金融科技公司Revolut近日推出自主研發的AI基礎模型PRAGMA，該模型整合多源金融數據，在詐欺偵測、信用評分和個人化推薦方面表現超越現有專用系統，但也面臨歐盟AI法案在透明度與可解釋性上的監管挑戰。
金融科技企業Revolut近日宣布推出自主研發的AI基礎模型PRAGMA，該模型在詐欺偵測、信用評分及個人化推薦等關鍵領域，展現優於既有專用系統的效能。Revolut已於8月25日正式成立Revolut Research部門，專責此基礎模型的研發與應用。
PRAGMA模型（一種預先訓練的AI模型）的獨特之處在於其多來源架構，不僅整合了交易數據，還能同時處理用戶應用程式使用行為、客戶服務通訊、交易活動以及靜態客戶資料等多元資訊。這種全面的數據整合，使其能更精準判斷用戶的真實行為模式。根據Revolut內部評估，PRAGMA在詐欺偵測的召回率方面提升了64.7%，信用評分的精準度-召回率（precision-recall）表現增加了130%，產品推薦的相關性也提高了40%。
Revolut AI主管Pavel Nesterov表示：「要引領智慧金融的未來，不能依賴第三方藍圖。我們成立Revolut Research，旨在實踐『自主建構，而非外掛』的理念。」Revolut Research負責人Anton Repushko則指出，他們期望建立金融智慧的最深層核心，而非拼湊狹隘的專業模型，PRAGMA正是此願景下的統一基礎模型，能即時理解金融行為的細微差異。
PRAGMA的技術基礎是編碼器風格的Transformer模型，利用從2023年至2025年間的2600萬筆用戶記錄中提取的240億筆銀行事件進行預訓練，總計處理了約2070億個Token。模型採用Low-Rank Adaptation（LoRA）技術，能以極小的參數更新（通常僅2%至4%），快速適應新的任務。例如，過去需要數週特徵工程才能應對的新型詐欺樣態，現在透過LoRA轉換器僅需12小時即可訓練完成。
儘管PRAGMA在多數金融應用上表現出色，其在反洗錢（AML）任務上則有所侷限。由於PRAGMA採單一用戶編碼處理，將每位客戶的歷史記錄單獨分析，而反洗錢則需要跨多個用戶和帳戶的關聯模式。因此，PRAGMA被視為與現有圖形分析工具互補，而非取代。
同時，Revolut面臨著日趨嚴格的AI監管挑戰。歐盟人工智能法案（EU AI Act）已於今年8月2日生效，該法案將零售貸款的信用評分系統列為高風險AI應用，要求AI決策具備可解釋性，並能接受人工審查及個人異議。然而，PRAGMA這類僅依賴編碼器的模型，其輸出為密集的向量Embedding，難以直接提供可解釋的具體特徵說明。儘管歐盟人工智能法案的核心高風險義務已延後至2027年12月2日才全面適用，但《一般資料保護規範》（GDPR）第22條對自動化決策的解釋要求已持續生效。美國消費者金融保護局（CFPB）也要求貸款決策中使用的複雜模型必須提供具體、可審查的不利行動理由。Revolut已於今年3月11日取得英國完整銀行執照，並於3月5日向美國相關監管機構遞交國家銀行執照申請。
2025年，Revolut的總營收達45億英鎊（約61億美元），年成長46%；稅前利潤達17億英鎊（約23億美元）；訂閱收入成長67%，達到7.08億英鎊（約9.66億美元）。未來，Revolut Research預計將於今年10月在輝達GTC Berlin大會及11月國際金融AI會議（ICAIF）上，進一步公開其研究成果。