إذا تم نشر الذكاء الاصطناعي (AI) بشكل صحيح، فإنه يعمل على تحسين قدرات الاتحادات الائتمانية على اتخاذ القرار بشأن الاحتيال. بروفينير نائب الرئيس التنفيذي لأمريكا الشمالية كاثي ستارز يعتقد.

يعد اكتشاف الاحتيال ومنعه أولوية قصوى بالنسبة للاتحادات الائتمانية حيث يفكرون في كيفية تحسين الذكاء الاصطناعي لتقديم الخدمات، ويرجع ذلك على الأرجح إلى أن الاحتيال يضربهم بشدة. ووفقاً لدراسة حديثة، أبلغت 79% من الاتحادات الائتمانية والبنوك المجتمعية عن خسائر احتيال مباشرة تزيد قيمتها عن 500,000 ألف دولار، وهو ما يفوق أي شريحة أخرى. وفقًا لشركة Juniper Research، ستنفق الشركات في جميع أنحاء العالم أكثر من 10 مليارات دولار سنويًا على منصات استراتيجية الكشف عن الاحتيال المالي والوقاية منه المدعومة بالذكاء الاصطناعي في عام 2027. وهذا يمثل زيادة بأكثر من 50٪ عن عام 2022.

وقال ستارز إن الذكاء الاصطناعي التنبؤي يمكّن المؤسسات المالية من تحسين العمليات التجارية. وهذا يحرر الموارد ويعزز اتباع نهج أكثر تركيزًا في مكافحة الاحتيال. يمكن للذكاء الاصطناعي معالجة ملايين السمات التي تتجاوز القدرة البشرية لتوفير قدرة تنبؤية فعالة في نمذجة الاحتيال عبر دورة حياة العميل.

وقال ستارز: "هناك اتجاهات تم تحديدها، وأعتقد أن القدرة على تفعيلها في منصة اتخاذ القرار هي الأمر الأساسي".

لدى الاتحادات الائتمانية اعتبارات فريدة بشأن الذكاء الاصطناعي

بحكم التصميم، يمكن للاتحادات الائتمانية جذب أنواع مختلفة من الاحتيال. تصميم فرعهم وعضويتهم يفسح المجال للاحتيال على الطرف الأول والهوية. وهذا يجذب أيضًا عمليات الاحتيال في مجال الهندسة الاجتماعية.

أثناء قيامها بدمج حلول منع الاحتيال الرقمي، يجب على الاتحادات الائتمانية الحفاظ على ثقة عالية مع قاعدتها المحلية. يجب أن تقلل الأنظمة من النتائج الإيجابية الكاذبة وتسمح للعملاء الشرعيين بالتعامل بسلاسة. وقال ستارز إن الأنظمة القائمة على الذكاء الاصطناعي يجب أن تقترن باتخاذ قرارات في الوقت الفعلي لتقديم التحديد المبكر والتحذيرات.

تميل الاتحادات الائتمانية إلى أن يكون لديها قواعد عملاء أكثر تجانسًا. الذكاء الاصطناعي مثالي لتحديد السلوك الشاذ بسرعة. ومع تغذية النموذج بمزيد من البيانات، فإنه سيحدد النشاط المشبوه بسرعة أكبر.

"من المهم أن تقترن بالبيانات البديلة،" نصح ستارز. "يأتي هذا ويطابق لمعرفة ما إذا كان له أي طبيعة تنبؤية في تحديد الاحتيال عبر دورة الحياة مثل الاحتيال. إن إدخال بيانات KYC وAML، وربما استخدام البيانات المستندة إلى المعاملات حيث يسمح لك العملاء بالاطلاع على حساباتهم المصرفية الفعلية وبياناتهم المالية، سيكون مؤشرًا على الأشياء التي يمكن أن تحرك عمليات الاحتيال في المستقبل. 

"لهذا السبب تعتبر التكنولوجيا مهمة لإدخال البيانات بطريقة في الوقت الفعلي بحيث يمكنك استخدام البيانات... لتعزيز النماذج أو إمكانية وضع نماذج يمكنك من خلالها دعم/منافسة النظر في الطبيعة التنبؤية لمنع الاحتيال عبر دورة الحياة . لذا فإن الإنذار المبكر هو المفتاح."

