kinh doanh sự kiện của mình và tập trung 100% vào việc trở thành công ty truyền thông kỹ thuật số hàng đầu về công nghệ tài chính. Điều này có ý nghĩa gì với bạn, giờ đây bạn có thể tương tác với một trong những cộng đồng fintech lớn nhất, hơn 200,000 người thông qua nhiều sản phẩm kỹ thuật số, hội thảo trên web, sách trắng chuyên sâu, podcast, email blast, quảng cáo, v.v. Chúng tôi có thể tạo một chương trình tùy chỉnh được thiết kế dành riêng cho bạn. Nếu bạn muốn tiếp cận đối tượng fintech cao cấp, vui lòng liên hệ với bộ phận bán hàng tại fintech nexus.com ngay hôm nay.

Peter Renton  01:21

Trong chương trình hôm nay, tôi rất vui được chào đón Laura Kornhauser. Cô là CEO và đồng sáng lập của Stratyfy. Bây giờ Stratyfy là một công ty cực kỳ thú vị tập trung vào các quyết định rủi ro dựa trên AI cho người cho vay, rõ ràng chúng tôi đang nói về ý nghĩa của tất cả những điều đó. Chúng tôi cũng dành nhiều thời gian để nói về sự thiên vị và cách các mô hình phân tầng thực sự giúp xác định sự thiên vị. Chúng tôi nói về tính minh bạch và cách điều đó được tích hợp vào mọi thứ họ làm với tư cách là Stratyfy. Chúng tôi nói về các loại dữ liệu khác nhau, chúng tôi đã nói về việc các mô hình của họ đã được cải thiện như thế nào, những gì liên quan đến việc triển khai Stratyfy thành một người cho vay mới. Chúng tôi cũng chỉ nói về AI nói chung và tại sao nó lại là một chủ đề nóng bỏng cũng như điều đó đã tác động đến chúng như thế nào. Chúng tôi nói về các vòng cấp vốn và nhiều hơn thế nữa. Đó là một cuộc thảo luận thú vị. Hy vọng bạn thưởng thức chương trình.

Peter Renton  02:20

Chào mừng đến với podcast. Laura.

Laura Kornhauser  02:22

Cảm ơn bạn rất nhiều, Peter. Hạnh phúc khi được ở đây.

Peter Renton  02:23

Được rồi. Thật tuyệt khi có bạn. Vì vậy, hãy bắt đầu bằng cách cung cấp cho người nghe một chút thông tin cơ bản về bản thân bạn. Tôi biết bạn đã có khoảng thời gian làm việc tốt tại JPMorgan Chase. Có vẻ như bạn hãy kể cho chúng tôi nghe một số điểm nổi bật trong sự nghiệp của bạn cho đến nay trước Stratyfy.

Laura Kornhauser  02:39

Tuyệt vời. Vì vậy, đúng vậy, tôi đã bắt đầu sự nghiệp của mình tại JPMorgan Chase, tôi đã dành hơn một thập kỷ ở đó với cả vai trò cho vay và quản lý rủi ro trong tổ chức, đó là nơi tôi đã phát hiện ra nhiều vấn đề hoặc trực tiếp giải quyết nhiều vấn đề mà chúng tôi giải quyết tại Stratyfy. Trước đó tôi là sinh viên đại học kỹ thuật. Tôi đã học về máy học ở bậc đại học trước khi nó được gọi như vậy. Lúc đó nó chỉ được gọi là thống kê nâng cao. Và sau đó, bạn biết đấy, khi tôi rời khỏi JPMorgan, khi tôi quyết định rời đi, tôi đã có rất nhiều hy vọng và ước mơ thành lập một công ty. Bạn biết đấy, bố mẹ tôi đều là doanh nhân. Họ bắt đầu kinh doanh vào khoảng thời gian tôi sinh ra, sau đó xây dựng và phát triển nó thành một doanh nghiệp đa quốc gia, và cuối cùng họ bán cho một công ty chiến lược. Vì vậy, tôi đoán đó là những công việc thực sự của tôi, những công việc đầu tiên, bắt đầu từ bạn biết đấy, trả lời điện thoại khi tôi còn học trung học cho đến chỉnh sửa mạng khi tôi còn học đại học. Vì vậy, bạn biết đấy, tôi luôn có tinh thần kinh doanh đó, nếu bạn muốn, trong tôi. Đi theo một hướng hoàn toàn khác, như nhiều người vẫn nói, những đứa con thứ ba thường làm, khi chưa tốt nghiệp đại học, nhưng rồi tôi biết rất rõ rằng tôi muốn quay trở lại ngôi nhà đó và trở thành người sáng lập.

Peter Renton  03:49

Được rồi, vậy hãy nói về câu chuyện thành lập, sau đó là Stratyfy. Bạn đã nhìn thấy điều gì cụ thể và bạn đang cố gắng giải quyết điều gì?

