Tại Sao Các Chuyên Viên Phân Tích Gian Lận Thủ Công Của Bạn Có Thể Đang Nhìn Vào Những Điều Sai

Theo một cuộc khảo sát ngành gần đây, gần ba phần tư các tổ chức tài chính vẫn kiểm tra thủ công một phần lớn các tài liệu thu nhập để phát hiện gian lận, với nhiều tổ chức xem xét lên đến một nửa tất cả các hồ sơ bằng tay. Vì sao nhiều tổ chức cho vay vẫn dựa vào mắt người để phát hiện các phiếu lương giả mạo và các bản kê khai ngân hàng bị thay đổi?

Câu trả lời vượt ra ngoài sự quán tính của tổ chức. Các nhà phân tích thủ công mang lại giá trị thực sự, và các người xem xét có kinh nghiệm phát triển khả năng nhận biết mẫu mà khó có thể sao chép bằng thuật toán. Nhưng có sự khác biệt giữa việc giữ con người trong quy trình và giữ họ tập trung vào công việc tận dụng phán quyết của con người. Nhiều tổ chức cho vay không phân biệt rõ ràng đủ và hậu quả thể hiện trong tỷ lệ gian lận, chi phí lao động và mức độ phơi nhiễm với gian lận khó phát hiện nhất.

Các Chuyên Viên Phân Tích Kinh Nghiệm Thực Sự Mang Lại Điều Gì

Trước khi đưa ra lập luận cho sự thay đổi, điều quan trọng là phải hiểu những gì các chuyên viên phân tích gian lận làm tốt. Các chuyên viên phân tích gian lận có kinh nghiệm không phải là những người chỉ kiểm tra hộp. Một người phân tích đã xử lý hàng nghìn tài liệu thu nhập trong nhiều năm thực hành đã nội hóa các tín hiệu mà không có quy tắc nào có thể nắm bắt được. Các nhà phân tích con người cũng mang lại điều mà các hệ thống tự động không thể: trách nhiệm giải trình và trách nhiệm pháp lý của tổ chức. Họ hiểu văn hóa hoạt động, kỳ vọng quy định, xu hướng công nghệ và các thông tin chung khác mà đến từ việc sống và tham gia vào thế giới. Các nhà phân tích cũng có thể phát hiện ra các bất thường nằm ngoài dữ liệu đào tạo của bất kỳ mô hình nào, đặc biệt khi các nhóm gian lận hoạt động theo những cách thực sự mới.

Điều thú vị là những hạn chế của chính AI nhấn mạnh tại sao giám sát con người lại quan trọng. Chỉ số AI 2026 của Stanford HAI đã ghi lại những gì các nhà nghiên cứu gọi là “trí tuệ nhấp nhô”: các mô hình tiên tiến có khả năng vượt qua các kỳ thi khoa học cấp sau đại học nhưng lại thất bại trong các nhiệm vụ mà một đứa trẻ có thể xử lý, như đọc một đồng hồ analog, chỉ thành công khoảng một nửa thời gian. AI có thể phát hiện các nhóm gian lận phức tạp nhưng bỏ lỡ các mẫu lừa đảo cơ bản. Khả năng không đồng đều đó là một lập luận cho sự giám sát con người có suy nghĩ, không phải cho hiện trạng.

Các Giới Hạn Cứng Không Nhà Phân Tích Nào Có Thể Vượt Qua

Nhận ra những gì các nhà phân tích thủ công làm tốt không nên che khuất những gì họ đơn giản không thể làm. Các siêu dữ liệu tài liệu vô hình với mắt thường nhưng rất tiết lộ đối với các công cụ tính toán: ngày tạo, lịch sử chỉnh sửa, chữ ký phần mềm và dữ liệu GPS được nhúng trong hình ảnh quét có thể暴露 một tài liệu giả mạo trong vài giây. Một người xem xét thủ công sẽ không bao giờ nhìn thấy bất kỳ siêu dữ liệu nào.

Dữ liệu tập đoàn và mạng tương tự nằm ngoài chân trời quan sát của nhà phân tích. Phát hiện một số An sinh xã hội duy nhất xuất hiện trên nhiều ứng dụng đại lý trong cùng một tuần là một việc tính toán đơn giản và không thể đối với con người ở quy mô lớn. Phát hiện sự không nhất quán nhỏ cũng tuân theo logic tương tự: các thay đổi phông chữ tinh tế, thay đổi pixel và sự không đều về định dạng trong các tài liệu giả mạo đòi hỏi phải so sánh tính toán để đưa ra đáng tin cậy. Khi khối lượng cho vay ô tô tăng, việc xem xét thủ công không thể mở rộng quy mô. Nó chỉ trở nên đắt hơn.