يستخدم المحتالون أيضًا الذكاء الاصطناعي. فهو يساعدهم على التحول سريعًا إلى استراتيجيات جديدة مع اطلاع المؤسسات على تكتيكاتها. يمكن للاتحادات الائتمانية استخدامه لنفس الأغراض: التعرف بسرعة على النشاط المشبوه قبل شطبه كمجموعة.

اعتبارات القياس

يلعب الذكاء الاصطناعي أيضًا دورًا في توحيد الاتحادات الائتمانية واكتساب الحجم. وقال ستارز إنه من الضروري أن يكون الذكاء الاصطناعي متصلاً بجميع قواعد البيانات ذات الصلة، مع الأخذ في الاعتبار الإيجابيات الكاذبة والنظر في كل شيء في مجمله. البيانات هي المفتاح. تطوير الكفاءة في ضخ البيانات ثم استخدام الذكاء الاصطناعي لاكتشاف الاحتيال بسرعة.

قال ستارز: "لا أعتقد أن الحجم مهم". "قد يؤدي الحجم والنطاق إلى أنواع مختلفة من هجمات الاحتيال وفي عدد هجمات الاحتيال، لكنني أعتقد أن الطريقة التي تتعامل بها مع هذه الهجمات هي نفسها باستخدام الذكاء الاصطناعي مع حقن البيانات البديلة ومعالجة النماذج في الوقت الفعلي.

"إذا كانت لديك التكنولوجيا المناسبة، وكنت قادرًا على الاتصال بجميع الصوامع وإدراج بيانات أخرى، فقم بتشغيلها من خلال استراتيجيات اتخاذ القرار الخاصة بك بنفس الطريقة وتعامل معها بنفس الطريقة لأنك قمت بتوحيد البيانات. لا أعتقد أن هناك خطرًا كبيرًا. إذا لم تتمكن من القيام بذلك، فقد تكون هناك مخاطر في علاج كل مجموعة لأنه قد يتعين عليك علاج كل مجموعة بشكل مختلف. وقد يكون لديك خطر الحصول على نتائج إيجابية كاذبة أعلى. 

الذكاء الاصطناعي التنبؤي واللمسة الإنسانية: اعتبارات مهمة

في حين أن الذكاء الاصطناعي التوليدي يولد المزيد من الضجة، فمن الحكمة أن تفكر المؤسسات أولاً في الذكاء الاصطناعي التنبئي. قال Stares إنه يمكن أن يساعد في اختبار فعالية نماذج الكشف عن الاحتيال المختلفة. أي منها يخلق نتائج إيجابية كاذبة أكثر، على سبيل المثال؟ تتعلم النماذج المعتمدة على الذكاء الاصطناعي أيضًا من أخطائها وتتحسن بمرور الوقت.

وعلى الرغم من أن اللمسة البشرية لها مكانها، إلا أن ستارز قال إنها يمكن أن تعيق أيضًا فعالية الذكاء الاصطناعي. يعتمد التدخل البشري على الخبرة. إذا أصبحت النماذج متخلفة للغاية، فإن قدرتها التنبؤية تضعف.

يجب أيضًا الحفاظ على تجربة العملاء المثالية. الولاء ليس كما كان من قبل.

ولاحظ ستارز أن "الولاء للمؤسسة المالية لم يعد كما كان من قبل". "ولكن إذا كان بإمكانك توفير الخبرة وتوفير جميع نقاط المنتج في مكان واحد، فمن المرجح أن يبقى المستهلك الخاص بك هناك. 

"لذلك لا يمكنك نقل المخاطر إلى تجربة العميل. أنت بحاجة إلى استخدام الذكاء الاصطناعي والبيانات للتخفيف من مخاطر الاحتيال أو الائتمان دون التأثير على العميل.

.pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-radius: 5% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-size: 24px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { font-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-weight: normal !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a:hover { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-user_url-profile-data { color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { text-align: center !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-recent-posts-title { border-bottom-style: dotted !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { border-style: solid !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { color: #3c434a !important; }

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://www.fintechnexus.com/ai-as-a-credit-union-fraud-fighting-tool/