Если искусственный интеллект (ИИ) используется правильно, он улучшает возможности кредитных союзов по принятию решений о мошенничестве. Провенир Исполнительный вице-президент по Северной Америке Кэти Старс считает.

Обнаружение и предотвращение мошенничества являются главным приоритетом для кредитных союзов, поскольку они рассматривают, как ИИ может улучшить предоставление услуг, вероятно, потому, что мошенничество сильно бьет по ним. Согласно недавнему опросу, 79% кредитных союзов и общественных банков сообщили о прямых убытках от мошенничества на сумму более 500,000 10 долларов США, больше, чем в любом другом сегменте. По данным Juniper Research, в 2027 году компании по всему миру будут тратить более 50 миллиардов долларов ежегодно на платформы стратегий обнаружения и предотвращения финансового мошенничества с поддержкой искусственного интеллекта. Это более чем на 2022% больше, чем в XNUMX году.

Старс сказал, что прогнозирующий ИИ позволяет финансовым организациям оптимизировать бизнес-процессы. Это высвобождает ресурсы и способствует более целенаправленному подходу к мошенничеству. ИИ может обрабатывать миллионы атрибутов, выходящих за рамки человеческих возможностей, обеспечивая эффективность прогнозирования при моделировании мошенничества на протяжении всего жизненного цикла клиента.

«Есть выявленные тенденции, и я думаю, что способность реализовать их на платформе принятия решений является ключевым моментом», — сказал Старс.

Кредитные союзы имеют уникальные соображения по поводу ИИ

По замыслу кредитные союзы могут привлекать различные виды мошенничества. Структура их филиалов и членства допускает мошенничество с участием первых лиц и личных данных. Это также привлекает мошенников с помощью социальной инженерии.

Интегрируя решения по предотвращению цифрового мошенничества, кредитные союзы должны поддерживать высокое доверие к своей локализованной базе. Системы должны уменьшать количество ложных срабатываний и позволять законным клиентам беспрепятственно совершать транзакции. Старс сказал, что системы на основе искусственного интеллекта должны сочетаться с принятием решений в реальном времени для обеспечения раннего выявления и предупреждения.

Кредитные союзы, как правило, имеют более однородную клиентскую базу. ИИ идеально подходит для быстрого выявления аномального поведения. Поскольку в модель поступает больше данных, она гораздо быстрее выявляет подозрительную активность.

«Важно использовать альтернативные данные», — посоветовал Старс. «Этот анализ проводится и сопоставляется, чтобы увидеть, имеет ли он какой-либо прогнозирующий характер при выявлении мошенничества на протяжении всего жизненного цикла, например, мошенничества с раскрытием. Ввод данных KYC и AML, возможно, с использованием данных на основе транзакций, когда клиенты позволяют вам просматривать их фактические банковские счета и финансовые показатели, будет указывать на то, что может способствовать мошенничеству в будущем. 

«Вот почему важна технология для ввода данных в режиме реального времени, чтобы вы могли использовать эти данные… для улучшения моделей или потенциального внедрения моделей, которые вы можете отстаивать или оспаривать, чтобы взглянуть на прогнозирующий характер предотвращения мошенничества на протяжении всего жизненного цикла». . Поэтому раннее предупреждение имеет ключевое значение».

Мошенники также используют ИИ. Это помогает им быстро перейти к новым стратегиям по мере того, как институты усваивают их тактику. Кредитные союзы могут использовать его для тех же целей: быстро выявить подозрительную деятельность, прежде чем она будет списана как инкассация.

Соображения по масштабированию

ИИ также играет роль в консолидации и расширении масштабов кредитных союзов. Старс сказал, что очень важно, чтобы ИИ был подключен ко всем соответствующим базам данных, учитывал ложные срабатывания и рассматривал все в совокупности. Данные имеют ключевое значение. Развивайте навыки внедрения данных, а затем использования ИИ для быстрого обнаружения мошенничества.

«Я не думаю, что размер имеет значение», — сказал Старс. «Размер и масштаб могут привести к различным типам и количеству мошеннических атак, но я думаю, что вы справляетесь с ними так же, как и при использовании ИИ с альтернативным вводом данных и обработкой моделей в реальном времени.

«Если у вас есть подходящая технология, и вы можете подключиться ко всем хранилищам и ввести другие данные, пропустите их через свои стратегии принятия решений одинаково и относитесь к ним одинаково, потому что вы консолидировали данные. Я не думаю, что существует серьезный риск. Если вы не можете этого сделать, лечение каждой популяции может быть сопряжено с риском, поскольку вам, возможно, придется относиться к каждой популяции по-разному. И у вас может быть риск более высоких ложных срабатываний». 

Прогнозирующий искусственный интеллект и человеческий фактор: важные соображения

Хотя генеративный ИИ вызывает все больше шума, учреждениям разумно сначала рассмотреть возможность прогнозирующего ИИ. Старс сказал, что это может помочь проверить эффективность различных моделей обнаружения мошенничества. Например, какие из них создают больше ложных срабатываний? Модели на основе искусственного интеллекта также учатся на своих ошибках и со временем совершенствуются.

И хотя человеческое участие имеет свое место, по словам Старса, оно также может снизить эффективность ИИ. Вмешательство человека основано на опыте. Если модели становятся слишком ретроспективными, их предсказательная сила снижается.

Также необходимо поддерживать оптимальное качество обслуживания клиентов. Лояльность уже не та, что раньше.

«Лояльность к финансовому учреждению уже не та, что была раньше», — заметил Старс. «Но если вы можете предоставить опыт и предоставить все преимущества продукта в одном месте, ваш потребитель, скорее всего, останется там. 

«Поэтому вы не можете переложить риск на качество обслуживания клиентов. Вам необходимо использовать ИИ и данные, чтобы уменьшить мошенничество или кредитный риск, не влияя при этом на клиента».

.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-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: https://www.fintechnexus.com/ai-as-a-credit-union-fraud-fighting-tool/