Kris Nagel, CEO of Sift – Intervju-serie

Kris er administrerende direktør i Sift. Han bringer mer enn 30 års erfaring fra ledende stillinger i venture-baserte og offentlige SaaS-selskaper, inkludert Ping Identity. Sift tilbyr en måte for bedrifter å stoppe betalingsbedrageri, bygget med en enkel og intuitiv konsoll, Sifts end-to-end-løsning eliminerer behovet for frastøtte verktøy, enkeltpurposede programvare og ufullstendige innsikter som drener driftsressursene.

I din tidligere rolle var du Chief Operating Officer i identitetssikkerhetsplattformen Ping Identity, der du spilte en kritisk rolle i å ta selskapet offentlig i 2019, hva var noen av dine viktigste erfaringer fra denne opplevelsen?

Å ta et selskap offentlig er en stor oppgave, og jeg lærte mye gjennom prosessen. Utvikling av produkter og skaling av selskapet både før og etter denne milepælen lærte meg om hva det tar å løse komplekse organisatoriske utfordringer, å fortsette å innovere og gjenopprette brukeropplevelsen, og å vokse team og gi dem mulighet til å gjøre sitt beste arbeid. Jeg har lært gjennom hele min karriere at enhver suksess i enhver rolle må starte med en dyp forståelse av kunder, partnere og menneskene på ditt team.

Du ble med i Sift som CEO i januar 2023. Hva tiltalte deg til denne nye utfordringen?

Bedrageri er et evig voksende og utviklende problem, og innsatsen er klar. Global e-handelsbedrageri-tap estimeres å nå $48 milliarder ved slutten av 2023 (en 16% økning fra 2022), og bedrifter globalt bruker i gjennomsnitt 10% av sin inntekt på å håndtere bedrageri. Men hvis et selskap ikke klarer å håndtere bedrageri effektivt, kan det tape inntekt ved å ekskludere eller “insultere” legitime kunder.

Sift har den første-beveger-fordelen i å løse dette problemet med maskinlæring, og dens kjerne-teknologi og globale data-nettverk har satt det fra seg i bedrageri-forebyggingsrommet. Mer enn 34 000 nettsider og apper, inkludert Twitter, DoorDash, Poshmark og Uphold, er avhengige av Sift. Denne differensieringen, sammen med den sterke fokuset på langsiktige kunde-partnerskap, gjorde det enkelt for meg å bli med.

Hvorfor er generativ AI en så stor sikkerhetstrussel for bedrifter og forbrukere?

Generativ AI viser tidlige tegn på å være en game-changer for bedrageri. Svindel var tidligere fullt av grammatikale og stavfeil, så de var enklere å skille fra. Med generativ AI kan dårlige aktører mer effektivt imitere legitime selskaper og lure forbrukere til å gi sensitive innloggings- eller finansielle detaljer gjennom phishing-forsøk.

Generative AI-plattformer kan sogar foreslå tekstvariasjoner som tillater en bedrager å opprette flere distinkte kontoer på ett enkelt plattform. For eksempel kan de opprette 100 nye feilaktige dating-profiler for å begå kryptering-romance-svindel, med hver sin unike AI-genererte ansikt og bio. På den måten er generativ AI med på å demokratisere bedrageri fordi det er enklere for hvem som helst, uavhengig av teknisk kunnskap, å bedra noen med stjålne legitimasjonsopplysninger eller betalingsinformasjon.

Sift har nylig utgitt en rapport med tittelen: “Midt i AI-renessansen, forbrukere og bedrifter oversvømmes av bedrageri”, hva var noen av de største overraskelsene for deg i denne rapporten?

Vi visste at AI og automatisering ville endre bedrageri-landskapet, men hastigheten og volumet av denne skiftet er virkelig bemerkelsesverdig. Mer enn to tredjedeler (68%) av amerikanske forbrukere har rapportert en økning i spam og svindel siden november, rett rundt tiden generative AI-verktøy begynte å bli adoptert, og vi tror disse to trendene er sterkt korrelerte. Likedan har vi observert en økning i antall angrep på kontoer (ATO), med en økning på 427% i første kvartal 2023 sammenlignet med hele 2022. Det er tydelig at disse hendelsene er relatert, da generativ AI tillater bedragere å opprette mer overbevisende og skalerbare svindel, og dermed fører til en bølge av ATO-angrep.

