Kris Nagel, CEO van Sift – Interviewreeks

Kris is de Chief Executive Officer bij Sift. Hij brengt meer dan 30 jaar ervaring mee in senior leiderschapsposities bij venture-backed en openbare SaaS-bedrijven, waaronder Ping Identity. Sift biedt een manier voor ondernemingen om betalingsfraude te beëindigen, gebouwd met een enkele, intuïtieve console, Sift’s end-to-end oplossing elimineert de behoefte aan losse tools, single-purpose software en onvolledige inzichten die operationele middelen aantasten.

In uw vorige rol was u Chief Operating Officer bij identiteitsbeveiligingsplatform Ping Identity, waar u een cruciale rol speelde bij het naar de beurs brengen van het bedrijf in 2019, wat waren enkele van uw belangrijkste inzichten uit deze ervaring?

Het naar de beurs brengen van een bedrijf is een grote onderneming, en ik heb veel geleerd door dit proces. Het ontwikkelen van producten en het schalen van het bedrijf, zowel voor als na deze mijlpaal, heeft me geleerd wat het vereist om complexe organisatorische uitdagingen op te lossen, om te blijven innoveren en de gebruikerservaring opnieuw te bedenken, en om teams te laten groeien en hen in staat te stellen hun beste werk te doen. Ik heb door mijn hele carrière heen geleerd dat elk succes in elke rol moet beginnen met een diep begrip van klanten, partners en de mensen in uw team.

U trad toe tot Sift als CEO in januari 2023. Wat trok u aan in deze nieuwe uitdaging?

Fraude is een voortdurend groeiend en evoluerend probleem, en de inzet is duidelijk. De wereldwijde verlies aan e-commerce fraude wordt geschat op $48 miljard tegen het einde van 2023 (een stijging van 16% ten opzichte van 2022), en bedrijven wereldwijd geven gemiddeld 10% van hun omzet uit aan het beheersen van fraude. Maar als een bedrijf fraude niet effectief beheert, kan het omzet verliezen door legitieme klanten uit te sluiten of “te beledigen”.

Sift heeft het eerste-movers-voordeel bij het oplossen van dit probleem met machine learning, en de kern technologie en het wereldwijde datanetwerk hebben het onderscheidend gemaakt in de fraudepreventie ruimte. Meer dan 34.000 sites en apps, waaronder Twitter, DoorDash, Poshmark en Uphold, vertrouwen op Sift. Deze differentiatie, samen met de sterke focus op langetermijnklantrelaties, maakte mijn beslissing om toe te treden tot een eenvoudige keuze.

Waarom is generatieve AI zo’n grote beveiligingsbedreiging voor bedrijven en consumenten?

Generatieve AI vertoont vroegtekenen als een game-changer voor fraudeurs. Oplichting was vroeger vol van grammatica- en spelfouten, zodat ze gemakkelijker te onderscheiden waren. Met generatieve AI kunnen slechte actoren legitieme bedrijven effectiever nabootsen en consumenten ertoe brengen om gevoelige inlog- of financiële gegevens te verstrekken via phishingpogingen.

Generatieve AI-platforms kunnen zelfs tekstvariaties suggereren die een fraudeur in staat stellen om meerdere distincte accounts te maken op een enkel platform. Bijvoorbeeld, ze kunnen 100 nieuwe valse datingprofielen maken om cryptocurrency romance scams te plegen, met elk een uniek AI-gegenereerd gezicht en bio. Op die manier maakt generatieve AI de democratisering van fraude mogelijk, omdat het voor iedereen, ongeacht technische vaardigheid, gemakkelijker wordt om iemand op te lichten met gestolen inloggegevens of betalingsinformatie.

Sift heeft onlangs een rapport uitgebracht met de titel: “Tijdens AI-Renaissance, consumenten en bedrijven overspoeld met fraude”, wat waren enkele van de grootste verrassingen voor u in dit rapport?

We wisten dat AI en automatisering de fraude-landschap zouden veranderen, maar de snelheid en omvang van deze verschuiving zijn echt opmerkelijk. Meer dan twee derde (68%) van de Amerikaanse consumenten heeft een toename van spam en scams gemeld sinds november, rond de tijd dat generatieve AI-tools in populariteit toenamen, en we geloven dat deze twee trends sterk correleren. Evenzo hebben we een toename van account takeover (ATO) aanvallen waargenomen, met een stijging van 427% in het eerste kwartaal van 2023 ten opzichte van heel 2022. Duidelijk zijn deze gebeurtenissen gerelateerd, aangezien generatieve AI fraudeurs in staat stelt om overtuigender en schaalbare scams te maken, waardoor een golf van ATO-aanvallen ontstaat.

