• Χάθηκαν περίπου 8,8 δισεκατομμύρια δολάρια λόγω απάτης το 2022
• Το 71% των χρηματοοικονομικών ιδρυμάτων χρησιμοποιούν τεχνητή νοημοσύνη και ML για καταπολέμηση απάτης
 

Πάνω από το 40% των χρηματοπιστωτικών ιδρυμάτων (FIs) αντιμετωπίζουν αυξανόμενους όγκους απάτης και οικονομικού εγκλήματος, σύμφωνα με πρόσφατη έκθεση της PYMNTS Intelligence, και αυτό το εξελισσόμενο κύμα πιθανότατα ν’ αποτελεί σημαντική απειλή για τις χρηματοπιστωτικές υπηρεσίες.

Η ασφάλεια αποτελεί μεγάλη έγνοια, ιδιαίτερα για τις εταιρείες χρηματοοικονομικών υπηρεσιών, καθώς ένα από τα σημεία πώλησης του κλάδου είναι η ασφάλεια που παρέχουν οι εταιρείες του κλάδου στους πελάτες τους μέσω ψηφιακών πλατφόρμων. Οι καταναλωτές δηλώνουν ότι έχασαν περίπου 8,8 δισεκατομμύρια δολάρια λόγω απάτης το 2022. Οι υποθέσεις τραπεζικής απάτης αυξήθηκαν κατά 25% από το 2021 ως το 2022. 

Σε αυτό το τοπίο, τα χρηματοπιστωτικά ιδρύματα χρειάζονται εργαλεία αιχμής για να καταπολεμήσουν το αυξανόμενο κύμα απάτης και οικονομικού εγκλήματος. 

Τα δεδομένα της έρευνας δείχνουν ότι οι FI συνήθως χρησιμοποιούν έναν συνδυασμό υφιστάμενων λύσεων τεχνολογίας για την αντιμετώπιση των πολλαπλών ζητημάτων ασφάλειας στον κλάδο. 

Εσωτερική τεχνητή νοημοσύνη 

Για παράδειγμα, τα FI χρησιμοποιούν εσωτερική τεχνητή νοημοσύνη (AI) και μηχανική μάθηση (ML) και λύσεις τρίτων που βασίζονται σε cloud για την καταπολέμηση της απάτης και κάθε προσέγγιση θέτει συγκεκριμένες προκλήσεις για την καινοτομία και την ολοκλήρωση. 

Οι πάροχοι τρίτων είναι ένα ουσιαστικό κομμάτι στο παζλ. Χρηματοπιστωτικά ιδρύματα που ανανεώνουν τις τεχνολογίες για την καταπολέμηση των οικονομικών εγκλημάτων, όπως καταδεικνύει η έρευνα της PYMNTS Intelligence σε συνεργασία με τη Hawk AI, διερευνούν τις τεχνολογικές λύσεις που χρησιμοποιούν επί του παρόντος για τον εντοπισμό και την καταπολέμηση των οικονομικών εγκλημάτων, καθώς και την τεχνολογία που σχεδιάζουν να χρησιμοποιήσουν στο μέλλον. 

Μεγάλο μέρος του χρηματοπιστωτικού κλάδου εξακολουθεί να χρησιμοποιεί εσωτερικές ομάδες για την ανάπτυξη εργαλείων πρόληψης απάτης, αλλά το επόμενο κύμα τεχνολογιών φαίνεται πως ωθεί πολλούς να εξετάσουν τους εξωτερικούς παρόχους. 

Τα χρηματοπιστωτικά ιδρύματα αναπτύσσουν κατά μέσο όρο το 48% των τεχνολογιών και το 57% των διαδικασιών που χρησιμοποιούν για την καταπολέμηση της εσωτερικής απάτης. 

Για παράδειγμα, όλα τα χρηματοοικονομικά ιδρύματα που ερωτήθηκαν, στο πλαίσιο της έρευνας, δήλωσαν ότι χρησιμοποιούν ειδοποιήσεις συναλλαγών πελατών. Τα περισσότερα FI χρησιμοποιούν έναν συνδυασμό λύσεων εσωτερικού και τρίτου κατασκευαστή, αλλά ο ακριβής συνδυασμός ποικίλλει. Ενώ τα μισά από τα χρηματοοικονομικά ιδρύματα που συμμετείχαν στην έρευνα δήλωσαν ότι ανάπτυξαν το 50% ή λιγότερο αυτής της τεχνολογίας ειδοποίησης συναλλαγών πελατών εσωτερικά, το 30% ανάπτυξε περισσότερο από το 50% εσωτερικά και το 20% ανέπτυξε αυτά τα εργαλεία αποκλειστικά εσωτερικά. Αυτό το μοτίβο είναι σχετικά κοινό σε διαφορετικές τεχνολογίες καταπολέμησης της απάτης, με τις περισσότερες να είναι ένας αρκετά ρευστός συνδυασμός εσωτερικής ανάπτυξης και ανάπτυξης τρίτων. Οι εξαιρέσεις περιλαμβάνουν έλεγχο ταυτότητας πολλαπλών παραγόντων που βασίζεται σε τηλεφωνικό κέντρο, το οποίο οι FI αναθέτουν ως επί το πλείστον σε εξωτερικούς συνεργάτες. Ενώ πολλά FI αναπτύσσουν εργαλεία για την καταπολέμηση της απάτης εσωτερικά, μόλις το 14% βασίζεται αποκλειστικά σε εσωτερικά εργαλεία καταπολέμησης της απάτης AI και ML. 

Επιλεγμένες τεχνολογίες 

Αριθμός χρηματοπιστωτικών ιδρυμάτων χρησιμοποιούν επιλεγμένες τεχνολογίες για τον εντοπισμό και την αντιμετώπιση απάτης και οικονομικών εγκλημάτων. 

Τα δεδομένα δείχνουν ότι το 71% των FI χρησιμοποιούν τόσο τεχνητή νοημοσύνη όσο και ML για την καταπολέμηση της απάτης. Ένα άλλο εργαλείο στο οποίο βασίζονται συνήθως οι FI για την καταπολέμηση της απάτης είναι μια διεπαφή προγραμματισμού εφαρμογών (API). Τα δεδομένα της έρευνας δείχνουν ότι το 90% των FI χρησιμοποιούν API πρόληψης απάτης. Ο προσαρμοστικός έλεγχος ταυτότητας και ο έλεγχος ταυτότητας πολλαπλών παραγόντων που βασίζεται στο web είναι επίσης αρκετά διαδεδομένο, με το 80% των FI να έχουν υιοθετήσει το καθένα. 

Η εσωτερική ανάπτυξη εργαλείων AI και ML απαιτεί σημαντικό κόστος, το οποίο μπορεί να εξηγήσει γιατί αυτό το μερίδιο είναι χαμηλό. Μόλις το 11% των FI χρησιμοποιούν API που έχουν αναπτυχθεί εξ ολοκλήρου εσωτερικά, ενώ το 22% βασίζεται εξ ολοκλήρου σε λύσεις API τρίτων. Αυτά τα στοιχεία υπογραμμίζουν μια βασική πτυχή της σύγχρονης καταπολέμησης της απάτης για τα χρηματοπιστωτικά ιδρύματα, ότι οι τεχνολογίες τρίτων είναι πρωταρχικής σημασίας.

Χρύσω Αντωνιάδου