金融公司開始大舉搶奪人工智能專家
Jonathan Vanian
2021-07-13
幾年前，阿比吉特?博塞帶領Facebook位于美國東海岸的人工智能研究團隊，幫助訓練計算機識別人們臉上戴的太陽鏡。
如今，他正在幫助美國的第一資本金融公司（Capital One）創(chuàng)建人工智能系統(tǒng)。這個系統(tǒng)能夠以更快的速度發(fā)現(xiàn)ATM詐騙，并向客戶推薦信用卡獎勵計劃。
博塞擔任這家公司的機器學習中心的負責人，該中心為第一資本金融公司的其他數(shù)據(jù)科學家開發(fā)人工智能工具。憑借這些工具，第一資本金融公司就可以更好地了解，哪些獎勵計劃對某些客戶更具吸引力。
為了提高機器學習能力，第一資本金融公司正在大舉招聘。該公司計劃在今年年底前再新招3,000名技術人員，招聘重點是能夠為人工智能軟件構建和維護復雜基礎設施的機器學習專家和軟件工程師。
如此大規(guī)模的技術人員招聘將是一項挑戰(zhàn)，尤其是招聘整個企業(yè)界都很需要的機器學習專家。該公司的首席信息官羅布?亞歷山大表示，如果公司不能達成招聘目標，可能就不得不聘請承包商或推遲部分技術項目。
人工智能人才招聘公司TalentSeer的首席執(zhí)行官亞歷克斯?雷恩指出，谷歌（Google）母公司Alphabet和Facebook等科技巨頭為擁有博士學位的頂尖人工智能新員工提供高達50萬美元的年薪，而銀行、保險公司和其他金融服務機構通常給出的年薪為30萬美元。在薪酬方面，這些企業(yè)很難與科技巨頭競爭。
雷恩稱，由于對人工智能人才有很高需求，有三年經(jīng)驗的機器學習工程師在首次求職時，僅僅兩個月時間就可以斬獲五個不同的工作機會。如果對谷歌或Facebook等科技巨頭不感興趣，求職者可能會考慮雄心勃勃的初創(chuàng)公司，因為初創(chuàng)公司一旦上市，求職者到時就能夠獲得一大筆意外之財。
亞歷山大承認，招聘人工智能人才存在困難，但拒絕就其公司是否會提供與科技巨頭相當?shù)男匠曛迷u。不過他表示，公司會竭盡全力保持其競爭力。
“比起銀行，我們主要在和其他科技公司正面交鋒，爭取我們需要的人才。這是進入這個領域的代價，你必須有一個具有競爭力的價值主張，薪酬是其中很大一部分。它不是唯一因素，但絕對很重要。”亞歷山大說道。
勞動力市場上的求職者越來越傾向于對比多家公司，第一資本金融公司希望利用這一機會。
博塞說，盡管第一資本金融公司計劃聘請機器學習專家，但也在尋找了解如何使用亞馬遜網(wǎng)絡服務（Amazon Web Services）等巨頭的云計算服務的軟件開發(fā)人員。2020年，該公司關閉了最后一個內部數(shù)據(jù)中心，并將所有IT基礎設施轉移到亞馬遜網(wǎng)絡服務。
訓練機器學習模型識別信用欺詐可能要用到100多個不同的圖形處理器（GPU），相當于使用100臺強大的個人電腦執(zhí)行一項任務。該公司必須進行技術創(chuàng)造，即便其使用的基于云計算的任何一臺計算機出現(xiàn)故障（這是一個常見問題），也可以繼續(xù)進行機器學習訓練。
盡管第一資本金融公司能夠依賴亞馬遜（Amazon）等公司出售的易于使用的機器學習工具，但博塞和亞歷山大均認為，這些工具不如其公司內部的同類工具強大。而且隨著客戶日益需要反應迅速的金融應用程序，任何時間上的滯后都可能導致客戶選擇其他程序。
亞歷山大稱：“你可以想象我們所有業(yè)務就是在不斷做決定。如果能夠借助更多的數(shù)據(jù)和更好的算法實時做出決定，那么每一個決定都會變得更好。”
雖然花費巨大，但亞歷山大表示其公司必須在機器學習和相關技術上重金投入。正如Uber和愛彼迎（Airbnb）已經(jīng)顛覆了交通和酒店業(yè)的現(xiàn)有格局，金融服務公司也面臨著被顛覆的風險。
亞歷山大說：“數(shù)字革命正在以一種全新的方式威脅著銀行的生存。如果想在這個行業(yè)中立于不敗之地，我們就必須以大型科技公司的方式存在和運營。”（財富中文網(wǎng)）
譯者：郝秀
審校：汪皓
幾年前，阿比吉特?博塞帶領Facebook位于美國東海岸的人工智能研究團隊，幫助訓練計算機識別人們臉上戴的太陽鏡。