Het rapport toont ook enkele van de manieren waarop “fraude-as-a-service” vordert. Openlijk beschikbare forums zoals die op Telegram verlagen de toegangsdrempel voor iedereen die verschillende soorten misbruik wil plegen – het is wat we de democratisering van fraude noemen. Ons team heeft een toename van fraudegroepen gezien die nu bot-aanvallen als een service aanbieden, en we hebben benadrukt hoe een tool wordt gebruikt om consumenten ertoe te brengen om eenmalige wachtwoorden voor hun financiële accounts te verstrekken. En fraudeurs maken deze tools gemakkelijk toegankelijk en beschikbaar voor anderen voor een relatief laag bedrag.

Kunt u discussiëren wat “Het Sift Digital Trust & Safety Platform” is?

Met Sift kunnen bedrijven met vertrouwen bouwen en implementeren, wetend dat ze de tools hebben om hun bedrijven te beschermen tegen fraude. Het is het weren van slechte actoren, terwijl klanten nog steeds een naadloze ervaring krijgen – het verminderen van wrijving en het verhogen van omzet.

Onze missie is om iedereen te helpen het internet te vertrouwen, en ons platform gebruikt machine learning en een enorm datanetwerk om bedrijven te beschermen tegen alle soorten fraude en misbruik. We waren een van de eerste bedrijven, zo niet het eerste, om machine learning toe te passen op online fraude, dus we hebben een enorme hoeveelheid inzicht verzameld die wordt weerspiegeld in onze wereldwijde machine learning-modellen, die meer dan 1 biljoen gebeurtenissen per jaar verwerken. De schoonheid van het platform is dat hoe meer klanten we hebben, hoe slimmer onze modellen worden, zodat we altijd kunnen optimaliseren voor het stoppen van fraude, terwijl we wrijving voor echte gebruikers en klanten verminderen.

Binnen het platform hebben we Payment Protection, dat beschermt tegen betalingsfraude; Account Defense, dat account takeover-aanvallen voorkomt; Content Integrity, dat spam en scams blokkeert die in door gebruikers gegenereerde inhoud worden gepost; en Dispute Management, dat beschermt tegen chargebacks en friendly fraude.

Hoe onderscheidt dit platform zich van concurrerende fraudehulpmiddelen?

Er is geen gebrek aan fraudepreventie leveranciers op de markt, maar de meeste vallen binnen twee categorieën: points oplossingen of decision-as-a-service. Points oplossingen hebben meestal een smalle reikwijdte en zijn ontworpen om één use case aan te pakken, zoals bot detectie. Decision-as-a-service oplossingen zijn meer omvattend, maar ontbreken veel fraudebeheer capaciteiten en handelen als een “black box” over hun beslissingslogica.

Een van Sift’s meest onderscheidende kenmerken is dat we een oplossing bieden om meerdere soorten fraude te bestrijden in alle industrieën. Fraude is een industrie-overstijgende uitdaging, en we hebben unieke inzichten in hoe het ene industrie’s fraudeproblemen het andere worden. Over al onze capaciteiten – beslissingsmotoren, casusbeheer, orchestratie, rapportage en simulatie – geven we prioriteit aan het geven van controle aan onze klanten. Elk bedrijf is uniek, en deze mogelijkheid om aan te passen betekent dat logica kan worden gewijzigd met aangepaste regels en dat simulaties kunnen worden aangepast binnen het platform. We geloven ook dat de beste manier om fraude te voorkomen is om transparant te zijn over het fraudebeheer. Onze beslissingsmotor biedt verklaringen voor analisten, zodat ze begrijpen waarom een transactie werd goedgekeurd, uitgedaagd of geweigerd. We bieden ook rapporten, zodat u de prestaties van een model kunt meten om te begrijpen of het moet worden aangepast.

Kunt u discussiëren wat de “Sift Score” is, en hoe het continue zelfverbetering mogelijk maakt voor de machine learning die wordt gebruikt?

Sift-klanten gebruiken onze machine learning algoritmes om frauduleuze patronen te detecteren en aanvallen op een website of app te voorkomen. De Sift Score is een nummer, van 0-100, gegeven door het algoritme aan elke gebeurtenis (of activiteit) om de waarschijnlijkheid aan te geven dat het gedrag frauduleus is.

