HaberlerYapay ZekaAI, ödeme işlemlerini dolandırıcılığa karşı nasıl koruyor?

AI tabanlı platformlar kullanan dolandırıcılık uzmanlarının yüzde 80'i, teknolojinin ödemelerin fraud işlemleri azaltmaya yardımcı olduğuna inanıyor.
5 October 2019410

AI kullanan finansal kuruluşların yüzde 63,6’sı, gerçekleşmeden önce fraud işlemi önleme yeteneğine sahip olduğunu ve bu amaçla en çok atıfta bulunulan araç olduğunu düşünüyor. Fraud uzmanları, AI bazlı sahteciliğin önlenmesinin ters ibrazların azaltılmasında çok etkili olduğu konusunda hemfikirler.

Fraud uzmanlarının çoğunluğu (yüzde 80) AI tabanlı platformların yanlış pozitifleri, ödeme dolandırıcılığını azalttığını ve fraud girişimlerini önlediğini tespit etti.

AI neden fraud işlemer için tercih ediliyor? 

PYMNTS tarafından Brighterion işbirliğiyle yayımlanan ve finansal kuruluşların üst düzey yöneticileri ile yapılan anket sonuçları AI’ın dolandırıcılık mücadelesinde çok etkili olduğunu kanıtlıyor. Çalışma, ABD’deki bankaların 200 finansal yöneticileriyle yapılan röportajlara dayanıyor. Dikkat çekici bulgulardan biri, varlıklar içerisinde 100 milyar dolardan fazla olan finansal kuruluşların AI’yı benimseme ihtimalinin en yüksek olması. Çalışmada, bu varlık kategorisindeki firmaların yüzde 72,7’sinin şu anda fraud işlemlerin tespiti için AI kullandığı tespit edildi.

Ankette elde edilen bulgular birlikte ele alındığında AI’ın fraud işlemleri nasıl engellediğini ve bugün herhangi bir dijital işletmede yüksek öncelikli olmayı hak ettiğini yansıtıyor. Dijital fraud ve algılama şirketi Kount ve diğerleri de dahil olmak üzere şirketler, AI tabanlı platformlar sağlama konusunda adımlar atıyor ve en gelişmiş, karmaşık ödeme dolandırıcılık biçimlerinin riskini daha da azaltıyor.

Sahte pozitifleri azaltmak, sahtekarlık girişimlerini azaltmak, önlemek ve potansiyel fraud ödemelerin manuel incelemelerini azaltmak için kullanılabilen ileri teknolojilerden AI, bu zorlukların üstesinden gelmek için gereken ölçeği ve hızı sağlamak için idealdir. Daha spesifik olarak AI’ın, denetimli makine öğreniminden elde edilen ve tamamen temeli olan bilgileri denetleme kabiliyeti, denetlenmemiş makine öğrenimi algoritmalarından elde edilen tamamen yeni bilgilerle birleştiğinde ödeme dolandırıcılık oranını azaltıyor. Her iki makine öğrenme yaklaşımını birleştirerek AI, verilen bir işlemin veya bir dizi finansal faaliyetin fraud olup olmadığına karar verebilir, fraud analistlerini derhal uyandırabilir ve önceden tanımlanmış iş akışlarıyla harekete geçebilir. 

AI’ın ödemelerle ilgili fraud ile mücadelede mükemmel olmasının ana nedenleri ise şu şekilde:

Ödemeler sahtekarlığa dayalı saldırılar karmaşık bir şekilde büyüyor ve genellikle tamamen farklı bir dijital ayak izi veya model, sıra ve yapıya sahipler. Bu da onları yalnızca kurallara dayalı mantık ve öngörücü modeller kullanarak tespit edilemez kılıyor. 

Yıllar boyunca e-ticaret siteleri, finans kuruluşları, perakendeciler ve diğer çevrimiçi iş türleri kurallara dayalı fraud işlemleri önleme sistemlerine dayanıyordu. E-ticaretin ilk yıllarında kurallar ve basit öngörücü modeller çoğu fraud’ları tanımlayabilirdi. Ancak bugün böyle değil. Fraud programları daha incelikli ve karmaşık hale geldiğinden bu zorluklarla yüzleşmek için AI’ın gerekli hale geliyor.

Gerçek zamanlı işlemler gerçek zamanlı güvenlik gerektirir

AI, fraud işlemlere karşı mücadeleye ölçek ve hız kazandırmanın yanı sıra dijital işletmelere birçok risk ve dolandırıcılık yöntemiyle mücadelede anında avantaj sağlıyor. Fraud çözümleri sağlayıcıları bugün bu AR-GE alanında ikiye katlayarak etkileyici sonuçlar veriyor. AI’ın pek çok tahmine dayalı analitiği ve makine öğrenme teknikleri, saniyeler içinde büyük ölçekli veri setlerinde anormallikler bulmak için idealdir. Verilerin genişliği ve derinliği arttıkça belirli bir makine öğrenmesi algoritması, verilen bir algoritmanın ne kadar gelişmiş veya karmaşık olduğu anlamına gelir. Geçmiş hesap verilerini evrensel bir veri ağından analiz ederek denetlenen makine öğrenme algoritmaları daha yüksek düzeyde bir doğruluk ve öngörülebilirlik kazanabilir. Bu analitik zenginlik, fiziksel gerçek dünya ve dijital kimliklerle ilgili verileri içerir ve müşteri davranışının bütünleşik bir resmini oluşturur.