金融公司开始大举抢夺人工智能专家
几年前，阿比吉特•博塞带领Facebook位于美国东海岸的人工智能研究团队，帮助训练计算机识别人们脸上戴的太阳镜。
如今，他正在帮助美国的第一资本金融公司（Capital One）创建人工智能系统。这个系统能够以更快的速度发现ATM诈骗，并向客户推荐信用卡奖励计划。
博塞担任这家公司的机器学习中心的负责人，该中心为第一资本金融公司的其他数据科学家开发人工智能工具。凭借这些工具，第一资本金融公司就可以更好地了解，哪些奖励计划对某些客户更具吸引力。
为了提高机器学习能力，第一资本金融公司正在大举招聘。该公司计划在今年年底前再新招3,000名技术人员，招聘重点是能够为人工智能软件构建和维护复杂基础设施的机器学习专家和软件工程师。
如此大规模的技术人员招聘将是一项挑战，尤其是招聘整个企业界都很需要的机器学习专家。该公司的首席信息官罗布•亚历山大表示，如果公司不能达成招聘目标，可能就不得不聘请承包商或推迟部分技术项目。
人工智能人才招聘公司TalentSeer的首席执行官亚历克斯•雷恩指出，谷歌（Google）母公司Alphabet和Facebook等科技巨头为拥有博士学位的顶尖人工智能新员工提供高达50万美元的年薪，而银行、保险公司和其他金融服务机构通常给出的年薪为30万美元。在薪酬方面，这些企业很难与科技巨头竞争。
雷恩称，由于对人工智能人才有很高需求，有三年经验的机器学习工程师在首次求职时，仅仅两个月时间就可以斩获五个不同的工作机会。如果对谷歌或Facebook等科技巨头不感兴趣，求职者可能会考虑雄心勃勃的初创公司，因为初创公司一旦上市，求职者到时就能够获得一大笔意外之财。
亚历山大承认，招聘人工智能人才存在困难，但拒绝就其公司是否会提供与科技巨头相当的薪酬置评。不过他表示，公司会竭尽全力保持其竞争力。
“比起银行，我们主要在和其他科技公司正面交锋，争取我们需要的人才。这是进入这个领域的代价，你必须有一个具有竞争力的价值主张，薪酬是其中很大一部分。它不是唯一因素，但绝对很重要。”亚历山大说道。
劳动力市场上的求职者越来越倾向于对比多家公司，第一资本金融公司希望利用这一机会。
博塞说，尽管第一资本金融公司计划聘请机器学习专家，但也在寻找了解如何使用亚马逊网络服务（Amazon Web Services）等巨头的云计算服务的软件开发人员。2020年，该公司关闭了最后一个内部数据中心，并将所有IT基础设施转移到亚马逊网络服务。
训练机器学习模型识别信用欺诈可能要用到100多个不同的图形处理器（GPU），相当于使用100台强大的个人电脑执行一项任务。该公司必须进行技术创造，即便其使用的基于云计算的任何一台计算机出现故障（这是一个常见问题），也可以继续进行机器学习训练。
尽管第一资本金融公司能够依赖亚马逊（Amazon）等公司出售的易于使用的机器学习工具，但博塞和亚历山大均认为，这些工具不如其公司内部的同类工具强大。而且随着客户日益需要反应迅速的金融应用程序，任何时间上的滞后都可能导致客户选择其他程序。
亚历山大称：“你可以想象我们所有业务就是在不断做决定。如果能够借助更多的数据和更好的算法实时做出决定，那么每一个决定都会变得更好。”
虽然花费巨大，但亚历山大表示其公司必须在机器学习和相关技术上重金投入。正如Uber和爱彼迎（Airbnb）已经颠覆了交通和酒店业的现有格局，金融服务公司也面临着被颠覆的风险。
亚历山大说：“数字革命正在以一种全新的方式威胁着银行的生存。如果想在这个行业中立于不败之地，我们就必须以大型科技公司的方式存在和运营。”（财富中文网）
译者：郝秀
审校：汪皓
