دھوکہ دہی کے لین دین کا پتہ لگانے اور روکنے کے لیے آٹومیشن

بینک آٹومیشن سمٹ میں، آٹو قرض دینے کی حکمت عملی کی باخبر ڈائریکٹر، جیسکا گونزالیز، کیون فراگر، ایلی فائنانشل میں پروڈکٹ اینڈ اسٹریٹجی کے سینئر ڈائریکٹر کے ساتھ بینک آٹومیشن نیوز کے ڈپٹی ایڈیٹر وٹنی میکڈونلڈ کے زیر انتظام پینل میں شامل ہوئیں۔

یہاں بحث کا حصہ ہے۔

وٹنی – کس قسم کے فراڈ بڑھ رہے ہیں؟ جیسکا کیا آپ کچھ اعداد و شمار بانٹ سکتے ہیں؟

جیسکا - فراڈ ایک گرما گرم موضوع ہے۔ کاروں کے خریدار کاروں کی خریداری اور مالی اعانت کے لیے ڈیجیٹل انٹرفیس کا استعمال کر رہے ہیں، اس لیے آٹو قرضے میں، ہمیں 4.7 بلین ڈالر کا نقصان ہو رہا ہے۔ ہمارے تمام قرض دہندگان میں Informed کے پائے جانے والے فراڈ کی اوسط 2.25% ہے۔ ڈیجیٹل موجودگی درحقیقت دھوکہ دہی میں .08% اضافہ کرتی ہے - دھوکہ باز زیادہ نفیس ہو رہے ہیں اور وہ انہیں فعال کرنے کے لیے ڈیجیٹل پلیٹ فارم استعمال کر رہے ہیں۔

لہذا ہم اس بات کو یقینی بنا رہے ہیں کہ فراڈ موجود ہے۔ قانون نافذ کرنے والے اداروں کی توجہ شناخت کی چوری پر ہے، کیونکہ یہ آسانی سے قابل سزا اور "گرم جرم" ہے۔ ہماری توجہ پے اسٹب فراڈ پر ہے کیونکہ اس کا تعلق ان صارفین سے ہے جو اپنے قرضوں کی ادائیگی کر رہے ہیں۔ شناخت یا KYC پر توجہ دینے کے بجائے، ہم اس بات کو یقینی بنا رہے ہیں کہ ہم صارفین کی آمدنی کا حساب لگا سکیں۔

وٹنی - آپ نے پے اسٹب فراڈ کے بارے میں بات کی ہے اور آپ نے ابھی ایک بلیٹن جاری کیا ہے۔ کیا آپ جو کچھ دیکھ رہے ہیں اس کے بارے میں مزید اشتراک کر سکتے ہیں؟

جیسیکا - ہمارے قرض دہندگان میں فراڈ کی شرح ~2.25% ہے۔ ڈیجیٹل میں، ہم 35% زیادہ فراڈ دیکھتے ہیں۔ ایک ڈیجیٹل خوردہ فروش کے پاس رہن اور قرض دینے میں دھوکہ دہی والے پے اسٹب اور دستاویزات دیکھنے کا امکان 10 گنا زیادہ ہوتا ہے۔ رجحانات کو دیکھتے ہوئے، ہم اس کا اوسط 2.25% سے موازنہ کر رہے ہیں۔ یہ ایک بڑی بات نہیں لگتی ہے، لیکن اس کی قیمت اربوں ہے۔ کلید نہ صرف دھوکہ دہی کو ٹریک کرنے کے لیے ڈیٹا کا ہونا ہے، بلکہ یہ یقینی بنانا ہے کہ آپ رجحانات کو پہچانتے ہیں۔

