한국어 글
한국어로 쓴 글. 영어판이 있는 글은 제목 아래에 링크가 있다.
- Notes
[소고] 데이터 과학자와 데이터 엔지니어에게 세일즈 기술이 필요한 이유
터미널X 뉴욕주민 대표가 세일즈팀을 꾸린 이야기를 읽고 든 생각. 엔지니어와 데이터 과학자에게도 상대 입장에서 생각하는 세일즈 기술이 필요하고, 세일즈와 달리 이 직군은 큰 규모를 다뤄 본 경험이 꽤 중요하다. 그런 경험이 없다면 엔드투엔드 경험을 최대한 쌓는 쪽이 낫다.
- Financial AI
[FDS] 사기 거래 0.015%를 찾는 방법: 거래 시퀀스 모델, 이상 탐지, 그래프
2024년 유럽의 카드 사기는 거래 건수 기준 0.015%였고, 사기 라벨은 며칠에서 열흘 뒤에야 붙는다. WeChat Pay, Stripe, Visa가 거래 시퀀스 파운데이션 모델을 기존 모델 옆에 붙인 방식, 그래도 XGBoost가 남는 이유, 라벨 없이 쓰는 이상 탐지와 CMU Akoglu 교수 팀의 파운데이션 모델 연구, 사기 조직을 찾는 그래프 방법까지 정리했다.
- Financial AI
트랜스포머는 신용 모델의 어디에 들어가나: Affirm, Revolut, Parafin, 앤트의 경우
Affirm이 신규 고객 심사에 트랜스포머를 붙였다. 신용정보의 계좌 하나를 토큰 하나로 읽고, 그 임베딩을 XGBoost에 넣는 구조다. Revolut의 PRAGMA, Parafin의 ParaFormer, 앤트의 Falcon TST와 BYB까지, 금융 회사들이 트랜스포머를 트리 모델 옆 어디에 놓았는지와 발표 숫자를 어떻게 읽어야 하는지 정리했다.
- Payments
AI 회사는 결제 회사가 될까: 에이전트가 물건을 사면 누가 돈을 버나
Meta가 개인 에이전트 Muse를 무료로 풀고, 성사된 거래에서 작은 수수료를 받겠다고 했다. AI 회사와 결제사와 클라우드가 각자 어느 쪽에서 결제에 다가오는지, 한 번의 거래에 붙는 네 가지 돈에 어떤 책임이 따라붙는지, 수수료를 받는 에이전트는 누구 편인지를 핀테크 쪽에서 본다.