Revolut meningkatkan skala model fondasi PRAGMA untuk perbankan real-time
Revolut telah membawa model fondasi PRAGMA dari tahap riset ke sistem produksi untuk layanan perbankan real-time, termasuk deteksi pembayaran berulang, keputusan kredit instan, dan rekomendasi di aplikasi. Model ini dikembangkan bersama NVIDIA dan dilatih menggunakan 26 juta riwayat pengguna yang telah dianonimkan.
Di NVIDIA GTC Berlin, eksekutif Revolut Anton Repushko dan Amey Baokar menjelaskan infrastruktur di balik penerapannya. Platform ini melakukan prapemrosesan dan tokenisasi aktivitas pelanggan di luar jalur permintaan pengambilan keputusan, dan pada tahap awal melayani 80 juta pelanggan. Platform dirancang untuk ditingkatkan kapasitasnya hingga tiga kali lipat dan mendukung hingga 10.000 peristiwa per pelanggan. Revolut menargetkan waktu baca data p99 dalam kisaran puluhan milidetik, dengan anggaran inferensi menyeluruh di bawah satu detik.
Untuk menggunakan GPU secara efisien, Revolut mempertahankan backbone model bersama agar selalu tersedia, lalu memasang adapter LoRA khusus tugas yang menyesuaikan 2–4% parameter inti. Perusahaan juga menggunakan batching dinamis untuk memproses beberapa pengguna sekaligus. Menurut perusahaan, pipeline data yang tidak dapat diubah, tokenizer berversi, dan jejak audit membantu memenuhi persyaratan regulasi.
Revolut memadukan pemodelan urutan peristiwa PRAGMA dengan STRIDER, model fondasi tabular, untuk menangani kasus seperti pemohon yang memiliki riwayat transaksi terbatas atau data kredit eksternal. Pengumuman ini menyoroti semakin luasnya penggunaan infrastruktur AI dalam layanan keuangan, tetapi tidak melaporkan produk kripto baru, aktivitas perdagangan, ataupun hasil kinerja yang akan berdampak langsung pada pasar kripto.
Neutral
Pengumuman ini membahas penerapan model AI oleh Revolut untuk operasional perbankan, bukan mata uang kripto, infrastruktur blockchain, atau perdagangan aset digital. Pengumuman tersebut tidak memberikan katalis langsung bagi harga kripto, likuiditas pasar, maupun kondisi regulasi, sehingga pandangan pasar yang paling tepat adalah netral.
Dalam jangka pendek, trader mungkin menganggap berita ini sebagai sinyal kecil bahwa sektor keuangan secara lebih luas semakin berinvestasi dalam AI. Namun, berita ini tidak menyebut perusahaan atau token yang terkait dengan kripto dan kemungkinan akan segera mengalami perubahan permintaan. Pengumuman serupa tentang adopsi machine learning oleh bank biasanya lebih relevan bagi strategi teknologi perusahaan daripada bagi arah pasar kripto secara keseluruhan. Reaksi apa pun kemungkinan terbatas pada sentimen terhadap teknologi finansial dan aset terkait AI, bukan Bitcoin atau pasar aset digital yang lebih luas.
Dalam jangka panjang, sistem kredit dan deteksi penipuan yang lebih otomatis dapat memengaruhi cara lembaga keuangan mengelola risiko dan melayani nasabah. Hal ini mungkin secara tidak langsung memengaruhi persaingan fintech dan adopsi layanan keuangan digital. Namun, artikel tersebut tidak menunjukkan bahwa Revolut berencana menghubungkan PRAGMA atau STRIDER dengan pasar kripto. Karena itu, trader sebaiknya mencermati faktor pendorong pasar lainnya—seperti regulasi khusus kripto, likuiditas, arus dana institusional, dan kondisi makroekonomi—untuk memperoleh sinyal yang lebih jelas mengenai arah dan stabilitas harga.