Coinbase AI Agent Cuts Fraud by 30% in Onramp Experiment

Coinbase afirma que un agente de IA reduce el fraude en un experimento de Onramp en 30%. La empresa fine-tuneó un modelo de código abierto de peso abierto (Qwen3.5-9B) con datos transaccionales propios para superar a un modelo cerrado “de referencia”, según mejores métricas de detección y menor latencia de servicio. En una publicación del 12 de octubre, el CEO Brian Armstrong explicó que el rendimiento depende de entrenar el modelo para una tarea específica: los “frontier models” son generalistas, pero los especialistas pueden superar en tareas más estrechas. Coinbase integró primero un agente de riesgo en su motor de reglas y ML para Onramp. En el test, el grupo con revisión adicional mostró 22% menos valor fraudulento y 30% menos transacciones fraudulentas. También comparó versiones de modelos cerrados contra un benchmark fijo de 16,140 transacciones.