Rapporten viser også noen av måtene “bedrageri-som-en-tjeneste” utvikler seg. Åpne forum som de på Telegram senker terskelen for hvem som helst som ønsker å begå ulike former for misbruk – det er hva vi kaller demokratiseringen av bedrageri. Vårt team har sett en økning i antall bedragerigrupper som nå tilbyr bot-angrep som en tjeneste, og vi har fremhevet hvordan ett verktøy brukes til å lure forbrukere til å gi en-gangs-passkoder for deres finansielle kontoer. Og bedragere gjør disse verktøyene lett tilgjengelige og tilgjengelige for andre for en relativt liten avgift.

Kunne du diskutere hva “Sift Digital Trust & Safety Platform” er?

Med Sift kan selskaper bygge og distribuere med tillit, vite at de har verktøyene til å beskytte sine forretninger mot bedrageri. Det handler om å holde ut de dårlige aktørene samtidig som kundene får en sammenhengende opplevelse – reducere friksjon og øke inntekt.

Vårt mål er å hjelpe alle til å stole på internettet, og vår plattform bruker maskinlæring og et massivt data-nettverk til å beskytte bedrifter mot alle typer bedrageri og misbruk. Vi var ett av, hvis ikke det første selskapet, som anvendte maskinlæring på nett-bedrageri, så vi har samlet en usedvanlig mengde innsikt som reflekteres i våre globale maskinlæringsmodeller, som prosesserer over 1 billion hendelser per år. Skjønnheten ved plattformen er at jo flere kunder vi har, jo smartere blir våre modeller, så vi kan alltid optimere for å stoppe bedrageri samtidig som vi reducerer friksjon for ekte brukere og kunder.

Innenfor plattformen har vi Payment Protection, som beskytter mot betalingsbedrageri; Account Defense, som forhindrer angrep på kontoer; Content Integrity, som blokkerer spam og svindel fra å bli postet i brukergenerert innhold; og Dispute Management som beskytter mot chargebacks og vennlig bedrageri.

Hvordan skiller denne plattformen seg fra konkurrerende bedrageri-verktøy?

Det er ingen mangel på bedrageri-forebyggingsleverandører på markedet, men de fleste faller innenfor to kategorier: punkt-løsninger eller beslutning-som-en-tjeneste. Punkt-løsninger tenderer å ha en smal omfang og er designet for å håndtere ett enkelt brukstilfelle, som f.eks. bot-deteksjon. Beslutning-som-en-tjeneste-løsninger er mer omfattende, men mangler mange bedrageri-håndteringsevner, og fungerer som en “black box” om deres beslutningslogikk.

En av Sifts mest karakteristiske trekk er at vi tilbyr en løsning for å bekjempe flere typer bedrageri på tvers av alle bransjer. Bedrageri er en bransje-agnostisk utfordring, og vi har en unik innsikt i hvordan ett bransjes bedrageri-problemer blir en annens. Over alle våre evner – beslutningsmotorer, sakshåndtering, orkestrering, rapportering og simulering – prioriterer vi også å plassere kontrollen i hendene på våre kunder. Hver bedrift er unik, og denne evnen til å tilpasse seg betyr at logikken kan modifiseres med tilpassede regler og at simuleringer kan justeres innenfor plattformen. Vi tror også at den beste måten å forebygge bedrageri på er å være åpen om det. Vår beslutningsmotor gir forklaringer for analytikere så de forstår hvorfor en transaksjon ble godkjent, utfordret eller avvist. Vi tilbyr også rapporter så du kan måle ytelsen til en modell for å forstå om den trenger å justeres.

Kan du diskutere hva “Sift Score” er, og hvordan det muliggjør kontinuerlig selvforbedring til maskinlæringen som brukes?

Sift-kunder bruker våre maskinlæringsalgoritmer til å oppdage bedrageri-mønster og forhindre angrep på en nettside eller app. Sift Score er et tall, fra 0-100, gitt av algoritmen til hver hendelse (eller aktivitet) for å indikere sannsynligheten for at atferden er bedrageri.

