آیا مشتری من انسان است؟
بانکها باید به هوش مصنوعی تکیه کنند تا تقلبهای خودکار را کشف کنند.
آیا مشتری من انسان است؟
بانکها باید به هوش مصنوعی تکیه کنند تا تقلبهای خودکار را کشف کنند.
هوش مصنوعی مولد (GenAI) در حال تغییر بازی برای کسبوکارها است و به ابزاری جدید برای کلاهبرداران تبدیل شده است. تنظیم هوش مصنوعی و گسترش نقش بازیگران فناوری در بخش خدمات مالی برای جلوگیری از تحول کلاهبرداری ضروری است.
بر اساس گزارش وضعیت کلاهبرداریهای سال 2024 توسط GASA و Feedzai، کلاهبرداریهای بانکی و کلاهبرداریها منجر به خساراتی به ارزش 1 تریلیون دلار در سطح جهانی شده است. این خسارات قابل توجه نشان میدهد که بانکها اکنون بیش از هر زمان دیگری باید یک قدم جلوتر از مجرمان باشند. بانکها باید از واکنش به کلاهبرداری به پیشگیری از آن تغییر جهت دهند.
آیا مشتری من انسان است؟
هوش مصنوعی مولد راه را برای کلاهبرداری و جرم مالی خودکار هموار میکند
با استفاده از تاکتیکهای موجود مانند مهندسی اجتماعی، دسترسی به اطلاعات حساس منتشر شده در وب تاریک به دلیل نقض دادهها، رسانههای اجتماعی و دادههای بانکی سرقت شده، کلاهبرداران میتوانند به طرز چشمگیری کلاهبرداریهای خود را افزایش دهند.
نه تنها کلاهبرداران میتوانند هویتهای جدید را سریعتر ایجاد کنند، بلکه GenAI به این هویتها اعتبار بیشتری نیز میبخشد. توانایی ایجاد تصاویر، ویدیوها یا حتی ضبطهای صوتی جعلی به کلاهبرداران اجازه میدهد شخصیتی با هویت ساختگی خود از ابتدا بسازند.
با ظرفیت عبور از چکهای احراز هویت، هوش مصنوعی مولد به ابزاری قدرتمند برای جرم مالی تبدیل میشود.
در این زمینه، بانکها ممکن است وسوسه شوند تا صحت هر تعامل را زیر سوال ببرند زیرا این ابزارها بیشتر و پیشرفتهتر میشوند.
آیا مشتری من انسان است؟
کلاهبرداری به عنوان یک خدمت در حال گسترش است
به لطف هوش مصنوعی مولد، مراکز تماس اکنون میتوانند به سرعت اطلاعاتی درباره اهداف خود جمعآوری کنند، عملیات سازمانی را یاد بگیرند و حملات را به بانکهای خاص سفارشی کنند. این موضوع به ویژه برای کلاهبرداریهای مربوط به حسابهای جدید و درخواستهای افتتاح حساب نگرانکننده است.
مجرمان میتوانند از ابزارهای GenAI برای یادگیری طرحها و مراحل مختلف صفحات یک بانک استفاده کنند. با این دانش از نحوه عملکرد سازمانهای مختلف، مجرمان میتوانند اسکریپتهایی بنویسند تا به سرعت فرمها را پر کنند و هویتهای به ظاهر معتبر ایجاد کنند تا کلاهبرداری افتتاح حساب را انجام دهند. بانکها دیگر فقط نیاز ندارند بپرسند، “آیا این فرد درست است؟” بلکه باید بپرسند، “آیا مشتری من انسان است یا هوش مصنوعی؟”
آیا مشتری من انسان است؟
پذیرش قدرت هوش مصنوعی ضروری است
کسبوکارها به ابزارهای پیشرفته پیشگیری از کلاهبرداری نیاز دارند تا خود را در برابر تهدیدات مبتنی بر هوش مصنوعی محافظت کنند. سیستمهای تشخیص کلاهبرداری مبتنی بر هوش مصنوعی به سازمانها این امکان را میدهند که مقادیر زیادی از دادههای تراکنش را در زمان واقعی تجزیه و تحلیل کنند و الگوها و سیگنالهای هشدار پنهانی را که روشهای سنتی ممکن است از دست بدهند، کشف کنند. هشدارهای تولید شده توسط هوش مصنوعی باید شامل توضیحات واضحی باشد تا تحلیلگران انسانی بتوانند دلایل مشکلات احتمالی را درک کنند و تصمیمات آگاهانهای بگیرند.
الگوریتمهای هوش مصنوعی میتوانند偏见 داشته باشند و نیاز به نظارت و بهبود مداوم دارند. به همین دلیل، تخصص انسانی همچنان یک عنصر حیاتی در تصمیمگیری مبتنی بر هوش مصنوعی باقی میماند.
