In che modo American Express utilizza l’intelligenza artificiale per migliorare la sicurezza: intervista a Rajat Jain, responsabile globale per la strategia di identità e autenticazione di American Express
American Express è da anni leader nell’utilizzo dell’intelligenza artificiale e delle tecnologie cognitive. In qualità di istituto di servizi finanziari globale con una base di clienti fedeli, mantenere i conti dei propri clienti sicuri e protetti è sempre stata la massima priorità. Essere in grado di individuare e fermare le frodi è stata una priorità per American Express per parecchio tempo. Negli ultimi anni, l’uso dell’intelligenza artificiale ha aiutato l’azienda a far avanzare davvero i propri sforzi di rilevamento delle frodi.
Rajat Jain, VP Fraud & Risk Management, American Express
Rajat Jain, VP Fraud & Risk Management, American Express RAJAT JAIN
Rajat Jain, Global Head for Identity and Authentication Strategy di American Express, è stato recentemente nel podcast AI Today . Ha condiviso come il machine learning può essere applicato con successo per rilevare e individuare le frodi, come l’intelligenza artificiale e il machine learning vengono utilizzati per l’esperienza complessiva del cliente in American Express e alcune intuizioni sorprendenti sull’adozione dell’IA. Condividerà anche le sue intuizioni alla prossima conferenza virtuale Data for AI Week . In un’intervista per questo articolo, condivide alcune delle sue intuizioni su come American Express sta applicando l’intelligenza artificiale e l’apprendimento automatico (ML), rimanendo in prima linea nel rilevamento delle frodi e alcune intuizioni sorprendenti su come l’IA è stata applicata ad Amex.
Da quanto tempo American Express applica AI e ML nei suoi vari processi?
Rajat Jain: All’inizio, la leadership di American Express ha riconosciuto la necessità e il valore dell’analisi dei dati e della tecnologia, che hanno guidato la nostra trasformazione dell’apprendimento automatico attraverso rischi, marketing e assistenza. Nel 2010 abbiamo iniziato a ricercare tecniche di apprendimento automatico e a valutarne il potenziale nei processi aziendali principali, tra cui l’analisi del rischio di credito e il rilevamento delle frodi. Nel 2014 abbiamo implementato la prima applicazione su larga scala di modelli di machine learning per il rilevamento delle frodi e abbiamo riscontrato un miglioramento immediato del 30% nel rilevamento rispetto ai precedenti modelli non di machine learning.
La nostra incessante attenzione all’eliminazione delle frodi ha portato Amex a mantenere i tassi di frode più bassi del settore per tredici anni consecutivi, secondo The Nilson Report – infatti, vediamo perdite a metà del tasso di altre reti principali.
Raccomandato per te
In che modo American Express utilizza tecniche avanzate di apprendimento automatico per il rilevamento delle frodi?
Rajat Jain: Cerchiamo di utilizzare le più recenti e sofisticate tecniche di apprendimento automatico per proteggere i nostri tesserati e commercianti dalle frodi. I nostri algoritmi di apprendimento automatico monitorano in tempo reale ogni singola transazione American Express in tutto il mondo: si tratta di oltre $ 1,2 trilioni all’anno e generiamo una decisione di frode in pochi millisecondi. Una delle tecniche che utilizziamo per monitorare le frodi è l’RNN sequenziale. I dati vengono analizzati in sequenza per comprendere la relazione tra le transazioni per identificare più rapidamente la spesa che non ha senso o è ciò che chiamiamo “fuori schema”. Semplicisticamente parlando, se un cliente fa un acquisto di caffè a New York alle 10:00 e alle 10:05 acquista un serbatoio di benzina fuori Los Angeles, sapremo subito che la carta è stata compromessa.
Rajat Jain: Per decenni, le società di servizi finanziari sono state tra le prime ad adottare i più recenti metodi analitici, rimanendo un passo avanti rispetto ai truffatori al fine di proteggere le informazioni personali e dell’account dei loro clienti. Il settore finanziario è ancora all’avanguardia e, a mio parere, nessun singolo progresso ha spostato il tasso di successo nell’arresto delle frodi più dell’apprendimento automatico. L’apprendimento automatico presenta tre vantaggi chiave rispetto ai precedenti modelli di regressione logistica:
Cattura tendenze e interazioni non lineari tra le variabili in modo più efficace con conseguente maggiore precisione
Implementazione rapida di un’unica soluzione di modellazione globale che consente l’agilità e l’acquisizione delle tendenze di migrazione geografica
Rilascia la larghezza di banda del team che può essere investita nel progresso della scienza dei dati
Come vengono utilizzati AI e ML per migliorare l’esperienza complessiva del cliente in American Express?