Vấn Đề Phân Bổ Sai

Vấn đề không phải là các tổ chức cho vay sử dụng nhà phân tích thủ công. Đó là họ sử dụng chúng trên các tài liệu và quy trình sai. Khi các tổ chức xem xét thủ công lên đến một nửa khối lượng tài liệu thu nhập, các nhà phân tích đang dành phần lớn thời gian của họ vào các hồ sơ mà AI có thể xóa hoặc đánh dấu tự động. Các tài liệu thực sự đòi hỏi một con mắt được đào tạo của con người đại diện cho một phần nhỏ của tổng số.

Hậu quả là có thể dự đoán được. Các nhà phân tích trở nên mệt mỏi và kém sắc nét chính xác khi họ gặp phải các trường hợp phức tạp, có nguy cơ cao mà thực sự cần chuyên môn của họ. Gian lận khó nhất ẩn mình chính xác trong những nơi mà một người xem xét mệt mỏi đang làm việc qua một hàng dài là nơi họ ít có khả năng tìm thấy nó nhất. Chi phí lao động cao, hiệu suất thấp hơn và không có sự cải thiện có ý nghĩa về tỷ lệ phát hiện gian lận không phải là một sự đánh đổi đáng làm.

Một Mô Hình Thông Minh Hơn Trông Như Thế Nào

Giải pháp không phải là loại bỏ việc xem xét thủ công. Đó là tái triển khai nó. Các công cụ tự động nên xử lý khối lượng: lọc các tài liệu thu nhập để tìm các tín hiệu gian lận đã biết, các bất thường siêu dữ liệu và các hit dữ liệu tập đoàn. Điều đó giải phóng các nhà phân tích tập trung vào các trường hợp biên, kháng cáo, nâng cấp và các mẫu gian lận mới mà các công cụ AI không được trang bị để giải quyết.

Các tổ chức thường bỏ qua một lớp khác: AI theo dõi AI. Các hệ thống tự động nên theo dõi cách các công cụ ra quyết định đang được sử dụng và liệu các kết quả có đang trôi theo những cách cho thấy sự suy giảm mô hình hoặc các vector gian lận mới. Giám sát con người có giá trị nhất khi được đặt tại các điểm đòn bẩy, không được phân phối đồng đều trên mọi tài liệu trong hàng đợi. Các giao thức nâng cấp rõ ràng, với các ngưỡng được kiểm toán thường xuyên, là những gì giữ cho mô hình này không quay trở lại thói quen.

Chiều Kích Tuân Thủ mà Các Tổ Chức Cho Vay Không Thể Bỏ Qua

Các cơ quan quản lý đang chú ý chặt chẽ hơn đến cách các quyết định phát hiện gian lận được hỗ trợ bởi AI được thực hiện và ai chịu trách nhiệm về chúng. Các tổ chức có thể ghi lại một quy trình xem xét phân cấp, sàng lọc AI theo sau là xem xét thủ công có mục tiêu trên các tiêu chí được xác định, sẽ được đặt tốt hơn so với những tổ chức dựa vào tự động hóa không rõ ràng hoặc xem xét thủ công không phân biệt. Một hệ thống hộp đen mà không ai trong tổ chức có thể giải thích là một trách nhiệm, không phải là giải pháp.

Các quan chức tuân thủ cần phải ở đủ gần với công nghệ để hiểu AI thực sự đang làm gì, không chỉ ký vào một hệ thống họ chưa từng đánh giá. Điều đó đòi hỏi đầu tư vào đào tạo, minh bạch của nhà cung cấp và một chức năng kiểm toán liên tục giữ cho phán quyết của con người gắn kết có ý nghĩa với các kết quả tự động.

Câu Hỏi Đúng Để Đặt Ra

Quan sát rằng ba phần tư các tổ chức cho vay vẫn phụ thuộc nặng vào xem xét gian lận thủ công không phải là một vụ bê bối. Nó có thể phản ánh một trực giác hợp lý để giữ con người chịu trách nhiệm trong một quy trình có nguy cơ cao. Nhưng trực giác không phải là chiến lược. Khối lượng xem xét thủ công đang diễn ra trên toàn ngành không phản ánh một quyết định có chủ ý về nơi phán quyết của con người thêm giá trị nhất. Nó phản ánh thói quen.

Mỗi tổ chức trong không gian này nên đặt câu hỏi không phải là liệu có sử dụng xem xét thủ công hay không, mà là sử dụng nó ở đâu, bao nhiêu và trên điều gì. Các tổ chức cho vay trả lời rõ ràng câu hỏi đó và xây dựng các quy trình làm việc để phù hợp sẽ bắt được nhiều gian lận hơn, chi ít hơn để làm như vậy và được đặt tốt hơn khi các cơ quan quản lý đến hỏi làm thế nào các quyết định được đưa ra. Các nhà phân tích đã xem xét các tài liệu thường xuyên xứng đáng được làm việc trên các trường hợp thực sự cần họ.