fbpx

9 Cara Utama Kecerdasan Buatan Mencegah Penipuan

9 Cara Utama Kecerdasan Buatan Mencegah Penipuan

Intinya:
Mesin berbasis aturan dan model prediksi sederhana dapat mengidentifikasi sebagian besar upaya penipuan di masa lalu, namun mereka tidak mengikuti skala dan tingkat keparahan upaya penipuan saat ini. Upaya penipuan dan pelanggaran lebih bernuansa, dengan kejahatan terorganisir dan kelompok yang disponsori negara menggunakan algoritma pembelajaran mesin untuk menemukan cara baru untuk menipu bisnis digital. Serangan berbasis kecurangan memiliki pola, urutan, dan struktur yang sama sekali berbeda, yang membuatnya tidak terdeteksi menggunakan logika berbasis aturan dan model prediksi saja.

AI Adalah Pasangan Yang Cocok Untuk Tantangan Melawan Penipuan

Apa yang diperlukan untuk mencegah penipuan dan menghentikan exfiltrasi data transaksi yang berharga adalah AI dan platform pembelajaran mesin yang mampu menggabungkan pembelajaran mesin yang diawasi dan tidak terawasi yang dapat memberikan skor tertimbang untuk aktivitas bisnis digital apa pun dalam waktu kurang dari satu detik. AI sangat cocok untuk eskalasi yang cepat dari upaya penipuan yang bernuansa dan sangat canggih. Sistem pencegahan penipuan dapat memeriksa bertahun-tahun dan dalam beberapa kasus, beberapa dekade data transaksi dalam tingkat respons 250 milidetik untuk menghitung skor risiko menggunakan AI. Mengambil pendekatan AI yang lebih integratif dan real-time ini di seluruh bisnis digital menghasilkan skor yang 200% lebih prediktif menurut penelitian internal yang diselesaikan oleh Kount. Mereka baru-baru ini mengumumkan solusi pencegahan penipuan berbasis generasi AI mereka serta fitur skoring baru, Omniscore. Omniscore menggabungkan komponen paling prediktif dari pembelajaran mesin yang diawasi dan pembelajaran mesin yang tidak diawasi dan faktor-faktor prediktif tambahan menjadi satu skor.

Berita terkait : Era Perubahan – IoT dan Machine Learning

Apa yang membuat Omniscore patut diperhatikan adalah bagaimana Kount mampu merancang algoritma pembelajaran mesin yang memperhitungkan data historis, pelatihan mesin yang diawasi yang dilatih menggunakan jaringan data universal Kount yang mencakup milyaran transaksi selama 12 tahun, 6.500 pelanggan, 180+ negara dan teritori, dan beberapa jaringan pembayaran. Hasilnya adalah skor risiko atau peringkat keamanan transaksi yang dapat segera diandalkan oleh bisnis digital apa pun untuk mengurangi penipuan.

https://bijaktechnology.com

9 Cara Utama Kecerdasan Buatan Mencegah Penipuan

Masa depan pencegahan penipuan berbasis AI bergantung pada kombinasi pembelajaran mesin yang diawasi dan tidak diawasi. Pembelajaran mesin yang diawasi unggul dalam memeriksa acara, faktor, dan tren dari masa lalu. Data historis melatih model pembelajaran mesin yang diawasi untuk menemukan pola yang tidak dapat dilihat dengan aturan atau analitik prediktif.

Berita terkait : Bagaimana “Artificial Intelligence of Things” Akan Mengubah Dunia seperti yang Kita Ketahui

Pembelajaran mesin tanpa pengawasan mahir dalam menemukan anomali, hubungan timbal balik, dan hubungan yang valid antara faktor dan variabel yang muncul. Menggabungkan pembelajaran mesin tanpa pengawasan dan diawasi menentukan masa depan pencegahan penipuan berbasis AI dan merupakan dasar dari sembilan cara teratas AI mencegah penipuan:

