Dave Excell, Fundador da Featurespace – Série de Entrevistas

Dave Excell é o Fundador da Featurespace, Dave fundou a Featurespace após inventar a Análise Comportamental Adaptativa, que utiliza 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 tem sido 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 Comportamental Adaptativa?

Enquanto perseguia meu doutorado, 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, as organizações vinham até nós em busca de soluções novas para vários desafios que elas tinham para automatizar a tomada de decisões eficazes a partir dos dados que elas capturavam ou para melhorar a eficiência dos processos manuais. Comecei a notar um padrão: as organizações em diferentes setores lutavam para entender o comportamento subjacente ou a “intenção” por trás dos dados que elas 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 eles eram jogadores genuínos ou robôs trapaceando no sistema. Quanto mais projetos fizemos, mais eu 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) mudasse para evitar detecção. Foi assim que eu primeiro desenvolvi o conceito de Análise Comportamental Adaptativa, que mais tarde se tornou a primeira tecnologia fundamental dentro da Featurespace.

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

Embora eu goste de pesquisar e encontrar soluções, não gosto de pesquisa apenas por pesquisa. Estou motivado por aplicar tecnologia a problemas práticos, então encontrar maneiras de entregar valor comercial e implantar a tecnologia para fazer 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 que são aplicadas para prevenir fraude e crime financeiro, e por que essas técnicas não são suficientes?

Há várias aplicações de tecnologia nesse espaço há algum tempo – de fato, os primeiros usos de AI para combater fraude financeira remontam ao início dos anos 1990. No entanto, essa versão primitiva de AI supunha que os comportamentos de fraude permaneceriam os mesmos. 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 combater fraude. Nós ficamos três passos à frente dos fraudadores sem necessidade de intervenção humana.

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

Nossa Análise Comportamental Adaptativa proprietária 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 o que diferentes tipos de comportamento ruim conhecido parecem, então tentam detectar 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 Comportamental Adaptativa aprende o que o comportamento bom parece, então detecta mudanças contra esses comportamentos bons. Há muito mais comportamento bom sendo feito no mundo do que comportamento 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 Comportamental Adaptativa 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 nova. 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 de mercado líder de nossa Análise Comportamental Adaptativa existente.

Quão adaptáveis são os modelos para aprender novo comportamento do consumidor e otimizar perfis de cliente?

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 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 (MA ) viu um aumento de 40% nos pagamentos sem contato. Modelos de prevenção de fraude de AI não adaptáveis 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 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 prática. 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 Bureau 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 eles aconteçam, a Featurespace pode economizar dinheiro para os bancos e manter seus clientes seguros, automaticamente sem intervenção humana.

Um exemplo disso é NatWest (NWG ), 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 dos golpes detectados, incluindo uma diminuição imediata nas taxas de falsos positivos (atividade de cliente genuína declinou), 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 “parceiro forte” para seus investidores.

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