Jika kecerdasan buatan (AI) diterapkan dengan benar, hal ini akan meningkatkan kemampuan credit union dalam mengambil keputusan terkait penipuan, Terbukti EVP untuk Amerika Utara Kathy menatap percaya.

Deteksi dan pencegahan penipuan adalah prioritas utama bagi credit unions karena mereka mempertimbangkan bagaimana AI dapat meningkatkan pemberian layanan, kemungkinan besar karena penipuan sangat merugikan mereka. Menurut survei baru-baru ini, 79% serikat kredit dan bank komunitas melaporkan kerugian langsung akibat penipuan sebesar lebih dari $500,000, lebih banyak dibandingkan segmen lainnya. Menurut Juniper Research, bisnis di seluruh dunia akan menghabiskan lebih dari $10 miliar setiap tahunnya untuk platform strategi deteksi dan pencegahan penipuan keuangan yang didukung AI pada tahun 2027. Jumlah ini meningkat lebih dari 50% dibandingkan tahun 2022.

Stares mengatakan AI prediktif memungkinkan organisasi keuangan mengoptimalkan proses bisnis. Hal ini akan membebaskan sumber daya dan mendorong pendekatan yang lebih fokus terhadap penipuan. AI dapat memproses jutaan atribut di luar kemampuan manusia untuk memberikan kemampuan prediktif yang efektif dalam pemodelan penipuan di seluruh siklus hidup pelanggan.

“Ada tren yang teridentifikasi, dan kemampuan untuk mengoperasionalkannya dalam platform pengambilan keputusan, menurut saya, adalah kuncinya,” kata Stares.

Serikat kredit memiliki pertimbangan AI yang unik

Secara desain, credit unions dapat menarik berbagai jenis penipuan. Desain cabang dan keanggotaan mereka rentan terhadap penipuan pihak pertama dan identitas. Hal ini juga menarik penipuan rekayasa sosial.

Saat mereka mengintegrasikan solusi pencegahan penipuan digital, credit unions harus menjaga kepercayaan yang tinggi dengan basis lokal mereka. Sistem harus mengurangi kesalahan positif dan memungkinkan klien yang sah untuk bertransaksi dengan lancar. Stares mengatakan sistem berbasis AI harus dibarengi dengan pengambilan keputusan secara real-time untuk memberikan identifikasi dan peringatan dini.

Serikat kredit cenderung memiliki basis klien yang lebih homogen. AI sempurna untuk mengidentifikasi perilaku menyimpang dengan cepat. Semakin banyak data yang dimasukkan ke dalam model, maka semakin cepat pula identifikasi aktivitas yang mencurigakan.

“Penting untuk digabungkan dengan data alternatif,” saran Stares. “Hal ini masuk dan cocok untuk melihat apakah hal ini memiliki sifat prediktif dalam mengidentifikasi penipuan di seluruh siklus hidup seperti penipuan besar-besaran. Memasukkan data KYC dan AML, yang berpotensi menggunakan data berbasis transaksi di mana pelanggan memungkinkan Anda melihat rekening bank dan keuangan mereka yang sebenarnya, akan menjadi indikasi hal-hal yang dapat mendorong penipuan di masa depan. 

“Itulah mengapa teknologi ini penting untuk memasukkan data secara real-time sehingga Anda dapat menggunakan data tersebut… untuk menyempurnakan model atau berpotensi menempatkan model yang dapat Anda jagokan/tantang untuk melihat sifat prediktif dalam mencegah penipuan di seluruh siklus hidup . Jadi peringatan dini adalah kuncinya.”

Penipu juga menggunakan AI. Hal ini membantu mereka dengan cepat beralih ke strategi baru ketika institusi mulai menerapkan taktik mereka. Serikat kredit dapat menggunakannya untuk tujuan yang sama: untuk dengan cepat mengidentifikasi aktivitas yang mencurigakan sebelum dihapuskan sebagai koleksi.

Pertimbangan skala

AI juga berperan dalam konsolidasi serikat kredit dan meningkatkan skalanya. Stares mengatakan penting bagi AI untuk terhubung ke semua database yang relevan, mempertimbangkan kesalahan positif dan melihat semuanya secara total. Data adalah kuncinya. Kembangkan kemahiran dalam memasukkan data dan kemudian menggunakan AI untuk mendeteksi penipuan dengan cepat.

“Menurut saya ukuran tidak penting,” kata Stares. “Ukuran dan skala dapat menyebabkan berbagai jenis serangan penipuan dan jumlah serangan penipuan, namun menurut saya cara Anda menanganinya sama dengan menggunakan AI dengan injeksi data alternatif dan pemrosesan model secara real-time.

“Jika Anda memiliki teknologi yang tepat, dan Anda dapat terhubung ke semua silo dan memasukkan data lain, jalankan semuanya melalui strategi pengambilan keputusan Anda dengan cara yang sama dan perlakukan mereka dengan cara yang sama karena Anda telah mengkonsolidasikan datanya. Saya rasa tidak ada risiko yang berarti. Jika Anda tidak dapat melakukan hal tersebut, mungkin terdapat risiko dalam memperlakukan setiap populasi karena Anda mungkin harus memperlakukan setiap populasi secara berbeda. Dan Anda mungkin memiliki risiko positif palsu yang lebih tinggi.” 

AI prediktif dan sentuhan manusia: Pertimbangan penting

Meskipun AI Generatif semakin banyak menarik perhatian, sebaiknya institusi terlebih dahulu mempertimbangkan AI prediktif. Stares mengatakan hal ini dapat membantu menguji efektivitas berbagai model deteksi penipuan. Misalnya, manakah yang menghasilkan lebih banyak kesalahan positif? Model berbasis AI juga belajar dari kesalahannya dan meningkat seiring waktu.

Meski sentuhan manusia memang ada tempatnya, Stares mengatakan hal itu juga dapat menghambat efektivitas AI. Intervensi manusia didasarkan pada pengalaman. Jika model menjadi terlalu berwawasan ke belakang, kekuatan prediktifnya akan berkurang.

Pengalaman pelanggan yang optimal juga harus dipertahankan. Kesetiaan tidak seperti dulu lagi.

“Loyalitas terhadap lembaga keuangan tidak lagi seperti dulu,” kata Stares. “Tetapi jika Anda dapat memberikan pengalaman dan menyajikan semua poin produk di satu tempat, kemungkinan besar konsumen Anda akan tetap tinggal di sana. 

“Jadi Anda tidak bisa mentransfer risiko ke pengalaman pelanggan. Anda perlu menggunakan AI dan data untuk memitigasi penipuan atau risiko kredit tanpa berdampak pada pelanggan.”

.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; }

• Konten Bertenaga SEO & Distribusi PR. Dapatkan Amplifikasi Hari Ini.
• PlatoData.Jaringan Vertikal Generatif Ai. Berdayakan Diri Anda. Akses Di Sini.
• PlatoAiStream. Intelijen Web3. Pengetahuan Diperkuat. Akses Di Sini.
• PlatoESG. Karbon, teknologi bersih, energi, Lingkungan Hidup, Tenaga surya, Penanganan limbah. Akses Di Sini.
• PlatoHealth. Kecerdasan Uji Coba Biotek dan Klinis. Akses Di Sini.
• Sumber: https://www.fintechnexus.com/ai-as-a-credit-union-fraud-fighting-tool/