I primi 9 modi in cui l’intelligenza artificiale impedisce la frode
Louis Columbus
Motori basati su regole e semplici modelli predittivi potrebbero identificare la maggior parte dei tentativi di frode in passato, tuttavia non sono al passo con la scala e la gravità dei tentativi di frode oggi. I tentativi di frode e le violazioni sono più sfumati, con criminalità organizzata e gruppi sponsorizzati dallo stato che utilizzano algoritmi di apprendimento automatico per trovare nuovi modi per frodare le aziende digitali. Gli attacchi basati su frodi hanno un modello, una sequenza e una struttura completamente diversi, che li rendono non rilevabili utilizzando la logica basata su regole ei soli modelli predittivi.
AI è una partita perfetta per le sfide della lotta alle frodi
Ciò che è necessario per contrastare le frodi e fermare l’esfiltrazione di dati di transazione preziosi sono le piattaforme di apprendimento automatico e di apprendimento automatico in grado di combinare l’apprendimento automatico supervisionato e non supervisionato in grado di fornire un punteggio ponderato per qualsiasi attività di business digitale in meno di un secondo. L’intelligenza artificiale è la soluzione perfetta per la rapida escalation di tentativi di frode sfumati e altamente sofisticati. I sistemi di prevenzione delle frodi possono esaminare anni e in alcuni casi, decenni di dati sulle transazioni in una velocità di risposta di 250 millisecondi per calcolare i punteggi di rischio utilizzando l’intelligenza artificiale. Prendendo questo approccio integrativo in tempo reale per l’intelligenza artificiale in un business digitale, si ottengono punteggi che sono del 200% più predittivi in base alla ricerca interna completata da Kount .Di recente hanno annunciato la loro soluzione di prevenzione delle frodi basata sulla IA di prossima generazione e una nuova funzione di punteggio, Omniscore . Omniscore incorpora le componenti più predittive dell’apprendimento automatico supervisionato e dell’apprendimento automatico non supervisionato e di fattori predittivi aggiuntivi in un unico punteggio.
Ciò che rende Omniscore degno di nota è il modo in cui Kount è stato in grado di elaborare algoritmi di apprendimento automatico che tengono conto dei dati storici, apprendimento macchina supervisionato addestrato utilizzando la rete dati universale di Kount che include miliardi di transazioni in 12 anni, 6.500 clienti, oltre 180 paesi e territori, e più reti di pagamento. Il risultato è un punteggio di rischio o un livello di sicurezza delle transazioni che qualsiasi azienda digitale può fare immediatamente affidamento per ridurre le frodi.
I primi 9 modi in cui l’intelligenza artificiale impedisce la frode
Il futuro della prevenzione delle frodi basata sull’IA si basa sulla combinazione di apprendimento automatico supervisionato e non supervisionato. L’apprendimento automatico supervisionato eccelle nell’esaminare eventi, fattori e tendenze del passato. I dati storici addestrano i modelli di apprendimento automatico supervisionati per trovare modelli non rilevabili con regole o analisi predittiva. L’apprendimento automatico senza supervisione è esperto nel trovare anomalie, interrelazioni e collegamenti validi tra fattori e variabili emergenti. La combinazione di apprendimento automatico senza supervisione e supervisione definisce il futuro della prevenzione delle frodi basata su AI ed è la base dei primi nove modi in cui l’IA impedisce le frodi:
L’IA sta ridefinendo la prevenzione delle frodi basandosi solo sulle esperienze passate per tenere conto delle attività, dei comportamenti e delle tendenze emergenti nelle anomalie delle transazioni. Prima dell’IA, i sistemi di prevenzione delle frodi si baserebbero su regole sole, che eccellono nell’analizzare modelli di frodi precedenti senza fornire informazioni sul futuro. Combinando algoritmi di apprendimento supervisionati formati su dati storici con apprendimento non supervisionato, le aziende digitali acquisiscono un maggiore livello di acuità e chiarezza sul rischio relativo dei comportamenti dei clienti. Le decisioni di accettare o rifiutare il pagamento, interrompere l’attività fraudolenta per limitare i chargeback e ridurre i rischi sono ora possibili, grazie all’IA.
L’intelligenza artificiale consente di rilevare attacchi di frode in tempo reale e di dover aspettare sei o otto settimane prima che i chargeback inizino a entrare. La capacità di AI di rilevare attacchi di frode in meno di un secondo utilizzando tecnologie di valutazione avanzate basate su AI come Omniscore è il futuro di gestione delle frodi. Quando un business digitale si basa solo sull’apprendimento strutturato e sulle regole, i nuovi attacchi sono molto difficili da individuare. Gli storni di addebiti sono passati da 6 a 8 settimane dopo che la frode è avvenuta e le aziende digitali si affrettano ad aggiornare i propri motori di regole. Equilibrando l’apprendimento supervisionato e senza supervisione, l’IA allevia la necessità di giocare sempre alle frodi online.
