Kris Nagel, CEO da Sift – Série de Entrevistas

Kris é o Diretor Executivo da Sift. Ele traz mais de 30 anos de experiência em cargos de liderança sênior em empresas de capital fechado e públicas de SaaS, incluindo a Ping Identity. A Sift oferece uma maneira para as empresas acabar com a fraude de pagamento, construída com uma única console intuitiva, a solução de ponta a ponta da Sift elimina a necessidade de ferramentas desconectadas, software de propósito único e insights incompletos que drenam recursos operacionais.

Em seu papel anterior, você era o Diretor Operacional da plataforma de segurança de identidade Ping Identity, onde desempenhou um papel crítico ao levar a empresa ao público em 2019, quais foram algumas de suas principais lições aprendidas com essa experiência?

Levar uma empresa ao público é uma grande empreitada, e eu aprendi muito com o processo. Desenvolver produtos e escalar a empresa antes e depois desse marco me ensinou sobre o que é necessário para resolver desafios organizacionais complexos, continuar a inovar e reimaginar a experiência do usuário e crescer equipes e capacitá-las para fazer o melhor trabalho. Eu aprendi ao longo da minha carreira que qualquer sucesso em qualquer papel deve começar com uma compreensão profunda dos clientes, parceiros e pessoas em sua equipe.

Você se juntou à Sift como CEO em janeiro de 2023. O que o atraiu para esse novo desafio?

A fraude é um problema em constante crescimento e evolução, e as apostas são claras. A perda de fraude de comércio eletrônico global é estimada em $48 bilhões até o final de 2023 (um aumento de 16% em relação a 2022), e as empresas globais gastam em média 10% de sua receita para gerenciar a fraude. Mas se uma empresa não gerenciar a fraude de forma eficaz, ela pode perder receita excluindo ou “insultando” clientes legítimos.

A Sift tem a vantagem de primeiro movimento na resolução desse problema com aprendizado de máquina, e sua tecnologia core e rede de dados global a tornaram diferente no espaço de prevenção de fraude. Mais de 34.000 sites e aplicativos, incluindo Twitter, DoorDash, Poshmark e Uphold, dependem da Sift. Essa diferença, juntamente com o forte foco em parcerias de cliente de longo prazo, tornou minha decisão de me juntar fácil.

Por que a IA gerativa é uma ameaça de segurança tão grande para empresas e consumidores?

A IA gerativa está mostrando sinais precoces como um jogo mudador para os fraudadores. Os golpes costumavam ser cheios de erros de gramática e ortografia, então eram mais fáceis de distinguir. Com a IA gerativa, os atores ruins podem imitar de forma mais eficaz as empresas legítimas e enganar os consumidores para fornecer detalhes de login ou financeiros sensíveis por meio de tentativas de phishing.

As plataformas de IA gerativa podem até sugerir variações de texto que permitem que um fraudador crie múltiplas contas distintas em uma única plataforma. Por exemplo, eles podem criar 100 novos perfis de namoro falsos para cometer golpes de romance de criptomoeda, com cada um tendo um rosto e bio gerado por IA único. Dessa forma, a IA gerativa está habilitando a democratização da fraude, pois é mais fácil para qualquer pessoa, independentemente da habilidade técnica, defraudar alguém usando credenciais ou informações de pagamento roubadas.

A Sift recentemente lançou um relatório intitulado: “Em meio à renascença da IA, consumidores e empresas são inundados com fraude”, quais foram algumas das maiores surpresas para você nesse relatório?

Sabíamos que a IA e a automação mudariam o cenário de fraude, mas a velocidade e o volume dessa mudança são realmente notáveis. Mais de dois terços (68%) dos consumidores dos EUA relataram um aumento de spam e golpes desde novembro, logo após o início da adoção de ferramentas de IA gerativa, e acreditamos que essas duas tendências estão fortemente correlacionadas. Da mesma forma, observamos um surto de ataques de takeover de conta (ATO), com a taxa de ATO aumentando 427% no primeiro trimestre de 2023 em comparação com todo o ano de 2022. Claramente, esses eventos estão relacionados, pois a IA gerativa permite que os fraudadores criem golpes mais convincentes e escaláveis, levando a uma onda de ataques de ATO.

