در فضای خدمات مالی که به سرعت در حال تحول است، هوش مصنوعی در حال تغییر روش بانک ها و فین تک ها است.
در طول چند سال گذشته، این فناوری حتی پیشرفتهتر شده است و نوآوری را در بخشهای مختلف مالی افزایش داده است - چه کشف تقلب، شخصیسازی تجربه بانکی یا ارزیابی ریسک.
استفاده از هوش مصنوعی برای کشف تقلب
هوش مصنوعی می تواند با تجزیه و تحلیل الگوهای تراکنش، فعالیت های جعلی را شناسایی کند. این فناوریها میتوانند رفتار مشکوک را شناسایی کرده و کلاهبرداری بالقوه را در زمان واقعی شناسایی کنند و به مؤسسات مالی کمک کنند تا زیانها را کاهش دهند.
در اوایل سال جاری Mastercard یک راه حل هوش مصنوعی معرفی کرد در بریتانیا برای کمک به مبارزه با کلاهبرداری های پرداخت. یکی از شرکای آن، TSB، از ابزار Consumer Fraud Risk استفاده کرد. پس از اجرای آزمایشی آن برای چند ماه، بانک شاهد افزایش کشف تقلب بود که منجر به صرفه جویی در هزینه شد.
هوش مصنوعی موثر است زیرا از مجموعه داده های بزرگ استفاده می کند تا امکان پیش بینی و تشخیص دقیق تر را فراهم کند. در مؤسسات مالی بزرگتر، بهویژه با توجه به مقیاس پرداختهای روزانه که پردازش میشوند، استفاده نکردن از هوش مصنوعی برای مبارزه با تقلب، چالشبرانگیز و غیرقابل مدیریت است.
علاوه بر شناسایی الگوهای تقلبی که ممکن است انسان ها از قلم بیفتند، هوش مصنوعی می تواند دقت تشخیص تقلب را بهبود بخشد و موارد مثبت کاذب را کاهش دهد.
«روشهای سنتی تشخیص تقلب میتوانند بسیاری از موارد مثبت کاذب را ایجاد کنند که بررسی آنها میتواند زمانبر باشد و در نهایت منجر به از دست رفتن درآمد شود. آیدو لوستیگ، معاون ریسک و محصول هویت در Checkout.com، خاطرنشان کرد: هوش مصنوعی میتواند با تجزیه و تحلیل دادهها و شناسایی دقیقتر کلاهبرداریهای احتمالی، دقت را بهبود بخشد و موارد مثبت کاذب را کاهش دهد. در مقاله PaymentsJournal.
تکیه بر شخصی سازی
از آنجایی که نیاز به شخصی سازی بیشتر در حال افزایش است، بسیاری از شرکت ها از هوش مصنوعی برای تطبیق تجربیات خود، چه در زمینه بانکداری و چه در زمینه بانکداری استفاده می کنند. تنظیم خرده فروشیs.
برای مثال Shopify در اوایل امسال اعلام کرد که با راهحل Shopify Magic خود که از هوش مصنوعی مولد استفاده میکند و به بازرگانان کمک میکند تا پستهای وبلاگ، توضیحات محصول و محتوای بازاریابی ایمیلی را ایجاد کنند، به هوش مصنوعی میپردازد. مجموعه ابزارهای هوش مصنوعی آن همچنین به بازرگانان اجازه می دهد تا موجودی خود را بهتر مدیریت کنند و فرآیند تجارت الکترونیک را خودکار کنند.
به طور مشابه، در ماه آوریل، Klarna از یک فید خرید مبتنی بر هوش مصنوعی رونمایی کرد که هدف آن ارائه خدمات شخصی به مشتریان است. توصیه های محصول در زمان واقعی.
همانطور که هوش مصنوعی به مجموعه داده های مختلفی برای تشخیص تقلب نگاه می کند، این فناوری نیز همین کار را در شرایط متفاوتی انجام می دهد. موتورهای توصیه مبتنی بر هوش مصنوعی دادههای مشتری را تجزیه و تحلیل میکنند تا محصولات و خدمات شخصیسازی شده را ارائه دهند، مانند فیدهای خرید سفارشی، مشاوره سرمایهگذاری یا حتی پیشنهادات وام.
هوش مصنوعی در حال تغییر اکوسیستم پرداخت است، اما با خطر همراه است
در سال گذشته، موسسات مالی بیشتری روی هوش مصنوعی و به ویژه هوش مصنوعی مولد شرط بندی کرده اند. با توجه به اینکه چقدر این فناوری به شرکت ها کمک می کند تا گردش کار خود را بهبود بخشند، تعجبی ندارد.
اگرچه هوش مصنوعی مولد مزایای زیادی دارد، مانند ایجاد توصیههای شخصی و کمک به کسبوکارها در سادهسازی سیستمهای پیچیده، اما خطراتی نیز به همراه دارد.
کلاهبرداران به طور فزاینده ای از هوش مصنوعی مولد برای جعل هویت دیگران استفاده می کنند که منجر به هجوم کلاهبرداری هایی می شود که بسیاری از قربانیان را آسیب پذیر می کند و مبالغ زیادی از دست می دهد. کلاهبرداریها آنقدر پیچیده و واقعی شدهاند که اغلب به سختی میتوان رمزگشایی کرد که آیا فرد طرف مقابل فردی است که قربانی میشناسد یا یک کلاهبردار.
مطابق با داده های استراتژی و تحقیقات Javelinکلاهبرداری های هویتی در سال گذشته 25 میلیون نفر را تحت تأثیر قرار داد که منجر به ضرری حدود 23 میلیارد دلار شد.
اگرچه استفاده از هوش مصنوعی مزایای زیادی دارد، اطمینان از اقدامات مناسب برای مبارزه با فعالیت های تقلبی به همان اندازه مهم است.
افکار نهایی
هوش مصنوعی با خودکار کردن وظایف، بهبود تصمیمگیری و افزایش تجربیات مشتری، چشمانداز مالی را متحول میکند. موسسات مالی که از این فناوری ها استقبال می کنند، مزیت رقابتی به دست می آورند. همانطور که هوش مصنوعی بالغ می شود، انتظار داریم که شاهد نوآوری های بیشتری باشیم که فضای پرداخت را شکل می دهد.