任何銀行都不可能把客戶與交易資料外流到雲端運用，因為這一定是違法的，敢這樣做的銀行會被罰到關門，也會被擠兌倒閉。這是銀行監理的最基本原則，銀行一定要對客戶與交易資料保密，雙方之間才有信任（trust），你才會放心把錢放到銀行，信任它不會拿去亂搞，或領不出來。
所以任何金融業的AI運用，一定是先把AI模型訓練好（VISA擁有最龐大的實際信用卡交易資訊，所以它能做好訓練），然後將該AI模型，在銀行本身所設的機房裡的AI伺服器上，運用在該銀行本身客戶的實際信用卡交易上，來即時判斷是否牽涉到詐欺/洗錢，發出警報，然後由人工來進行審查與處理。
在維持同樣的正確警報率的情況下，VISA做的這AI模型還能降低自動監測信用卡交易，是否涉及詐欺/洗錢的誤警率85%，這是很大的成就，而且應該隨著運用的銀行增多，在隱去客戶個資後，所回饋的實際案例，就可以成為VISA後續的訓練資料，因此這AI模型就會越來越準，也會越少誤警。
當然，各銀行可以自行使用該銀行的實際交易資料再訓練與精進該AI模型，而不回饋訓練資料給VISA，把所得的精進版AI模型列為各銀行的營業秘密來保護。這是因為VISA僅負責進行信用卡交易的國際清算，而各國的國內信用卡與各銀行的客戶交易習慣其實都有所不同，在判斷該筆信用卡交易是否是詐欺/洗錢上，各銀行是可以各自努力的。
Visa使用150億筆交易資料訓練了一個生成式AI模型，比舊的風險模型降低85%誤報率，去年Visa鎖住400億美元詐欺風險交易，但沒說有多少是誤判(正常交易被誤判為詐欺而鎖住)
這個AI模型將先交給美國地區金融機構客戶，就是說，模型由Visa訓練training，交給千百家美國銀行客戶執行交易時推論inference，顯然(貼文沒說)，基於刷卡交易的低延遲和機密資料需求，這一定是由銀行端的AI server做本地推論，不可能用雲端推論
(1)詐欺誤放率和正常誤判率兩個機率都一定可以不斷改進，通常一個低另一個就高，兩者都要越低越好，如果貼文所說降低正常誤判率85%時仍能維持相等的詐欺誤放率，那是很大的改進
(2)這類就是AI應用最期待的攸關競爭力不可或缺(相對有些應用可有可無或純省錢)的應用，發卡銀行中間，Visa和Master,AE等系統之間的競爭，而且銀行也不一定要用發卡系統商的模型，同理也可以訓練自己更好的模型增強自身競爭力
(3)貼文沒說模型大小，不知道適合那種推論型AI server，但這是企業端的需求，不是雲端Hyperscaler需求，每家銀行可能都需要一套
摘錄Google翻譯
"新的人工智慧工具可以學習持卡人的交易模式，並識別他們的正常和異常消費習慣。該工具會根據詐欺的可能性，在大約四毫秒內自動為支付分配風險評分，標記可能是攻擊的交易。
該工具接受了超過 150 億筆交易的訓練。它透過將交易與歷史枚舉模式進行比較來產生分數，使模型能夠預測購買實際上是枚舉攻擊的可能性。
Visa 表示，與其他風險模型相比，該工具將誤報詐欺偵測率降低了 85%。"