Laura Kornhauser  03:58

Tuyệt đối. Thật thú vị, sau khi rời JPMorgan, tôi đã có một trải nghiệm, một trải nghiệm cá nhân khi một sản phẩm thẻ tín dụng được Chase của tất cả mọi người tiếp thị rộng rãi cho tôi, và nó có một kế hoạch tính điểm tuyệt vời và tôi là một kẻ say mê kế hoạch tính điểm tốt. . Và tôi đã đăng ký thẻ tín dụng và bị từ chối. Và điều đó khiến tôi, bạn biết đấy, gọi đến số ở mặt sau thông báo từ chối của tôi, nói chuyện với ai đó mà tôi đã cung cấp một số thông tin bổ sung, và sau đó theo nghĩa đen, bạn gần như có thể nghe thấy tiếng boop boop, boop, boo, boo boo boo ở chế độ nền và tôi thực sự đã được chấp thuận qua điện thoại. Và trải nghiệm đó đối với tôi thực sự đã mở mang tầm mắt của tôi về cách thức đưa ra các quyết định tín dụng của rất nhiều tổ chức và những nhóm lớn những người bị loại khỏi những quyết định đó. Bạn biết đấy, tôi đã ở một nơi may mắn. Tôi không cần thẻ tín dụng đó. Bạn biết đấy, đó không phải là thứ có thể thay đổi cuộc đời tôi về mặt vật chất. Nhưng đối với nhiều người khác, bạn biết đấy, những loại sản phẩm tín dụng này giúp họ mua căn nhà đầu tiên như thế nào, giúp họ, bạn biết đấy, cấp vốn cho hàng tồn kho cho doanh nghiệp nhỏ của họ, bạn biết đấy và có tác động thực sự có ý nghĩa, và đó là điều gì đó Tôi thực sự muốn nói chuyện, đồng thời tôi cũng may mắn được gặp người đồng sáng lập của mình, Dmitry Lesnik. Và anh ấy đã dành cả thập kỷ trước khi chúng tôi gặp nhau, phát triển một nhóm thuật toán vẫn là cốt lõi của công nghệ và dịch vụ mà chúng tôi cung cấp tại Stratyfy. Và điều thực sự thú vị về dòng thuật toán đó là nó cho phép bạn học hỏi từ dữ liệu một cách tự động với quy mô lớn, nhưng theo cách cực kỳ minh bạch đối với người dùng. Vì vậy, tôi đã thấy ứng dụng này trong phạm vi tín dụng và trong các trường hợp sử dụng được quản lý chặt chẽ khác mà bạn biết đấy, ở kiếp trước tại JPMorgan, tôi thậm chí đã phải vật lộn để có được công nghệ phù hợp để giải quyết các vấn đề mà chúng tôi đang cố gắng giải quyết.

Peter Renton  05:54

Được rồi, vậy thì, chuyển nhanh đến ngày hôm nay, bạn thành lập vào năm 2017 phải không? Bây giờ, sáu năm trước, hãy kể cho chúng tôi nghe một chút về quá trình phát triển của công ty và bạn mô tả công ty ngày nay như thế nào?

Laura Kornhauser  06:05

Vâng. Vì vậy, khi mô tả công ty, tôi bắt đầu với sứ mệnh của mình, vốn là sứ mệnh của chúng tôi kể từ khi bắt đầu, đó là mang lại khả năng tiếp cận tài chính tốt hơn cho mọi người đồng thời giúp các tổ chức tài chính quản lý và giảm thiểu rủi ro tốt hơn. Chúng tôi coi đó là hai mặt của cùng một đồng xu, chúng tôi không thể thực hiện mặt thứ nhất mà không thực hiện mặt thứ hai hoặc chúng tôi không thể thực hiện mặt thứ nhất mà không thực hiện mặt thứ hai. Vì vậy, khi thành lập công ty, chúng tôi rất tập trung vào việc chấm điểm rủi ro tín dụng và đưa ra quyết định về rủi ro tín dụng. Vì vậy, việc giúp người cho vay hiểu được rủi ro thực sự của người đi vay, chủ yếu là người đi vay là người tiêu dùng và doanh nghiệp nhỏ, giúp họ hiểu được rủi ro thực sự đó và đưa ra quyết định sáng suốt hơn dựa trên những dự đoán rủi ro nâng cao đó. Đúng vậy, tận dụng những hiểu biết sâu sắc về dữ liệu theo cách tự động, nhưng làm như vậy theo cách vẫn cho phép người dùng không phải là khoa học dữ liệu hiểu được chuyện quái gì đang xảy ra, điều mà chúng tôi thấy tiếp tục thấy là thực sự quan trọng. Chuyển nhanh đến ngày hôm nay, đã có rất nhiều sự tập trung vào ngành này, không chỉ về AI và học máy trong khoảng một năm cụ thể vừa qua. Nhưng cần tập trung nhiều vào ngành về cách tận dụng công nghệ nhưng theo cách an toàn, hợp lý và công bằng. Và chúng tôi có vị trí hoàn hảo cho điều đó. Tôi cho rằng có lẽ khi chúng tôi thành lập công ty, chúng tôi vẫn còn hơi sớm để tiếp cận thị trường. Nhưng quỹ đạo tăng trưởng mà chúng tôi đã thấy, đặc biệt là trong 18 tháng qua, thực sự đáng kinh ngạc và cũng cho phép chúng tôi mở rộng sang các trường hợp sử dụng khác. Vì vậy, hiện tại, chúng tôi cũng có khách hàng trong lĩnh vực phát hiện gian lận, nơi chúng tôi giúp họ xác định gian lận, đảm bảo tính công bằng và giảm thiểu các thông tin sai lệch trong quá trình thực hiện. Sau đó, chúng tôi cũng đưa khả năng phát hiện và giảm thiểu sai lệch của mình vào một giải pháp riêng biệt mà chúng tôi gọi là UnBias. tập trung thẳng vào đánh giá rủi ro cho vay một cách công bằng và cho phép người cho vay thực hiện việc đó hiệu quả hơn, chủ động hơn và xác định rủi ro trước khi chúng trở thành vấn đề.

Peter Renton  06:07

Tôi muốn biết bạn đang làm việc cùng ai. Một số tổ chức tài chính là gì, hiện tại bạn đang làm việc với những loại tổ chức tài chính nào?

Laura Kornhauser  08:13

Vâng. Vì vậy, chúng tôi bắt đầu làm việc chủ yếu với fintech. Vì vậy, đó là những người chấp nhận sớm, những khách hàng đầu tiên của chúng tôi và đã giúp chúng tôi nhận được một số phản hồi thực sự đáng kinh ngạc về sản phẩm cũng như chu kỳ lặp lại nhanh chóng đối với các dịch vụ của chúng tôi. Bây giờ, chúng tôi đang làm việc với các ngân hàng. Và hiện tại, chúng tôi đang làm việc với các ngân hàng trên phạm vi khá rộng, khách hàng ngân hàng lớn nhất của chúng tôi là XNUMX ngân hàng hàng đầu ở Mỹ. Và sau đó chúng tôi cũng đang làm việc với các ngân hàng cộng đồng nhỏ hơn và một số CDFI. Đáng chú ý nhất, thông qua một sáng kiến ​​gần đây mà chúng tôi đã đưa ra, gọi là bảo lãnh cho công bằng chủng tộc và chương trình thí điểm mà chúng tôi là đối tác công nghệ mà chúng tôi chắc chắn có thể nói nhiều hơn. Nhưng chúng tôi nhìn thấy cơ hội lớn trong không gian CDFI, đặc biệt, chúng tôi thấy cơ hội lớn trong các ngân hàng cộng đồng, cho công nghệ như của chúng tôi, và sau đó chúng tôi cũng nhận thấy nhu cầu khá lớn từ bạn biết đấy, tôi có thể nói rằng các ngân hàng cộng đồng lớn đang chuyển đổi vào các ngân hàng khu vực.

