اتوماسیون برای شناسایی و توقف تراکنش های جعلی

در نشست اتوماسیون بانک، جسیکا گونزالس، مدیر استراتژی وام‌دهی خودرو Informed، به کوین فراگر، مدیر ارشد محصول و استراتژی در Ally Financial در پنلی که توسط ویتنی مک‌دونالد، معاون سردبیر اخبار اتوماسیون بانک مدیریت می‌شد، پیوست.

بخشی از بحث اینجاست.

ویتنی - چه نوع کلاهبرداری در حال افزایش است؟ جسیکا می‌توانی چند رقم به اشتراک بگذاری؟

جسیکا - کلاهبرداری یک موضوع داغ است. خریداران خودرو از یک رابط دیجیتال برای خرید و تامین مالی خودرو استفاده می‌کنند، بنابراین در وام‌دهی خودرو، شاهد زیان 4.7 میلیارد دلاری هستیم. میانگین تقلب شناسایی شده توسط Informed در همه وام دهندگان ما 2.25٪ است. حضور دیجیتالی در واقع کلاهبرداری را تا 08 درصد افزایش می‌دهد – کلاهبرداران پیچیده‌تر می‌شوند و از پلتفرم‌های دیجیتال برای فعال کردن آنها استفاده می‌کنند.

بنابراین ما مطمئن می شویم که کلاهبرداری مهار شده است. مجری قانون بر سرقت هویت متمرکز است، زیرا به راحتی قابل مجازات و یک "جنایت داغ" است. ما روی کلاهبرداری در پرداخت وام متمرکز شده‌ایم، زیرا با بازپرداخت وام‌های مصرف‌کنندگان مرتبط است. به جای تمرکز بر شناسایی یا KYC، مطمئن می شویم که می توانیم درآمد مصرف کننده را محاسبه کنیم.

ویتنی - شما در مورد کلاهبرداری از حقوق و دستمزد صحبت کرده اید و به تازگی یک بولتن منتشر کرده اید. آیا می توانید بیشتر در مورد آنچه می بینید به اشتراک بگذارید؟

جسیکا - نرخ کلاهبرداری در وام دهندگان ما 2.25٪ است. در دیجیتال، ما شاهد 35 درصد تقلب بیشتر هستیم. یک خرده فروش دیجیتال 10 برابر بیشتر احتمال دارد که اوراق و اسناد تقلبی را در زمینه وام مسکن و وام مشاهده کند. در نگاهی به روندها، ما آن را با میانگین 2.25٪ مقایسه می کنیم. شاید به نظر کار بزرگی نباشد، اما میلیاردها ارزش دارد. نکته کلیدی نه تنها داشتن اطلاعات برای ردیابی کلاهبرداری است، بلکه اطمینان از شناسایی روندها است.

همانطور که کوین گفت، پیگیری روندها به صورت دستی دشوار است. تحلیلگران اسناد را بررسی می کنند - آنها روزانه هزاران سند را می بینند. آنها نمی توانند همه آن نقاط داده را برای کشف روندها به هم وصل کنند. وقتی در بانک بودم، قبض تلفنی را دیدیم که نام و آدرس دیگری داشت، اما همان شماره تلفن دیگری بود و شناسایی آن تقریباً شش ماه طول کشید. داشتن زمان واقعی، تجزیه و تحلیل تراکنش های خودکار برای تجهیز تیم کلاهبرداری شما و صنعت گسترده تر با به اشتراک گذاری منابع داده ضروری است.

هوش مصنوعی می تواند میلیون ها تراکنش را انجام دهد و روندها را برجسته کند. بنابراین نه تنها داشتن داده ها، بلکه استفاده و تجزیه و تحلیل صحیح آن ها کلیدی است.

ویتنی - جسیکا آنچه را که می بیند به ما گفت. اکنون، کوین، با Ally - آیا می‌توانید افزایش اخیر در فعالیت‌های کلاهبرداری را که می‌بینید به اشتراک بگذارید؟

کوین - شما به این فکر می کنید که قبلا چقدر تقلب بوده است. شخصی نامه های شخصی را دزدید، شناسنامه جعلی گرفت و یک ماشین خرید. ممکن است یک متعهد باهوش تشخیص دهد که این مرد یک دفترچه اعتباری در کالیفرنیا دارد و آنها در حال درخواست وام در دیترویت هستند، که منطقی نبود. اما امروز، همه چیز سریع است. سرعت یکی از پیشنهادهای ارزش تجاری جدایی ناپذیر است.

