Sun Finance: weryfikacja ID tańsza o 91%

Sun Finance przepiął swój system weryfikacji tożsamości na stos AWS i wykręcił redukcję kosztów per dokument o 91% przy jednoczesnym skoku dokładności z 79,7% do 90,8%.

Pipeline zbudowany na trzech usługach AWS

Architektura rozwiązania opiera się na Amazon Bedrock do zadań generatywnego AI, Amazon Textract do ekstrakcji tekstu z dokumentów oraz Amazon Rekognition do analizy obrazów i wykrywania twarzy. Całość działa jako zautomatyzowany pipeline — dokument wchodzi, zweryfikowana tożsamość wychodzi, a człowiek wchodzi do procesu tylko przy wyjątkach flagowanych przez system.

Textract wyciąga surowe dane z dokumentów tożsamości — paszportów, dowodów osobistych, prawa jazdy. Rekognition porównuje zdjęcie z dokumentu z selfie przesyłanym przez klienta. Bedrock spinaja całość logiką generatywną, która ocenia spójność danych i oznacza podejrzane przypadki.

Czy 20 godzin to norma w branży fintech?

Brzmi absurdalnie, ale tak — manualny review dokumentów w firmach pożyczkowych potrafi trwać właśnie tyle w godzinach szczytu. Sun Finance działa w kilkunastu krajach, obsługuje klientów mówiących różnymi językami, a dokumenty tożsamości mają różne formaty w każdej jurysdykcji. Analityk, który musi ręcznie przepisać dane z rumuńskiego dowodu albo łotewskiego prawa jazdy, nie robi tego błyskawicznie.

Nowy system sprowadza czas przetwarzania do minut. Dla firmy oferującej pożyczki online, gdzie konwersja zależy od szybkości decyzji, to różnica między klientem, który dostaje kasę dzisiaj, a takim, który idzie do konkurencji.

Fraud detection wbudowany w pipeline

Oprócz samej ekstrakcji danych, system odpalił też automatyczne wykrywanie prób oszustwa. Rekognition sprawdza między innymi oznaki manipulacji dokumentem — czy zdjęcie nie zostało podmienione, czy dane nie były edytowane cyfrowo. Bedrock analizuje spójność semantyczną — czy dane z różnych pól dokumentu do siebie pasują i czy zgadzają się z informacjami podanymi przez klienta przy rejestracji.

Sun Finance nie podaje konkretnych liczb dotyczących wykrytych fraudów po wdrożeniu nowego systemu, ale sama integracja detekcji anomalii bezpośrednio w pipeline weryfikacji to zmiana jakościowa — wcześniej fraud review był osobnym krokiem, często manualnym.

Co to kosztuje i co z tego wynika dla rynku

Redukcja kosztów o 91% per dokument to liczba, która będzie cytowana na każdej konferencji fintech przez najbliższe dwa lata. Przy skali Sun Finance — firma operuje w Europie, Azji i Ameryce Łacińskiej — nawet jednostkowe oszczędności przekładają się na poważne sumy w skali roku.

Modele w Bedrock rozliczane są per token, Textract per stronę, Rekognition per wywołanie API. Stary system, oparty prawdopodobnie na dedykowanym dostawcy IDV jak Jumio czy Onfido, wiąże się ze stałymi opłatami za weryfikację niezależnie od wolumenu. Przy wysokim wolumenie przestawianie się na pay-per-use ma sens arytmetyczny.

Czy każda firma fintech może skopiować ten model?

Technicznie tak — wszystkie trzy usługi AWS są dostępne publicznie. Praktycznie jest kilka haczyków. Po pierwsze, jakość ekstrakcji mocno zależy od danych treningowych — Sun Finance musiał nakarmić system tysiącami przykładów dokumentów z różnych krajów, żeby osiągnąć te 90,8%. Firma startująca od zera nie ma tego materiału.

Po drugie, integracja pipeline’u z systemami KYC i AML, które każda firma finansowa musi utrzymywać ze względów regulacyjnych, to nietrywialny projekt inżynierski. Bedrock nie zastępuje compliance — on przyspiesza jeden wycinek procesu.

Po trzecie, 90,8% dokładności ekstrakcji to lepiej niż 79,7%, ale wciąż oznacza, że prawie co dziesiąty dokument wymaga manualnej weryfikacji. Sun Finance nie wyeliminował ludzkich reviewerów — zmniejszył ich obciążenie.

Sun Finance planuje dalej rozwijać system o obsługę kolejnych typów dokumentów i rynków geograficznych — firma nie podała harmonogramu tych rozszerzeń.