Spade Lanza el Producto Spade Predictions para Bancos y Empresas Fintech

Spade ha introducido Spade Predictions, un conjunto de productos para bancos y fintechs que proporciona acceso a análisis de transacciones que anteriormente eran desarrollados principalmente por las instituciones financieras más grandes. En su núcleo se encuentra un modelo fundamental entrenado en el comportamiento de pago y emparejado con datos de comerciantes verificados. Las instituciones pueden usarlo tal cual, entrenarlo más para tareas específicas o construir sus propios modelos sobre el software, la infraestructura y las incrustaciones de Spade.

El lanzamiento se produce en un momento en que los principales bancos y redes de pago están creando cada vez más modelos de IA basados en sus datos transaccionales. Tales proyectos requieren extensos historiales de clientes, equipos de investigación e inversiones significativas, dejando a las instituciones más pequeñas con pocos recursos para soluciones comparables. Spade busca hacer que la IA transaccional sea más accesible para toda la industria.

Spade Predictions consta de dos componentes: uno identifica el negocio detrás de una transacción utilizando registros de comerciantes verificados, y el otro interpreta el comportamiento del cliente, identificando necesidades y riesgos. Esto aborda un problema de larga data: las redes de tarjetas a menudo limitan el nombre del comerciante en las descripciones de transacciones a 25 caracteres. La tecnología ayuda a emparejar a los clientes con productos, prever gastos y detectar fraudes. Spade afirma que no recibe información personal identificable, y los modelos personalizados utilizan los propios identificadores de la institución.

Las pruebas iniciales son prometedoras. Un modelo entrenado adicionalmente para un programa de crédito de un banco en EE. UU. superó a un modelo de propensión tradicional en un 35%. La versión con las incrustaciones de comerciantes de Spade identificó alrededor de un 10% más de futuros prestatarios. En una prueba de fraude, el modelo fue evaluado en ocho meses de transacciones de emisores de tarjetas: el sistema identificó comerciantes sospechosos lo suficientemente temprano como para bloquear hasta $3 millones en gastos fraudulentos. En un caso, una señal apareció cinco meses antes del primer bloqueo.

Predictions es el tercer conjunto en Merchant Graph, una base de datos de negocios verificados que cubre el 99.9% de las empresas en EE. UU. y Canadá. Según Spade, el gráfico empareja comerciantes en tiempo real con más del 99% de precisión en menos de 40 ms. La base de datos registra qué venden las empresas, dónde operan, sus conexiones con marcas y cómo interactúan los clientes con ellas; las ubicaciones están vinculadas a marcas matrices y propietarios. Los otros dos conjuntos son Enrichment y Data Operations. Enrichment añade información verificada sobre comerciantes, ubicaciones y marcas a transacciones en todos los rieles de pago, incluidos los locales, nuevos y de terceros. Data Operations permite registrar comerciantes y categorías específicas y obtener los propios identificadores al coincidir; Spade mantiene las coincidencias durante cambios de nombre, reubicaciones y nuevas identificaciones.