Peter Renton  09:11

Được rồi, vậy thì bạn không ở trong không gian này một mình. Có những người khác cũng đang cung cấp dịch vụ cho các loại tổ chức tài chính đó. Bạn khác biệt như thế nào với những người khác trong không gian?

Laura Kornhauser  09:24

Đúng vậy, điểm chúng tôi thực sự khác biệt chính là ở mức độ minh bạch mà chúng tôi cung cấp cho cả mô hình hoặc hệ thống tính điểm và hệ thống quyết định. Vì vậy, điều đó đã trở thành một từ thông dụng được sử dụng quá mức mà mọi người đều tuyên bố là có sự minh bạch. Bạn biết đấy, khi chúng tôi nói điều đó, chúng tôi muốn nói rằng người dùng của chúng tôi có đầy đủ thông tin về hoạt động bên trong về cách thức hoạt động của một mô hình hoặc chiến lược. Họ cũng có quyền thực hiện các thay đổi và bạn biết đấy, không cần viết một dòng mã nào, chúng tôi thấy rằng điều đó thực sự có ý nghĩa, đặc biệt đối với các ngân hàng cộng đồng ngoài kia và thậm chí nhiều người chơi trong khu vực rằng, bạn biết đấy, nếu họ có một nhóm khoa học dữ liệu, có thể sẽ có một vài người nếu họ thực sự căng thẳng, làm việc quá sức. Và điều chúng tôi thực sự tập trung làm là làm cách nào để mang các công cụ của khoa học dữ liệu đến với chuyên gia về chủ đề, đến người dùng thực sự hiểu tín dụng và chắc chắn có năng lực rất cao về dữ liệu và biết dữ liệu nhưng không phải là nhà khoa học dữ liệu. không phải là kỹ sư, làm cách nào để chúng tôi cung cấp cho họ những công cụ mà họ thực sự cảm thấy thoải mái khi sử dụng nhờ mức độ hiển thị và kiểm soát mà chúng tôi cung cấp so với những công cụ khác? Vì vậy, không có hộp đen nào với Stratyfy và tất cả những gì được kích hoạt bởi công nghệ cốt lõi mà tôi đã đề cập trước đó.

Peter Renton  10:51

Hấp dẫn. Tôi muốn chạm vào sự thiên vị. Bạn đã đề cập đến nó một vài lần ở đây. Có vẻ như đây thực sự là một nguyên tắc nền tảng đối với các bạn, cách tiếp cận của các bạn là gì? Có lẽ bạn có thể giải thích chính xác, bạn biết đấy, làm thế nào các mô hình của bạn có thể xác định thành kiến ​​​​tốt hơn những mô hình khác.

Laura Kornhauser  11:10

Vâng. Vì vậy, đây là điều gì đó, bạn hoàn toàn đúng, một phần trong phương pháp sáng lập của chúng tôi, bạn biết đấy, giải pháp ban đầu mà chúng tôi xây dựng, giải pháp ra quyết định và đánh giá rủi ro tín dụng của chúng tôi luôn bao gồm sự thiên vị như một KPI của các mô hình. Vì vậy, chúng tôi luôn nghĩ rằng đó là một trong những chỉ số hiệu suất mà bạn nên xem xét khi đánh giá các chiến lược khác nhau, các lựa chọn khác nhau, các mô hình khác nhau. Và, bạn biết đấy, thứ nhất, những gì chúng tôi làm là, chúng tôi không có nhiệm vụ nói hay xác định điều gì là công bằng hay điều gì không công bằng. Những gì chúng tôi đang làm là cung cấp một số thử nghiệm, số liệu khác nhau, tất cả đều có thể dễ dàng tận dụng trong các công cụ của chúng tôi để đánh giá thành kiến ​​tiềm ẩn có thể phát triển thêm. Vì vậy, một điều chúng tôi làm với Peters là chúng tôi hỗ trợ một số chỉ số thiên vị khác nhau và cho phép người dùng đưa ra quyết định về những chỉ số nào quan trọng nhất đối với họ. Những số liệu nào quan trọng nhất đối với các cơ quan quản lý, khách hàng của họ và họ có thể chọn những số liệu đó. Và cách thức hoạt động của sản phẩm UnBias của chúng tôi là bước đầu tiên, chúng tôi thực sự chia nó thành ba bước, khám phá, hiểu, hoàn tác. Vì vậy, bước đầu tiên được khám phá là thực hiện các thử nghiệm đó, chạy chúng theo cách rất mạnh mẽ nhưng tự động, để người cho vay có thể chạy các thử nghiệm đó thường xuyên hơn và chủ động hơn. Nếu rủi ro xuất hiện theo một trong những chỉ báo đó, chúng tôi sẽ chuyển sang bước hai hoặc cho phép người dùng chuyển sang bước hai trong các sản phẩm của chúng tôi, điều này có thể hiểu được. Ở đó, chúng tôi phân tích rủi ro đó. Vậy các trình điều khiển chính là gì? Điều gì đang khiến rủi ro thiên vị đó xuất hiện? Và sau khi làm sáng tỏ điều đó, bạn biết đấy, chúng tôi sẽ cung cấp cho khách hàng thông tin, họ cần xác định xem họ có cần hành động hay không. Và nếu họ quyết định muốn thực hiện hành động, chúng tôi cũng với thành phần hoàn tác có thể giúp họ tìm ra cách khắc phục, thực hiện các thay đổi đối với mô hình của họ. Và sửa chữa hoặc bù đắp cho sự thiên vị đã xuất hiện vì không ai bắt đầu xây dựng một mô hình thiên vị hoặc một chiến lược ra quyết định thiên vị, phải không? Không có người cho vay nào nói rằng, này, bạn biết đấy, con người của tôi đưa ra quyết định cũng như hệ thống tự động của tôi, hoặc sự kết hợp nào đó của cả hai, như trường hợp của nhiều người cho vay, đúng vậy, không ai có ý định thiên vị đó. Nhưng chúng tôi nhận thấy rằng rất nhiều hoạt động kiểm tra mạnh mẽ diễn ra gần như ngay khi ra mắt, trước khi một chiến lược mới được đưa ra. Cuối cùng, vâng, cũng có những lần kiểm tra định kỳ. Nhưng đôi khi, mọi thứ có thể đi chệch hướng nhanh hơn lần kiểm tra định kỳ tiếp theo được thực hiện. Vì vậy, bạn biết đấy, mục tiêu của chúng tôi với việc cung cấp sản phẩm này và những gì chúng tôi có thể cung cấp cho khách hàng là hiểu rõ hơn về việc giám sát liên tục những rủi ro đó để bạn có thể giải quyết vấn đề trước khi nó trở thành vấn đề lớn.

