万事达卡如何利用人工智能来阻止欺诈、减少错误拒付?

这常常是由于交易被错误地标记为欺诈交易DD判断付款否有效的算法谨慎过头了,有时算法会出错。

万事达卡如何利用人工智能来阻止欺诈、减少错误拒付?

除了带来不便外,这些错误拒付给商家乃至更广泛的经济造成的损失约1180亿美元, 比实际银行卡欺诈造成的损失高出13倍。

但别害怕,因为人工智能再次成为救星。万事达卡借助其Decision Intelligence平台和AI Express平台,利用基于机器学习的预测分析技术,将这种情况的发生率降低了50%。

我有幸与该公司的全球企业、风险和安全总裁Ajay Bhalla谈论了这项技术如何运作、以及AI现在如何帮助万事达卡实现更多的战略目标。

实时分析意味着更准确的结果

Bhalla告诉我,由于收购了总部位于加利福尼亚州的人工智能专业公司Brighterion,检测欺诈和减少错误拒付的能力有了巨大飞跃。

与Brighterion一起开发的技术让它能够改而实时分析数据。机器学习算法必须非常高效,才能处理每年在全球4500万个地方进行的750亿次交易,这些交易由万事达卡的网络处理。

今天,决定要不要拒绝某笔交易取决于源源不断的数据流和自学算法,而不是静态样本数据集和固定的规则,这已取得了令人瞩目的成果。

Bhalla告诉我,由于有自学能力,人工智能系统总是与时俱进,不再出现学习滞后的情况。

他说:“它所做的工作是分析数十亿笔交易,搞清楚交易是欺诈性的倾向性有多大,当交易准备通过授权时,它会向系统中的银行提供此建议。

“它帮助我们发现了价值数十亿美元的欺诈。”

该系统使用了实时传输的交易数据、外部数据(包括匿名和汇总的客户信息)以及地理信息。

地理信息很有用,因为它不仅概述了某个区域“正常”的交易的类型,还揭示了与之有关的欺诈活动的模式。所有这些信息同样实时汇总起来。

这意味着可以检测、跟踪和阻止欺诈模式,有组织的团伙常常大规模实施欺诈,他们盯上某个地方的公司企业,或企图在遍布城市的众多ATM上“提现”。

Bhalla说:“从消费者的角度来看,这确实很好,因为这意味着对消费者来说审批更快,这意味着更多真正的交易得到审批。商家也喜欢它,因为对于商家来说,更多的审批意味着更多的生意。”

AI面临的挑战

Bhalla告诉我,多年来构建智能自动化系统已成为万事达卡的核心战略,但收购Brighterion并将其技术整合到万事达卡的系统向“纯粹的”AI迈出了一步。从客户服务到反洗钱措施,其业务的许多方面必将受益于人工智能大改进。

一大挑战在于确保数据的质量一向很高,因为如果交易记录或其他存储的数据出现错误,连最智能化的机器也不可避免地会做出错误的决策。

Bhalla将其公司在这方面的成功归功于50多年来在生成和验证交易记录方面所积累的经验DD他告诉我:“我们已搞了好多年,但那通常是挑战DD你得确保数据非常正确。”

第二个挑战是决定在公司中的哪个地方部署可能成本很高昂的AI基础架构时确定优先级。

早期做出的一个决定是,提高客户满意度最有可能带来最大的长期效益。

Bhalla告诉我:“这是确定优先级的问题DD我们需要解决的五大方面是什么?”

“你知道,我们想要解决的最重要的方面就是客户体验,确保你在销售点进行交易时,能够无缝地完成交易DD这是我们的首要任务。”

挫败洗钱者

为了打击洗钱问题,许多相关的AI原则类似用于减少虚假拒付的那些原则。

人工智能算法检查交易数据中的模式,如果有人或公司结伙作案,设立账户,进行可能涉及脏钱的交易,系统就能识破。

然而,还在这里部署了另一项技术自然语言处理(NLP)。NLP使用旨在解读自然人类语言的算法,实际上让计算机可以理解人类说的内容。这意味着它们能从语音和书写中获取重要信息,而不只是从它们历来处理的数字和代码中获取信息。

NLP可以检测并确定姓名和人群之间的联系,在人群常常使用虚假姓名,并采用别名或偷偷改变姓名的拼写以规避检测的情况下大有用处。

物联网DD展望未来......

至于未来,Bhalla表示他确信,随着交易量增加,越来越多的商贸通过数字方式完成,犯罪分子变得越来越狡猾,AI在整个金融服务业会变得越来越重要。

尤其是,物联网(IoT)的迅猛发展意味着支付系统势必会处理越来越多的自动化交易。这意味着AI程序要变得更强大、更快速,以应对需求和日益复杂的使用场合。

相关推荐