如今，他正在幫助美國的第一資本金融公司（Capital One）創(chuàng)建人工智能系統(tǒng)。這個系統(tǒng)能夠以更快的速度發(fā)現(xiàn)ATM詐騙，并向客戶推薦信用卡獎勵計劃。
博塞擔任這家公司的機器學習中心的負責人，該中心為第一資本金融公司的其他數(shù)據(jù)科學家開發(fā)人工智能工具。憑借這些工具，第一資本金融公司就可以更好地了解，哪些獎勵計劃對某些客戶更具吸引力。
為了提高機器學習能力，第一資本金融公司正在大舉招聘。該公司計劃在今年年底前再新招3,000名技術人員，招聘重點是能夠為人工智能軟件構建和維護復雜基礎設施的機器學習專家和軟件工程師。
如此大規(guī)模的技術人員招聘將是一項挑戰(zhàn)，尤其是招聘整個企業(yè)界都很需要的機器學習專家。該公司的首席信息官羅布?亞歷山大表示，如果公司不能達成招聘目標，可能就不得不聘請承包商或推遲部分技術項目。
人工智能人才招聘公司TalentSeer的首席執(zhí)行官亞歷克斯?雷恩指出，谷歌（Google）母公司Alphabet和Facebook等科技巨頭為擁有博士學位的頂尖人工智能新員工提供高達50萬美元的年薪，而銀行、保險公司和其他金融服務機構通常給出的年薪為30萬美元。在薪酬方面，這些企業(yè)很難與科技巨頭競爭。
雷恩稱，由于對人工智能人才有很高需求，有三年經(jīng)驗的機器學習工程師在首次求職時，僅僅兩個月時間就可以斬獲五個不同的工作機會。如果對谷歌或Facebook等科技巨頭不感興趣，求職者可能會考慮雄心勃勃的初創(chuàng)公司，因為初創(chuàng)公司一旦上市，求職者到時就能夠獲得一大筆意外之財。
亞歷山大承認，招聘人工智能人才存在困難，但拒絕就其公司是否會提供與科技巨頭相當?shù)男匠曛迷u。不過他表示，公司會竭盡全力保持其競爭力。
“比起銀行，我們主要在和其他科技公司正面交鋒，爭取我們需要的人才。這是進入這個領域的代價，你必須有一個具有競爭力的價值主張，薪酬是其中很大一部分。它不是唯一因素，但絕對很重要。”亞歷山大說道。
勞動力市場上的求職者越來越傾向于對比多家公司，第一資本金融公司希望利用這一機會。
博塞說，盡管第一資本金融公司計劃聘請機器學習專家，但也在尋找了解如何使用亞馬遜網(wǎng)絡服務（Amazon Web Services）等巨頭的云計算服務的軟件開發(fā)人員。2020年，該公司關閉了最后一個內部數(shù)據(jù)中心，并將所有IT基礎設施轉移到亞馬遜網(wǎng)絡服務。
訓練機器學習模型識別信用欺詐可能要用到100多個不同的圖形處理器（GPU），相當于使用100臺強大的個人電腦執(zhí)行一項任務。該公司必須進行技術創(chuàng)造，即便其使用的基于云計算的任何一臺計算機出現(xiàn)故障（這是一個常見問題），也可以繼續(xù)進行機器學習訓練。
盡管第一資本金融公司能夠依賴亞馬遜（Amazon）等公司出售的易于使用的機器學習工具，但博塞和亞歷山大均認為，這些工具不如其公司內部的同類工具強大。而且隨著客戶日益需要反應迅速的金融應用程序，任何時間上的滯后都可能導致客戶選擇其他程序。
亞歷山大稱：“你可以想象我們所有業(yè)務就是在不斷做決定。如果能夠借助更多的數(shù)據(jù)和更好的算法實時做出決定，那么每一個決定都會變得更好。”
雖然花費巨大，但亞歷山大表示其公司必須在機器學習和相關技術上重金投入。正如Uber和愛彼迎（Airbnb）已經(jīng)顛覆了交通和酒店業(yè)的現(xiàn)有格局，金融服務公司也面臨著被顛覆的風險。
亞歷山大說：“數(shù)字革命正在以一種全新的方式威脅著銀行的生存。如果想在這個行業(yè)中立于不敗之地，我們就必須以大型科技公司的方式存在和運營。”（財富中文網(wǎng)）
譯者：郝秀
審校：汪皓
A few years ago, Abhijit Bose was leading Facebook’s East Coast artificial intelligence research team, helping to teach computers to spot sunglasses on people’s faces.