جیسا کہ کیون نے کہا، رجحانات کو دستی طور پر ٹریک کرنا مشکل ہے۔ تجزیہ کار دستاویزات کا جائزہ لیتے ہیں - وہ روزانہ ٹن دستاویزات دیکھتے ہیں۔ وہ رجحانات کو ننگا کرنے کے لیے ان تمام ڈیٹا پوائنٹس کو جوڑ نہیں سکتے۔ جب میں بینک میں تھا، تو ہم نے ایک ٹیلی فون بل دیکھا جس کا نام اور پتہ مختلف تھا، لیکن وہی ٹیلی فون نمبر جو کسی اور کا تھا، اور اس کی شناخت میں تقریباً چھ مہینے لگے۔ حقیقی وقت کے ساتھ، خودکار لین دین کا تجزیہ ڈیٹا کے وسائل کا اشتراک کرکے آپ کی فراڈ ٹیم اور وسیع تر صنعت کو لیس کرنے کے لیے ضروری ہے۔

AI ان لاکھوں لین دین کو لے سکتا ہے اور رجحانات کو نمایاں کر سکتا ہے۔ لہذا نہ صرف ڈیٹا ہونا بلکہ اس کا صحیح استعمال اور تجزیہ کرنا کلیدی حیثیت رکھتا ہے۔

وٹنی - جیسیکا نے ہمیں بتایا کہ وہ کیا دیکھتی ہے۔ اب، کیون، ایلی کے ساتھ - کیا آپ دھوکہ دہی کی سرگرمیوں میں حالیہ اضافے کا اشتراک کر سکتے ہیں جو آپ دیکھ رہے ہیں؟

کیون - آپ سوچتے ہیں کہ کس طرح دھوکہ دہی ہوا کرتی تھی۔ کسی نے کسی کا میل چرایا، جعلی آئی ڈی بنوائی اور گاڑی خریدی۔ ایک ہوشیار انڈر رائٹر یہ پہچان سکتا ہے کہ اس آدمی کے پاس کیلیفورنیا میں کریڈٹ بیورو نوٹ ہے اور وہ ڈیٹرائٹ میں قرض کے لیے درخواست دے رہے ہیں، جس کا کوئی مطلب نہیں تھا۔ لیکن آج، سب کچھ تیز ہے. رفتار ایک لازمی کاروباری قدر کی تجاویز میں سے ایک ہے۔

یہ ڈیجیٹل میں اچھی طرح سے فٹ بیٹھتا ہے کیونکہ دھوکہ باز فائدہ اٹھاتے ہیں، تیز تر بننے کی کوشش کرتے ہیں۔ دھوکہ دہی کی سب سے بڑی قسموں میں سے ایک جو ہم دیکھ رہے ہیں وہ دھوکہ دہی ہے جہاں لوگ جزوی طور پر یا مکمل طور پر ایک کریڈٹ پروفائل بنا رہے ہیں جو ہمارے انڈر رائٹنگ سسٹم کے ذریعے حاصل کرنے کے لیے ڈیزائن کیا گیا ہے۔ میں نے حال ہی میں ایک مثال دیکھی ہے جہاں کسی کا کریڈٹ اسکور ماڈل ٹریڈ لائن کے ساتھ بہتر ہوا ہے جس نے ڈیل اسکور کو بہتر بنایا ہے۔

لہذا ہم تمام ڈیٹا کا جائزہ لیتے ہیں اور ایک نقلی کرتے ہیں۔ ہمارے پاس لوگ ان کی طرف دیکھ رہے ہیں، لیکن ان کا پتہ لگانا واقعی مشکل ہے۔ جب معاہدہ مصنوعی ID کے ساتھ ہوتا ہے تو آپ کو شناخت کی حمایت کرنی ہوگی۔ یہی وہ جگہ ہے جہاں AI کو خراب پے اسٹب کیپچر کرنے اور اپنے لوگوں کے لیے اسے جھنڈا لگانے کی اہلیت بہت قیمتی ہے۔

وٹنی - آپ دونوں نے بتایا کہ ایلی کس طرح مطلع شدہ آئی کیو کے ساتھ کام کرتا ہے تاکہ دھوکہ دہی پر مبنی لین دین کو نشان زد کیا جا سکے۔ جیسکا، کیا آپ بات کر سکتے ہیں کہ بینک اس ٹیکنالوجی کو کیسے فائدہ اٹھا سکتے ہیں؟