O relatório também mostra algumas das maneiras pelas quais a “fraude como um serviço” está avançando. Fóruns abertamente disponíveis, como os do Telegram, estão reduzindo a barreira de entrada para qualquer pessoa que queira cometer vários tipos de abuso – é o que chamamos de democratização da fraude. Nossa equipe viu uma proliferação de grupos de fraude que agora oferecem ataques de bot como um serviço, e destacamos como uma ferramenta está sendo usada para enganar os consumidores para fornecer códigos de passagem única para suas contas financeiras. E os fraudadores estão tornando essas ferramentas facilmente acessíveis e disponíveis para os outros por uma taxa relativamente pequena.

Poderia discutir o que é a “Plataforma de Confiança e Segurança Digital da Sift”?

Com a Sift, as empresas podem construir e implantar com confiança, sabendo que têm as ferramentas para proteger seus negócios contra a fraude. É manter os atores ruins fora, enquanto ainda dá aos clientes uma experiência sem interrupções – reduzindo a fricção e aumentando a receita.

Nossa missão é ajudar todos a confiar na internet, e nossa plataforma usa aprendizado de máquina e uma rede de dados maciça para proteger as empresas contra todos os tipos de fraude e abuso. Fomos uma das primeiras empresas, se não a primeira, a aplicar aprendizado de máquina à fraude online, então acumulamos uma quantidade incrível de insights que são refletidos em nossos modelos de aprendizado de máquina globais, que processam mais de 1 trilhão de eventos por ano. A beleza da plataforma é que, quanto mais clientes temos, mais inteligentes nossos modelos se tornam, para que possamos sempre otimizar para parar a fraude, enquanto reduzimos a fricção para usuários e clientes reais.

Dentro da plataforma, temos Proteção de Pagamento, que protege contra a fraude de pagamento; Defesa de Conta, que impede ataques de takeover de conta; Integridade de Conteúdo, que bloqueia spam e golpes de serem postados em conteúdo gerado pelo usuário; e Gerenciamento de Disputas, que protege contra chargebacks e fraude amigável.

Como essa plataforma se diferencia das ferramentas de fraude concorrentes?

Não há escassez de fornecedores de prevenção de fraude no mercado, mas a maioria se enquadra em duas categorias: soluções pontuais ou decisão como um serviço. Soluções pontuais tendem a ter um escopo estreito e são projetadas para atender a um único caso de uso, como detecção de bot. Soluções de decisão como um serviço são mais abrangentes, mas carecem de muitas capacidades de gerenciamento de fraude e agem como uma “caixa preta” sobre sua lógica de decisão.

Uma das características mais distinguíveis da Sift é que oferecemos uma solução para lutar contra vários tipos de fraude em todas as indústrias. A fraude é um desafio agnóstico de indústria, e temos insights únicos sobre como os problemas de fraude de uma indústria se tornam os de outra. Em todas as nossas capacidades – motores de decisão, gerenciamento de caso, orquestração, relatórios e simulação – também priorizamos colocar o controle nas mãos de nossos clientes. Cada empresa é única, e essa capacidade de personalizar significa que a lógica pode ser modificada com regras personalizadas e que simulações podem ser ajustadas dentro da plataforma. Acreditamos que a melhor maneira de prevenir a fraude é ser transparente sobre ela. Nosso motor de decisão fornece explicações para os analistas para que eles entendam por que uma transação foi aprovada, desafiada ou negada. Também oferecemos relatórios para que você possa medir o desempenho de um modelo para entender se ele precisa ser ajustado.

Poderia discutir o que é o “Sift Score” e como ele habilita a auto melhoria contínua do aprendizado de máquina utilizado?

