為什麼銀行需要一位首席科學家？

This article is brought to you by Capital One.

在亞馬遜領導自然語言理解以及整個 Alexa AI 組織五年後，Prem Natarajan 做出了非傳統的選擇：他成為一家銀行的首席科學家。這家銀行就是 Capital One，一家服務超過一億客戶、幫助美國人管理日常財務的金融機構。

對 Natarajan 而言，這位曾參與 DARPA 資助研究並擁有豐富學術背景的專家，曾見證機器學習從特定任務應用演進到基礎模型，他認為邏輯非常清楚。AI 研究與部署中最有趣的進展，正從大型科技公司的水平平台轉向金融等產業垂直領域。在這些領域，最複雜的挑戰不僅是建構模型，而是讓 AI 在真實世界客戶問題、情境商業知識、持續學習，以及極高準確性與隱私標準的限制下運作。

這也是 Capital One 成為最適合進行這些工作的原因。數十年來，該公司一直被公認為產業中最以數據與分析為導向的金融機構之一。其商業模式從一開始就建立在運用數據與科技為客戶提供個人化金融產品的基礎上。十年前，Capital One 全面投入雲端運算，並重建其數據生態系統，打造統一的數據、運算以及 AI 與機器學習實驗環境。如今，其現代化基礎設施、嚴謹的治理方法，以及深厚的人才庫，共同構成讓企業 AI 領先的基石。

AI 研究與部署的進展正從大型科技公司的水平平台轉向金融等產業垂直領域。

那麼，為什麼銀行需要一位首席科學家？答案在於對金融服務業中 AI 的根本誤解。大多數金融機構仍將 AI 視為一種可部署的技術——利用最新的大型語言模型、透過 API 部署，並整合到現有工作流程中——而非視為一門科學學科。Capital One 正在做不同的事：建立科學社群與研究組織，解決真實世界的客戶問題，並發明尚未存在的具影響力 AI 解決方案。

雖然廣泛可用的基礎模型可以處理一般任務，但它們尚未能解決許多領域特定挑戰，例如即時偵測數十億筆交易中的詐欺，或提供最先進的對話工具，讓客戶能以自己想要的時間、方式和地點進行互動。

這些讓 AI 具備可靠性、可擴展性與良好治理的挑戰，需要原創研究與科學創新，並將成果回饋至業務，以創造解決客戶需求的真實世界應用。

要求創新的限制條件

Prem Natarajan, an IEEE Fellow, is Chief Scientist at Capital One. “If you want to solve really important problems in AI and see your work come to life, this is one of the few places you can do that,” he says.Capital One

由於銀行處理的是人們的財務，因此在 AI 應用上對正確性的要求極高。以詐欺偵測為例。即使是輕微的詐欺事件，也可能對某些客戶造成毀滅性影響。最好的詐欺模型與平台可以在人們刷卡的瞬間偵測並協助緩解詐欺，這是保護客戶及其財務資訊時，準確性與速度的基本要求。面對這類挑戰，Capital One 與 Natarajan 發現，服務數百萬客戶意味著要在許多企業未曾遇過的規模與複雜度下解決 AI 問題。這些限制同時也創造了獨特的研究環境。

在 Capital One，建構 AI 的方法是以前所未有的方式為客戶提供價值，改善他們的財務生活，並在他們所在的地方提供真正需要的服務。這種專注，結合龐大規模與世界級風險管理要求，使科學問題變得更困難，但其重要性也與大多數大型科技實驗室中的問題相當。

透過「從目標倒推思考」推動 AI 發展

Capital One 的 AI 研究與創新方法從 Natarajan 所謂的「從目標倒推思考」開始。團隊不是先問當前技術能做到什麼，而是先想像想要提供的客戶體驗——例如一位每天工作很長、只能在晚上十點研究購車選項的買家，或是面臨意外開支、需要立即個人化指導的客戶——然後再回推找出實現目標所需的科學突破。

「你從提供極有價值服務的地方開始思考，」Natarajan 解釋。「一旦清楚確立願景，就回推找出差距，以及需要發明的事物。」這確保問題解決時，影響力已基本確定，因為團隊早已確認哪些事物將對客戶生活產生實質差異。

