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 đáng kể các tài liệu thu nhập để phát hiện gian lận, với nhiều tổ chức xem xét lên đến một nửa tất cả các đơn nộp bằng tay. Với sự xuất hiện của các mô hình AI mạnh mẽ có khả năng ra quyết định tự động tinh vi, tại sao nhiều tổ chức cho vay vẫn phụ thuộc vào mắt người để bắt 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 dạng mẫu mà khó có thể sao chép một cách thuật toán. Nhưng có sự khác biệt giữa việc giữ con người trong quy trình và giữ họ tập trung vào công việc mà con người có khả năng phán quyết độc nhất. Nhiều tổ chức cho vay không phân biệt rõ ràng điều này, và hậu quả thể hiện ở tỷ lệ gian lận, chi phí lao động và mức độ暴露 với gian lận khó bắt nhất.

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

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 đặc biệt tốt. Các chuyên viên phân tích gian lận có kinh nghiệm không phải là những người 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 bộ quy tắc nào có thể bắt đầy đủ. Các nhà phân tích con người cũng mang lại điều mà các hệ thống tự động không thể: trách nhiệm giải trình và quy định của tổ chức. Họ hiểu văn hóa hoạt động của doanh nghiệp, kỳ vọng quy định, xu hướng công nghệ và các thông tin chung khác 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 vòng gian lận hoạt động theo những cách thực sự mới.

Đáng chú ý, những hạn chế của chính AI nhấn mạnh tại sao việc giám sát của 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 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 vòng gian lận phức tạp nhưng bỏ lỡ các mẫu lừa đảo cơ bản. Hồ sơ khả năng không đồng đều đó là một lập luận cho việc giám sát của con người có suy nghĩ, không phải cho tình trạng hiện tại.

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

Việc công nhận những gì các nhà phân tích thủ công làm tốt không nên che khuất những gì họ đơn giản không thể làm. Dữ liệu siêu dữ liệu của tài liệu là 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 nhúng trong hình ảnh quét có thể lộ một tài liệu giả mạo trong vài giây. Một người xem xét thủ công sẽ không bao giờ thấy bất kỳ siêu dữ liệu nào.

Dữ liệu tập đoàn và mạng cũng nằm ngoài đường 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 với con người ở quy mô lớn. Phát hiện sự không nhất quán vi mô tuân theo logic tương tự: thay đổi phông chữ tinh vi, thay đổi pixel và sự không đều về định dạng trong các tài liệu giả mạo đòi hỏi sự so sánh tính toán để xuất hiện một cách đáng tin cậy. Khi khối lượng vay ô tô tăng lên, 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 các 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 đơn nộp mà AI có thể xóa hoặc đánh dấu tự động. Các tài liệu thực sự yêu cầu một mắt người được đào tạo đại diện cho một phần nhỏ của tổng số.

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

Mô Hình Thông Minh Hơn Trông Như Thế Nào

Giải pháp không phải là loại bỏ việc xem xét thủ công. Đó là việc tái triển khai nó. Các công cụ tự động nên xử lý khối lượng: sàng lọc các tài liệu thu nhập để tìm các tín hiệu gian lận đã biết, các bất thường siêu dữ liệu và dữ liệu tập đoàn. Điều đó giải phóng các nhà phân tích để tập trung vào các trường hợp ngoại lệ, 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 giám sát AI. Các hệ thống tự động nên theo dõi cách các công cụ ra quyết định được sử dụng và liệu các kết quả có đang trôi dạt theo những cách cho thấy sự suy giảm mô hình hoặc các vector gian lận mới. Việc giám sát của con người có giá trị nhất khi được đặt tại các điểm đòn bẩy, không được phân phối đều trên mọi tài liệu trong hàng đợi. Các giao thức nâng cấp rõ ràng, với các ngưỡng được định nghĩa được kiểm toán thường xuyên, là những gì giữ cho mô hình này không quay trở lại thói quen.

Chiều Kích Tuân Thủ Lenders 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 theo các tiêu chí được định nghĩa, sẽ được đặt ở vị trí tốt hơn so với những tổ chức phụ thuộc 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 một giải pháp.

Các sĩ quan tuân thủ cần phải đủ gần gũi với công nghệ để hiểu những gì AI thực sự đang làm, 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 có ý nghĩa kết nối với các kết quả tự động.

Câu Hỏi Đúng Để Đặt Ra

Sự quan sát rằng ba phần tư các tổ chức cho vay vẫn phụ thuộc nặng vào việc 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 mức độ rủi ro cao. Nhưng trực giác không phải là chiến lược. Khối lượng xem xét thủ công đang xảy 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 nên sử dụng xem xét thủ công, mà là ở đâu, bao nhiêu và trên cái gì. Các tổ chức cho vay nào trả lời câu hỏi đó một cách rõ ràng và xây dựng các quy trình để phù hợp, sẽ bắt được nhiều gian lận hơn, chi ít hơn trong việc làm điều đó và sẽ được đặt ở vị trí tốt hơn rất nhiều khi các cơ quan quản lý đến hỏi về cách 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.