Coinbase ha perfezionato un modello di intelligenza artificiale open-weight sui propri dati di transazione proprietari per superare un modello closed-source leader nel rilevamento delle frodi, con punteggi di rilevamento migliori e una latenza di servizio inferiore.
In una serie tecnica in tre parti, la discussione ha sostenuto che le aziende possono ottenere risultati migliori da modelli specializzati addestrati per le proprie esigenze piuttosto che affidandosi a sistemi di intelligenza artificiale generici sempre più potenti.
Coinbase segnala una migliore rilevazione delle frodi grazie a un modello più piccolo
In un post del 12 ottobre, il CEO di Coinbase, Brian Armstrong, ha spiegato che l'azienda ha perfezionato Qwen3.5-9B utilizzando dati interni e ha scoperto che "superava i modelli di frontiera, a costi e velocità molto inferiori", nell'attività specifica di prevenzione delle frodi.
L'intento non era affermare che i modelli più piccoli siano universalmente migliori, bensì che le prestazioni dipendono dal compito per cui sono stati addestrati.
"I modelli di frontiera sono dei generalisti straordinari", ha scritto Armstrong. "Ma sempre più spesso vedremo modelli specializzati ottenere risultati migliori in compiti più specifici, sia lavorando in team che individualmente."
La serie "Owning Intelligence" di Coinbase ha descritto l'evoluzione di questo approccio, con l'azienda che ha inizialmente aggiunto un agente di rischio basato sull'intelligenza artificiale al suo modello di apprendimento automatico e al motore di regole esistenti per Onramp, che consente agli utenti di acquistare criptovalute tramite applicazioni partner, incluso il pagamento come ospite senza un account Coinbase.
Un esperimento online ha rilevato il 30% in meno di transazioni fraudolente e il 22% in meno di valore delle frodi nel gruppo che ha utilizzato la revisione aggiuntiva tramite intelligenza artificiale. L'agente ha esaminato le sequenze di transazioni recenti per identificare schemi che potrebbero non essere evidenti da un singolo pagamento. Era in grado di bloccare una transazione che aveva superato i controlli iniziali, ma non poteva annullare un blocco precedente.
Coinbase ha quindi testato le versioni più recenti dei modelli proprietari rispetto a un benchmark fisso di 16.140 transazioni effettuate da 7.293 utenti, incluse 813 transazioni fraudolente confermate. Ha riferito che le versioni più recenti di Opus, Sonnet e GPT hanno ottenuto risultati peggiori rispetto alle versioni precedenti in diverse metriche di rilevamento delle frodi.
GPT-5.6 ha migliorato la precisione ma ha registrato un recall inferiore, ovvero ha identificato una quota minore di transazioni fraudolente. Questo risultato ha motivato il passaggio a un modello open-weight, i cui parametri potevano essere adattati direttamente anziché essere accessibili solo tramite l'API di un fornitore.
Problema segnalato sull'autonomia dell'IA
L'approccio di Coinbase si inserisce in un dibattito più ampio sull'impiego di agenti di intelligenza artificiale nella lotta alla criminalità finanziaria e nella sicurezza informatica. La scorsa settimana Certik ha avvertito che un maggior numero di agenti di sicurezza autonomi potrebbe comportare rischi derivanti da risultati errati e da una ridotta supervisione umana. L'azienda ha raccomandato di porre limiti chiari alle decisioni autonome e di assegnare un responsabile specifico a ciascun agente.
Tuttavia, l'agente dell'exchange di criptovalute opera entro tali limiti, restituendo un punteggio di rischio e utilizzando codici applicativi che mettono in atto la politica decisionale. Può anche bloccare una transazione che i controlli precedenti avevano consentito, ma non può annullare un blocco già effettuato.
L' agente AI di Coinbase riduce le frodi del 30% in un esperimento di on-ramp è apparso per la prima volta su CryptoPotato .