جیسکا - باخبر خود بخود پے اسٹبس پر دھوکہ دہی کا پتہ لگاتا ہے، جو کہ قرض دینے کے عمل میں داخلے کے اولین نکات میں سے ایک ہے.. اس لیے یہ سمجھنا ضروری ہے کہ ہم فراڈ کرنے والوں کو واقعی ہائی ٹیک سمجھتے ہیں اور جب کہ یہ سچ ہو سکتا ہے، اس کا سامنا بھی روزمرہ کے لوگوں کو ہوتا ہے۔ داخلے میں رکاوٹ۔ اگر آپ صرف غیر دستاویزی تصدیقوں پر توجہ مرکوز کرتے ہیں تو آپ کو بہت سی مصنوعی IDs مل سکتی ہیں۔ اگر آپ KYC اور شناختی دھوکہ دہی پر توجہ مرکوز کرتے ہیں لیکن ڈیجیٹل دستاویزات کا استعمال نہیں کرتے ہیں تو اس بات کی ایک حد ہے کہ آپ کتنی خودکار شناخت کو فعال کرسکتے ہیں۔

اگر آپ کو فلیٹ امیج، ای میل یا فیکس سے صرف ایک دستاویز کی تصویر موصول ہوئی ہے، تو تصویر کا معیار ایک مسئلہ ہے۔ لہذا اگر آپ کو فیکس یا کسی تصویر کی تصویر ملتی ہے، تو یہ جاننا مشکل ہے کہ آیا یہ فراڈ ہے۔ AI ID پر توجہ مرکوز کر سکتا ہے، لیکن اگر یہ ایک فلیٹ تصویر ہے تو آپ صرف 10 سے 20٪ وقت میں کامیاب ہوں گے۔ زیادہ تر قرض دہندگان اب بھی کاغذ پر انحصار کرتے ہیں لہذا ہم اس بات پر توجہ مرکوز کرتے ہیں کہ ہم کہاں اہم اثر ڈال سکتے ہیں – جہاں ہمیں زیادہ اعتماد ہے کہ ہم دھوکہ دہی کا پردہ فاش کر رہے ہیں۔ Informed کے پے اسٹب فراڈ پیمانہ پر انحصار کرنا قرض دہندگان کے لیے ایک اچھا اشارہ ہے تاکہ یہ یقینی بنایا جا سکے کہ وہ نہ صرف KYC بلکہ بڑھے ہوئے فراڈ کی بھی شناخت کر رہے ہیں۔ ہو سکتا ہے کسی کو فراڈ نظر نہ آئے کیونکہ جعلی ID کے مقابلے میں جعلی پے سٹب حاصل کرنا بہت آسان ہے اور چونکہ KYC اور ID کی تصدیق پر زیادہ توجہ دی جاتی ہے، اس لیے زیادہ پے سٹب فراڈ ہونے کا امکان ہے۔

اس بات کو یقینی بنانا کہ قرض دہندگان اکاؤنٹس کھول سکتے ہیں اور صارفین کو دستاویزات اپ لوڈ کرنے کے لیے ایک ہموار تجربہ پیش کر سکتے ہیں۔ اگر آپ کے پاس وہ چیک سامنے کے آخر میں ہیں، تو آپ فراڈ کو نمایاں طور پر کم کر سکتے ہیں۔ اس بات کو یقینی بنانا کہ آپ اپنے آبشار کے آغاز میں دھوکہ دہی کی جانچ کر رہے ہیں۔ خراب تصویر کا معیار قرض کے پورٹ فولیو کے اندر خراب کارکردگی سے منسلک ہے۔ اگر آپ کے پاس ایسے لوگ ہیں جو قرض ادا کر سکتے ہیں اور کر سکتے ہیں لیکن معاون دستاویزات فراہم نہیں کر سکتے ہیں تو وہ غالباً مصنوعی ID یا CPN آزمائیں گے لیکن جب ہم اصل پے سٹب فراڈ دیکھیں گے تو ان کے ڈیفالٹ ہونے کا زیادہ امکان ہے۔ ان کے پاس صرف وہ ادائیگیاں کرنے کے ذرائع نہیں ہیں۔

دھوکہ دہی کے بارے میں مزید جاننے کے لیے، ملاحظہ کریں۔ informationiq.com.