Peter Renton  13:58

Vì vậy, bạn có thể thấy, giống như ai đó đang chạy mô hình của bạn, và người ta nói, vài tuần trôi qua và họ có thể bắt đầu thấy, có vẻ như, cho dù đó là phụ nữ, cho dù đó là chủng tộc, bạn có thể nói đúng, có vẻ như vậy với tôi rằng bạn đang từ chối nhiều loại người này hơn mức bạn nên làm. Và đây có phải là thứ gì đó có điểm kích hoạt không? Hay khách hàng có đặt điểm kích hoạt không?

Laura Kornhauser  14:25

Khách hàng có thể xác định tần suất họ muốn thực hiện đánh giá. Bạn biết đấy, chúng tôi có thể thực hiện việc đó hàng ngày hoặc, bạn biết đấy, thậm chí nhiều lần trong ngày nếu khách hàng muốn chúng tôi thấy rằng trong hầu hết các trường hợp, chúng tôi đang xem xét hàng tháng hoặc hàng quý rằng mọi người muốn thực hiện những kiểm tra này. Rất khó để đo lường. Nếu bạn không có tập hợp mẫu có kích thước đủ lớn, bạn có thể gặp phải tình huống trong đó bạn có thể gắn cờ thứ gì đó không có ý nghĩa thống kê. Vì vậy, bạn biết đấy, chúng tôi thực sự tập trung vào việc đo lường, mà còn đảm bảo rằng phép đo đó có ý nghĩa thống kê để chúng tôi có thể cảm thấy thoải mái khi định lượng điều gì đó là rủi ro và bạn biết đấy, chúng tôi không đưa ra một loạt các những lá cờ ở vị trí cũ, chúng không cần phải ở đó.

Peter Renton  15:05

Phải. Tôi tưởng tượng đó có thể là một thách thức đối với một số ngân hàng cộng đồng nhỏ hơn, đúng không, không có, không có khối lượng đó?

Laura Kornhauser  15:11

Chính xác. Bạn biết đấy, không có âm lượng để chạy với tần suất cao hơn, bạn biết đấy, sau đó hàng tháng nếu điều đó, và thường đối với các ngân hàng nhỏ hơn, họ muốn chạy nó hàng quý. Nhưng bạn biết đấy, công nghệ của chúng tôi cho phép họ chạy với bất kỳ tần suất nào họ muốn, chúng tôi tìm thị trường mỗi tháng hoặc mỗi quý một lần.

Peter Renton  15:29

Hệ thống của bạn có hỗ trợ giải quyết các thư hành động bất lợi hoặc ai đó đã bị từ chối không? Và rõ ràng, chúng tôi cần các bạn, mọi người cần biết lý do. Đó có phải là một phần của những gì bạn đang cung cấp ở đó không?

Laura Kornhauser  15:42

Tuyệt đối. Và một lần nữa, đó cũng là điều mà tôi coi là điểm khác biệt của chúng tôi, chỉ ra mức độ minh bạch trong cách tiếp cận cơ bản của chúng tôi. Rất nhiều người sử dụng các phương pháp học máy khác và sau đó đưa ra các thông báo hành động bất lợi từ phía sau đang sử dụng những thứ như giá trị Shapley để cung cấp các thông báo hành động bất lợi đó hoặc mã lý do, các cơ quan quản lý đã đưa ra và treo cờ về những kiểu người giải thích postdoc đó . Bây giờ họ vẫn chưa nói rằng họ không thể giải thích đủ. Tôi nghĩ ngôn ngữ chính xác mà người giải thích postdoc có thể không đủ minh bạch để sử dụng cho kiểu sử dụng này. Nhưng tôi vẫn có thể nói rằng đó là một vấn đề được tranh luận sôi nổi trong ngành và nhiều người đang tận dụng những phương pháp đó nếu họ đang sử dụng nhiều giải pháp máy học, hộp đen hơn. Chúng tôi không gặp phải vấn đề đó vì bản chất cơ bản của các mô hình của chúng tôi là chúng có thể hiểu được, nghĩa là chúng hiển thị hoặc trong suốt, bạn biết đấy, từ các khối xây dựng trở lên thay vì xếp lớp mô hình lên trên mô hình để hiểu các mô hình hoạt động như thế nào.

Peter Renton  16:46

Đúng đúng. Và sau đó bạn đã có, giống như bạn đã có CFPB đã nói khá rõ rằng họ muốn, họ không muốn thấy bất kỳ sự thiên vị nào trong các mô hình cho vay. Vì vậy, ý tôi là, tôi tưởng tượng hầu hết, nếu không phải tất cả những người cho vay ngày nay đều nhận thức rõ ràng về điều này. Và liệu yếu tố thiên vị có phải là điều mà người cho vay quan tâm hàng đầu ngày nay hay không, hay khi bạn đang trò chuyện, đây có phải là đặc điểm mà họ quan tâm nhất không? Hoặc cái gì, nó như thế nào?