Mens hver av våre produkter støttes av sin egen samling av maskinlæringsmodeller, tilbyr vi også tilpassede algoritmer som er tilpasset for Sifts kunder. Bedrageri-signalene for hver bransje kan variere hvis du selger forsikring, forderlige varer eller klær, for eksempel. Sift kjører tusenvis av signaler, og trekker på vårt massive globale nettverk, gjennom hver tilpasset modell, og analyserer detaljer som tid på dagen, karakteristika av e-postadresser og antall forsøk på å logge inn. Disse signalene kombinerer seg til en score for en bestemt hendelse som innlogging eller transaksjon. Sift Scores deles aldri mellom kunder fordi hver kundes maskinlæringsmodell er forskjellig.

En interessant produkt som er utviklet i Sift for å bekjempe svindel og spam er kalt Text Clustering, hva er dette spesifikt?

Spam-tekst plager online-plattformer, og spammere poster ofte det samme eller svært likt innhold gjentatte ganger. Vi bygget vår Text Clustering-funksjon som en del av Content Integrity for å gjøre det enklere å identifisere denne typen tekst og gruppere den sammen så en analytiker kan bestemme om å iverksette bulk-aksjon. Utfordringen er at ikke all gjentakende tekst er spam. For eksempel kan en e-handels-selger liste samme produkt og beskrivelse på flere nettsider.

For å løse denne utfordringen effektivt, trengte vi en måte å merke de nye typene bedrageri som vi ønsket å oppdage, samtidig som vi ga analytikere den endelige kontrollen til å iverksette aksjon. Gjennom en kombinasjon av neurale nettverk og maskinlæring, kan Text Clustering nå gruppere lik tekst, selv om det er små variasjoner. Denne merkte teksten er merket sammen, og hvis det faktisk er spam, kan en analytiker iverksette bulk-aksjon for å fjerne det.

Hvordan kan bedrifter best forsvare seg mot motstridende angrep eller andre typer malisøse angrep som er fremmet av generativ AI?

Mer enn halvparten av forbrukerne (54%) tror at de ikke bør holdes ansvarlige i tilfelle de uforvarende ga sine betalingsopplysninger til en svindler som senere ble brukt til å gjøre en svindel-transaksjon. Nesten en fjerdedel (24%) tror at bedriftene hvor kjøpet ble gjort, bør holdes ansvarlige. Det betyr at ansvaret for å stoppe bedrageri ligger hos plattformene og tjenestene forbrukerne hver dag er avhengige av.

Vi er fortsatt i de aller første dagene av generativ AI, og truslene i dag vil ikke være de samme truslene vi ser om seks måneder. Med det sagt, må bedrifter slå tilbake med samme våpen ved å bruke AI-teknologier som maskinlæring til å bekjempe og stoppe bedrageri før det skjer. Sanntids-maskinlæring er avgjørende for å holde tritt med skalaen, hastigheten og sofistikeringen av bedrageri. Handlere som ikke flytter seg bort fra foreldede eller manuelle prosesser, vil falle bakover for bedragere som allerede automatiserer. Selskaper som adopterer denne sanntids-tilnærmingen, forbedrer bedrageri-oppdagingen med 40%. Dette betyr bedre å identifisere bedragere og stoppe dem i akten før de kan skade din forretning eller kunder.

Er det noe annet du ønsker å dele om Sift?

En initiativ vi nylig implementerte for å fremme denne misjonen, er vår kunde-samfunn, Sifters. Det er åpent for alle Sift-brukere, og fungerer som en bro mellom våre kunder, interne eksperter og digitale nettverk av handlere og data. Det har vært en verdifull hub for å samle bransje-innsikt og å håndtere tverr-markeds-utfordringer i bedrageri-forebygging. Og det ser enormt ut. Å skape et samfunn for bedrageri-krigere er absolutt essensielt, fordi bedragere har samfunn av sine egne hvor de samarbeider for å skade bedrifter og forbrukere. Som vi sier, det tar et nettverk å bekjempe et nettverk.