Dave Excell, fundador do Featurespace – série de entrevistas

Dave Excel é o fundador de Espaço de recursos, Dave fundou a Featurespace após sua invenção de Análise Comportamental Adaptativa, que usa IA explicável para ajudar os bancos a reconhecer e sinalizar o comportamento suspeito do consumidor. Mesmo nos últimos tempos, à medida que o comportamento do consumidor muda, essa IA avançada conseguiu conter a fraude e ajudar as autoridades a combater a lavagem de dinheiro e outros crimes financeiros organizados, ao mesmo tempo em que traz a confiança de volta para a fintech.

Você poderia compartilhar conosco a história de como, em colaboração com o professor Bill Fitzgerald, você criou o conceito de Adaptive Behavioral Analytics?

Enquanto fazia meu doutorado, trabalhei com o professor Bill Fitzgerald, na Universidade de Cambridge, para aplicar aprendizado de máquina e técnicas estatísticas para compreender o comportamento humano. Durante meu tempo lá, as organizações vinham até nós em busca de soluções inovadoras para vários desafios que enfrentavam, automatizando a tomada de decisões eficaz a partir dos dados capturados ou para melhorar a eficiência em processos manuais. Comecei a notar um padrão: organizações de todos os setores lutavam para compreender o comportamento subjacente ou a “intenção” por trás dos dados que capturavam, especialmente ao tentar identificar maus atores. Por exemplo, com uma organização modelámos a tomada de decisão dos jogadores num jogo de computador para perceber se eram jogadores genuínos ou robôs que enganavam o sistema. Quanto mais projetos realizávamos, mais eu via essa necessidade de aprendizado de máquina que se adaptasse à medida que o comportamento (e os dados) por trás do resultado (por exemplo, trapaça ou atividade fraudulenta) mudasse para evitar a detecção. Na verdade, foi assim que criei o conceito de Adaptive Behavioral Analytics, que mais tarde se tornou a primeira tecnologia fundamental dentro do Featurespace.

Você poderia compartilhar a história da gênese de como esse conceito levou ao lançamento do Featurespace?

Embora goste de pesquisar e encontrar soluções, não gosto de pesquisar apenas por pesquisar. Sou motivado por aplicar tecnologia a problemas práticos e, em seguida, encontrar maneiras de agregar valor comercial e implantar a tecnologia para causar um impacto positivo no mundo em que vivemos. Foi assim que acabei fundando o Featurespace e estamos em um missão desde então tornar o mundo um lugar mais seguro para transações.

Você poderia discutir as técnicas existentes aplicadas à prevenção de fraudes e crimes financeiros e por que essas técnicas são insuficientes?

Há algum tempo, existem diversas aplicações tecnológicas nesse setor – de fato, os primeiros usos da IA ​​para combater fraudes financeiras datam do início da década de 1990. No entanto, essa versão primitiva da IA ​​presumia que os comportamentos de fraude permaneceriam os mesmos. Os algoritmos foram desenvolvidos para reconhecer o mesmo comportamento fraudulento repetidamente. Essa mesma teoria é amplamente aplicada na tecnologia antifraude até hoje. Mas a fraude não é estática. Os fraudadores estão constantemente adaptando seus métodos para se manterem à frente da tecnologia antifraude. É por isso que, na Featurespace, criamos o primeiro modelo de IA adaptável do mundo para combater fraudes. Estamos três passos à frente dos fraudadores sem exigir qualquer intervenção humana.

Por que o Adaptive Behavioral Analytics é tão impactante em comparação com essas técnicas legadas de prevenção de fraudes?

Nosso Adaptive Behavioral Analytics proprietário é tão impactante em comparação com as técnicas legadas de prevenção de fraudes porque os jogadores legados dependem de padrões de fraude estáticos - mas a fraude nunca é estática. Os jogadores legados aprendem como são os diferentes tipos de mau comportamento conhecido e, em seguida, começam a detectar esses maus comportamentos entre milhões de transações. O problema é que esses modelos só podem levar em conta os maus comportamentos que já foram vistos, e os fraudadores estão constantemente adaptando seus métodos para ficar à frente da prevenção de fraudes. Em vez disso, nosso modelo Adaptive Behavior Analytics aprende o que Bom estado, com sinais de uso comportamento parece, então detecta mudanças contra esses bons comportamentos. Há muito mais bons comportamentos sendo praticados no mundo do que maus, o que nos dá mais a aprender com o bom comportamento. Há um conjunto muito menor de comportamentos fraudulentos e eles estão mudando constantemente. Tentar detectar apenas comportamentos fraudulentos conhecidos é um jogo perdido.