Laura Kornhauser  17:14

Đó là một môi trường thị trường thú vị, tôi có thể nói rằng điều quan tâm hàng đầu của hầu hết các ngân hàng là tăng tiền gửi và tăng tiền gửi rồi tăng tiền gửi. Điều đó đang được nói, đó là một trọng tâm rất lớn. Các ngân hàng hiện nay, trong môi trường mà chúng ta đang ở, đang cắt giảm số lượng nhân viên, chi phí, v.v. Và đang tìm cách tự động hóa các quy trình, tìm kiếm khả năng mở rộng, tìm kiếm hiệu quả thông qua công nghệ. AI và lĩnh vực học máy có rất nhiều giá trị mang lại để thúc đẩy khả năng mở rộng và tăng hiệu quả. Nhưng chúng tôi nhận thấy rằng nhiều người trên thị trường vẫn còn khá ngại sử dụng công nghệ máy học cho những loại quyết định có giá trị cao, rủi ro cao với mức độ giám sát cao. Và bạn biết đấy, đó là nơi chúng ta thực sự có thể tạo nên sự khác biệt. Đó là lý do tại sao chúng tôi thấy sự tăng trưởng mà chúng tôi đã thấy, là bởi vì chúng tôi có thể cung cấp cho họ những lợi ích của công nghệ đó mà không có một số nhược điểm, bạn biết đấy, mà không khiến họ cảm thấy như phải ngồi và tin tưởng một cách mù quáng vào điểm số hoặc mô hình mà họ không hiểu, họ có thể dễ dàng tùy chỉnh mọi thứ theo mức độ chấp nhận rủi ro cụ thể của họ, cơ sở khách hàng cụ thể của họ, họ xem lại, xem chính xác những gì đã học được từ dữ liệu, có thể thay đổi nó, có thể ghi đè, có thể đưa thông tin bổ sung vào hệ thống đó là nằm ngoài dữ liệu để bù đắp cho những thứ như sai lệch, để bù đắp cho những thứ bạn biết, những thứ như dữ liệu luôn nhìn về phía sau. Vì vậy, tôi nghĩ, điều đó đã thực sự giúp ích cho chúng tôi trong một môi trường khắc nghiệt.

Peter Renton  18:52

Hãy nói về bản thân dữ liệu, vì tôi muốn hiểu về loại dữ liệu thực sự trở nên quan trọng đối với một số điều chúng ta đã nói ở đây để xác định một số thành kiến ​​này. Và có thể dữ liệu đó ít quan trọng hơn.

Laura Kornhauser  19:09

Một số điều về mặt dữ liệu, chúng tôi thường gặp khách hàng ở đâu. Và chúng tôi có quan hệ đối tác dữ liệu, nhưng bản thân Stratyfy không phải là nhà cung cấp dữ liệu.

Peter Renton  19:18

Đúng.

Laura Kornhauser  19:19

Vì vậy, bạn biết đấy, chúng tôi không nói này, hãy thêm phần tử dữ liệu này vào mô hình của bạn và bạn sẽ đạt được niềm vui phân tích. Chúng tôi đang làm việc với tài sản dữ liệu mà họ có hoặc tài sản dữ liệu họ có được thông qua một trong các quan hệ đối tác dữ liệu của chúng tôi và tận dụng tối đa tài sản đó, thu được giá trị tối đa từ đó. Chúng tôi vẫn thấy rằng phần lớn những người cho vay, đặc biệt là khi bạn chuyển đến cộng đồng, không gian ngân hàng cộng đồng, vẫn đang sử dụng dữ liệu tín dụng truyền thống. Điều họ đang tìm kiếm là một cách tốt hơn để trích xuất giá trị từ dữ liệu đó nhằm đạt được hiệu suất cao hơn, độ chính xác cao hơn, nhưng bạn biết đấy, mà không làm mất đi khả năng hiển thị, tính minh bạch, khả năng kiểm soát. Có rất nhiều cuộc thảo luận về các yếu tố dữ liệu bổ sung. Và nhiều người cho vay, fintech hoặc những người cho vay lớn hơn đang sử dụng các yếu tố dữ liệu khác để giúp đặc biệt bù đắp cho những người đăng ký ít hoặc không có hồ sơ, bạn biết đấy, từ công việc của chúng tôi, bạn biết đấy, nó cho thấy lời hứa về lợi nhuận to lớn trong những lĩnh vực này. Bạn biết đấy, chẳng hạn, tôi rất tin tưởng vào dữ liệu thanh toán tiền thuê nhà, và đặc biệt, khả năng dữ liệu đó thực sự giúp ích về mặt công bằng, giảm bớt sự thiên vị và giúp thúc đẩy một số ứng viên có hồ sơ mỏng hơn. Tất cả chúng ta đều đã thấy, và tôi biết bạn đã đọc các nghiên cứu, bạn biết đấy, từ FinRegLab và những người khác mà chúng tôi cũng hợp tác với FinRegLab trong một nghiên cứu rất thú vị về học máy và bảo lãnh nhưng bảo lãnh phát hành dựa trên dòng tiền, cũng cực kỳ hứa hẹn. Và một lần nữa, chúng ta thấy những người cho vay khác nhau ở những điểm khác nhau trong đường cong áp dụng của họ trên những dữ liệu thay thế đó. Tuy nhiên, điều đó luôn thú vị đối với tôi vì nhiều người cho vay vẫn nghĩ rằng khi bạn nói về dữ liệu thay thế hoặc dữ liệu ngoài báo cáo tín dụng, bạn đang nói về việc thu thập hồ sơ trên mạng xã hội của ai đó. Phải? Và tôi thường nói đùa, giống như trong không gian của chúng ta, dữ liệu thay thế không phải là dữ liệu thay thế, phải không?

Peter Renton  21:17

Đúng.