几年前，阿比吉特•博塞带领Facebook位于美国东海岸的人工智能研究团队，帮助训练计算机识别人们脸上戴的太阳镜。
如今，他正在帮助美国的第一资本金融公司（Capital One）创建人工智能系统。这个系统能够以更快的速度发现ATM诈骗，并向客户推荐信用卡奖励计划。
博塞担任这家公司的机器学习中心的负责人，该中心为第一资本金融公司的其他数据科学家开发人工智能工具。凭借这些工具，第一资本金融公司就可以更好地了解，哪些奖励计划对某些客户更具吸引力。
为了提高机器学习能力，第一资本金融公司正在大举招聘。该公司计划在今年年底前再新招3,000名技术人员，招聘重点是能够为人工智能软件构建和维护复杂基础设施的机器学习专家和软件工程师。
如此大规模的技术人员招聘将是一项挑战，尤其是招聘整个企业界都很需要的机器学习专家。该公司的首席信息官罗布•亚历山大表示，如果公司不能达成招聘目标，可能就不得不聘请承包商或推迟部分技术项目。
人工智能人才招聘公司TalentSeer的首席执行官亚历克斯•雷恩指出，谷歌（Google）母公司Alphabet和Facebook等科技巨头为拥有博士学位的顶尖人工智能新员工提供高达50万美元的年薪，而银行、保险公司和其他金融服务机构通常给出的年薪为30万美元。在薪酬方面，这些企业很难与科技巨头竞争。
雷恩称，由于对人工智能人才有很高需求，有三年经验的机器学习工程师在首次求职时，仅仅两个月时间就可以斩获五个不同的工作机会。如果对谷歌或Facebook等科技巨头不感兴趣，求职者可能会考虑雄心勃勃的初创公司，因为初创公司一旦上市，求职者到时就能够获得一大笔意外之财。
亚历山大承认，招聘人工智能人才存在困难，但拒绝就其公司是否会提供与科技巨头相当的薪酬置评。不过他表示，公司会竭尽全力保持其竞争力。
“比起银行，我们主要在和其他科技公司正面交锋，争取我们需要的人才。这是进入这个领域的代价，你必须有一个具有竞争力的价值主张，薪酬是其中很大一部分。它不是唯一因素，但绝对很重要。”亚历山大说道。
劳动力市场上的求职者越来越倾向于对比多家公司，第一资本金融公司希望利用这一机会。
博塞说，尽管第一资本金融公司计划聘请机器学习专家，但也在寻找了解如何使用亚马逊网络服务（Amazon Web Services）等巨头的云计算服务的软件开发人员。2020年，该公司关闭了最后一个内部数据中心，并将所有IT基础设施转移到亚马逊网络服务。
训练机器学习模型识别信用欺诈可能要用到100多个不同的图形处理器（GPU），相当于使用100台强大的个人电脑执行一项任务。该公司必须进行技术创造，即便其使用的基于云计算的任何一台计算机出现故障（这是一个常见问题），也可以继续进行机器学习训练。
尽管第一资本金融公司能够依赖亚马逊（Amazon）等公司出售的易于使用的机器学习工具，但博塞和亚历山大均认为，这些工具不如其公司内部的同类工具强大。而且随着客户日益需要反应迅速的金融应用程序，任何时间上的滞后都可能导致客户选择其他程序。
亚历山大称：“你可以想象我们所有业务就是在不断做决定。如果能够借助更多的数据和更好的算法实时做出决定，那么每一个决定都会变得更好。”
虽然花费巨大，但亚历山大表示其公司必须在机器学习和相关技术上重金投入。正如Uber和爱彼迎（Airbnb）已经颠覆了交通和酒店业的现有格局，金融服务公司也面临着被颠覆的风险。
亚历山大说：“数字革命正在以一种全新的方式威胁着银行的生存。如果想在这个行业中立于不败之地，我们就必须以大型科技公司的方式存在和运营。”（财富中文网）
译者：郝秀
审校：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.”