Quais são os diferentes tipos de algoritmos de aprendizado de máquina usados?

A Adaptive Behavioral Analytics do Featurespace usa uma combinação de técnicas de aprendizado de máquina não supervisionadas e supervisionadas. Técnicas não supervisionadas são usadas para identificar mudanças no comportamento para indicar risco provável. Técnicas supervisionadas são posteriormente usadas para otimizar a precisão de nossos modelos para prevenir e detectar fraudes e crimes financeiros. No ano passado, o Featurespace foi lançado Rede Comportamental Profunda Automatizada modelos que utilizam uma nova arquitetura de Rede Neural Recorrente. A Featurespace Research desenvolveu Redes Comportamentais Profundas Automatizadas para automatizar a descoberta de recursos e introduzir células de memória com compreensão nativa da importância do tempo nos fluxos de transação, melhorando o desempenho líder de mercado de nossa Análise Comportamental Adaptativa existente.

Quão adaptativos são os modelos para aprender novos comportamentos do consumidor e otimizar perfis de clientes?

Nossos modelos de Análise Comportamental Adaptativa são exatamente tão adaptáveis ​​quanto precisam ser, mesmo diante de mudanças sem precedentes. Por exemplo, durante os bloqueios iniciais do COVID-19 em 2020, o comportamento de compra do consumidor mudou literalmente da noite para o dia. Em 29 de abril de 2020, a Mastercard registrou um aumento de 40% nos pagamentos sem contato. Os modelos de IA de prevenção de fraudes não adaptativos foram lançados em loop, bloqueando pagamentos legítimos feitos por pessoas ordenadas a ficar em casa. Nossos modelos se adaptavam automaticamente, sem intervenção humana. Isso é mais evidente através do Pontuação de previsão TSYS, uma ferramenta de pontuação de decisão de gerenciamento de fraude e risco para emissores de pagamentos, desenvolvida pela TSYS e Featurespace. De janeiro a junho de 2020, o TSYS Foresight Score com Featurespace forneceu consistentemente distribuições de pontuação estáveis ​​semanalmente, permitindo que os consumidores ordenados a ficar em casa continuassem comprando mantimentos e outros itens essenciais sem interrupção.

Quais são os maiores casos de uso para essa tecnologia?

Esta tecnologia é especificamente voltada para bancos, instituições financeiras e processadores de pagamentos. Por exemplo, a empresa de processamento de pagamentos Worldpay foi recentemente reconhecida por seu produto FraudSight desenvolvido pela Featurespace por sua capacidade de mitigar fraudes enquanto aumenta as taxas de aprovação dos comerciantes e protege os consumidores.

Há mais alguma coisa que você gostaria de compartilhar sobre o Featurespace?

Os golpes são uma das categorias de fraude que mais crescem no mundo. Os reguladores estão reconhecendo isso e tentando implementar proteções. Por exemplo, o governo do Reino Unido lançou uma reforma da Lei de Segurança Online em março de 2022 em um esforço para evitar fraudes e aumentar a confiança do consumidor nas transações online. Da mesma forma, nos EUA, o Consumer Financial Protection Bureau (CFPB) está considerando tomar medidas para proteger os consumidores contra golpes, atribuindo mais responsabilidade aos bancos e cooperativas de crédito. Ao prevenir golpes antes que eles aconteçam, o Featurespace pode economizar dinheiro dos bancos e manter seus clientes seguros, automaticamente sem intervenção humana.

Um exemplo disso é NatWest, o quarto maior banco do Reino Unido em ativos totais, com cerca de 19 milhões de clientes. A NatWest viu um aumento no valor das fraudes e golpes detectados, incluindo uma diminuição imediata nas taxas de falsos positivos (atividade genuína do cliente diminuída), em apenas 24 horas após a implantação do ARIC Risk Hub do Featurespace. Como resultado de nossa parceria, eles citaram a Featurespace como um “parceiro forte” para seus investidores.

Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar Espaço de recursos.