Αυτοματοποίηση για τον εντοπισμό και τον τερματισμό δόλιων συναλλαγών

Στο Bank Automation Summit, η Διευθύντρια Auto Lending Strategy της Informed, Jessica Gonzalez, συνάντησε τον Kevin Faragher, Senior Director of Product and Strategy στην Ally Financial σε ένα πάνελ που συντονίζει η Whitney McDonald, Αναπληρωτής Editor του Bank Automation News.

Εδώ είναι μέρος της συζήτησης.

Whitney – Ποια είδη απάτης αυξάνονται; Jessica μπορείς να μοιραστείς μερικές φιγούρες;

Jessica – Η απάτη είναι ένα καυτό θέμα. Οι αγοραστές αυτοκινήτων χρησιμοποιούν μια ψηφιακή διεπαφή για την αγορά και τη χρηματοδότηση αυτοκινήτων, επομένως στον αυτόματο δανεισμό, βλέπουμε απώλειες 4.7 δισεκατομμυρίων δολαρίων. Ο μέσος όρος απάτης που εντοπίστηκε από την Informed είναι 2.25% σε όλους τους δανειστές μας. Η ψηφιακή παρουσία στην πραγματικότητα αυξάνει την απάτη κατά 08% – οι απατεώνες γίνονται πιο εξελιγμένοι και χρησιμοποιούν ψηφιακές πλατφόρμες για να τους επιτρέψουν.

Επομένως, φροντίζουμε να περιορίζεται η απάτη. Η επιβολή του νόμου επικεντρώνεται στην κλοπή ταυτότητας, επειδή είναι εύκολα αξιόποινη και ένα «καυτό έγκλημα». Επικεντρωνόμαστε στην απάτη με κέρδος πληρωμών, επειδή σχετίζεται με την αποπληρωμή των δανείων από τους καταναλωτές. Αντί να εστιάζουμε στην ταυτοποίηση ή στο KYC, φροντίζουμε να μπορούμε να υπολογίσουμε το εισόδημα των καταναλωτών.

Whitney – Μιλήσατε για απάτη στο paystub και μόλις κυκλοφόρησες ένα δελτίο. Μπορείτε να μοιραστείτε περισσότερα για αυτό που βλέπετε;

Jessica – Το ποσοστό απάτης μεταξύ των δανειστών μας είναι ~2.25%. Στο ψηφιακό, βλέπουμε 35% περισσότερη απάτη. Ένας ψηφιακός έμπορος λιανικής έχει 10 φορές περισσότερες πιθανότητες να δει δόλια στελέχη και τεκμηρίωση σε υποθήκες και δανεισμούς. Εξετάζοντας τις τάσεις, το συγκρίνουμε με αυτό το μέσο όρο 2.25%. Μπορεί να μην ακούγεται μεγάλο θέμα, αλλά αξίζει δισεκατομμύρια. Το κλειδί δεν είναι μόνο η κατοχή δεδομένων για την παρακολούθηση της απάτης, αλλά και η διασφάλιση ότι αναγνωρίζετε τις τάσεις.

Όπως είπε ο Kevin, είναι δύσκολο να παρακολουθείτε χειροκίνητα τις τάσεις. Οι αναλυτές εξετάζουν έγγραφα – βλέπουν τόνους εγγράφων καθημερινά. Δεν μπορούν να συνδέσουν όλα αυτά τα σημεία δεδομένων για να αποκαλύψουν τάσεις. Όταν ήμουν στην τράπεζα, είδαμε έναν τηλεφωνικό λογαριασμό με διαφορετικό όνομα και διεύθυνση, αλλά τον ίδιο αριθμό τηλεφώνου με κάποιον άλλο, και χρειάστηκαν σχεδόν έξι μήνες για να αναγνωριστεί. Έχοντας σε πραγματικό χρόνο, η αυτοματοποιημένη ανάλυση συναλλαγών είναι επιτακτική ανάγκη για να εξοπλίσετε την ομάδα απάτης και τον ευρύτερο κλάδο με την κοινή χρήση πόρων δεδομένων.

Η τεχνητή νοημοσύνη μπορεί να δεχτεί αυτές τις εκατομμύρια συναλλαγές και να αναδείξει τις τάσεις. Επομένως, όχι μόνο η κατοχή των δεδομένων αλλά η σωστή χρήση και η ανάλυσή τους είναι το κλειδί.

Whitney – Η Jessica μας είπε τι βλέπει. Τώρα, Kevin, με την Ally – Μπορείτε να μοιραστείτε τις πρόσφατες αυξήσεις στη δόλια δραστηριότητα που βλέπετε;

Kevin – Σκέφτεσαι πώς ήταν η απάτη. Κάποιος έκλεψε την αλληλογραφία κάποιου, πήρε μια ψεύτικη ταυτότητα και αγόρασε ένα αυτοκίνητο. Ένας έξυπνος ανάδοχος μπορεί να αναγνωρίσει ότι αυτός ο τύπος έχει ένα σημείωμα πιστωτικού γραφείου στην Καλιφόρνια και κάνουν αίτηση για δάνειο στο Ντιτρόιτ, κάτι που δεν είχε νόημα. Αλλά σήμερα, όλα είναι γρήγορα. Η ταχύτητα είναι μια από τις αναπόσπαστες προτάσεις επιχειρηματικής αξίας.

