Dave Excell, Fundador da Featurespace – Série de Entrevistas

Dave Excell é o Fundador da Featurespace, Dave fundou a Featurespace após inventar a Análise de Comportamento Adaptativo, que usa AI explicável para ajudar os bancos a reconhecer e sinalizar comportamentos suspeitos dos consumidores. Mesmo nos tempos recentes, à medida que o comportamento do consumidor muda, essa AI avançada foi capaz de prevenir fraudes e ajudar as autoridades a combater a lavagem de dinheiro e outros crimes financeiros organizados, trazendo confiança de volta à fintech.

Poderia compartilhar conosco a história de como, em colaboração com o Professor Bill Fitzgerald, você desenvolveu o conceito de Análise de Comportamento Adaptativo?

Enquanto perseguia meu PhD, trabalhei com o Professor Bill Fitzgerald na Universidade de Cambridge para aplicar técnicas de aprendizado de máquina e estatísticas para entender o comportamento humano. Durante meu tempo lá, organizações vinham até nós em busca de soluções novas para vários desafios que tinham para automatizar a tomada de decisões eficazes a partir dos dados que capturavam ou para melhorar a eficiência nos processos manuais. Comecei a notar um padrão: organizações em várias indústrias lutavam para entender o comportamento subjacente ou a “intenção” por trás dos dados que capturavam, especialmente quando tentavam identificar atores ruins. Por exemplo, com uma organização, modelamos a tomada de decisões de jogadores dentro de um jogo de computador para entender se eram jogadores genuínos ou robôs trapaceando no sistema. Quanto mais projetos fizemos, mais vi a necessidade de aprendizado de máquina que se adaptasse à medida que o comportamento (e os dados) por trás do resultado (por exemplo, trapacear ou atividade fraudulenta) mudavam para evitar detecção. Foi assim que desenvolvi o conceito de Análise de Comportamento Adaptativo, que mais tarde se tornou a primeira tecnologia fundamental dentro da Featurespace.

Poderia compartilhar a história de como esse conceito levou ao lançamento da Featurespace?

Embora eu goste de pesquisar e encontrar soluções, não gosto de pesquisa apenas por causa da pesquisa. Estou motivado a aplicar tecnologia a problemas práticos, então encontro maneiras de entregar valor comercial e implantar a tecnologia para ter um impacto positivo no mundo em que vivemos. Foi assim que acabei fundando a Featurespace e estamos em uma missão desde então para tornar o mundo um lugar mais seguro para transacionar.

Poderia discutir as técnicas existentes aplicadas para prevenir fraude e crime financeiro, e por que essas técnicas não são suficientes?

Houve várias aplicações de tecnologia nesse espaço por um tempo – de fato, os primeiros usos de AI para lutar contra a fraude financeira remontam ao início dos anos 90. No entanto, essa versão primitiva de AI supunha que o comportamento da fraude permaneceria o mesmo. Os algoritmos foram construídos para reconhecer o mesmo comportamento fraudulento repetidamente. Essa mesma teoria é amplamente aplicada na tecnologia anti-fraude até hoje. Mas a fraude não é estática. Os fraudadores estão constantemente adaptando seus métodos para ficar à frente da tecnologia anti-fraude. É por isso que na Featurespace, criamos o primeiro modelo de AI adaptativo para lutar contra a fraude. Permanecemos três passos à frente dos fraudadores sem necessidade de intervenção humana.

Por que a Análise de Comportamento Adaptativo é tão impactante em comparação com essas técnicas de prevenção de fraude legadas?

Nossa Análise de Comportamento Adaptativo é tão impactante em comparação com as técnicas de prevenção de fraude legadas porque os jogadores legados confiam em padrões de fraude estáticos – mas a fraude nunca é estática. Os jogadores legados aprendem como diferentes tipos de comportamento ruim conhecido parecem, então detectam esses comportamentos ruins entre milhões de transações. O problema é que esses modelos só podem levar em conta comportamentos ruins que foram vistos antes, e os fraudadores estão constantemente adaptando seus métodos para ficar à frente da prevenção de fraude. Em vez disso, nosso modelo de Análise de Comportamento Adaptativo aprende como o comportamento “bom” parece, então detecta mudanças contra esses comportamentos bons. Há muito mais comportamento bom sendo feito no mundo do que ruim, nos dando mais para aprender com o comportamento bom. Há um conjunto muito menor de comportamentos fraudulentos, e eles estão constantemente mudando. Tentar detectar apenas comportamentos fraudulentos conhecidos é um jogo perdido.

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

A Análise de Comportamento Adaptativo da Featurespace usa uma combinação de técnicas de aprendizado de máquina supervisionadas e não supervisionadas. Técnicas não supervisionadas são usadas para identificar mudanças no comportamento para indicar risco provável. Técnicas supervisionadas são subsequentemente usadas para otimizar a precisão de nossos modelos para prevenir e detectar fraude e crime financeiro. No ano passado, a Featurespace lançou Redes Comportamentais Profundas Automatizadas que utilizam uma arquitetura de rede neural recorrente inovadora. A equipe de pesquisa da Featurespace 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 transações, melhorando o desempenho líder de mercado de nossa Análise de Comportamento Adaptativo existente.

Quão adaptáveis são os modelos para aprender novos comportamentos do consumidor e otimizar perfis de cliente?

Nossos modelos de Análise de Comportamento Adaptativo são exatamente tão adaptáveis quanto precisam ser – mesmo diante de mudanças sem precedentes. Por exemplo, durante os bloqueios iniciais da COVID-19 em 2020, o comportamento de compra do consumidor mudou literalmente da noite para o dia. Até 29 de abril de 2020, a Mastercard viu um aumento de 40% nos pagamentos sem contato. Modelos de prevenção de fraude de AI não adaptativos foram pegos de surpresa, bloqueando pagamentos legítimos feitos por pessoas ordenadas a ficar em casa. Nossos modelos se adaptaram automaticamente, sem intervenção humana. Isso é mais evidente por meio do TSYS Foresight Score, uma ferramenta de pontuação de decisão de gerenciamento de fraude e risco para emissores de pagamentos, construída pela TSYS e Featurespace. De janeiro a junho de 2020, o TSYS Foresight Score com Featurespace entregou consistentemente distribuições de pontuação estáveis em uma base semanal, permitindo que os consumidores ordenados a ficar em casa continuassem comprando alimentos e outros essenciais sem interrupção.

Quais são os principais casos de uso para essa tecnologia?

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

Há algo mais que você gostaria de compartilhar sobre a Featurespace?

Os golpes são uma das categorias de fraude de crescimento mais rápido do mundo. Os reguladores estão reconhecendo isso e tentando colocar proteções em lugar. Por exemplo, o governo do Reino Unido lançou uma reforma do Projeto de Lei de Segurança Online em março de 2022 em um esforço para prevenir golpes e aumentar a confiança do consumidor em transações online. Da mesma forma, nos EUA, o Escritório de Proteção Financeira do Consumidor (CFPB) está considerando tomar medidas para proteger os consumidores contra golpes, colocando mais responsabilidade sobre os bancos e uniões de crédito. Ao prevenir golpes antes que aconteçam, a Featurespace pode economizar dinheiro para os bancos e manter seus clientes seguros, automaticamente sem intervenção humana.

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

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Featurespace.