Starling tvrdi da je to prvi bankarski transakcijski model treniran i poslužen na cloudu koji je u britanskom vlasništvu i sjedištu, pa podaci ostaju pod britanskom jurisdikcijom. Tu tvrdnju treba čitati usko: ne znači da druge banke nemaju vlastite modele ili lokalnu infrastrukturu, nego da kombinacija vrste modela, vlasništva nad cloudom i domaće jurisdikcije prema navodu banke nema prethodnika.
Starling Bank gradi transakcijski temeljni model na više od 15 milijardi anonimiziranih transakcija i planira ga trenirati i smjestiti u britanskom Civo cloudu. Londonska banka objavila je projekt 14. listopada, uz tehničku podršku Nvidije, a prvu produkcijsku uporabu najavila je za početak 2027. u otkrivanju prijevara i poboljšanju vlastitog digitalnog asistenta.
Riječ je o neposredno prethodnoj, dosad neobrađenoj objavi, uvrštenoj jer je 15. listopada dobila dodatnu profesionalnu provjeru. Starling model naziva jedinstvenim slojem inteligencije koji će povezati postojeće AI alate. Umjesto općeg jezičnog modela, sustav uči obrasce slijeda uplata, iznosa, trgovaca i vremena, pa bi trebao bolje prepoznati financijsko ponašanje i odstupanja.
Nvidia sudjeluje svojim Transaction Foundation Model razvojnim nacrtom, CUDA-X bibliotekama za ubrzanu obradu podataka i NeMo AutoModel alatima za treniranje. Civo osigurava GPU infrastrukturu u podatkovnim centrima unutar Ujedinjenog Kraljevstva. Banka navodi Hopper akceleratore i buduće sustave Vera Rubin, uz tekućinsko hlađenje za gusto pakirane računalne kapacitete.
Starling tvrdi da je to prvi bankarski transakcijski model treniran i poslužen na cloudu koji je u britanskom vlasništvu i sjedištu, pa podaci ostaju pod britanskom jurisdikcijom. Tu tvrdnju treba čitati usko: ne znači da druge banke nemaju vlastite modele ili lokalnu infrastrukturu, nego da kombinacija vrste modela, vlasništva nad cloudom i domaće jurisdikcije prema navodu banke nema prethodnika.
Projekt ima i regulatorni motiv. Britanski plan za usvajanje AI-ja u financijskim uslugama upozorio je na koncentracijski rizik oslanjanja na mali broj globalnih cloud i AI dobavljača. Starlingova informatička direktorica Harriet Rees bila je suautorica tog plana. Odabir Civa zato je istodobno tehnološki test i demonstracija da banka može zadržati više kontrole nad lokacijom podataka i dobavljačkim lancem.
Prva primjena bit će detekcija prijevara, gdje model može povezivati obrasce kroz velik broj događaja i upozoravati na ponašanje koje odstupa od uobičajenog. Nakon toga Starling želi model uključiti u Starling Assistant kako bi davao osobnije proračunske smjernice. Banka nije objavila metrike točnosti, stopu lažno pozitivnih upozorenja ni trošak treniranja, pa poslovni učinak još nije moguće neovisno izračunati.
Anonimizacija također ne uklanja sva pitanja upravljanja podacima. Financijske transakcije imaju gust kontekst i mogu se povezivati kroz vrijeme, zbog čega banka mora ograničiti pristup, dokumentirati skupove za treniranje i nadzirati može li izlaz modela otkriti osjetljive obrasce. Smještaj u domaćoj jurisdikciji pojednostavljuje dio pravnih obveza, ali ne zamjenjuje kontrole privatnosti, kvalitete podataka i modelskog rizika.
Za tržište clouda projekt je važan jer Civo dobiva referencu u sektoru s visokim zahtjevima za otpornost i reviziju. Za Nvidiju je to širenje s prodaje akceleratora na razvojne nacrte specifične za industriju. Starling će stvarnu vrijednost morati dokazati početkom 2027., kada model uđe u produkciju i kada se mogu usporediti detektirane prijevare, broj pogrešnih upozorenja, brzina reakcije i trošak rada s današnjim sustavima.
Transakcijski model razlikuje se od sustava koji samo sažima tekst ili vodi razgovor. Njegova je jezgra numerički i vremenski slijed događaja, pa kvalitetu određuju označavanje trgovaca, kontinuitet računa i sposobnost razlikovanja sezonske promjene od sumnjivog ponašanja. Jedan model može potom služiti više aplikacija, ali pogreška u temeljnom sloju širi se na sve proizvode koji se na njega oslanjaju.
Banka zato mora verzionirati podatke i modele te pratiti učinak na različite skupine klijenata. Personalizirani savjet ne smije prerasti u neobjašnjivu odluku o pristupu usluzi, a sustav za prijevare mora omogućiti ljudsku provjeru i prigovor. Objavljeni plan zasad opisuje arhitekturu i cilj, ne rezultate evaluacije. Produkcijski početak početkom 2027. bit će važniji od same količine od 15 milijardi transakcija jer će tek stvarni promet pokazati poboljšava li model sigurnost bez nepotrebnog blokiranja korisnika.
Starling Bank trenirat će transakcijski temeljni model na više od 15 milijardi anonimiziranih zapisa u britanskom Civo cloudu. Nvidia daje razvojni nacrt i alate, a banka planira prvu produkcijsku uporabu početkom 2027. u detekciji prijevara. Projekt spaja personalizaciju usluga s pokušajem smanjenja ovisnosti o malom broju globalnih cloud dobavljača.
Velik broj sigurnosnih alata ne mora značiti i dobru sigurnosnu sliku. Organizacije danas prikupljaju ogromnu količinu podataka i upozorenja, ali ih često teško povezuju u jasan slijed događaja. Kako za ICTbusiness Media - ICTbusiness.info ističe Dragan Bednarčuk, Business Development Manager u KING ICT-u, problem je često u vidljivosti i povezanosti sustava, a ne u potpunom nedostatku tehnologije. Legacy sustavi, slabo upravljanje identitetima i sporo zakrpavanje dodatno povećavaju rizik. NIS2 je pritom sigurnost podigao na razinu uprave i poslovnog rizika.
Najveći nedostatak tržišta kibernetičke sigurnosti nije broj ljudi koji žele ući u struku, nego broj ljudi koji iza sebe imaju godine stvarnog operativnog iskustva. Incidenti, forenzika, detekcija i upravljanje identitetima traže znanje koje se ne može steći samo kroz certifikate. Kako za ICTbusiness Media - ICTbusiness.info ističe Vedran Vujasinović, Senior Director, Cyber Resilience u Spanu, tržištu kronično nedostaju stručnjaci s pet, deset ili više godina iskustva. Automatizacija pritom može povećati produktivnost, ali može stvoriti novi problem ako potpuno ukloni početne poslove na kojima se grade budući seniori. Razvoj juniora zato mora uključivati stvarni operativni rad i razumijevanje razloga zbog kojih je neki događaj sigurnosno važan.