Rajat Jain: L’ innovazione del machine learning in Amex sta guidando l’ottimizzazione dell’applicazione più non tecnica: il servizio clienti di livello mondiale. Avere le spalle dei nostri titolari di carta è la nostra massima priorità e mantenere bassi i nostri tassi di frode è la chiave per raggiungere questo obiettivo. Centinaia di miliardi di punti dati e miliardi di decisioni ogni anno confluiscono in un sistema che fornisce ai consumatori e alle aziende ciò che conta di più nel mondo di oggi: modalità di pagamento sicure, decisioni più rapide, comunicazioni con i clienti in tempo reale e protezione dalle frodi e assistenza.
In che modo pensi che l’uso di AI e ML influenzi l’esperienza complessiva del cliente?
Rajat Jain: È essenziale collegare tutti i punti nei nostri dati, in modo da poter essere impareggiabili nel fornire la migliore esperienza al mondo ogni giorno. Oggi, questo significa mostrare ai nostri clienti che li conosciamo, comprendiamo le loro esigenze e, in definitiva, diamo loro le spalle in ogni interazione digitale che abbiamo con loro. Ad esempio, utilizziamo l’apprendimento automatico per rilevare e quindi fornire notifiche digitali in tempo reale di attività fraudolente ai membri della nostra carta che si iscrivono. Abbiamo reso più facile che mai per i membri della nostra carta monitorare i loro account per attività fraudolente attraverso questi avvisi che vengono consegnati in tempo reale tramite e-mail, messaggio di testo e notifica push dell’app mobile.
Quali sono alcuni spunti interessanti o sorprendenti che puoi condividere sull’uso dell’intelligenza artificiale da parte di American Express?
Rajat Jain: il team di scienza dei dati di American Express è composto da scienziati di dati di MS e PhD che non sono mai soddisfatti del loro status quo; aggiornano costantemente le loro abilità. In un campo in continua evoluzione, American Express riconosce che l’unico modo per avere successo è l’apprendimento continuo e la sperimentazione nelle tecniche emergenti. Il team valuta regolarmente i punti di forza e di debolezza dei nostri modelli e trova modi per innovare per conto dei clienti. In effetti, il mese prossimo, lanceremo il modello di frode di generazione X, che includerà le nostre ultime innovazioni per catturare ancora più frodi.
Quali sono i principali limiti nell’applicazione di AI e ML ai processi bancari?
Rajat Jain: Tutto ciò che facciamo è al servizio del cliente e con le spalle. Per noi, questo significa che i limiti nell’applicazione dell’apprendimento automatico ai processi bancari dipendono davvero dal fatto che una nuova tecnica analitica ci aiuterà effettivamente a portare avanti la nostra missione di fornire il miglior servizio clienti del mondo ogni giorno. È facile entusiasmarsi per le ultime ricerche e progressi nella scienza dei dati, ma si tratta di studi teorici e accademici. Operiamo nel mondo reale in cui le decisioni che prendiamo influiscono sulla sicurezza dei conti dei nostri membri della carta, quindi quando applichiamo un nuovo tipo di tecnica di intelligenza artificiale sappiamo che può essere implementata nella produzione e fornire i risultati che i nostri clienti si aspettano.
Puoi condividere con noi quali considerazioni sui dati devono essere prese in Amex quando si creano modelli ML?
Rajat Jain: Diciamo sempre che non tutti i modelli di machine learning sono creati uguali e una delle cose che distinguono il nostro modello sono i dati che utilizziamo al suo interno. American Express ha una presenza globale nell’intera catena dei pagamenti, poiché operiamo come emittente di carte, acquirente di commercianti e rete. Questa “rete a circuito chiuso” ci offre un vantaggio nella lotta alle frodi combinando il nostro vasto set di dati con i nostri esperti in materia altamente qualificati e formati e un algoritmo di apprendimento automatico all’avanguardia. Abbiamo visibilità su un’enorme quantità di dati sia dagli esercenti che dai membri delle carte, il che ci consente di agire più rapidamente di altre reti ed emittenti per identificare e bloccare i casi di frode prima che raggiungano livelli sostanziali.
In che modo American Express garantisce la privacy dei clienti e la riservatezza dei dati durante la creazione di modelli ML?
Rajat Jain: American Express riconosce l’importanza di mantenere la fiducia dei consumatori e ha un impegno forte e di lunga data per la privacy e la sicurezza dei dati. Proteggiamo i dati personali in conformità con i nostri principi sulla protezione dei dati e sulla privacy e le norme aziendali vincolanti, nonché le leggi applicabili, i nostri contratti e altre politiche interne.
Quali tecnologie di intelligenza artificiale attendi di più nei prossimi anni?
Rajat Jain: In generale, vedo che stiamo appena iniziando a grattare la superficie quando si tratta di abilitare previsioni su set di dati sequenziali. L’intelligenza artificiale deve ancora ricucire efficacemente al 100% una sequenza di eventi in questo modo, quindi sono entusiasta di vedere come i progressi in quest’area miglioreranno l’esperienza del cliente. Per quanto riguarda il modo in cui combatteremo le frodi nei prossimi anni, continueremo a raddoppiare i nostri controlli offensivi e difensivi per contrastare nuove minacce, continuando a valutare nuove tecniche e applicare quelle che offrono una migliore protezione dalle frodi.