Laura Kornhauser  21:18

Vì vậy, bạn biết đấy, đôi khi bạn phải nói chuyện với mọi người khi bạn bắt đầu bắt đầu cuộc trò chuyện đó. Nhưng trong mỗi cuộc thảo luận đó, tôi chắc rằng bạn có thể tưởng tượng, đặc biệt là trong môi trường thị trường, câu hỏi quan trọng mà người cho vay đó phải trả lời là, yếu tố dữ liệu đó mang lại mức tăng thêm là bao nhiêu? Liệu nó có phù hợp với chi phí mà tôi phải bỏ ra hay những trở ngại mà tôi phải gánh chịu để có được nó? Và chúng tôi thường thấy mọi người sử dụng sản phẩm của chúng tôi để giúp thực hiện thử nghiệm đó, nếu bạn muốn, cũng như để khám phá giá trị của phần tử dữ liệu bổ sung đó. Điều khác mà tôi sẽ đề cập ở đây, Peter, là chúng tôi đã thấy rằng bạn không cần hàng nghìn thuộc tính để đưa ra quyết định đúng đắn về tín dụng. Và đôi khi, gần như đạt đến điểm bão hòa, trong đó Có, có thể bạn đang thêm giá trị gia tăng cận biên, nhưng điều đó không nhất thiết biện minh cho độ phức tạp của mô hình tăng lên hoặc chi phí của dữ liệu đó. Vì vậy, giống như một số người khác trong không gian của chúng tôi, chúng tôi xem xét hàng nghìn thuộc tính để đưa ra quyết định với bất kỳ khách hàng nào của mình ngay bây giờ, bạn biết đấy.

Peter Renton  21:18

Vậy khi bạn đăng ký một khách hàng mới, một người cho vay mới, quá trình triển khai Stratyfy bao gồm những gì? Mât bao lâu? Đưa chúng tôi qua một cuộc hành trình điển hình ở đó.

Laura Kornhauser  22:35

Vì vậy, các cam kết ban đầu thường bắt đầu bằng một thỏa thuận thí điểm kéo dài từ một đến ba tháng. Trong thỏa thuận thí điểm đó, chúng tôi trao đổi dữ liệu, đó là dữ liệu của người cho vay được trao đổi với chúng tôi, tất cả đều được ẩn danh nên họ không phải chia sẻ bất kỳ PII nào với chúng tôi hoặc bất kỳ điều gì tương tự, điều này khá hữu ích. Và sau đó, chúng tôi trò chuyện về việc liệu họ có muốn khám phá lại các tài sản dữ liệu khác hay không, thường là trong giai đoạn thử nghiệm, đó không phải là điều mà mọi người đang làm. Và sau đó chúng tôi làm việc với họ để xây dựng một bộ mô hình và chiến lược dành cho người thách thức ban đầu, bạn biết đấy. Vì vậy, mô hình tạo ra điểm số, chiến lược tạo ra quyết định, đúng vậy. Làm việc với họ để tạo ra một bộ chiến lược và mô hình thách thức trong phần mềm của chúng tôi mà sau đó họ có thể đánh giá. Sau đó, để thực thi liên tục, chúng tôi thường tích hợp với LOS để thực thi liên tục chỉ thông qua API. Và tất cả điều đó đều được kiểm soát bởi các sản phẩm của chúng tôi để bạn có thể dễ dàng, với các biện pháp kiểm soát thích hợp, quảng bá chiến lược mới lên chiến lược được triển khai cho API mà không cần phải thay đổi tích hợp. Và sau đó, chúng tôi thấy thông thường những người cho vay sẽ triển khai điều đó, vì vậy sẽ không có người cho vay nào làm như vậy, sau một đợt thí điểm khi chúng tôi tiến tới một cam kết lâu dài, bạn biết đấy, vào ngày đầu tiên, hãy chuyển mọi thứ sang mô hình thách thức mới. Vì vậy, điều đó thường được thực hiện theo thời gian, bắt đầu ở một tỷ lệ phần trăm nhất định và sau đó dần dần tăng lên.

Peter Renton  24:01

Được rồi, vậy mô hình của bạn như thế nào, bạn đã phát triển mô hình AI của mình như thế nào, chúng đã cải thiện như thế nào theo thời gian?

Laura Kornhauser  24:07

Câu hỏi hay quá. Và điều đó đưa tôi đến một điểm khác biệt khác, chúng tôi không lấy dữ liệu khách hàng của mình rồi tạo một kho lưu trữ chung cho tất cả dữ liệu đó để mọi khách hàng khác tận dụng. Vì vậy, dữ liệu khách hàng của chúng tôi vẫn là dữ liệu của họ. Chúng tôi thấy dữ liệu này thực sự quan trọng đối với họ. Điều đó có nghĩa là, với cách hoạt động của nhóm thuật toán của chúng tôi, bạn có thể coi đó là các tính năng hoặc thông tin chi tiết đang được trích xuất từ ​​dữ liệu của chúng tôi. Và sau đó, điều đó được sử dụng để nâng cao hoặc cải thiện, bạn biết đấy, tạo ra, nếu bạn muốn, hiệu ứng mạng lưới cho công ty của chúng tôi với mỗi khách hàng mới mà chúng tôi có được sẽ làm tăng thêm giá trị cho mọi người. Đó là cách chúng tôi làm điều đó. Tuy nhiên, chúng tôi cố tình không tạo ra kho lưu trữ dữ liệu lớn mà mọi người đang sử dụng?

Peter Renton  25:01

Được rồi, vậy là chúng ta sắp tròn một năm kể từ khi ChatGPT được phát hành và mọi người bắt đầu nói về AI. Ý tôi là, nó thật tuyệt vời. Bạn xem bất kỳ tờ báo nào ngày nay và có AI, có các bài báo về AI hàng ngày, mọi người đều nói về nó. Điều đó có thay đổi cách tiếp cận của bạn không? Việc giải thích việc bạn đang làm có trở nên dễ dàng hơn hay khó khăn hơn không?

