Dr. Mark Goldspink, CEO de The ai Corporation (ai) – Serie de Entrevistas

El Dr. Mark Goldspink es el CEO de The ai Corporation (ai), que ofrece soluciones únicas de detección de fraude de autoservicio que son consideradas por muchos líderes de la industria como las mejores del mundo. Las soluciones, incluyendo una nueva “solución de aprendizaje automático de última generación”, protegen y enriquecen las experiencias de pago para más de 100 bancos, más de tres millones de comerciantes multicanal y más de 300 millones de titulares de tarjetas de crédito. También monitorean más de 25 mil millones de transacciones y autorizaciones cada año.

¿Qué te atrajo inicialmente a la inteligencia artificial y al aprendizaje automático?

La inteligencia artificial es la única forma de tomar decisiones comerciales con grandes fuentes de datos de manera eficiente.

Mi primer uso del aprendizaje automático (1992) fue analizar la elasticidad de los precios en el sector de los combustibles. Cada estación de servicio y producto tiene su propio índice de elasticidad. Usamos la inteligencia artificial para crear una herramienta de precios predictivos para ayudarnos a entender la relación entre el precio y la cantidad demandada. Esa herramienta todavía se utiliza en todo el mundo hoy en día.

¿Puedes explicar brevemente qué es The ai Corporation (ai)?

ai facilita la digitalización de las soluciones de pago al ofrecer productos y servicios en la nube para empresas. En simples palabras, nuestro objetivo es garantizar que la tecnología de pago de nuestros clientes esté actualizada para que puedan mantenerse alineados con el mercado digital en constante evolución. Creemos que los pagos deberían ser invisibles, para que las empresas puedan centrarse más en la gestión de sus clientes y preocuparse menos por cómo procesar los pagos.

¿Cuáles son algunas de las tecnologías de aprendizaje automático que se utilizan para detectar posibles amenazas y fraude?

Hay muchos métodos y técnicas diferentes que se utilizan en el paisaje de detección de fraude y amenazas. Los primeros ejemplos incluyen la lógica bayesiana y los árboles de decisión. Las innovaciones posteriores llevaron a una amplia adopción de redes neuronales, que todavía se utilizan ampliamente hoy en día. La rápida adopción del aprendizaje automático en otras industrias ha fomentado la adopción de varios otros métodos, como técnicas no supervisadas, XGBoost y otros. La mayoría de las empresas optan por desarrollar sus propios métodos, que suelen basarse en métodos existentes para mejorar el rendimiento de la detección.

Actualmente, incluso con el aprendizaje automático haciendo la mayor parte del “trabajo pesado”, todavía se requiere una gran cantidad de monitoreo para mantenerse al tanto del fraude. ¿Cómo puede la automatización del proceso de gestión de fraude utilizando la orquestación de modelos resolver este problema?

La mayoría de los sistemas de fraude emplean múltiples modelos para detectar una cantidad óptima de fraude al mismo tiempo que reducen la tasa de “insulto” de declinar pagos legítimos. Sin embargo, el principal problema con esos sistemas es la gran cantidad de gobernanza adicional que se requiere para gestionar esos modelos. Ese trabajo de gobernanza y gestión suele ser manual, y cuanto más modelos se utilicen, más esfuerzo manual se requiere para asegurarse de que los modelos sigan funcionando bien.

La orquestación de modelos está revolucionando la forma en que gestionamos los sistemas de fraude. Con la orquestación, la máquina gestiona efectivamente los modelos por sí misma. Cuando los modelos se reconocen como no funcionando bien, se reemplazan con un nuevo modelo o se vuelven a entrenar con los últimos datos. Este proceso utiliza procesos automatizados para recuperar estadísticas de rendimiento para los modelos en vivo, así como las mismas estadísticas para cualquier modelo producido por auto-ml fuera de línea. Cuando los modelos fuera de línea funcionan bien, se promueven a producción. Esto forma un sistema automático cerrado para la detección de fraude y los procesos comerciales óptimos.

¿Puedes proporcionar algunos ejemplos de amenazas cibernéticas o de fintech que han sido detectadas previamente por el aprendizaje automático?

Aquí en ai, estamos constantemente evitando el fraude utilizando nuestra solución de aprendizaje automático AutoPilotML, que mantiene el fraude al día al optimizar automáticamente la estrategia de fraude completa (que consiste en reglas de aprendizaje automático y producidas manualmente). Nuestras soluciones optimizadas han detectado esquemas de apropiación de cuentas y pirateo de cuentas en el espacio de telecomunicaciones, por ejemplo, ahorrando a los operadores miles de libras. De hecho, hemos detectado cerca de $10,000,000 en transacciones sospechosas por año.

Fuera del espacio de fraude, los grandes ataques se evitan diariamente mediante el aprendizaje automático. Por ejemplo, Microsoft (MSFT ) ha estado detectando y evitando inmediatamente ciberataques que provienen de botnets durante años. En febrero de 2018, evitaron un gran ataque de botnet Emotet casi de inmediato), utilizando lo que llamaron “aprendizaje automático en capas”, que comprende modelos de aprendizaje automático tanto del lado del cliente como del servidor.

Las amenazas cibernéticas a menudo surgen de la dark web, ¿puedes discutir algunos de los servicios de gestión de la dark web que se ofrecen actualmente?

ai ofrece un servicio de monitoreo de la dark web, impulsado por la aplicación SaaS de Skurio, para informar y proteger a los clientes comprometidos tan pronto como se exponga cualquier dato suyo en la dark web. Creemos que la asociación es única y proporciona a nuestros usuarios inteligencia cibernética líder en el mundo, que escanea automáticamente sitios web, mercados y foros para detectar incidentes de datos del cliente que aparecen en la dark web.

¿Hay algo más que te gustaría compartir sobre The ai Corporation (ai)?

Construir grandes productos junto con los procesos correctos solo se puede lograr teniendo un equipo de clase mundial. Estoy extremadamente orgulloso del equipo ai y es ese trabajo en equipo lo que nos ayuda a ser innovadores.

También es el trabajo en equipo lo que hace que trabajar en ai sea agradable y motivador para mí. Es lo más gratificante de ser un líder. Ayudar a las personas a desarrollarse y crecer.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar The ai Corporation (ai).