Cinco maneiras pelas quais a inteligência artificial e a aprendizagem de máquina podem combater a fraude financeira

Tim Bedard, 3 de Abril de 2019
AI - MachineLearning

Um dos maiores desafios dos serviços bancários é minimizar o número de falsos positivos que são gerados, economizando, desse modo, tempo e dinheiro, além de evitar que os clientes fiquem desnecessariamente frustrados.

Como estamos falando de duas expressões das mais proeminentes no mundo da tecnologia, não é segredo que a inteligência artificial (IA) e a aprendizagem de máquina estão impulsionando a transformação em praticamente todos os setores e disciplinas. Elas estão ajudando as empresas a simplificar os processos internos para melhorar a eficácia, entender as grandes quantidades de dados para impulsionar uma tomada de decisões inteligente e criar serviços novos e inovadores para melhorar a experiência do cliente.

Um setor específico onde a IA e a aprendizagem de máquina vêm tendo um impacto significativo é o de serviços financeiros. Isso é verdadeiro, em especial, quando falamos no combate às fraudes, que continuam a crescer, pois os cibercriminosos vêm encontrando novas formas de acessar as contas de clientes.

Por exemplo, o sequestro de conta – um dos tipos de fraude mais desafiador para os consumidores – cresceu significativamente em 2018, com o número de ataques triplicando nos 12 meses anteriores e as perdas chegando a US$ 5,1 bilhões (£ 3,9 bilhões).

Assim, com somas de dinheiro tão significativas em jogo tanto para consumidores como para as instituições financeiras, como as tecnologias da IA e da aprendizagem de máquina podem ajudar a combater a grande ameaça das fraudes?

Análise de Dados Precisa

Um dos recursos mais importantes dos algoritmos de aprendizagem de máquina é o fato de poderem analisar grandes quantidades de dados de transações e de sinalizar transações suspeitas com classificações de risco altamente precisas em tempo real. Essa abordagem de análise baseada em risco detecta padrões complexos que são difíceis de identificar pelos analistas, o que torna bancos e organizações financeiras mais eficientes do ponto de vista operacional ao detectarem mais fraudes.

Os algoritmos levam em consideração vários fatores, incluindo a localização do cliente, o dispositivo utilizado e outros pontos de dados contextuais para gerar um cenário detalhado de cada transação. Essa abordagem melhora as decisões em tempo real e protege melhor os clientes contra as fraudes, sem causar impacto à experiência de usuário.

Essa tendência continuará nos próximos anos. Graças ao desenvolvimento tecnológico significativo nessa área, as organizações confiam cada vez mais em algoritmos de aprendizagem de máquina para decidir quais transações são suspeitas.

Liberação dos Analistas de Fraudes

Com a aceleração de novas ameaças cibernéticas combinada com as grandes quantidades de dados para analisar, os analistas de fraudes têm a tarefa quase impossível de identificar qualquer coisa que pareça suspeita em tempo hábil. As IFs, portanto, precisam assumir uma abordagem inovadora que permite a rápida análise e extração de dados entre os canais ao mesmo tempo em que detecta fraudes em tempo real.

Com a IA, a análise de dados é concluída em milissegundos, detectando de maneira eficiente padrões complexos que podem ser difíceis de identificar para um analista humano.

Isso reduz a quantidade de trabalho manual realizado no monitoramento de todas as transações, pois menos casos necessitam de atenção humana. Conforme descreve o SCMagazine.com, a qualidade e a eficiência do trabalho dos analistas de fraudes também aumenta, pois sua carga de trabalho fica mais gerenciável, removendo o peso de tarefas que consomem tempo e permitindo que eles se concentrem apenas nos casos mais importantes, como, por exemplo, quando as classificações de risco são as maiores. Isso reduz o custo de operações antifraude e aumenta a taxa de eficiência de transações genuínas e processadas com sucesso em função de uma avaliação de riscos melhor.

Como a inteligência artificial e a aprendizagem de máquina podem combater a fraude financeira?
  1. Análise de Dados Precisa
  2. Liberação dos Analistas de Fraudes
  3. Redução de Falsos Positivos
  4. Detecção de Ataques Eficaz
  5. Obtenha Conformidade Regulatória

Redução de Falsos Positivos

Com o nível de complexidade das infraestruturas financeiras de hoje, o termo ‘falso positivo’ ficou fortemente associado às tentativas do setor de combater a fraude. Um dos maiores desafios dos serviços bancários é minimizar o número de falsos positivos gerados, economizando, desse modo, tempo e dinheiro, além de evitar que os clientes fiquem desnecessariamente frustrados.

A IA e a aprendizagem de máquina têm um papel muito importante nessa área. Por serem capazes de analisar um conjunto muito maior de pontos de dados, conexões entre as entidades e padrões de fraude — incluindo cenários de fraude ainda não conhecidos dos analistas de fraude — a proeminência dos falsos positivos pode ser reduzida drasticamente.

Isso significa que menos cliente serão falsamente rejeitados por preocupações relativas a fraudes, o que, por sua vez, minimiza o trabalho e os custos de tempo associados com a alocação da equipe para revisar transações sinalizadas.

Detecção de Ataques Eficaz

Conforme explica o SCMagazine.com, os algoritmos de aprendizagem de máquina conseguem identificar padrões em grandes quantidades de dados estruturados e não estruturados. Isso os torna significativamente melhores que os seres humanos na detecção de ataques de fraude novos e emergentes.

Seja pela habilidade de prever surtos de tráfego de fontes incomuns, seja pela construção de perfis de clientes detalhados para a detecção de anomalias antes de elas se desenvolverem, a detecção de ataques mais eficaz é um dos benefícios principais oferecidos pela IA e pela aprendizagem de máquina. Como essas ferramentas estão se tornando mais poderosas, a perspectiva para bancos e instituições financeiras aumenta de modo exponencial.

Obtenha Conformidade Regulatória

Um sistema de prevenção de fraude com base em regras e políticas definidas manualmente já não consegue mais acompanhar o ecossistema de serviços bancários digitais dos dias de hoje. Para ficar à frente, as instituições financeiras precisam de uma solução de detecção de fraude que aproveite a IA por meio de aprendizagem de máquina supervisionado e não supervisionado.

A aprendizagem de máquina permite que as organizações analisem dados com contexto entre dispositivos, aplicativos e transações e requer muito pouca entrada manual. Isso quer dizer que as políticas devem poder ser constantemente adaptadas, fato essencial para a manutenção da conformidade regulatória com o passar do tempo (por exemplo, com a PSD2). Isso pode economizar o tempo dos bancos e reduzir o potencial de multas dispendiosas.

Por fim, é importante lembrar que esses elementos diferentes não podem ser considerados sozinhos. Todos eles são peças importantes no quebra-cabeças geral da prevenção de fraude, que se unem para auxiliar o setor de serviços bancários a proteger os clientes e a combater o problema de vários bilhões de dólares que a fraude financeira representa.

capa do ebook
eBook

Fraude de sequestro de conta: como proteger seu negócio e seus clientes

Como prevenir a fraude de sequestro de conta e proteger os clientes em cada estágio de sua jornada digital.

Baixar Agora

Este artigo foi publicado originalmente no site SCMagazine.com em 28 de março de 2018.

Tim é diretor de marketing de produtos da OneSpan e responsável pelas soluções de verificação de identidade da empresa, assinatura eletrônica e automação de contratos seguros. Tim ocupou posições de liderança em estratégia de produtos, gerenciamento de produtos e marketing nas principais