Laura Kornhauser  25:26

Câu hỏi tuyệt vời. Câu trả lời là, nó đã làm tăng các cuộc trò chuyện xung quanh chủ đề này và tôi nghĩ đã tạo ra gần như hai phe trong lĩnh vực dịch vụ tài chính. Và bạn có thể liên hệ một chút những trại này với quy mô tài sản của các tổ chức mà họ làm việc cùng, nhưng nó sẽ không hoàn hảo. Và một phe, nhìn thấy lời hứa, nhìn thấy giá trị, nhìn thấy rủi ro, trong số đó có rất nhiều, cũng nhìn thấy rủi ro, nhưng muốn tìm ra, và trong nhiều trường hợp cần phải tìm ra, bạn biết đấy, một số bạn biết đấy, các tổ chức mà chúng tôi hợp tác có ủy quyền gián tiếp từ hội đồng quản trị của họ để tìm ra cách tận dụng công nghệ này. Vì vậy, họ có mong muốn thực sự là tìm ra cách làm cho nó có hiệu quả với họ. Tôi có thể nói, với một liều sợ hãi lành mạnh. Trại bên kia ngập quá, bạn biết đấy, nhìn thấy chữ AI là tắt ngay. Và, bạn biết đấy, vì tôi đã hoạt động tích cực trong các hội nghị, như nhiều người khác đã làm trong hai tháng qua, và tôi rất thú vị khi thấy, mọi người không ở giữa, hoặc tôi đã tìm thấy rất ít người ở giữa, họ rơi vào một trong hai phe đó. Bạn biết đấy, tôi rất tin tưởng vào sức mạnh mà công nghệ AI nói chung mang lại cho ngành tài chính. Nếu bạn hiểu rằng sức mạnh to lớn sẽ đi kèm với trách nhiệm lớn lao. Và bạn biết đấy, những công cụ này có thể được sử dụng để làm mọi thứ tốt hơn rất nhiều, đặc biệt là trong vấn đề công bằng. Chúng cũng có thể được sử dụng để tạo ra sự thiên vị và mở rộng quy mô thành kiến ​​theo cấp số nhân trong các quyết định trong tương lai. Và tôi nghĩ chúng ta đang ở một điểm uốn hoặc một điểm quyết định mà bạn biết đấy, tôi thực sự hy vọng mọi chuyện sẽ diễn ra theo hướng cũ. Nhưng nếu chúng ta không có các biện pháp kiểm soát phù hợp, các biện pháp kiểm soát không ngăn cản sự đổi mới mà là các biện pháp kiểm soát, chúng ta có thể gặp phải tình huống mà tất cả những thành kiến ​​trong quá khứ trở thành mã hóa trong các quyết định của tương lai.

Peter Renton  27:29

Phải. Vì vậy, tôi muốn chuyển hướng một chút và nói về việc huy động tiền, bởi vì khi chúng ta trò chuyện lần cuối, tôi nghĩ bạn vừa kết thúc vòng cấp vốn của mình. Và tôi không biết nó đã được công khai chưa, nhưng bạn vừa đóng nó lại. Chúc mừng! Không dễ để kết thúc một vòng cấp vốn vào năm 2023. Vì vậy, hãy cho chúng tôi biết một chút về quá trình đó, nhà đầu tư của bạn là ai và quá trình đó diễn ra như thế nào?

Laura Kornhauser  27:51

Chà, đó là một môi trường gây quỹ rất thách thức, không có gì phải bàn cãi về điều đó. Nhưng chúng tôi rất may mắn khi có những nhà đầu tư vừa chia sẻ sứ mệnh và giá trị của chúng tôi, vừa nhìn thấy được lợi ích to lớn của Stratyfy. Bạn biết đấy, chúng tôi được hưởng lợi rất nhiều từ việc có mối quan hệ lâu dài. Đúng, chúng ta đã ở đây được một thời gian rồi. Và chúng tôi đã nuôi dưỡng mối quan hệ với các nhà đầu tư trong một thời gian. Và điều đó có nghĩa là khi chúng tôi đi gây quỹ, chúng tôi thực sự rất sốc vì có vẻ như trong môi trường tài trợ, chúng tôi thực hiện nó một cách cơ hội. Vào thời điểm đó, chúng tôi đang huy động vốn, không phải vì hết tiền mà vì chúng tôi có những khách hàng mà chúng tôi đã hoặc sắp ký. Và chúng tôi cần đảm bảo rằng chúng tôi có thể mở rộng quy mô nhóm để đáp ứng các cam kết mà chúng tôi đã đạt được. Vì vậy, cũng ở vị trí đó, tất nhiên là đặt chúng tôi vào một vị trí sức mạnh lớn hơn để gây quỹ. Nhưng chúng tôi sẽ không thể làm được điều đó nếu không có những mối quan hệ lâu dài đó và không có những nhà đầu tư thực sự quan tâm đến việc thúc đẩy một hệ thống tài chính công bằng hơn và tin rằng Stratyfy là thành phần quan trọng để biến điều đó thành hiện thực.

Peter Renton  29:10

Được rồi, vậy nhìn vào công việc kinh doanh của bạn ngày hôm nay, thách thức lớn nhất của bạn khi thử và phát triển Stratyfy là gì?

Laura Kornhauser  29:17

Có một điều hiện đang là thách thức và luôn là thách thức, việc bán hàng vào ngân hàng. Không phải là một điều dễ dàng để làm.

Peter Renton  29:25

Đúng.

