Brian Armstrong, de Coinbase, publicó esta mañana un post que ya tiene 480.000 visualizaciones: con el modelo de código abierto Qwen3.5-9B, ajustado con sus propios datos de gestión de riesgos, crearon un sistema especializado en combatir el fraude que superó a los grandes modelos cerrados de vanguardia: más preciso, más rápido y más barato.
Los ingenieros hicieron cuentas (cifras tomadas de sus declaraciones públicas):
· Coste de entrenamiento < 100 dólares, con una sola GPU
· Prueba A/B en producción: como capa adicional de revisión, -30 % de casos de fraude y -22 % en pérdidas
· Latencia mediana < 1 segundo
Mi opinión:
1) Los grandes modelos son generalistas; la gestión de riesgos necesita especialistas. 9.000 millones de parámetros + datos exclusivos entienden mejor el aspecto de los estafadores que atacan a tu empresa que 1 billón de parámetros + datos públicos. La ventaja competitiva está en los datos, no en el modelo.
2) Para los exchanges y las billeteras, esto significa que la lucha contra el fraude on-chain será cada vez más «local»: cada empresa entrenará su propio modelo pequeño con sus propios ejemplos de fraude. Direcciones de phishing, falsos agentes de atención al cliente, trampas de autorización… el coste de detección se reducirá casi a cero.
3) Pero el modelo solo puede bloquear lo que «parece una estafa». Si entregas voluntariamente tu frase semilla, ni el mejor modelo podrá salvarte. La última línea de defensa siempre eres tú: accede desde tus marcadores, no firmes autorizaciones que no entiendas y, si te llama atención al cliente, cuelga y vuelve a llamar tú.
Los 100 dólares del entrenamiento no me alcanzan ni para invitar a una chica guapa a una cena decente. En cambio, ese 30 % que se ahorran sí da para muchas cenas 😏
#AI #反诈 #SeguridadOnchain
Los ingenieros hicieron cuentas (cifras tomadas de sus declaraciones públicas):
· Coste de entrenamiento < 100 dólares, con una sola GPU
· Prueba A/B en producción: como capa adicional de revisión, -30 % de casos de fraude y -22 % en pérdidas
· Latencia mediana < 1 segundo
Mi opinión:
1) Los grandes modelos son generalistas; la gestión de riesgos necesita especialistas. 9.000 millones de parámetros + datos exclusivos entienden mejor el aspecto de los estafadores que atacan a tu empresa que 1 billón de parámetros + datos públicos. La ventaja competitiva está en los datos, no en el modelo.
2) Para los exchanges y las billeteras, esto significa que la lucha contra el fraude on-chain será cada vez más «local»: cada empresa entrenará su propio modelo pequeño con sus propios ejemplos de fraude. Direcciones de phishing, falsos agentes de atención al cliente, trampas de autorización… el coste de detección se reducirá casi a cero.
3) Pero el modelo solo puede bloquear lo que «parece una estafa». Si entregas voluntariamente tu frase semilla, ni el mejor modelo podrá salvarte. La última línea de defensa siempre eres tú: accede desde tus marcadores, no firmes autorizaciones que no entiendas y, si te llama atención al cliente, cuelga y vuelve a llamar tú.
Los 100 dólares del entrenamiento no me alcanzan ni para invitar a una chica guapa a una cena decente. En cambio, ese 30 % que se ahorran sí da para muchas cenas 😏
#AI #反诈 #SeguridadOnchain