È ora possibile contrastare attacchi di abuso più sofisticati e sfumati, inclusi l’abuso di un amico, l’abuso di promozioni o la collusione dei venditori in un mercato. I motori delle regole e l’analisi predittiva possono essere scalati solo finora per contrastare i tentativi di frode. Le aziende digitali torneranno spesso a standard più severi e controllanti per le approvazioni delle transazioni se prima sono state bruciate da frodi. Il risultato è una brutta esperienza utente. Avendo un sistema di prevenzione delle frodi basato sull’intelligenza artificiale, il lavoro di valutazione dei dati storici e delle anomalie, le esperienze dei clienti possono rimanere più positive, e gli attacchi di abuso sfumati più sofisticati possono essere fermati.
Fornisce agli analisti delle frodi quote di rischio in tempo reale e informazioni più dettagliate su dove impostare i punteggi di soglia per massimizzare le vendite e ridurre al minimo le perdite di frodi. I migliori analisti di frodi hanno un’idea intuitiva di quando i modelli di transazione sono legittimi o meno. Con AI, un analista di frodi riceve per la prima volta una visione a 360 gradi delle transazioni, con il vantaggio di vedere i dati storici nel loro contesto. Aggiungendo il rilevamento di anomalie e approfondimenti sulle attività in tempo reale utilizzando l’apprendimento automatico non supervisionato, gli analisti di frodi possono immediatamente confermare o ridefinire la loro decisione in merito ai livelli di soglia, gestendo bene il rischio.
AI consente alle aziende digitali di ottenere un maggiore controllo sui tassi di chargeback, i tassi di declino e i costi operativi in modo da raggiungere gli obiettivi aziendali. Uno degli aspetti più preziosi di una piattaforma di prevenzione delle frodi basata sull’intelligenza artificiale è la sua capacità di personalizzare e modificare immediatamente i risultati aziendali specifici per l’intera azienda, separare linee di prodotti, reparti e stagioni di vendita. Le aziende digitali si affidano alla combinazione dell’apprendimento automatico supervisionato e non supervisionato per raggiungere maggiori livelli di agilità, velocità e time-to-market, con sistemi di prevenzione delle frodi basati su AI che sono fondamentali per questo sforzo.
Consente alle aziende digitali che vendono beni virtuali, compresi i giochi, di fornire un’esperienza utente più coerente e di alta qualità su base 24 ore su 24, 7 giorni su 7. I giochi online sono cresciuti esponenzialmente in popolarità negli ultimi cinque anni con piattaforme di gioco online che hanno spesso oltre 250 milioni di clienti in tutto il mondo. I fornitori di piattaforme di gioco vogliono quante più persone possibile sulle piattaforme per promuovere entrate pubblicitarie, abbonamenti, upsell e cross-sell. Perché i fornitori di piattaforme di gioco abbiano successo, devono fornire un’esperienza di acquisto immediata e altamente reattiva. Invece di costringere i propri clienti o i propri fan a sottoporsi alla verifica, possono assegnare un punteggio di rischio alla transazione e soddisfare la richiesta di acquisto in pochi secondi. AI consente ai giocatori di acquistare le monete oi gettoni di cui hanno bisogno quando hanno bisogno di loro per continuare a giocare. I sistemi di prevenzione delle frodi basati su AI consentono di accettare immediatamente le transazioni pur restando entro le soglie di chargeback di American Express,
AI riduce l’esperienza dei clienti di attrito aiutando i commercianti ad approvare facilmente gli acquisti online e ridurre i falsi positivi. Uno dei paradossi che gli analisti di frodi affrontano è quale livello per impostare il tasso di declino a. Invece di dover fare un’ipotesi plausibile, gli analisti delle frodi possono rivolgersi a tecniche di punteggio basate sull’intelligenza artificiale come Omniscore che combinano i punti di forza dell’apprendimento supervisionato e non supervisionato. I punteggi di frode basati su AI come Omniscore riducono i falsi positivi, che è una delle principali fonti di attrito con i clienti. Tutto questo si traduce in un minor numero di escalation manuali, declini e un’esperienza cliente complessivamente più positiva.
Rimanere in conformità con le politiche aziendali interne, quelle delle agenzie di regolamentazione e gli accordi con i partner di distribuzione è il punto in cui la prevenzione delle frodi basata su AI sta contribuendo oggi . Molte aziende digitali hanno politiche aziendali interne relative alla vendita di prodotti specifici a paesi specifici sulla base di accordi di distribuzione e rivendita. Le aziende che competono nei settori dell’alta tecnologia devono rispettare i regolamenti sulle esportazioni che proteggono anche le tecnologie chiave. Il punteggio basato su AI e la prevenzione delle frodi sono ampiamente utilizzati per mantenere le aziende in conformità.
Consente alle aziende a basso margine e alle linee di prodotti di rimanere redditizi controllando i livelli di chargeback che hanno un impatto diretto sui margini. Le aziende di e-commerce prosperano offrendo prezzi, disponibilità e un’esperienza cliente positiva e continua. Molti sacrificano i margini lordi per una maggiore scala e più transazioni. La sfida è rimanere redditizia mentre attira nuovi clienti la cui cronologia degli acquisti non fa parte della storia di apprendimento supervisionata dei loro sistemi di frode. È qui che un approccio basato sull’intelligenza artificiale che incorpora l’apprendimento non supervisionato e supervisionato ripaga dal punto di vista del margine lordo.