Terwijl elk van onze producten wordt ondersteund door zijn eigen set machine learning-modellen, bieden we ook aangepaste algoritmes die zijn aangepast voor Sift’s klanten. De fraude signalen voor elke industrie kunnen verschillen als u verzekeringen, bederfelijk voedsel of kleding verkoopt, bijvoorbeeld. Sift voert duizenden signalen uit, die worden getrokken uit ons uitgebreide wereldwijde netwerk, door elk aangepast model, waarbij details zoals het tijdstip van de dag, kenmerken van e-mailadressen en het aantal pogingen tot aanmelden worden geanalyseerd. Deze signalen in combinatie vormen een score voor een bepaalde gebeurtenis, zoals een aanmelding of transactie. Sift Scores worden nooit gedeeld tussen klanten, omdat elk klant specifiek machine learning-model uniek is.

Een interessant product dat is ontwikkeld bij Sift om scams en spam te bestrijden, heet Text Clustering, wat is dit specifiek?

Spam tekst teistert online platforms, en spammers posten vaak dezelfde of zeer vergelijkbare inhoud herhaaldelijk. We hebben onze Text Clustering-functie gebouwd als onderdeel van Content Integrity om het gemakkelijker te maken om dit type tekst te identificeren en te groeperen, zodat een analist kan beslissen of bulkactie moet worden ondernomen. De uitdaging is dat niet alle herhaalde tekst spam is. Bijvoorbeeld, een e-commerce verkoper kan hetzelfde product en beschrijving op meerdere websites plaatsen.

Om deze uitdaging effectief op te lossen, hadden we een manier nodig om de nieuwe soorten fraude-inhoud te labelen die we wilden detecteren, terwijl we analisten de finale controle gaven om actie te ondernemen. Door een combinatie van neurale netwerken en machine learning kan Text Clustering nu vergelijkbare tekst groeperen, zelfs als er kleine variaties zijn. Deze gemarkeerde inhoud wordt gelabeld, en als het inderdaad spam is, kan een analist bulkactie ondernemen om het te verwijderen.

Hoe kunnen ondernemingen zich het beste verdedigen tegen adversarial aanvallen of andere soorten kwaadaardige aanvallen die worden geperpetreerd door generatieve AI?

Meer dan de helft van de consumenten (54%) gelooft dat ze niet verantwoordelijk moeten worden gehouden als ze onbewust hun betalingsinformatie hebben verstrekt aan een oplichter die later is gebruikt om een frauduleuze aankoop te doen. Bijna een kwart (24%) gelooft dat het bedrijf waar de aankoop is gedaan verantwoordelijk moet worden gehouden. Dat betekent dat de verantwoordelijkheid voor het stoppen van fraude bij de platforms en diensten ligt die consumenten elke dag gebruiken.

We zijn nog steeds in de allereerste dagen van generatieve AI en de bedreigingen van vandaag zullen niet dezelfde bedreigingen zijn die we over zes maanden zien. Met dat gezegd, moeten bedrijven vuur bestrijden met vuur door AI-technologieën zoals machine learning te gebruiken om fraude te bestrijden en te stoppen voordat het gebeurt. Real-time machine learning is cruciaal om de schaal, snelheid en complexiteit van fraude bij te houden. Handelaren die niet overstappen op verouderde of handmatige processen zullen achterblijven bij fraudeurs die al automatiseren. Bedrijven die deze end-to-end, real-time benadering aannemen, verbeteren de nauwkeurigheid van fraude detectie met 40%. Dit betekent beter identificeren van fraudeurs en stoppen ervan voordat ze uw bedrijf of klanten kunnen schaden.

Is er nog iets anders dat u zou willen delen over Sift?

Een initiatief dat we onlangs hebben geïmplementeerd om deze missie verder te zetten, is onze klantengemeenschap, Sifters. Het is open voor alle Sift-gebruikers en fungeert als een brug tussen onze klanten, interne experts en digitale netwerk van handelaren en data. Het is een waardevolle hub geweest voor het verzamelen van industrie-inzichten en het aanpakken van uitdagingen in fraudepreventie op de markt. En het ziet enorm veel adoptie. Het creëren van een gemeenschap voor fraudebestrijders is absoluut essentieel, omdat fraudeurs hun eigen gemeenschappen hebben waarin ze samenwerken om bedrijven en consumenten te schaden. Zoals we graag zeggen, het vergt een netwerk om een netwerk te bestrijden.