Dr. Mark Goldspink, CEO da The ai Corporation (ai) – Série de Entrevistas

O Dr. Mark Goldspink é o CEO da The ai Corporation (ai), que oferece soluções únicas de detecção de fraude de autoatendimento consideradas por muitos líderes da indústria como as melhores do mundo. As soluções, incluindo uma nova solução de “estado da arte” de aprendizado de máquina, protegem e enriquecem as experiências de pagamento para mais de 100 bancos, mais de três milhões de comerciantes multicanais e mais de 300 milhões de titulares de cartões de consumo. Eles também monitoram mais de 25 bilhões de transações e autorizações por ano.

O que o atraiu inicialmente para o aprendizado de máquina e a inteligência artificial?

A inteligência artificial é a única maneira de realizar a tomada de decisões comerciais com grandes fontes de dados de forma eficiente.

Meu primeiro uso do aprendizado de máquina (1992) foi analisar a elasticidade dos preços no setor de combustíveis. Cada posto de serviço e produto tem seu próprio índice de elasticidade. Usamos a inteligência artificial para criar uma ferramenta de preços previsíveis para ajudar a entender a relação entre o preço e a quantidade demandada. Essa ferramenta ainda é usada em todo o mundo hoje.

Poderia explicar brevemente o que é a The ai Corporation (ai)?

A ai facilita a digitalização das soluções de pagamento, oferecendo produtos e serviços de nuvem empresarial. Em resumo, nosso objetivo é garantir que a tecnologia de pagamento de nossos clientes esteja sempre atualizada e alinhada com o mercado digital em constante evolução. Acreditamos que os pagamentos devem se tornar invisíveis, para que as empresas possam se concentrar mais em gerenciar seus clientes e menos em se preocupar com como processar pagamentos.

Quais são algumas das tecnologias de aprendizado de máquina usadas para sinalizar ameaças e fraude potenciais?

Existem muitos métodos e técnicas diferentes usados em todo o paisagem de detecção de fraude e ameaças. Exemplos iniciais incluem lógica bayesiana e árvores de decisão. Inovações posteriores levaram a uma ampla adoção de redes neurais, que ainda são amplamente usadas hoje. A adoção rápida do aprendizado de máquina em outras indústrias incentivou a adoção de vários outros métodos, como técnicas não supervisionadas, XGBoost e outros. A maioria das empresas opta por desenvolver seus próprios métodos, que geralmente são baseados em métodos existentes para melhorar o desempenho da detecção.

Atualmente, mesmo com o aprendizado de máquina fazendo a maior parte do “trabalho pesado”, ainda há uma grande quantidade de monitoramento necessário para manter o controle da fraude. Como a automação do processo de gerenciamento de fraude usando orquestração de modelos pode resolver esse problema?

A maioria dos sistemas de fraude emprega vários modelos para detectar uma quantidade ótima de fraude, ao mesmo tempo em que reduz a taxa de “insulto” de declinar pagamentos legítimos. No entanto, o principal problema com esses sistemas é a enorme quantidade de governança adicional necessária para gerenciar esses modelos. Essa governança e trabalho de gerenciamento geralmente são manuais, e quanto mais modelos são usados, mais esforço manual é necessário para garantir que os modelos continuem a funcionar bem.

A orquestração de modelos está revolucionando a forma como gerenciamos sistemas de fraude. Com a orquestração, a máquina efetivamente gerencia a si mesma. Quando os modelos são reconhecidos como não tendo um desempenho bom, eles são substituídos por um novo modelo ou retreinados com os dados mais recentes. Esse processo utiliza processos automatizados para recuperar estatísticas de desempenho para os modelos ao vivo, bem como as mesmas estatísticas para modelos produzidos offline por auto-ml. Quando os modelos offline têm um desempenho bom, eles são promovidos para produção. Isso forma um sistema automatizado fechado para detecção de fraude e processos de negócios ótimos.

Poderia fornecer alguns exemplos de ameaças cibernéticas ou de fintech que foram detectadas anteriormente pelo aprendizado de máquina?

Aqui na ai, estamos constantemente prevenindo fraude usando nossa solução de aprendizado de máquina AutoPilotML, que acompanha as tendências de fraude, otimizando automaticamente a estratégia de fraude completa (consistindo em regras de ML e produzidas manualmente). Nossas soluções otimizadas detectaram esquemas de takeover e hacking de contas no espaço de telecomunicações, por exemplo, economizando operadoras milhares de libras. De fato, detectamos cerca de $10.000.000 em transações suspeitas por ano.

Fora do espaço de fraude, grandes ataques são prevenidos pelo aprendizado de máquina diariamente. Por exemplo, a Microsoft (MSFT ) tem detectado e imediatamente prevenido ataques cibernéticos que originam de botnets há anos. Em fevereiro de 2018, eles preveniram um grande ataque de botnet Emotet quase imediatamente, usando o que chamaram de “aprendizado de máquina em camadas”, composto por modelos de aprendizado de máquina de cliente e servidor.

Ameaças cibernéticas frequentemente surgem da dark web, poderia discutir alguns dos Serviços de Gerenciamento da Dark Web que são oferecidos atualmente?

A ai oferece um serviço de monitoramento da dark web, alimentado pelo aplicativo SaaS da Skurio, para informar e proteger clientes comprometidos assim que seus dados forem expostos na dark web. Acreditamos que essa parceria é única e fornece aos nossos usuários inteligência cibernética de classe mundial, que digitalmente varre sites, mercados e fóruns para detectar incidentes de dados do cliente aparecendo na dark web.

Há algo mais que você gostaria de compartilhar sobre a The ai Corporation (ai)?

Construir grandes produtos, juntamente com os processos corretos, só pode ser alcançado tendo uma equipe de classe mundial. Estou extremamente orgulhoso da equipe ai e é essa equipe que nos ajuda a ser inovadora.

É também a equipe que torna trabalhar na ai agradável e motivador para mim. É a coisa mais gratificante sobre ser um líder. Ajudar as pessoas a se desenvolver e crescer.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar The ai Corporation (ai).