Se a inteligência artificial (IA) for devidamente implementada, melhora a capacidade de decisão sobre fraudes das cooperativas de crédito, Provenir's Vice-presidente executivo para a América do Norte Kathy olha fixamente acredita.

A detecção e prevenção de fraudes são uma prioridade máxima para as cooperativas de crédito, pois elas consideram como a IA pode melhorar a prestação de serviços, provavelmente porque a fraude as atinge fortemente. De acordo com uma pesquisa recente, 79% das cooperativas de crédito e bancos comunitários relataram mais de US$ 500,000 mil em perdas diretas por fraude, mais do que qualquer outro segmento. De acordo com a Juniper Research, empresas em todo o mundo gastarão mais de US$ 10 bilhões todos os anos em plataformas de estratégia de prevenção e detecção de fraudes financeiras habilitadas para IA em 2027. Isso representa um aumento de mais de 50% em relação a 2022.

Stares disse que a IA preditiva permite que as organizações financeiras otimizem os processos de negócios. Isso liberta recursos e promove uma abordagem mais focada à fraude. A IA pode processar milhões de atributos além da capacidade humana para fornecer capacidade preditiva eficaz na modelagem de fraudes em todo o ciclo de vida do cliente.

“Existem tendências que são identificadas e a capacidade de operacionalizá-las em uma plataforma de decisão, creio, é o que é fundamental”, disse Stares.

As cooperativas de crédito têm considerações exclusivas de IA

Por definição, as cooperativas de crédito podem atrair diferentes tipos de fraude. O design de sua filial e associação se presta a fraudes de identidade e de terceiros. Isso também atrai golpes de engenharia social.

À medida que integram soluções digitais de prevenção de fraudes, as cooperativas de crédito devem manter uma elevada confiança na sua base localizada. Os sistemas devem diminuir os falsos positivos e permitir que clientes legítimos realizem transações sem problemas. Stares disse que os sistemas baseados em IA devem ser acoplados a decisões em tempo real para fornecer identificação e avisos precoces.

As cooperativas de crédito tendem a ter bases de clientes mais homogêneas. A IA é perfeita para identificar rapidamente comportamentos aberrantes. À medida que o modelo recebe mais dados, ele identificará atividades suspeitas com muito mais rapidez.

“É importante estar associado a dados alternativos”, aconselhou Stares. “Isso é chegar e comparar para ver se tem alguma natureza preditiva na identificação de fraudes ao longo do ciclo de vida, como eliminar fraudes. Colocar dados KYC e AML, potencialmente usando dados baseados em transações onde os clientes permitem que você veja suas contas bancárias e finanças reais, será um indicativo de coisas que podem gerar fraudes futuras. 

“É por isso que a tecnologia é importante para injetar dados em tempo real para que você possa usar os dados... para aprimorar modelos ou potencialmente inserir modelos que você possa defender/desafiar para observar a natureza preditiva da prevenção de fraudes em todo o ciclo de vida . Portanto, o alerta precoce é fundamental.”

Os fraudadores também usam IA. Ajuda-os a migrar rapidamente para novas estratégias à medida que as instituições aderem às suas tácticas. As cooperativas de crédito podem usá-lo para os mesmos fins: identificar rapidamente atividades suspeitas antes de serem baixadas como cobrança.

Considerações de dimensionamento

A IA também desempenha um papel à medida que as cooperativas de crédito se consolidam e ganham escala. Stares disse que é essencial que a IA esteja conectada a todos os bancos de dados relevantes, considerando falsos positivos e olhando tudo na totalidade. Os dados são fundamentais. Desenvolva proficiência na injeção de dados e no uso de IA para detectar fraudes rapidamente.

“Não acho que o tamanho importe”, disse Stares. “O tamanho e a escala podem trazer diferentes tipos de ataques fraudulentos e em número de ataques fraudulentos, mas acho que a maneira como você os lida é a mesma do uso de IA com injeção alternativa de dados e processamento de modelos em tempo real.

“Se você tiver a tecnologia certa e for capaz de se conectar a todos os silos e inserir outros dados, execute-os por meio de suas estratégias de decisão da mesma maneira e trate-os da mesma maneira, porque você consolidou os dados. Não creio que haja um risco significativo. Se você não conseguir fazer isso, pode haver riscos no tratamento de cada população, porque você poderá ter que tratar cada população de maneira diferente. E você pode correr o risco de falsos positivos maiores.” 

IA preditiva e o toque humano: considerações importantes

Embora a IA generativa esteja gerando mais buzz, as instituições devem considerar primeiro a IA preditiva. Stares disse que pode ajudar a testar a eficácia de diferentes modelos de detecção de fraudes. Quais criam mais falsos positivos, por exemplo? Os modelos baseados em IA também aprendem com seus erros e melhoram com o tempo.

E embora o toque humano tenha o seu lugar, Stares disse que também pode prejudicar a eficácia da IA. A intervenção humana é baseada na experiência. Se os modelos se tornarem demasiado retrospectivos, o seu poder preditivo será diluído.

A experiência ideal do cliente também deve ser mantida. A lealdade não é o que costumava ser.

“A lealdade a uma instituição financeira não é mais o que era”, observou Stares. “Mas se você puder oferecer a experiência e todos os pontos do produto em um só lugar, é provável que seu consumidor permaneça lá. 

“Portanto, você não pode transferir o risco para a experiência do cliente. Você precisa usar a IA e os dados para mitigar a fraude ou o risco de crédito sem impactar o cliente.”

.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; }

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://www.fintechnexus.com/ai-as-a-credit-union-fraud-fighting-tool/