Αυτό ταιριάζει καλά στο ψηφιακό, επειδή οι απατεώνες εκμεταλλεύονται, προσπαθώντας να είναι πιο γρήγοροι. Ένας από τους μεγαλύτερους τύπους απάτης που βλέπουμε είναι η απάτη όπου οι άνθρωποι φτιάχνουν εν μέρει ή πλήρως ένα πιστωτικό προφίλ που έχει σχεδιαστεί για να περάσει από τα συστήματα αναδοχής. Πρόσφατα είδα ένα παράδειγμα όπου κάποιος βελτίωσε το πιστωτικό του σκορ με τη γραμμή συναλλαγών μοντέλων που έκανε τη συμφωνία καλύτερη.

Έτσι εξετάζουμε όλα τα δεδομένα και κάνουμε μια προσομοίωση. Έχουμε κόσμο που τα κοιτάζει, αλλά είναι πραγματικά δύσκολο να τα εντοπίσεις. Όταν η συμφωνία ολοκληρώνεται με ένα συνθετικό αναγνωριστικό, πρέπει ακόμα να υποστηρίξετε την ταυτότητα. Εκεί είναι πραγματικά πολύτιμο να έχουμε τη δυνατότητα να έχουμε την τεχνητή νοημοσύνη να συλλαμβάνει το κακό paystub και να το επισημαίνει για τους ανθρώπους μας.

Whitney – Αναφέρατε και οι δύο πώς η Ally συνεργάζεται με το informed.IQ για να επισημάνει τις δόλιες συναλλαγές. Jessica, μπορείς να μιλήσεις για το πώς οι τράπεζες μπορούν να αξιοποιήσουν αυτήν την τεχνολογία;

Jessica – Informed εντοπίζει αυτόματα την απάτη σε στελέχη πληρωμών, που είναι ένα από τα πρώτα σημεία εισόδου στη διαδικασία δανεισμού. Επομένως, είναι επιτακτική ανάγκη να κατανοήσουμε ότι θεωρούμε τους απατεώνες ως πραγματικά υψηλής τεχνολογίας και ενώ αυτό μπορεί να είναι αλήθεια, αντιμετωπίζουν επίσης καθημερινά άτομα εμπόδιο εισόδου. Εάν εστιάσετε μόνο σε επαληθεύσεις χωρίς έγγραφα, ενδέχεται να συναντήσετε πολλά συνθετικά αναγνωριστικά. Εάν εστιάσετε στο KYC και στην απάτη ταυτότητας, αλλά δεν καταναλώνετε ψηφιακά έγγραφα, υπάρχει περιορισμός στον αυτόματο εντοπισμό που μπορείτε να ενεργοποιήσετε.

Εάν έχετε λάβει μια επίπεδη εικόνα, απλώς μια εικόνα εγγράφου από ένα email ή φαξ, η ποιότητα της εικόνας είναι ένα πρόβλημα. Επομένως, εάν λάβετε ένα φαξ ή μια φωτογραφία μιας φωτογραφίας, είναι δύσκολο να καταλάβετε αν είναι δόλια. Η τεχνητή νοημοσύνη μπορεί να εστιάσει στο αναγνωριστικό, αλλά εάν είναι μια επίπεδη εικόνα, θα πετύχετε μόνο το 10 έως 20% των περιπτώσεων. Οι περισσότεροι δανειστές εξακολουθούν να βασίζονται στο χαρτί, επομένως εστιάζουμε στο πού μπορούμε να έχουμε σημαντικό αντίκτυπο – όπου έχουμε μεγάλη εμπιστοσύνη ότι αποκαλύπτουμε απάτη. Το να βασίζεσαι στο μέτρο απάτης του Paystub της Informed είναι ένας καλός δείκτης για τους δανειστές ώστε να βεβαιωθούν ότι εντοπίζουν όχι μόνο το KYC αλλά και την ενισχυμένη απάτη. Ίσως κάποιος να μην μπορεί να δει την απάτη, επειδή είναι πολύ πιο εύκολο να πάρεις ένα ψεύτικο στέλεχος πληρωμής από ένα ψεύτικο αναγνωριστικό και δεδομένου ότι υπάρχει μεγαλύτερη εστίαση στην επαλήθευση KYC και ταυτότητας, είναι πιθανό να προκύψουν περισσότερες απάτες πληρωμών.

Είναι σημαντικό να διασφαλίζετε ότι οι δανειστές μπορούν να ανοίγουν λογαριασμούς και να προσφέρουν στους καταναλωτές μια απρόσκοπτη εμπειρία για τη μεταφόρτωση εγγράφων. Εάν έχετε αυτούς τους ελέγχους στο μπροστινό μέρος, μπορείτε να μειώσετε σημαντικά την απάτη. Είναι σημαντικό να βεβαιωθείτε ότι ελέγχετε για απάτη στην αρχή του καταρράκτη σας. Η κακή ποιότητα εικόνας σχετίζεται με κακή απόδοση στο χαρτοφυλάκιο δανείων. Εάν έχετε άτομα που μπορούν και θα αποπληρώσουν δάνεια, αλλά δεν μπορούν να παράσχουν υποστηρικτικά έγγραφα, πιθανότατα θα δοκιμάσουν συνθετικό αναγνωριστικό ή ένα CPN, αλλά όταν δούμε πραγματική απάτη στο paystub είναι πιο πιθανό να αθετήσουν τις υποχρεώσεις τους. Απλώς δεν έχουν τα μέσα να κάνουν αυτές τις πληρωμές.

Για να μάθετε περισσότερα σχετικά με την επισήμανση απάτης, επισκεφτείτε το informediq.com.