Als kunstmatige intelligentie (AI) op de juiste manier wordt ingezet, verbetert het de mogelijkheden van kredietverenigingen om fraude te beslissen. van Provenir EVP voor Noord-Amerika Kathy staart gelooft.

Fraudedetectie en -preventie is een topprioriteit voor kredietverenigingen, omdat zij nadenken over hoe AI de dienstverlening kan verbeteren, waarschijnlijk omdat fraude hen hard treft. Volgens een recent onderzoek rapporteerde 79% van de kredietverenigingen en gemeenschapsbanken meer dan $500,000 aan directe fraudeverliezen, meer dan enig ander segment. Volgens Juniper Research zullen bedrijven over de hele wereld in 10 jaarlijks meer dan 2027 miljard dollar uitgeven aan door AI ondersteunde strategieplatforms voor de detectie en preventie van financiële fraude. Dat is een stijging van meer dan 50% ten opzichte van 2022.

Stares zei dat voorspellende AI financiële organisaties in staat stelt bedrijfsprocessen te optimaliseren. Dat maakt middelen vrij en bevordert een meer gerichte aanpak van fraude. AI kan miljoenen attributen verwerken die de menselijke capaciteit te boven gaan, om voorspellende capaciteiten te leveren die effectief zijn bij fraudemodellering gedurende de hele levenscyclus van de klant.

"Er zijn trends die worden geïdentificeerd, en het vermogen om deze te operationaliseren in een besluitvormingsplatform is volgens mij de sleutel", aldus Stares.

Kredietverenigingen hebben unieke AI-overwegingen

Door hun opzet kunnen kredietverenigingen verschillende soorten fraude aantrekken. Hun branche- en lidmaatschapsontwerp leent zich voor first-party- en identiteitsfraude. Dat trekt ook social engineering-zwendel aan.

Terwijl ze oplossingen voor digitale fraudepreventie integreren, moeten kredietverenigingen een groot vertrouwen behouden bij hun lokale basis. Systemen moeten het aantal valse positieven verminderen en ervoor zorgen dat legitieme klanten naadloos transacties kunnen uitvoeren. Stares zei dat op AI gebaseerde systemen moeten worden gekoppeld aan realtime besluitvorming om vroegtijdige identificatie en waarschuwingen te geven.

Kredietverenigingen hebben doorgaans een homogener klantenbestand. AI is perfect om afwijkend gedrag snel te identificeren. Naarmate het model meer gegevens krijgt, zal het verdachte activiteiten veel sneller identificeren.

"Het is belangrijk om te worden gekoppeld aan alternatieve gegevens", adviseerde Stares. “Dat komt binnen en matcht om te zien of het een voorspellende aard heeft bij het identificeren van fraude gedurende de hele levenscyclus, zoals het uitroeien van fraude. Het invoeren van KYC- en AML-gegevens, mogelijk met behulp van op transacties gebaseerde gegevens waarbij klanten u toestaan ​​om naar hun werkelijke bankrekeningen en financiële gegevens te kijken, zal indicatief zijn voor zaken die toekomstige fraude in de hand kunnen werken. 

“Daarom is de technologie belangrijk om gegevens in realtime te injecteren, zodat je de gegevens kunt gebruiken… om modellen te verbeteren of er mogelijk modellen in te plaatsen, zodat je kunt pleiten/uitdagen om te kijken naar de voorspellende aard van het voorkomen van fraude gedurende de hele levenscyclus . Vroegtijdige waarschuwing is dus cruciaal.”

Fraudeurs maken ook gebruik van AI. Het helpt hen snel over te stappen op nieuwe strategieën, terwijl instellingen hun tactieken onder de knie krijgen. Kredietverenigingen kunnen het voor dezelfde doeleinden gebruiken: om snel verdachte activiteiten te identificeren voordat deze als incasso worden afgeschreven.

Overwegingen bij het schalen

AI speelt ook een rol bij het consolideren en vergroten van schaalgrootte van kredietverenigingen. Stares zei dat het essentieel is dat AI verbonden is met alle relevante databases, rekening houdt met valse positieven en alles in zijn geheel bekijkt. Gegevens zijn essentieel. Ontwikkel vaardigheid in het injecteren van gegevens en gebruik vervolgens AI om snel fraude op te sporen.

'Ik denk niet dat de grootte er toe doet,' zei Stares. “Omvang en schaal kunnen verschillende soorten fraudeaanvallen en het aantal fraudeaanvallen met zich meebrengen, maar ik denk dat de manier waarop je ermee omgaat hetzelfde is bij het gebruik van AI met alternatieve data-injectie en realtime verwerking van modellen.

“Als je over de juiste technologie beschikt, en je kunt verbinding maken met alle silo's en andere gegevens invoeren, voer ze dan op dezelfde manier door je beslissingsstrategieën en behandel ze op dezelfde manier omdat je de gegevens hebt geconsolideerd. Ik denk niet dat er een groot risico bestaat. Als u dat niet kunt doen, zijn er mogelijk risico's verbonden aan het behandelen van elke populatie, omdat u elke populatie anders moet behandelen. En je loopt mogelijk een risico op meer valse positieven.” 

Voorspellende AI en de menselijke maat: belangrijke overwegingen

Hoewel generatieve AI steeds meer buzz genereert, doen instellingen er verstandig aan om eerst voorspellende AI te overwegen. Stares zei dat het kan helpen de effectiviteit van verschillende fraudedetectiemodellen te testen. Welke zorgen bijvoorbeeld voor meer false positives? Op AI gebaseerde modellen leren ook van hun fouten en verbeteren in de loop van de tijd.

En hoewel de menselijke maat zijn plaats heeft, zegt Stares dat dit ook de effectiviteit van AI kan belemmeren. Menselijk ingrijpen is gebaseerd op ervaring. Als modellen te veel naar achteren kijken, neemt hun voorspellende kracht af.

Ook moet een optimale klantervaring behouden blijven. Loyaliteit is niet meer wat het was.

‘Loyaliteit aan een financiële instelling is niet meer wat het ooit was’, merkte Stares op. “Maar als je de ervaring en alle productpunten op één plek kunt bieden, is de kans groot dat je consument daar blijft. 

“Je kunt het risico dus niet overbrengen op de klantervaring. Je moet de AI en de data gebruiken om fraude of kredietrisico te beperken zonder gevolgen voor de klant.”

.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; }

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.fintechnexus.com/ai-as-a-credit-union-fraud-fighting-tool/