Os clientes da Sift usam nossos algoritmos de aprendizado de máquina para detectar padrões fraudulentos e prevenir ataques em um site ou aplicativo. O Sift Score é um número, de 0 a 100, dado pelo algoritmo para cada evento (ou atividade) para indicar a probabilidade de que o comportamento seja fraudulento.

Embora cada um de nossos produtos seja suportado por seu próprio conjunto de modelos de aprendizado de máquina, também oferecemos algoritmos personalizados que são adaptados para os clientes da Sift. Os sinais de fraude para cada indústria podem ser diferentes se você vende seguros, alimentos perecíveis ou roupas, por exemplo. A Sift executa milhares de sinais, tirados de nossa vasta rede global, por meio de cada modelo personalizado, analisando detalhes como o horário do dia, características de endereços de e-mail e o número de tentativas de login. Esses sinais combinados compõem uma pontuação para um evento específico, como um login ou transação. As pontuações da Sift nunca são compartilhadas entre clientes, porque cada modelo de aprendizado de máquina do cliente é diferente.

Um produto interessante desenvolvido na Sift para lutar contra golpes e spam é chamado de Text Clustering, o que é isso especificamente?

O spam de texto assola as plataformas online, e os spammers frequentemente postam o mesmo ou conteúdo muito semelhante repetidamente. Construímos nossa funcionalidade de Text Clustering como parte da Integridade de Conteúdo para tornar mais fácil identificar esse tipo de texto e agrupá-lo para que um analista possa decidir se deve tomar ação em massa. O desafio é que nem todo o texto repetitivo é spam. Por exemplo, um vendedor de comércio eletrônico pode listar o mesmo produto e descrição em vários sites.

Para resolver efetivamente esse desafio, precisávamos de uma maneira de rotular os novos tipos de fraude de conteúdo que queríamos detectar, enquanto também dávamos ao analista o controle final para tomar ação. Por meio de uma combinação de redes neurais e aprendizado de máquina, o Text Clustering agora pode agrupar textos semelhantes, mesmo que haja variações leves. Esse conteúdo marcado é rotulado juntos, e se for, de fato, spam, um analista pode tomar ação em massa para removê-lo.

Como as empresas podem se defender melhor contra ataques adversários ou outros tipos de ataques maliciosos que são perpetuados pela IA gerativa?

Mais da metade dos consumidores (54%) acredita que não deve ser responsabilizada no evento de ter fornecido inadvertidamente suas informações de pagamento a um golpista que foi usado posteriormente para fazer uma compra fraudulenta. Quase um quarto (24%) acredita que o negócio onde a compra foi feita deve ser responsabilizado. Isso significa que a responsabilidade por parar a fraude recai sobre as plataformas e serviços nos quais os consumidores dependem todos os dias.

Ainda estamos nos primórdios da IA gerativa e as ameaças de hoje não serão as mesmas ameaças que veremos daqui a seis meses. No entanto, as empresas precisam lutar fogo com fogo, usando tecnologias de IA, como aprendizado de máquina, para combater e parar a fraude antes que ela aconteça. O aprendizado de máquina em tempo real é crucial para acompanhar a escala, a velocidade e a sofisticação da fraude. Os comerciantes que não se afastam de processos desatualizados ou manuais ficarão para trás dos fraudadores que já estão automatizando. As empresas que adotam essa abordagem de ponta a ponta, em tempo real, melhoram a precisão da detecção de fraude em 40%. Isso significa identificar melhor os fraudadores e impedi-los de prejudicar seu negócio ou clientes.

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

Uma iniciativa que implementamos recentemente para promover essa missão é nossa comunidade de clientes, Sifters. É aberta a todos os usuários da Sift e atua como uma ponte entre nossos clientes, especialistas internos e rede digital de comerciantes e dados. Tem sido um hub valioso para reunir insights de indústria e abordar desafios transversais de prevenção de fraude. E está vendo uma adoção enorme. Criar uma comunidade para combatentes de fraude é absolutamente essencial, pois os fraudadores têm comunidades próprias onde colaboram para prejudicar negócios e consumidores. Como gostamos de dizer, é preciso uma rede para lutar contra uma rede.