Laura Kornhauser  29:26

Không phải là một điều dễ dàng để làm. Chu kỳ bán hàng dài. Hợp đồng là sần sùi. Chúng ta đã đi sâu vào vấn đề này, bạn biết đấy, hãy mở rộng tầm mắt. Đây không phải là một điều ngạc nhiên đối với chúng tôi. Chúng tôi biết rằng đó là một con đường đầy thử thách mà chúng tôi đang đi. Nhưng điều đó bây giờ thật khó khăn. Điều đó thật khó khăn trong môi trường thị trường mà chúng ta đang ở hiện tại. Và rất nhiều người cho vay đang cắt giảm rủi ro, đóng cửa các sản phẩm, và trong nhiều trường hợp, họ đang làm điều đó bằng những công cụ rất cùn, nâng mức cắt FICO. Đóng cửa hoàn toàn một đợt chào bán nào đó hoặc bán hết đợt chào bán đó ra thị trường thứ cấp, phải không? Chúng tôi coi đó là phản ứng ban đầu sẽ trôi qua và cũng tạo ra cơ hội to lớn, đặc biệt là đối với các ngân hàng cộng đồng và ngân hàng khu vực vốn từ lâu đã bị một bên là những người cho vay fintech và một bên là các ngân hàng lớn siết chặt. Vì vậy chúng tôi tin rằng nó sẽ tạo ra một cơ hội thực sự có ý nghĩa. Nhưng hiện tại, đó là một thách thức. Bạn biết đấy, điều tôi thực sự tập trung vào việc giải quyết thách thức đó là một phương pháp điều khiển cổ điển có thể điều khiển được. Ngày nay, chúng tôi có một cơ sở khách hàng không thể tin được, việc tiếp tục cung cấp cho họ theo cách chất lượng cao nhất có thể sẽ mang đến cho chúng tôi những cơ hội mới để mở rộng với cơ sở khách hàng hiện tại đó. Và sau đó tôi thực sự tập trung vào đội của mình, chúng tôi đã xây dựng được một đội hoàn toàn không thể tin được. Tôi rất tự hào về thực tế rằng, bạn biết đấy, đó cũng là một đội ngũ lãnh đạo nữ, đó là một điểm khác biệt lớn, nếu bạn muốn, trong môi trường thị trường mà chúng tôi đang tham gia, tôi rất tự hào về điều đó. Nhưng bạn biết đấy, ngoài bất kỳ điều gì có thể phân loại bất kỳ nhân viên nào của chúng tôi, tôi thực sự tự hào về mức độ cam kết của họ với sứ mệnh của chúng tôi, mức độ đam mê của họ đối với sự thay đổi mà chúng tôi đang hướng tới và mức độ chăm chỉ của họ. đang làm việc để thực hiện điều đó. Vì vậy, bạn biết đấy, tôi thực sự tập trung vào việc phát triển đội ngũ tuyệt vời mà chúng tôi phải tiếp tục đáp ứng nhu cầu thị trường mới mà cuối cùng chúng tôi sẽ phải đối mặt và vượt qua mọi thách thức mà chúng tôi gặp phải khi bán hàng cho ngân hàng trong thời gian ngắn.

Peter Renton  31:30

Được rồi, hãy kết thúc bằng một câu hỏi hướng tới tương lai và muốn bạn hiểu được vị thế của chúng ta ngày nay. Ý tôi là AI tiếp tục được cải thiện. Điều này sẽ phát triển như thế nào khi đưa ra các quyết định về tín dụng và rủi ro cho người cho vay? Điều đó trông như thế nào sau XNUMX năm nữa?

Laura Kornhauser  31:49

Vâng. Vì vậy, tôi rất tin tưởng rằng chúng ta sẽ có nhiều quyết định tự động hơn trong việc cho vay. Điều này không có nghĩa là một số quyết định nhất định sẽ không cần xem xét thủ công hoặc vẫn không cần có sự giám sát thứ hai, nhưng việc đưa ra quyết định tự động cần phải phát triển hơn nữa so với hiện tại. Và điều đó sẽ xảy ra trên các dòng sản phẩm khác nhau. Nhưng điều tôi nghĩ thực sự quan trọng, và điều này ảnh hưởng đến tương lai của AI, tín dụng và những lĩnh vực khác, đó là những loại hệ thống sẽ giành chiến thắng, sẽ mang lại nhiều giá trị nhất cho khách hàng là những hệ thống cho phép đầu vào cuối cùng từ nhiều nguồn. Vì vậy, đó có thể là dữ liệu dưới dạng một nguồn, nhưng cũng có thể là con người, những người…Học máy thực sự rất giỏi trong việc xử lý dữ liệu và tìm ra thông tin chi tiết. Con người thực sự rất giỏi trong việc áp dụng ngữ cảnh cho dữ liệu đó, thông tin nằm ngoài các thành phần dữ liệu. Vì vậy, tôi tin rằng nếu bạn muốn, AI của tương lai, đặc biệt là đối với các trường hợp sử dụng được quản lý, nhưng tôi nghĩ nó dành cho các trường hợp sử dụng khác cũng như nhận thức của công chúng về hệ thống AI sẽ tăng lên khi chúng ta có quy định mới có thể được ban hành và tuân theo một rất nhiều quy định mà chúng tôi đã thấy ở Châu Âu và chúng tôi đã thấy bước tiến đầu tiên với quy định đó với 1033, sẽ có sự tập trung thực sự vào việc làm cách nào để hiểu điều gì đang xảy ra, không chỉ từ dữ liệu mà còn từ mọi người? Kết hợp cả hai điều đó thành một hệ thống tự động và đảm bảo rằng tôi có thể nói với FI, hoặc loại hình kinh doanh khác có thể nói với khách hàng của họ ở phía bên kia, chuyện quái gì đã xảy ra vậy? Quyết định này được đưa ra như thế nào? Thông tin gì đã được sử dụng? Làm cách nào tôi có thể giúp bạn đi đến một quyết định khác mà tôi tiếp tục tin rằng đây là cơ hội lớn cho trường hợp bạn nhận được kết quả tiêu cực? Làm thế nào để bạn xây dựng mối quan hệ với khách hàng đó để giúp họ đạt được kết quả tích cực? Bạn biết đấy, sẽ có những hệ thống AI có thể làm được điều đó, nó sẽ thực sự thực hiện được tất cả những lời hứa và tất cả giá trị mà chúng ta đã nghe trên tất cả các tờ báo.

Peter Renton  33:47

Được rồi, vậy chúng ta sẽ phải để nó ở đó. Laura, cảm ơn bạn rất nhiều vì đã đến tham gia chương trình ngày hôm nay. Nhưng điêu tôt đẹp nhât se đên vơi bạn.

Laura Kornhauser  33:53

Cảm ơn bạn rất nhiều, Peter.

Peter Renton  33:57

Vâng, tôi hy vọng bạn thích buổi biểu diễn. Cảm ơn bạn rất nhiều vì đã lắng nghe. Vui lòng tiếp tục và đưa ra đánh giá về chương trình trên nền tảng podcast mà bạn chọn và kể cho bạn bè và đồng nghiệp của bạn về nó. Dù sao, với ghi chú đó, tôi sẽ đăng xuất. Tôi rất đánh giá cao việc bạn đã lắng nghe và tôi sẽ gặp bạn vào lần sau. Tạm biệt.

.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; }

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://www.fintechnexus.com/laura-kornhauser-ceo-stratyfy-advanced-ai-models-underwriting/