這篇文章由 Capital One 贊助。在 Amazon 領導自然語言理解部門，最終掌管整個 Alexa AI 組織五年後，Prem Natarajan 做出了非傳統的職涯選擇：他成為了一家銀行的首席科學家。這不是普通的銀行，而是 Capital One，一家服務超過一億客戶，協助美國民眾管理財務生活的金融機構。

對於 Natarajan 而言，這位曾參與 DARPA 資助研究和學術界的資深人士，見證了機器學習從任務導向應用發展到基礎模型，其邏輯清晰可見。AI 研究與部署的一些最有趣進展，正從大型科技公司的通用平台轉向金融等垂直產業。

在這些產業中，最複雜的問題不僅是建立模型，更是在真實世界客戶問題、情境化商業知識、持續學習以及對精準度和隱私極高要求等限制下，讓 AI 發揮作用。

這也是 Capital One 成為合適之處的原因。數十年來，該公司一直被公認為業界最以數據和分析驅動的金融機構之一。其商業模式從一開始就圍繞著利用數據和技術，為客戶提供個人化的金融產品。

十年前，Capital One 全面擁抱雲端，並重建其數據生態系統，為數據、運算和 AI/機器學習實驗創造了一個統一的環境。如今，其現代化的基礎設施、嚴謹的治理方法和深厚的人才儲備，構成了其在企業 AI 領域領先的基礎。

AI 研究與部署的進展正從大型科技公司的通用平台，轉向金融等垂直產業。

那麼，銀行為何需要首席科學家？答案在於對金融服務中 AI 的一個根本性誤解。大多數金融機構仍將 AI 視為一種部署技術，即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，而非一門科學學科。

Capital One 正在做一些不同的事情：建立一個科學社群和研究組織，以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，但它們尚無法解決許多領域特定的挑戰。例如，在數十億筆交易中即時偵測詐欺，或提供最先進的對話工具，讓客戶能夠在他們想要的時間、方式和地點進行互動。

這些讓 AI 變得可靠、可擴展且管理良好的挑戰，需要原創研究和科學創新。這些創新隨後會回饋到業務中，以創造實際應用來滿足客戶需求。

IEEE 會士 Prem Natarajan 是 Capital One 的首席科學家。他表示：『如果你想解決 AI 中真正重要的問題，並看到你的工作實現，這裡是少數幾個可以做到這一點的地方之一。』

由於銀行處理的是人們的財務，因此在 AI 方面，對精準度的要求極高。以詐欺為例，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。

最好的詐欺模型和平台可以在客戶輕觸卡片的時間內偵測並協助緩解詐欺，這對於以精準和速度保護客戶及其財務資訊來說是基本要求。面對這些挑戰，Capital One 和 Natarajan 意識到，服務數百萬客戶意味著要解決 AI 問題，其規模和複雜性是許多企業不曾遇到的。這些限制也創造了一個獨特的研究環境。

在 Capital One，建立 AI 的方法是以前所未有的方式為客戶創造價值，改善他們的財務生活，並透過他們實際需要的服務來滿足他們。這種專注，結合大規模和世界級的風險管理要求，使得科學問題既更困難，也與大多數大型科技實驗室中的問題同樣重要。

Capital One 的 AI 研究與創新方法始於 Natarajan 所謂的『目標導向思維』（destination-back thinking）。團隊不是問現有技術能做什麼，而是設想他們希望提供的客戶體驗。

例如，一位工作時間長的購車者只能在晚上十點研究選項，或一位面臨意外開支需要即時個人化指導的客戶，然後反向推導，找出實現這些目標所需的科學突破。

Natarajan 解釋說：『你從提供極具價值的服務回溯思考。一旦你有了清晰的願景，你就會回溯並說，有哪些差距？我們需要發明什麼？』這確保了當問題解決時，其影響基本上是確定的，因為團隊已經確定了什麼會對客戶生活產生實質性影響。