Now, he’s helping Capital One create A.I. systems that can more quickly spot ATM scams and recommend credit card rewards programs to customers.
Bose leads the company’s machine learning center, which develops A.I. tools for other data scientists at the bank. With these tools, Capital One can better understand which rewards programs would be more appealing to certain customers, for instance.
In an effort to improve its machine learning acumen, Capital One is on a hiring spree. The bank plans to add 3,000 additional technologists by the end of the year, with a focus on machine learning specialists and software engineers who can build and maintain the complex infrastructure for powering A.I. software.
Hiring that many techies will be a challenge, particularly machine learning experts, who are in demand all across the corporate world. If the company fails in its hiring goal, it may have to turn to contractors or delay some of its tech projects, Capital One chief information officer Rob Alexander said.
Tech giants like Google parent Alphabet and Facebook offer top A.I. recruits who have Ph.D.s pay packages of up to $500,000 annually, said Alex Ren, CEO of A.I.-talent recruiting firm TalentSeer. Banks, insurance companies, and other financial services firms typically pay such recruits $300,000, making it difficult for those businesses to compete against the tech giants.
Additionally, because demand for A.I. talent is so high, machine learning engineers with just three years of experience can receive five different job offers within two months of their initial job search, Ren said. If uninterested in working at companies like Google or Facebook, job seekers may consider high-flying startups that can provide a huge windfall if and when they go public.
Alexander acknowledged that hiring A.I. talent is difficult and declined to comment about whether Capital One will match the tech giants’ pay. But he said that his company tries to be competitive.
“Mostly we’re going head-to-head against other technology companies, more so than banks for the types of talent that we’re looking for,” Alexander said. “That’s the price of entry in the game, as you have to have a competitive value proposition—compensation is a big part of it. It’s not the only thing, but it’s definitely a big part of it.”
Capital One hopes to take advantage of a job market in which workers increasingly shop around, Alexander said.
Although Capital One intends to hire machine learning experts, it’s also looking for software developers who know how to use the cloud computing services of giants like Amazon Web Services, Bose said. In 2020, Capital One closed its last internal data center and moved all of its IT infrastructure to AWS.
Training a machine learning model to spot credit fraud can require using over 100 different graphics processing units, or GPUs, the equivalent of using 100 beefy personal computers to perform one task. The company also must create technology that helps machine learning training continue even if one of the cloud-based computers it’s using fails, a common problem.
Although Capital One could rely on the easier-to-use machine learning tools sold by the likes of Amazon, Bose and Alexander said those tools lack the power of their company’s in-house equivalents. Customers also increasingly want speedy financial apps, and any lag time can cause them to seek alternatives.
“You can imagine our whole business is about making decisions, and every one of these decisions is better if you can make the decision in real time with more data and better algorithms,” Alexander said.
While it may seem dramatic, Alexander said Capital One must invest heavily in machine learning and related technology. Just like Uber and Airbnb disrupted incumbents in the transportation and hospitality sectors, financial services firms face a risk.
Said Alexander, “The digital revolution is an existential threat to banks in a new way, and if we are going to be a winner in this business, we must look like and operate like a great technology company.”
財富中文網(wǎng)所刊載內容之知識產(chǎn)權為財富媒體知識產(chǎn)權有限公司及/或相關權利人專屬所有或持有。未經(jīng)許可，禁止進行轉載、摘編、復制及建立鏡像等任何使用。
