Myslitelé

Boj s ohněm pomocí ohně: Role AI v boji proti podvodům s okamžitými platbami

mm

Rychlá evoluce a globální přijetí schémat platby v reálném čase označuje zásadní posun v globálním finančním ekosystému, zlepšuje ekonomiky a finanční inkluzi… a zavádí nové příležitosti pro zločin. Jedním z neúmyslných výhod zastaralých systémů, které trvají dny nebo týdny na zpracování transakcí, je další čas pro finanční instituce identifikovat a zabránit podvodům. Transakce, které zpracovávají v sekundách, mají hluboký pozitivní dopad na efektivitu a zákaznické zkušenosti, ale právě tato rychlost činí detekci a reakci na podvod nesmírně náročnou, zejména ve velkém měřítku. Relativní novost okamžitých plateb také vytváří úrodnou půdu pro zločin, protože podvodníci se snaží využít potenciální mezery v digitální transformaci společností. Tyto výzvy přicházejí za vysokou cenu: US News & World Report found že 65 % dospělých se obává kybernetických útoků a ve Spojených státech byly ztráty související s podvody vyšší než $10 miliard minulý rok.

Integrace umělé inteligence (AI) do finančních služeb přidala další vrstvu složitosti, a to jak z hlediska umožnění sofistikovaných finančních zločinů, tak z hlediska posílení obrany proti nim. Tyto nástroje poskytují podvodníkům bezprecedentní rychlost, přesnost a rozsah, které mohou přehltit tradiční bezpečnostní opatření. V důsledku toho je AI-podporovaný finanční zločin na vzestupu. Zvláště syntetický identifikační podvod – kde podvodníci mohou smíchat skutečná data s falešnými daty, aby vytvořili falešné profily, které vypadají skutečně – zaznamenal astronomický růst v minulém roce; podle některých odhadů 95 % syntetických identit není detekováno finančními institucemi.

Porozumění těmto dynamikám a strategické nasazení AI pro boj proti AI-podporovanému zločinu je zásadní pro ochranu globálního finančního ekosystému.

Vše začíná signály

Čím je jemnější anti-podvodná data organizace, tím lépe je připravena na výcvik AI systémů k rozpoznání a označení pokusů o podvod. AI systémy potřebují informace, které poskytují data, také označované jako signály; jednou spojené s rámcem, který umožňuje sdílet tyto signály mezi partnery, je větší schopnost chránit skutečná data. Čím více osobních informací má AI podvodníka, tím je schopen přesvědčivě projít bezpečnostními sítěmi. Omezení přístupu podvodníků k datovým signálům je životně důležitou součástí ochrany jednotlivců a podniků, ale časté porušování zabezpečení zaplavilo trh zločinců spoustou vysoce osobních dat. Náklady na nákup úplných přihlašovacích údajů průměrného Američana – číslo sociálního zabezpečení, jméno, datum narození atd. – na dark webu jsou pouze 8 dolarů.

Lepší možnost je zajistit, aby anti-podvodné AI systémy bank měly přístup k více a lepšímu datovým signálům než podvodníci. Pokud jde o platby v reálném čase, to znamená, že větší, globální platební společnosti, které jsou na trhu desetiletí, mají zásadní výhodu. Sofistikované organizace, které zpracovávají miliardy transakcí a trillions dolarů, mají mnohem více informací k dispozici, používají AI již roky a jsou světelně lety před ostatními z hlediska znalosti zákazníků (KYC) chování a vzorců. Například behaviorální biometrie – vzorce psaní, pohyby myši, dotykové dynamiky atd. – může pomoci analyzovat jedinečné chování a označit odchylky. Jako kontinuální proces ověřování toto může dát finančním institucím výhodu nad zločinci. Vezmeme-li to jako celek, toto obrovské množství globálních dat může pomoci finančním institucím nejen zabránit pokusům o podvod, ale také předpovídat budoucí podvody.

Síťové efekty jako ochrana pro banky

Menší a středně velké banky jsou nejzranitelnější vůči AI-podporovanému finančnímu zločinu, protože obecně mají méně dat než jejich větší protějšky a méně zdrojů na investice do zabezpečení. Jedním z řešení je partnerství s globálními platebními procesory, získání přístupu k mnohem větším signálům a sofistikovanějším nástrojům proti zločinu. Protože je v zájmu platební společnosti zabránit co největšímu množství podvodů, není zde žádný významný rozdíl v zabezpečení nabízeném různým úrovním bank; zákazníci malých/regionálních bank jsou stejně chráněni jako jejich větší protějšky.

Další výhodou účasti na tomto velkém ekosystému je schopnost bank se naučit více o svých zákaznících. Více a lepší zákaznické údaje pomáhají bankám identifikovat makro trendy dříve, jakož i potenciálně přehlédnuté mezery nebo zákaznické potřeby. Tyto informace pomáhají mobilizovat je k vývoji potřebných produktů a služeb. Kromě odemykání nových potenciálních příjmů pro banku zlepšují lepší produkty zákaznickou spokojenost a – s odpovídajícími zábranami – pomáhají přispět k bezpečnějšímu finančnímu ekosystému obecně.

Šíření plateb v reálném čase a související růst AI-podporovaných finančních zločinů vyžadují změnu paradigmatu v bezpečnostních strategiích. Budoucnost finančního zabezpečení spočívá v bezproblémové integraci AI do všech aspektů bezpečnostních operací. Díky využití síly AI a síťových efektů velkých platebních partnerů mohou finanční instituce nejen chránit sebe proti současným hrozbám a ztrátám, ale také předpovídat a zmírňovat budoucí rizika. Spolupráce mezi finančními institucemi, regulačními orgány a technologickými poskytovateli bude kritická pro vývoj robustních bezpečnostních rámců, které mohou držet krok s rozvíjejícími se hrozbami.

Cleber Martins vstoupil do ACI Worldwide v roce 2001 a má 20 let zkušeností s implementací špičkových podnikových řešení pro prevenci podvodů a strategií proti praní špinavých peněz. Cleberova vášeň pro řízení inovací v prevenci podvodů pramení z hrdosti, kterou cítí při ochraně svých bankovních zákazníků a lidí a komunit, kterým slouží.

Po celou svou kariéru byl Cleber v čele vývoje strojového učení: od zaměření na vkládání lidských zkušeností do strojů až po jeho moderní formu, která umožňuje odborníkům na prevenci podvodů kombinovat svou skutečnou inteligenci s umělou inteligencí. Cleber označuje tento trend směrem k tomu, aby obchodníci používali nové modely, jako demokratizaci strojového učení.

Cleberovy klíčové oblasti odbornosti zahrnují pomoc lídrům v oblasti plateb při vývoji multifacetových strategií prevence podvodů, které bojují proti moderním hrozbám, jakož i vytváření akčních informací v platebních datech a vývoj prevence podvodů jako diferenciátoru zákaznického zážitku pro organizace.