Coinbase melaporkan bahwa agen AI berbasis model open-weight hasil fine-tuning mampu menekan transaksi penipuan hingga 30% dalam eksperimen pada layanan Onramp. Bursa kripto ini menyatakan model yang dilatih khusus dengan data transaksi internalnya mengalahkan model closed-source terkemuka, baik dari sisi skor deteksi maupun latensi penyajian. Temuan tersebut dipaparkan dalam rangkaian teknis tiga bagian yang menjelaskan pendekatan perusahaan terhadap model AI spesialis.
Coinbase Klaim Model Lebih Kecil Unggul Deteksi Fraud
Dalam unggahan 12 Oktober, CEO Coinbase Brian Armstrong menjelaskan bahwa perusahaannya melakukan fine-tuning terhadap Qwen3.5-9B menggunakan data internal. Model tersebut, menurutnya, “mengungguli model frontier, dengan biaya dan kecepatan yang jauh lebih baik” pada tugas khusus pencegahan penipuan.
Armstrong menegaskan bahwa poin yang ingin disampaikan bukanlah bahwa model berukuran lebih kecil selalu lebih baik, melainkan bahwa performa bergantung pada tugas yang dilatihkan. “Model frontier adalah generalis yang luar biasa,” tulis Armstrong. “Tetapi semakin sering Anda akan melihat model spesialis tampil lebih unggul pada tugas yang lebih sempit, baik bekerja dalam tim maupun sendiri.”
Pandangan tersebut sejalan dengan argumen Coinbase bahwa perusahaan dapat memperoleh hasil lebih baik dari model khusus yang dilatih sesuai kebutuhan mereka sendiri dibandingkan mengandalkan sistem AI tujuan umum yang semakin canggih.
Eksperimen Onramp dan Pengujian Benchmark
Seri bertajuk Owning Intelligence milik Coinbase menguraikan bagaimana pendekatan itu berkembang. Perusahaan terlebih dahulu menambahkan agen risiko berbasis AI pada model machine learning dan mesin aturan yang sudah ada untuk Onramp, layanan yang memungkinkan pengguna membeli kripto melalui aplikasi mitra, termasuk guest checkout tanpa akun Coinbase.
Sebuah eksperimen daring menemukan 30% lebih sedikit transaksi curang dan 22% lebih kecil nilai penipuan pada kelompok yang menggunakan tinjauan AI tambahan. Agen tersebut memeriksa urutan transaksi terbaru untuk mengidentifikasi pola yang mungkin tidak terlihat dari satu pembayaran saja. Agen dapat memblokir transaksi yang lolos pemeriksaan awal, tetapi tidak dapat membatalkan blokir yang sudah dilakukan di hulu.
Coinbase kemudian menguji versi terbaru model closed-source terhadap benchmark tetap berisi 16.140 transaksi dari 7.293 pengguna, termasuk 813 transaksi yang terkonfirmasi curang. Perusahaan melaporkan bahwa versi Opus, Sonnet, dan GPT yang lebih baru tampil lebih buruk pada sejumlah ukuran deteksi penipuan dibandingkan pendahulunya. GPT-5.6 meningkatkan presisi tetapi mencatat recall lebih rendah, yang berarti mengidentifikasi porsi transaksi curang lebih kecil. Hasil itu mendorong peralihan ke model open-weight, yang parameternya dapat diadaptasi secara langsung alih-alih hanya diakses melalui API penyedia.
Isu Otonomi AI dan Batasan Agen
Pendekatan Coinbase masuk dalam diskusi yang lebih luas mengenai agen AI yang mengambil alih pekerjaan di bidang kejahatan finansial dan keamanan. Certik pekan lalu memperingatkan bahwa agen keamanan yang lebih otonom dapat membawa risiko berupa keluaran yang salah dan berkurangnya pengawasan manusia. Perusahaan tersebut merekomendasikan batas yang jelas atas keputusan otonom serta penunjukan pemilik resmi untuk setiap agen.
Meski demikian, agen milik bursa kripto tersebut bekerja dalam batasan semacam itu, dengan mengembalikan skor risiko dan memiliki kode aplikasi yang menerapkan kebijakan keputusan. Agen itu juga dapat memblokir transaksi yang sebelumnya diloloskan oleh pemeriksaan lain, tetapi tidak dapat mengesampingkan blokir yang sudah dibuat.
Ke depan, kasus ini menunjukkan bahwa model spesialis yang dilatih dengan data internal dapat menjadi alternatif bagi perusahaan yang membutuhkan akurasi tinggi pada tugas sempit, sekaligus menegaskan pentingnya batas kewenangan dan pengawasan manusia dalam penerapan agen AI di sektor keamanan finansial.
