Nếu trí tuệ nhân tạo (AI) được triển khai đúng cách, nó sẽ cải thiện khả năng ra quyết định gian lận của các tổ chức tín dụng, Chứng minh EVP cho Bắc Mỹ Kathy nhìn chằm chằm tin tưởng

Phát hiện và ngăn chặn gian lận là ưu tiên hàng đầu của các tổ chức tín dụng khi họ xem xét cách AI có thể cải thiện việc cung cấp dịch vụ, có thể là do gian lận ảnh hưởng nặng nề đến họ. Theo một cuộc khảo sát gần đây, 79% công đoàn tín dụng và ngân hàng cộng đồng đã báo cáo thiệt hại trực tiếp do gian lận hơn 500,000 USD, nhiều hơn bất kỳ phân khúc nào khác. Theo Juniper Research, các doanh nghiệp trên toàn cầu sẽ chi hơn 10 tỷ USD mỗi năm cho các nền tảng chiến lược ngăn chặn và phát hiện gian lận tài chính hỗ trợ AI vào năm 2027. Con số này tăng hơn 50% so với năm 2022.

Stares cho biết AI dự đoán cho phép các tổ chức tài chính tối ưu hóa quy trình kinh doanh. Điều đó giải phóng nguồn lực và thúc đẩy cách tiếp cận tập trung hơn vào gian lận. AI có thể xử lý hàng triệu thuộc tính vượt quá khả năng của con người để mang lại khả năng dự đoán hiệu quả trong việc lập mô hình gian lận trong suốt vòng đời của khách hàng.

Stares nói: “Tôi nghĩ có những xu hướng đã được xác định và khả năng vận hành những xu hướng đó trong một nền tảng ra quyết định mới là điều quan trọng”.

Các hiệp hội tín dụng có những cân nhắc về AI độc đáo

Theo thiết kế, các tổ chức tín dụng có thể thu hút các loại gian lận khác nhau. Thiết kế chi nhánh và thành viên của họ tạo điều kiện thuận lợi cho việc gian lận danh tính và bên thứ nhất. Điều đó cũng thu hút các vụ lừa đảo kỹ thuật xã hội.

Khi tích hợp các giải pháp ngăn chặn gian lận kỹ thuật số, các hiệp hội tín dụng phải duy trì sự tin cậy cao với cơ sở địa phương của họ. Hệ thống phải giảm các kết quả dương tính giả và cho phép khách hàng hợp pháp giao dịch liền mạch. Stares cho biết các hệ thống dựa trên AI phải được kết hợp với việc ra quyết định theo thời gian thực để đưa ra nhận dạng và cảnh báo sớm.

Các tổ chức tín dụng có xu hướng có cơ sở khách hàng đồng nhất hơn. AI là công cụ hoàn hảo để nhanh chóng xác định hành vi bất thường. Khi mô hình được cung cấp nhiều dữ liệu hơn, nó sẽ xác định hoạt động đáng ngờ nhanh hơn nhiều.

“Điều quan trọng là phải kết hợp với dữ liệu thay thế,” Stares khuyên. “Điều đó đang được đưa vào và đối sánh để xem liệu nó có bất kỳ tính chất dự đoán nào trong việc xác định gian lận trong suốt vòng đời như gian lận triệt phá hay không. Việc đưa dữ liệu KYC và AML, có khả năng sử dụng dữ liệu dựa trên giao dịch nơi khách hàng cho phép bạn xem tài khoản ngân hàng và tài chính thực tế của họ, sẽ là dấu hiệu cho thấy những điều có thể gây ra gian lận trong tương lai. 

“Đó là lý do tại sao công nghệ này quan trọng trong việc đưa dữ liệu theo thời gian thực để bạn có thể sử dụng dữ liệu… nhằm nâng cao các mô hình hoặc có khả năng đưa các mô hình vào đó mà bạn có thể vô địch/thách thức để xem xét bản chất dự đoán của việc ngăn chặn gian lận trong suốt vòng đời . Vì vậy, cảnh báo sớm là điều quan trọng.”

Những kẻ lừa đảo cũng sử dụng AI. Nó giúp họ nhanh chóng chuyển sang các chiến lược mới khi các tổ chức bắt kịp chiến thuật của họ. Các hiệp hội tín dụng có thể sử dụng thông tin này cho các mục đích tương tự: để nhanh chóng xác định hoạt động đáng ngờ trước khi nó bị coi là thu nợ.

Cân nhắc mở rộng quy mô

AI cũng đóng vai trò giúp các tổ chức tín dụng củng cố và mở rộng quy mô. Stares cho biết điều cần thiết là AI phải được kết nối với tất cả các cơ sở dữ liệu có liên quan, xem xét các kết quả dương tính giả và xem xét mọi thứ một cách tổng thể. Dữ liệu là chìa khóa. Phát triển khả năng thành thạo trong việc tiêm dữ liệu và sau đó sử dụng AI để nhanh chóng phát hiện gian lận.

“Tôi không nghĩ kích thước là vấn đề,” Stares nói. “Quy mô và quy mô có thể mang đến các loại tấn công gian lận khác nhau và số lượng các cuộc tấn công gian lận, nhưng tôi nghĩ cách bạn xử lý chúng cũng giống như cách bạn sử dụng AI với việc tiêm dữ liệu thay thế và xử lý mô hình theo thời gian thực.

“Nếu bạn có công nghệ phù hợp và có thể kết nối với tất cả các silo và đưa vào dữ liệu khác, hãy chạy chúng thông qua các chiến lược ra quyết định giống nhau và xử lý chúng theo cách tương tự vì bạn đã hợp nhất dữ liệu. Tôi không nghĩ có nguy cơ đáng kể. Nếu bạn không thể làm được điều đó thì việc đối xử với từng quần thể có thể gặp rủi ro vì bạn có thể phải đối xử với mỗi quần thể một cách khác nhau. Và bạn có thể có nguy cơ dương tính giả cao hơn.” 

AI dự đoán và sự tiếp xúc của con người: Những cân nhắc quan trọng

Trong khi AI sáng tạo đang tạo ra nhiều tiếng vang hơn, các tổ chức nên khôn ngoan trước tiên khi xem xét AI dự đoán. Stares cho biết nó có thể giúp kiểm tra tính hiệu quả của các mô hình phát hiện gian lận khác nhau. Ví dụ, cái nào tạo ra nhiều kết quả dương tính giả hơn? Các mô hình dựa trên AI cũng học hỏi từ những sai lầm của mình và cải thiện theo thời gian.

Và mặc dù sự tiếp xúc của con người có vai trò của nó nhưng Stares cho biết nó cũng có thể cản trở tính hiệu quả của AI. Sự can thiệp của con người dựa trên kinh nghiệm. Nếu các mô hình trở nên quá lạc hậu, khả năng dự đoán của chúng sẽ bị giảm sút.

Trải nghiệm khách hàng tối ưu cũng phải được duy trì. Lòng trung thành không còn như trước nữa.

Stares nhận xét: “Lòng trung thành với một tổ chức tài chính không còn như xưa nữa”. “Nhưng nếu bạn có thể cung cấp trải nghiệm và cung cấp tất cả các ưu điểm của sản phẩm ở một nơi, thì người tiêu dùng của bạn có thể sẽ ở lại đó. 

“Vì vậy, bạn không thể chuyển rủi ro sang trải nghiệm của khách hàng. Bạn cần sử dụng AI và dữ liệu để giảm thiểu rủi ro gian lận hoặc tín dụng mà không ảnh hưởng đến khách hàng.”

.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; }

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://www.fintechnexus.com/ai-as-a-credit-union-fraud-fighting-tool/