این به خوبی با دیجیتال مطابقت دارد زیرا کلاهبرداران از مزیت استفاده می‌کنند و سعی می‌کنند سریع‌تر عمل کنند. یکی از بزرگترین انواع کلاهبرداری که ما شاهد آن هستیم، کلاهبرداری است که در آن افراد به طور جزئی یا کامل یک نمایه اعتباری ایجاد می کنند که برای عبور از سیستم های پذیره نویسی ما طراحی شده است. من اخیراً نمونه‌ای را دیدم که در آن امتیاز اعتباری شخصی با خط تجارت مدل بهبود یافت که باعث شد امتیاز معامله بهتر شود.

بنابراین تمام داده ها را بررسی می کنیم و یک شبیه سازی انجام می دهیم. ما افرادی داریم که به آنها نگاه می کنند، اما تشخیص آنها واقعا سخت است. وقتی معامله با یک شناسه مصنوعی انجام می شود، هنوز باید از هویت پشتیبانی کنید. اینجاست که داشتن توانایی هوش مصنوعی برای گرفتن کارت بد و پرچم‌گذاری آن برای مردم ما واقعاً ارزشمند است.

ویتنی – هر دوی شما اشاره کردید که Ally چگونه با informed.IQ کار می کند تا تراکنش های جعلی را علامت گذاری کند. جسیکا، می‌توانید در مورد اینکه چگونه بانک‌ها می‌توانند از این فناوری استفاده کنند صحبت کنید؟

جسیکا – Informed به طور خودکار تقلب در اوراق پرداخت را شناسایی می کند، که یکی از اولین نقاط ورود به فرآیند وام دادن است. بنابراین درک این نکته ضروری است که ما کلاهبرداران را به عنوان فناوری بسیار پیشرفته در نظر می گیریم و اگرچه این می تواند درست باشد، اما مردم عادی نیز با آن مواجه هستند. مانعی برای ورود اگر فقط بر تأییدهای غیر مستند تمرکز کنید، ممکن است با تعداد زیادی شناسه مصنوعی مواجه شوید. اگر روی KYC و کلاهبرداری هویت تمرکز کنید اما از اسناد دیجیتالی استفاده نکنید، محدودیتی برای شناسایی خودکار وجود دارد که می توانید فعال کنید.

اگر یک تصویر صاف، فقط یک تصویر سند از ایمیل یا فکس دریافت کرده اید، کیفیت تصویر یک مشکل است. بنابراین اگر فکس یا عکسی از یک عکس دریافت کنید، تشخیص تقلبی بودن آن دشوار است. هوش مصنوعی می تواند بر روی شناسه تمرکز کند، اما اگر تصویر صاف باشد، تنها در 10 تا 20 درصد مواقع موفق خواهید شد. اکثر وام دهندگان هنوز به کاغذ متکی هستند، بنابراین ما روی جایی که می توانیم تأثیر قابل توجهی داشته باشیم متمرکز هستیم - جایی که اطمینان داریم که در حال کشف کلاهبرداری هستیم. تکیه بر معیار تقلب در paystub Informed یک شاخص خوب برای وام دهندگان است تا مطمئن شوند که نه تنها KYC بلکه تقلب افزایش یافته را نیز شناسایی می کنند. شاید کسی نتواند کلاهبرداری را ببیند زیرا دریافت یک کارت پرداخت جعلی بسیار آسان تر از یک شناسه جعلی است و از آنجایی که تمرکز بیشتری روی تأیید KYC و شناسه وجود دارد، احتمالاً کلاهبرداری در پرداخت هزینه بیشتر رخ می دهد.

اطمینان از اینکه وام دهندگان می توانند حساب باز کنند و تجربه یکپارچه را برای بارگذاری اسناد به مصرف کنندگان ارائه دهند، مهم است. اگر این چک ها را در قسمت جلویی داشته باشید، می توانید کلاهبرداری را به میزان قابل توجهی کاهش دهید. اطمینان از اینکه در حال بررسی تقلب در ابتدای آبشار خود هستید بسیار مهم است. کیفیت تصویر ضعیف با عملکرد ضعیف در پورتفولیوی وام مرتبط است. اگر افرادی دارید که می‌توانند وام‌ها را بازپرداخت کنند، اما نمی‌توانند اسناد پشتیبانی ارائه کنند، به احتمال زیاد شناسه مصنوعی یا یک CPN را امتحان می‌کنند، اما وقتی شاهد تقلب واقعی در پرداخت وام هستیم، احتمال اینکه پیش‌فرض شوند بیشتر است. آنها فقط ابزاری برای انجام این پرداخت ها ندارند.

برای کسب اطلاعات بیشتر در مورد پرچم گذاری تقلب، بازدید کنید informediq.com.