Mastercard представила генеративную ИИ-модель на миллиардах транзакций

Mastercard представила фундаментальную ИИ-модель, обученную на миллиардах анонимизированных платежных транзакций. Это не чатбот вроде ChatGPT, а крупная табличная модель (LTM) для анализа структурированных данных — от обнаружения мошенничества до оптимизации программ лояльности. Разработка с Nvidia и Databricks обещает революцию в финтехе, где точные предсказания придут за секунды.

Mastercard анонсировала фундаментальную модель генеративного ИИ, построенную на анонимизированных данных миллиардов платежей. Это не чатбот вроде ChatGPT, а крупная табличная модель (LTM), обученная на структурированных данных для анализа платежей и коммерции.

Модель разрабатывается с Nvidia и Databricks и была представлена на конференции GTC 2026 в Сан-Хосе. Она станет "двигателем инсайтов" для улучшения сервисов Mastercard — от кибербезопасности до программ лояльности.

В отличие от LLM, работающих с текстом, изображениями или видео, LTM обучается на табличных данных — строках и столбцах с транзакциями. Mastercard использует миллиарды анонимизированных платежей, планируя расширить до сотен миллиардов, включая данные о продавцах, мошенничестве, авторизациях и возвратах.

Стив Флинтер, ведущий инженер Mastercard, отметил: «Модель не для чатботов, а для точных предсказаний». Она работает на платформе Nvidia с данными от Databricks, обеспечивая приватность и прозрачность.

Одна из ключевых задач — кибербезопасность. Модель интегрируется с существующими ИИ-системами Mastercard для обнаружения фрода. В тестах она превзошла традиционные ML-методы, лучше распознавая редкие крупные покупки, вроде обручального кольца, без ложных срабатываний.

Это решает проблему "слабых сигналов" в данных, где стандартные алгоритмы ошибаются. Флинтер подчеркивает: «LTM дает детерминированные, проверяемые предсказания за секунды, в отличие от LLM с их "галлюцинациями».

Подход Mastercard отражает сдвиг в финансах к табличным моделям. Анализ Citi Ventures (февраль 2026) отмечает их преимущество: точность и скорость для банков. Компания готовит API и набор инструментов для внутренних команд, с фокусом на приватность и governance.

В итоге модель усилит инструменты для SMB, персонализацию и оптимизацию портфелей. Это шаг к ИИ, заточенному под платежи, где данные Mastercard — уникальное преимущество.