但僅有方法論是不夠的。Capital One 近 15 年來對雲端優先架構的投入，在金融服務業中創造了罕見的成果：一個統一的數據和運算生態系統，能夠支援大型科技研究實驗室中常見的科學實驗。

作為唯一一家全面採用公有雲基礎設施的美國主要銀行，Capital One 消除了可能限制大多數金融機構 AI 研究的傳統系統。這種現代技術堆疊實現了快速迭代、大規模模型訓練，以及 Natarajan 所謂的『持續學習』，即部署後會不斷改進而非隨時間退化的系統。這種獨特的基礎設施方法是實現新型研究的關鍵組成部分。

研究議程體現在已服務客戶的系統中。去年初，Capital One 推出了可能是銀行內部完全自主開發的第一個全代理式 AI 客戶服務體驗：一個購車工具，它根據客戶請求採取行動，而不僅僅是回答問題。

其背後是針對多代理式 AI 推理系統的廣泛研究，這些系統能夠導航即時數據、商業知識、限制和防護措施，並由各種代理協同工作以完成複雜任務。

Capital One 推出了一個由多代理式推理系統廣泛研究驅動的全代理式 AI 客戶服務體驗，該系統能夠導航即時數據。

該團隊還致力於解決諸如代幣化（tokenization）挑戰等問題，在保護敏感數據的同時實現模型訓練。為了加速這項尖端工作，Capital One 與哥倫比亞大學、南加州大學和伊利諾伊大學建立了合作夥伴關係。

並成為 2025 年唯一資助 NSF 國家 AI 研究中心的銀行，投入數百萬美元於涵蓋心理健康、材料發現、科學、技術、工程和數學教育、人機協作以及藥物開發等領域的計畫。

在 2026 年春季，該公司舉辦了首屆 AI 研討會，旨在加深科學 AI 社群、領先 AI 實驗室、新創公司以及其自身的技術、科學和 AI 領導者與合作夥伴之間的聯繫並促進見解分享。

外部驗證表明該策略正在奏效。Evident AI 連續三年將 Capital One 評為 AI 人才領先銀行和全球 AI 創新領導者，並指出該銀行佔前 50 大金融機構所有 AI 專利申請的 38%。

Capital One 也被 IFI Insights 評為 2025 年美國代理式 AI 和生成式 AI 專利領導者中唯一的金融機構，與 Google、NVIDIA、DeepMind、IBM、Microsoft、Intel、Adobe 和 Samsung 等公司並列。Capital One 的 AI 團隊擁有來自領先 AI 實驗室和頂尖大學的經驗，其專業知識在矽谷之外實屬罕見。

但招募人才需要使命。『如果你想解決 AI 中真正重要的問題，並看到你的工作實現，這裡是少數幾個可以做到這一點的地方之一』Natarajan 說。其論點始終如一：Capital One 不僅僅是為高頻交易等利基金融應用優化演算法。

它正在利用科學來提升超過一億美國民眾的金融體驗，以前所未有的方式擴大參與度、即時洞察、個人化以及對其個人財務和產品的存取。

Capital One 被評為 2025 年美國代理式 AI 和生成式 AI 專利領導者中唯一的金融機構，與 Google、NVIDIA、DeepMind 和 Microsoft 等公司並列。

Natarajan 最興奮的前沿領域是代理式 AI 系統，它們可以透過重新定義問題解決方式來顯著提高性能，以及理解情境和金融細微差別的領域特定推理，這代表了創新的下一階段。

他解釋說：『僅僅透過將問題置於代理式框架中，你就能從相同的底層模型中獲得更高的性能。』

正是這種應用研究，例如將通用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。在為其 AI 團隊招募人才時，這個團隊的水平只有最尖端的科技公司能與之媲美，Natarajan 將機會圍繞著一個使命來闡述。

他引用了史蒂夫·賈伯斯對約翰·史考利提出的著名挑戰：『你想把餘生都花在賣糖水上，還是想改變世界？』對 Natarajan 來說，兩者之間的相似之處顯而易見。建立 AI 系統來為數百萬美國民眾轉變金融服務，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。