인공지능(AI)이 제대로 활용되면 신용협동조합의 사기판단 능력이 향상되고, Provenir의 북미 EVP 캐시 응시 믿습니다.

사기 탐지 및 예방은 사기가 큰 타격을 주기 때문에 AI가 서비스 제공을 개선할 수 있는 방법을 고려하는 신용 ​​조합의 최우선 과제입니다. 최근 조사에 따르면 신용 조합과 지역 은행의 79%가 직접 사기로 인한 손실이 500,000만 달러 이상이라고 보고했는데, 이는 다른 부문보다 더 많은 수치입니다. Juniper Research에 따르면 10년에는 전 세계 기업이 AI 기반 금융 사기 탐지 및 예방 전략 플랫폼에 매년 2027억 달러 이상을 지출할 것으로 예상됩니다. 이는 50년보다 2022% 이상 증가한 수치입니다.

Stares는 예측 AI를 통해 금융 조직이 비즈니스 프로세스를 최적화할 수 있다고 말했습니다. 이를 통해 리소스를 확보하고 사기에 대한 보다 집중적인 접근 방식을 조성할 수 있습니다. AI는 인간의 능력을 넘어서는 수백만 가지 속성을 처리하여 고객 라이프사이클 전반에 걸쳐 사기 모델링에 효과적인 예측 기능을 제공할 수 있습니다.

Stares는 “식별된 추세가 있으며 이를 의사 결정 플랫폼에서 운영하는 능력이 핵심이라고 생각합니다.”라고 말했습니다.

신용조합은 고유한 AI 고려 사항을 가지고 있습니다.

의도적으로 신용조합은 다양한 사기 유형을 유인할 수 있습니다. 그들의 지점 및 멤버십 디자인은 당사자 및 신원 사기에 적합합니다. 이는 또한 사회 공학 사기를 불러일으킵니다.

디지털 사기 방지 솔루션을 통합함에 따라 신용협동조합은 현지화된 기반을 통해 높은 신뢰를 유지해야 합니다. 시스템은 오탐지를 줄이고 합법적인 클라이언트가 원활하게 거래할 수 있도록 해야 합니다. Stares는 AI 기반 시스템이 조기 식별 및 경고를 제공하기 위해 실시간 의사결정과 결합되어야 한다고 말했습니다.

신용조합은 보다 동질적인 고객 기반을 갖는 경향이 있습니다. AI는 비정상적인 행동을 신속하게 식별하는 데 적합합니다. 모델에 더 많은 데이터가 제공되면 의심스러운 활동을 훨씬 더 빠르게 식별할 수 있습니다.

Stares는 “대체 데이터와 결합하는 것이 중요합니다.”라고 조언했습니다. “이는 사기 중단과 같은 수명주기 전반에 걸쳐 사기를 식별하는 데 예측 특성이 있는지 확인하기 위해 들어와 일치하는 것입니다. 고객이 실제 은행 계좌와 금융 정보를 볼 수 있는 거래 기반 데이터를 잠재적으로 사용하여 KYC 및 AML 데이터를 입력하는 것은 향후 사기를 움직일 수 있는 징후가 될 것입니다. 

“이것이 데이터를 실시간 방식으로 주입하여 모델을 향상하거나 잠재적으로 모델을 삽입하여 라이프사이클 전반에 걸쳐 사기를 예방하는 예측 특성을 살펴보는 챔피언/챌린저가 될 수 있는 기술이 중요한 이유입니다. . 따라서 조기 경고가 중요합니다.”

사기꾼도 AI를 사용합니다. 이는 기관이 전술을 따라잡으면서 새로운 전략으로 신속하게 전환하는 데 도움이 됩니다. 신용 조합은 이를 동일한 목적으로 사용할 수 있습니다. 즉, 추심으로 처리되기 전에 의심스러운 활동을 신속하게 식별하는 것입니다.

확장 고려 사항

AI는 신용조합이 통합되고 규모를 확대하는 역할도 합니다. Stares는 AI가 모든 관련 데이터베이스에 연결되어 오탐을 고려하고 모든 것을 전체적으로 살펴보는 것이 필수적이라고 말했습니다. 데이터가 핵심입니다. 데이터를 주입한 후 AI를 사용하여 신속하게 사기를 탐지하는 능력을 키우세요.

Stares는 “크기는 중요하지 않다고 생각합니다.”라고 말했습니다. “크기와 규모에 따라 사기 공격 유형과 횟수가 달라질 수 있지만 이를 처리하는 방식은 대체 데이터 주입 및 모델 실시간 처리 기능을 갖춘 AI를 사용하는 것과 동일하다고 생각합니다.

“적절한 기술이 있고 모든 사일로에 연결하고 다른 데이터를 입력할 수 있다면 데이터를 통합했기 때문에 동일한 의사 결정 전략을 통해 이를 실행하고 동일한 방식으로 처리하십시오. 큰 위험은 없다고 생각합니다. 그렇게 할 수 없는 경우 각 인구를 다르게 치료해야 할 수 있으므로 각 인구를 치료하는 데 위험이 있을 수 있습니다. 그리고 오탐률이 더 높아질 위험이 있습니다.” 

예측 AI와 인간적 접촉: 중요한 고려사항

제너레이티브 AI(Generative AI)가 더 많은 관심을 불러일으키는 동안 기관에서는 예측 AI를 먼저 고려하는 것이 현명합니다. Stares는 다양한 사기 탐지 모델의 효율성을 테스트하는 데 도움이 될 수 있다고 말했습니다. 예를 들어, 어떤 것이 더 많은 오탐지를 생성합니까? AI 기반 모델은 실수로부터 학습하고 시간이 지남에 따라 개선됩니다.

그리고 인간의 손길은 그 자리를 차지하지만 AI의 효율성을 방해할 수도 있다고 Stares는 말했습니다. 인간의 개입은 경험에 기초합니다. 모델이 너무 과거 지향적이 되면 예측력이 약화됩니다.

최적의 고객 경험도 유지되어야 합니다. 충성심은 예전과 다릅니다.

Stares는 “금융 기관에 대한 충성도는 예전과 같지 않습니다.”라고 말했습니다. “그러나 경험을 제공하고 제품의 모든 포인트를 한 곳에서 제공할 수 있다면 소비자는 그 곳에 머물 가능성이 높습니다. 

“따라서 고객 경험에 위험을 전가할 수는 없습니다. 고객에게 영향을 주지 않고 사기나 신용 위험을 완화하려면 AI와 데이터를 사용해야 합니다.”

.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; }

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://www.fintechnexus.com/ai-as-a-credit-union-fraud-fighting-tool/