但僅有方法論是不夠的。Capital One 近十五年對雲端優先架構的押注，創造了金融服務業中罕見的成果：一個統一的數據與運算生態系統，能支援大型科技研究實驗室常見的科學實驗。作為唯一全面採用公有雲基礎設施的主要美國銀行，Capital One 消除了大多數金融機構中可能限制 AI 研究的舊有系統。這種現代化技術堆疊能實現快速迭代、大規模模型訓練，以及 Natarajan 所說的「持續學習」——系統在部署後持續改善而非隨時間退化。這種獨特的基礎設施方法，是讓新類別研究成為可能的關鍵因素。

代理式 AI：從研究到生產

研究議程已體現在服務客戶的系統中。去年年初，Capital One 推出可能是有史以來第一個由銀行內部完全建構的代理式 AI 客戶服務體驗：一個根據客戶請求代表他們執行動作的購車工具，而非僅回答問題。其背後是對多代理式 AI 推理系統的廣泛研究，該系統能導航即時數據、商業知識、限制條件與防護機制，並讓各代理共同完成複雜任務。

Capital One 已推出由對多代理式推理系統的廣泛研究驅動的代理式 AI 客戶服務體驗，該系統能導航即時數據。

團隊也在解決如權杖化挑戰等問題，同時保護敏感數據並允許模型訓練。為了加速這項尖端工作，Capital One 已與哥倫比亞大學、南加州大學及伊利諾大學建立合作關係，並成為 2025 年唯一資助美國國家科學基金會（NSF）全國 AI 研究中心的銀行，投入數百萬美元支持涵蓋心理健康、材料發現、科學、科技、工程與數學教育、人機協作以及藥物開發的計畫。

2026 年春季，該公司舉辦首屆 AI Symposium，以深化科學 AI 社群、頂尖 AI 實驗室、新創公司與其自身科技、科學及 AI 領導者和合作夥伴之間的連結與洞見分享。

打造世界級 AI 組織

外部驗證顯示這項策略正在發揮作用。Evident AI 將 Capital One 評為 AI 人才領先的銀行，並連續三年將其列為全球 AI 創新領導者，指出該銀行占前 50 大金融機構 AI 專利總數的 38%。Capital One 也獲 IFI Insights 評為 2025 年代理式與生成式 AI 領域美國專利領先者中唯一的金融機構，與 Google、NVIDIA、DeepMind、IBM、Microsoft、Intel、Adobe 及 Samsung 等並列。Capital One 的 AI 團隊——擁有來自頂尖 AI 實驗室與大學的經驗——代表了矽谷以外罕見的專業知識。

但招募人才需要使命。「如果你想解決 AI 中真正重要的問題，並看到自己的工作實現，這是少數能做到這件事的地方之一，」Natarajan 表示。說服力始終如一：Capital One 不僅是針對高頻交易等利基金融應用優化演算法，而是運用科學提升超過一億名普通美國人的金融體驗，以前所未有的方式擴展互動、即時洞見、個人化，以及對個人財務與產品的存取。

Capital One 被評為 2025 年代理式與生成式 AI 領域美國專利領先者中唯一的金融機構，與 Google、NVIDIA、DeepMind 及 Microsoft 等並列。

Natarajan 最感興奮的前沿領域——能透過重新定義問題解決方式大幅提升效能的代理式 AI 系統，以及理解情境與財務細微差別的領域特定推理——代表下一階段的創新。「只要將問題置於代理式框架中，你就能從相同的基礎模型獲得更多效能，」他解釋。

正是這種應用研究——將一般能力轉化為服務數百萬客戶的生產系統——定義了首席科學家的職責。在招募人才加入其 AI 團隊（一個在水準上僅能與最先進科技公司相比的團隊）時，Natarajan 將機會定位在使命之上。他引用 Steve Jobs 對 John Sculley 的著名挑戰：「你想餘生都在賣糖水，還是想改變世界？」對 Natarajan 而言，類比很清楚。建構能為數百萬普通美國人改造金融服務的 AI 系統——這就是改變世界。而這需要只有首席科學家才能領導的科學嚴謹性。