Hvis kunstig intelligens (AI) er riktig distribuert, forbedrer det kredittforeningers evne til å avgjøre svindel, Provenirs EVP for Nord-Amerika Kathy Stares mener.

Oppdagelse og forebygging av svindel er en topp prioritet for kredittforeninger ettersom de vurderer hvordan AI kan forbedre tjenesteleveringen, sannsynligvis fordi svindel rammer dem hardt. I følge en fersk undersøkelse rapporterte 79% av kredittforeninger og samfunnsbanker mer enn $500,000 10 i direkte svindeltap, mer enn noe annet segment. Ifølge Juniper Research vil bedrifter over hele verden bruke mer enn 2027 milliarder dollar hvert år på AI-aktiverte plattformer for finansiell svindeloppdagelse og forebyggingsstrategi i 50. Det er en økning på mer enn 2022 % fra XNUMX.

Stares sa at prediktiv kunstig intelligens gjør det mulig for finansielle organisasjoner å optimalisere forretningsprosesser. Det frigjør ressurser og fremmer en mer fokusert tilnærming til svindel. AI kan behandle millioner av attributter utover menneskelig evne for å levere prediktiv evne som er effektiv i svindelmodellering gjennom hele kundens livssyklus.

"Det er trender som er identifisert, og evnen til å operasjonalisere dem i en beslutningsplattform tror jeg er nøkkelen," sa Stares.

Kredittforeninger har unike AI-hensyn

Ved design kan kredittforeninger tiltrekke seg forskjellige svindeltyper. Filial- og medlemsdesignet deres egner seg til førsteparts- og identitetssvindel. Det tiltrekker også sosial ingeniørsvindel.

Ettersom de integrerer digitale svindelforebyggende løsninger, må kredittforeninger opprettholde høy tillit til sin lokaliserte base. Systemer må redusere falske positiver og tillate legitime kunder å handle sømløst. Stares sa at AI-baserte systemer må kombineres med sanntidsbeslutninger for å levere tidlig identifikasjon og advarsler.

Kredittforeninger har en tendens til å ha mer homogene kundebaser. AI er perfekt for raskt å identifisere avvikende atferd. Ettersom modellen mates med mer data, vil den identifisere mistenkt aktivitet mye raskere.

"Det er viktig å være kombinert med alternative data," rådet Stares. "Det kommer inn og matcher for å se om det har noen prediktiv natur når det gjelder å identifisere svindel over hele livssyklusen, for eksempel svindel uten å bli kvitt. Å legge inn KYC- og AML-data, potensielt ved å bruke transaksjonsbaserte data der kunder lar deg se på deres faktiske bankkontoer og økonomi, vil være en indikasjon på ting som kan flytte fremtidig svindel. 

"Det er derfor teknologien er viktig for å injisere data i sanntid slik at du kan bruke dataene ... til å forbedre modeller eller potensielt sette inn modeller som du kan forkjempe/utfordre å se på den prediktive naturen til å forhindre svindel gjennom hele livssyklusen . Så tidlig varsling er nøkkelen.»

Svindlere bruker også AI. Det hjelper dem raskt å omstille seg til nye strategier ettersom institusjoner tar tak i taktikken deres. Kredittforeninger kan bruke det til samme formål: å raskt identifisere mistenkt aktivitet før den avskrives som en samling.

Skaleringshensyn

AI spiller også en rolle når kredittforeninger konsoliderer seg og får skala. Stares sa at det er viktig for AI å være koblet til alle relevante databaser, vurderer falske positiver og ser på alt i en helhet. Data er nøkkelen. Utvikle ferdigheter i å injisere data og deretter bruke AI for raskt å oppdage svindel.

"Jeg tror ikke størrelsen betyr noe," sa Stares. "Størrelse og skala kan føre til ulike typer svindelangrep og antall svindelangrep, men jeg tror måten du håndterer dem på er den samme med bruk av AI med alternativ datainjeksjon og sanntidsbehandling av modeller.

"Hvis du har riktig teknologi, og du er i stand til å koble til alle siloene og legge inn andre data, kjør dem gjennom beslutningsstrategiene dine på samme måte og behandle dem på samme måte fordi du har konsolidert dataene. Jeg tror ikke det er noen vesentlig risiko. Hvis du ikke klarer det, kan det være risiko ved å behandle hver populasjon fordi du kan måtte behandle hver populasjon annerledes. Og du kan ha en risiko for høyere falske positiver.» 

Prediktiv AI og menneskelig berøring: Viktige hensyn

Mens Generativ AI genererer mer buzz, gjør institusjoner klokt i å først vurdere prediktiv AI. Stares sa at det kan hjelpe til med å teste effektiviteten til forskjellige svindeloppdagingsmodeller. Hvilke skaper for eksempel flere falske positiver? AI-baserte modeller lærer også av sine feil og forbedrer seg over tid.

Og mens den menneskelige berøringen har sin plass, sa Stares at den også kan hemme AIs effektivitet. Menneskelig intervensjon er basert på erfaring. Hvis modellene blir for bakoverskuende, blir deres prediksjonskraft utvannet.

Optimal kundeopplevelse må også opprettholdes. Lojalitet er ikke hva det pleide å være.

"Lojalitet til en finansinstitusjon er ikke hva den en gang var," observerte Stares. "Men hvis du kan gi opplevelsen og gi alle produktpunktene på ett sted, vil forbrukeren sannsynligvis bli der. 

«Så du kan ikke overføre risikoen til kundeopplevelsen. Du må bruke AI og dataene for å redusere svindel eller kredittrisiko uten å påvirke kunden.»

.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-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://www.fintechnexus.com/ai-as-a-credit-union-fraud-fighting-tool/