Как банкам усилить защиту от мошенничества с помощью ИИ

Обзор ключевых рекомендаций из отчета 2024 Fraud Trends in Banking, Insurance, and Beyond от Finextra Research, Amazon Web Services и Vonage.

Надлежащее планирование

Генеративный ИИ предлагает новые возможности для организаций. Важно тщательно спланировать их адаптацию и трансформацию. В первую очередь это касается дорожной карты с планируемыми вариантами использования и ключевыми метриками. Однако имеет смысл подготовить и всесторонний обзор связанных рисков и предусмотреть варианты управлениями ими.

Определение нужных данных

Модели генеративного ИИ для борьбы с мошенничеством требуют больших и разнообразных данных о нестандартных транзакциях. Если обучать модели на недостаточных наборах данных, они не смогут эффективно распознавать мошенничество. С помощью API можно сохранять и использовать клиентские данные для будущих решений. Сводные данные помогут создавать правила для блокировки подозрительных операций.

Использование данных из сетевых API

Сетевые API помогают объединять разрозненные данные, добавляя важную информацию, например, о местоположении. Это упрощает выявление мошенничества. API могут также предоставлять информацию о статусе SIM-карты и оценке риска номера телефона (включая проверку замены SIM и отметки о спам-активности), что помогает блокировать опасные действия.

Безопасность как приоритет

IBM выяснила, что 20% компаний уже применяют генеративный ИИ для безопасности. Проблема в том, что только 24% таких подобных решений надежно защищены, что создает риск утечки информации. Чтобы избежать его, необходимо выявлять несанкционированные данные и применять современные протоколы безопасности. Также необходимо разработать планы реагирования на инциденты для блокировки или отключения скомпрометированных моделей.

Развитие партнерств

В нынешних реалиях рынка сотрудничество может быть выгоднее, чем разработка собственных решений. Аутсорсинг отдельных процессов или структур часто обходится дешевле и проще.

Создание и внедрение структур управления

Для управления рисками, связанными с генеративным ИИ, нужно внедрять системы контроля, которые объединяют экспертный надзор и гибкость в принятии решений. Эти структуры должны интегрироваться в операционную модель бизнеса и сопровождаться обучением сотрудников.