Automation för att upptäcka och stoppa bedrägliga transaktioner

På Bank Automation Summit anslöt sig Informeds chef för Auto Lending Strategy, Jessica Gonzalez, Kevin Faragher, Senior Director of Product and Strategy på Ally Financial i en panel som modereras av Whitney McDonald, biträdande redaktör för Bank Automation News.

Här är en del av diskussionen.

Whitney – Vilka typer av bedrägerier ökar? Jessica kan du dela med dig av några siffror?

Jessica – Bedrägeri är ett hett ämne. Bilköpare använder ett digitalt gränssnitt för att köpa och finansiera bilar, så i billån ser vi förluster på 4.7 miljarder dollar. Informeds upptäckta bedrägerisnitt är 2.25 % för alla våra långivare. Att ha en digital närvaro ökar faktiskt bedrägerierna med 08 % – bedragare blir mer sofistikerade och de använder digitala plattformar för att möjliggöra dem.

Så vi ser till att bedrägeri begränsas. Brottsbekämpning är fokuserad på identitetsstöld, eftersom det är lätt straffbart och ett "hett brott". Vi är fokuserade på bedrägerier med lönekort eftersom det korrelerar med att konsumenter betalar tillbaka sina lån. Istället för att fokusera på identifiering eller KYC ser vi till att vi kan beräkna konsumentinkomster.

Whitney – Du har pratat om lönebedrägeri och du har precis släppt en bulletin. Kan du dela mer om vad du ser?

Jessica – Bedrägerifrekvensen bland våra långivare är ~2.25%. I det digitala ser vi 35 % fler bedrägerier. En digital återförsäljare är 10 gånger mer sannolikt att se bedrägliga lönebesked och dokumentation över bolån och utlåning. När vi tittar på trender jämför vi det med de genomsnittliga 2.25 %. Det kanske inte låter som en stor grej, men det är värt miljarder. Nyckeln är inte bara att ha data för att spåra bedrägerier, det är att se till att du känner igen trender.

Som Kevin sa, det är svårt att manuellt spåra trender. Analytiker granskar dokument – ​​de ser massor av dokument dagligen. De kan inte koppla alla dessa datapunkter för att avslöja trender. När jag var på banken såg vi en telefonräkning med annat namn och adress, men samma telefonnummer som någon annan, och det tog nästan ett halvår att identifiera. Med realtid är automatiserad transaktionsanalys absolut nödvändig för att utrusta ditt bedrägeriteam och den bredare industrin genom att dela dataresurser.

AI kan ta dessa miljontals transaktioner och lyfta fram trender. Så inte bara att ha data utan att använda och analysera den på rätt sätt är nyckeln.

Whitney – Jessica berättade för oss vad hon ser. Nu, Kevin, med Ally – Kan du dela de senaste ökningarna av bedräglig aktivitet som du ser?

Kevin – Du tänker på hur bedrägeri brukade vara. Någon stal någons post, fick en falsk legitimation och köpte en bil. En smart försäkringsgivare kanske känner igen att den här killen har en kreditupplysningstjänst i Kalifornien och att de ansöker om ett lån i Detroit, vilket inte var vettigt. Men idag går allt snabbt. Hastighet är ett av de integrerade affärsvärdeförslagen.

Detta passar digitalt bra eftersom bedragare utnyttjar och försöker vara snabbare. En av de största typerna av bedrägerier vi ser är bedrägerier där folk helt eller delvis skapar en kreditprofil utformad för att ta sig igenom våra emissionssystem. Jag såg nyligen ett exempel där någon fick sin kreditpoäng förbättrad med modellhandelslinjen vilket gjorde att affären blev bättre.

Så vi granskar all data och gör en simulering. Vi har folk som tittar på dem, men de är verkligen svåra att upptäcka. När affären går igenom med ett syntetiskt ID måste du fortfarande stödja identiteten. Det är där det verkligen är värdefullt att ha förmågan att få AI att fånga den dåliga löneboken och flagga den för våra medarbetare.

Whitney – Ni nämnde båda hur Ally arbetar med informed.IQ för att flagga bedrägliga transaktioner. Jessica, kan du prata igenom hur banker kan utnyttja den här tekniken?

Jessica – Informed upptäcker automatiskt bedrägerier på lönekort, vilket är en av de första startpunkterna i utlåningsprocessen. Så det är absolut nödvändigt att förstå att vi tänker på bedragare som riktigt högteknologiska och även om det kan vara sant, är det också vanliga människor som ställs inför ett hinder för inträde. Om du bara fokuserar på icke-dokumentära verifikationer kan du stöta på många syntetiska ID:n. Om du fokuserar på KYC och identitetsbedrägerier men inte konsumerar digitala dokument finns det en begränsning för hur mycket automatisk upptäckt du kan aktivera.

Om du har fått en platt bild, bara en dokumentbild från ett e-postmeddelande eller fax, är bildkvaliteten ett problem. Så om du får ett fax eller en bild på en bild är det svårt att veta om det är bedrägligt. AI kan fokusera på ID, men om det är en platt bild kommer du bara att lyckas 10 till 20 % av tiden. De flesta långivare förlitar sig fortfarande på papper så vi är fokuserade på var vi kan göra betydande inverkan – där vi har högt förtroende för att vi upptäcker bedrägerier. Att förlita sig på Informeds bedrägeriåtgärd är en bra indikator för långivare att se till att de inte bara identifierar KYC utan också förbättrat bedrägeri. Kanske kan någon inte se bedrägerier eftersom det är mycket lättare att få en falsk lönebok än ett falskt ID och eftersom det är mer fokus på KYC och ID-verifiering, kommer mer lönebladsbedrägerier sannolikt att inträffa.

Det är viktigt att se till att långivare kan öppna konton och erbjuda en sömlös upplevelse för konsumenter att ladda upp dokument. Om du har dessa kontroller i fronten kan du minska bedrägerierna avsevärt. Det är viktigt att se till att du letar efter bedrägerier i början av ditt vattenfall. Dålig bildkvalitet korrelerar till dålig prestanda inom låneportföljen. Om du har personer som kan och kommer att betala tillbaka lån men inte kan tillhandahålla stödjande dokumentation kommer de sannolikt att prova syntetiskt ID eller en CPN, men när vi ser faktiska betalkortsbedrägerier är det mer sannolikt att de fallerar. De har helt enkelt inte möjlighet att göra dessa betalningar.

Om du vill veta mer om att flagga bedrägerier, besök informediq.com.