بانکها میتوانند از هوش مصنوعی برای اتخاذ اقدامات پیشگیرانه با پیشبینی خطرات آینده از طریق ارزیابی ریسک استفاده کنند. با این حال، بانکهایی که از هوش مصنوعی برای ارزیابی اعتبار یا تشخیص کلاهبرداری، در میان سایر کاربردها، استفاده میکنند، باید اطمینان حاصل کنند که سیستمهایشان مؤثر، اخلاقی، شفاف و پاسخگو هستند.
انتظار همکاری بیشتر در خدمات مالی
همکاری به یک کلید تبدیل شده است، زیرا بانکها به طور فزایندهای با دیگر مؤسسات مالی، از جمله فینتکها و رگتکها، همکاری میکنند. هدف این است که دادهها و دانش را برای تقویت دفاعها در برابر سیستمهای کلاهبرداری فرامرزی به اشتراک بگذارند. با این حال، بانکها از به اشتراکگذاری اطلاعات خودداری میکنند اگر از آسیبپذیریهای قانونی خود بترسند.
برای بهبود به اشتراکگذاری دادهها و همکاری، تنظیمکنندگان باید موضع خود را در قبال بانکها روشن یا تسهیل کنند. هدف همکاری است، اما به وضوح بیشتری در سطوح بالاتر نیاز است تا اطمینان حاصل شود که دادهها به درستی به اشتراک گذاشته میشوند.
مؤسسات مالی همچنین میتوانند با استفاده از بینشهای مبتنی بر داده، تخصیص منابع را بهینه کنند و توجه خود را بر روی موارد با ریسک بالا متمرکز کنند. این امر نیاز به تحقیقات دستی فراگیر در مورد هر تراکنش را کاهش میدهد و به تیمها اجازه میدهد تلاشهای خود را به طور مؤثری اولویتبندی کنند. در نتیجه، سازمانها میتوانند کارایی را افزایش دهند و هزینهها را با جلوگیری از بزرگترین موارد کلاهبرداری کاهش دهند.
هوش مصنوعی و یادگیری ماشین: سپری در برابر کلاهبرداری
بانکها به هوش مصنوعی و یادگیری ماشین نیاز دارند تا کلاهبرداری را در زمان واقعی شناسایی و جلوگیری کنند. تجزیه و تحلیل کلاهبرداری نه تنها به کاهش خسارات بالقوه کمک میکند بلکه اعتماد مشتریان به بانکهای خود را نیز افزایش میدهد.
تجزیه و تحلیل کلاهبرداری ترکیبی از هوش مصنوعی (AI)، یادگیری ماشین و تجزیه و تحلیل پیشبینی کننده برای تجزیه و تحلیل پیشرفته دادهها است که به بانکها این امکان را میدهد تا حجمهای زیادی از دادهها را پردازش کرده و به سرعت بینشهایی را برای پاسخگویی در زمان واقعی به کلاهبرداریهای مشکوک استخراج کنند.
بر اساس تجربه ما با بانکهای ایالات متحده، این بانکها اکنون قادر به شناسایی نیمی از تراکنشهای بالقوه کلاهبردار هستند. با این حال، استفاده از هوش مصنوعی و یادگیری ماشین به آنها این امکان را داده است که ۶۰٪ از کلاهبرداریها را شناسایی کنند و از میلیونها خسارت بالقوه کلاهبرداری جلوگیری کنند.
علاوه بر این، قابلیتهای GenAI موارد مثبت کاذب را ۴۰ درصد کاهش داده است و به بانکها این امکان را میدهد که تجربه مشتری شفافتر و بدون اصطکاکتری ارائه دهند.
نتیجهگیری
در عصر دادههای کلان، بانکها دیگر نمیتوانند تنها به سیستمهای سنتی مبتنی بر قواعد برای شناسایی تراکنشهای کلاهبرداری تکیه کنند. کلاهبرداران به سرعت قواعد یک بانک را یاد میگیرند و راههایی برای ارتکاب کلاهبرداری بدون شناسایی پیدا میکنند. هر تاکتیک جدید کلاهبرداری یادگیری جدیدی را به دنبال دارد و بانکها را به یک بازی بیپایان گربه و موش میکشاند.
برای بانکها و مؤسسات مالی، چشمانداز تنظیمی در حال تحول در مورد هوش مصنوعی هم چالشها و هم فرصتهایی را به همراه دارد. از یک سو، مؤسسات باید در بهروزرسانی فرآیندهای مبتنی بر هوش مصنوعی خود برای رعایت دستورالعملهای جدید چابک باشند در حالی که به مسئولیتهای بالقوه توجه میکنند. از سوی دیگر، رعایت این اصول میتواند اعتماد مشتریان و ذینفعان را تقویت کند که در دنیای مالی بسیار ارزشمند است.