Forrester: внедрение искусственного интеллекта для борьбы с мошенничеством требует правильной технической базы

Forrester: внедрение искусственного интеллекта для борьбы с мошенничеством требует правильной технической базы

Источник · Перевод автора

Согласно новому отчету Forrester, инструменты искусственного интеллекта стали неотъемлемой частью решений по борьбе с мошенничеством на предприятии. В нем аналитики компании определяют ключевые сценарии использования ИИ для управления мошенничеством, отображая, как бренды могут развертывать технологии ИИ в каждом сценарии.

Во всем мире растет число случаев мошенничества, которые сказываются на прибыли предприятий. Согласно опросу PricewaterhouseCoopers, 47% предприятий столкнулись с мошенничеством в 2019 и 2020 годах, что в совокупности обошлось в 42 миллиарда долларов. Некоторые исследования показывают, что пандемия играет все более важную роль. В отчете, подготовленном J.P. Morgan, почти две трети специалистов по финансам и финансам обвинили пандемию или рост мошенничества с платежами в своих компаниях.

В отчете Forrester описываются уникальные сильные стороны ИИ в борьбе с мошенничеством, в том числе его способность повышать точность мониторинга, расширять человеческий интеллект и внедрять биометрию в мейнстрим. Ввод обширных наборов данных в модели ИИ для обнаружения мошенничества может помочь выявить мошенничество, которое системы на основе правил игнорируют, отмечает Forrester, в то время как те же самые модели могут использоваться группами безопасности для определения приоритетов оповещений для расследования. Между тем, новые решения на основе искусственного интеллекта, такие как биометрическая проверка, позволяют выполнять аутентификацию приложений практически в реальном времени.

Однако в отчете подчеркивается, что организациям необходимо иметь правильные технические компоненты, чтобы воспользоваться преимуществами ИИ для обнаружения мошенничества. Например, модели прогнозирования и системы оценки рисков должны иметь низкую задержку, чтобы справляться с большими объемами транзакций. Помимо этого, специалисты по обработке данных должны создавать наборы данных для обучения, тестирования и проверки, что может оказаться сложной задачей. Согласно Forrester, многие банки сообщают, что их обучающие данные неправильно классифицированы и страдают от проблем с качеством, таких как отсутствие полей или непоследовательное написание людей и организаций. А в Азии банки неохотно предоставляют данные об обучении консалтинговым фирмам, а иногда даже сотрудникам.

Действительно, другие отчеты показывают, что данные мешают компаниям любого размера в их путешествиях по ИИ. В опросе Atlation явное большинство сотрудников (87%) назвали проблемы с качеством данных причиной того, что их организациям не удалось успешно внедрить ИИ и машинное обучение. По аналогичным оценкам McKinsey, компании могут растрачивать до 70% своих усилий по очистке данных.

Преодоление трудностей

По словам Forrester, организации также должны обеспечивать развитие моделей с течением времени и объяснять, почему определенные транзакции считаются мошенническими. Им также необходимы итеративные рабочие процессы с обратной связью для обучения моделей и интеграции их с такими источниками данных, как черные списки, белые списки, идентификаторы устройств и репутация, а также списки «знай своих клиентов».

В отчете компаниям рекомендуется использовать сочетание локальных и облачных вариантов реализации для своих сценариев использования ИИ для обнаружения мошенничества. В то время как локальные решения предлагают удобство, облако может улучшить производительность обучения и логических выводов, отмечает Forrester, снижая затраты, а в некоторых случаях обеспечивая улучшенную защиту.

«Поскольку все больше поставщиков услуг по борьбе с мошенничеством предлагают облачные решения, имеет смысл вкладывать средства не только в статическое локальное оборудование и программное обеспечение, но и в дополнение к своим локальным активам эластичными вычислительными ресурсами в виде инфраструктуры как услуги или программного обеспечения. «как сервисные решения», – написали соавторы и аналитики Андрас Чсер (Andras Cser), Дэнни Му (Danny Mu) и Мэн Лю (Meng Liu).

Когда будут преодолены препятствия на пути внедрения искусственного интеллекта для борьбы с мошенничеством, преимущества могут быть огромными. Visa предотвращает ежегодное мошенничество на 25 миллиардов долларов благодаря разработанному ею ИИ, о чем рассказала старший вице-президент и глобальный руководитель отдела данных Мелисса МакШерри (Melissa McSherry) на конференции VentureBeat’s Transform 2021. На более высоком уровне совокупная потенциальная экономия средств для банков за счет приложений ИИ оценивается в 447 миллиардов долларов к 2023 году.