  1. AI mendefinisikan kembali pencegahan penipuan dari hanya mengandalkan pengalaman masa lalu untuk memperhitungkan aktivitas, perilaku, dan tren yang muncul dalam anomali transaksi. Sebelum AI, sistem pencegahan penipuan akan bergantung pada aturan saja, yang unggul dalam menganalisis pola penipuan masa lalu tanpa memberikan wawasan ke masa depan. Dengan menggabungkan algoritma pembelajaran terawasi yang dilatih tentang data historis dengan pembelajaran tanpa pengawasan, bisnis digital mendapatkan tingkat ketajaman yang lebih besar dan kejelasan tentang risiko relatif perilaku pelanggan. Keputusan untuk menerima atau menolak pembayaran, menghentikan aktivitas penipuan untuk membatasi tolak bayar dan mengurangi risiko semuanya dimungkinkan sekarang, terima kasih kepada AI.
  2. AI memungkinkan untuk mendeteksi serangan penipuan secara waktu nyata versus harus menunggu enam atau delapan minggu hingga tolak bayar mulai masuk. Kemampuan AI untuk mendeteksi serangan penipuan dalam waktu kurang dari satu detik menggunakan teknologi peringkat berbasis AI yang canggih seperti Omniscore adalah masa depan manajemen penipuan. Ketika bisnis digital bergantung pada pembelajaran terstruktur dan aturan saja, serangan baru sangat sulit untuk ditangkap. Chargeback muncul 6 hingga 8 minggu setelah penipuan terjadi, dan bisnis digital bergegas memperbarui mesin aturan mereka. Dengan menyeimbangkan pembelajaran terawasi dan tidak terawasi, AI mengurangi kebutuhan untuk selalu mengejar ketinggalan dengan penipuan online.
  3. Sekarang mungkin untuk menggagalkan serangan penyalahgunaan yang lebih canggih, bernuansa termasuk merujuk penyalahgunaan teman, penyalahgunaan promosi, atau kolusi penjual di pasar. Mesin aturan dan analitik prediktif hanya dapat mengukur sejauh ini dalam menggagalkan upaya penipuan. Bisnis digital sering akan kembali menjadi lebih ketat, mengendalikan standar untuk persetujuan transaksi jika mereka telah dibakar oleh penipuan sebelumnya. Hasilnya adalah pengalaman pengguna yang buruk. Dengan memiliki sistem pencegahan penipuan berbasis AI melakukan pekerjaan mengevaluasi data historis dan anomali, pengalaman pelanggan dapat tetap lebih positif, dan serangan penyalahgunaan yang lebih canggih dapat dihentikan.
  4. Memberikan skor risiko real-time analis dan wawasan yang lebih besar ke tempat terbaik untuk menetapkan skor ambang batas untuk memaksimalkan penjualan dan meminimalkan kerugian penipuan. Analis penipuan terbaik memiliki intuisi intuitif ketika pola transaksi sah atau tidak. Dengan AI, seorang analis penipuan menerima pandangan 360 derajat dari transaksi untuk pertama kalinya, memiliki manfaat melihat data historis dalam konteks. Menambahkan deteksi anomali dan wawasan ke dalam aktivitas real-time menggunakan pembelajaran mesin tanpa pengawasan, analis penipuan dapat langsung memvalidasi atau mendefinisikan kembali keputusan mereka mengenai tingkat ambang batas, mengelola risiko dengan baik.
  5. AI memungkinkan bisnis digital untuk mendapatkan kontrol yang lebih besar atas tingkat tolak bayar, tingkat penurunan, dan biaya operasional sehingga tujuan bisnis dapat tercapai. Salah satu aspek paling berharga dari platform pencegahan penipuan berbasis AI adalah kemampuannya untuk secara langsung menyesuaikan dan mengubah hasil bisnis yang spesifik untuk seluruh bisnis, memisahkan lini produk, departemen, dan musim penjualan. Bisnis digital mengandalkan kombinasi pembelajaran mesin yang diawasi dan tidak terawasi untuk mencapai tingkat kelincahan, kecepatan, dan waktu ke pasar yang lebih besar, dengan sistem pencegahan kecurangan berbasis AI menjadi dasar dari upaya tersebut.
  6. Memungkinkan bisnis digital menjual barang virtual, termasuk game, untuk memberikan pengalaman pengguna yang lebih konsisten dan berkualitas tinggi setiap hari selama 24/7. Game online telah tumbuh secara eksponensial dalam popularitas selama lima tahun terakhir dengan platform game online sering memiliki lebih dari 250 juta pelanggan di seluruh dunia. Penyedia platform game menginginkan sebanyak mungkin orang di platform untuk mendorong iklan, berlangganan, peningkatan penjualan, dan pendapatan lintas-penjualan. Agar penyedia platform game berhasil, mereka perlu memberikan pengalaman pembelian yang langsung dan sangat responsif. Alih-alih memaksa pelanggan atau penggemar mereka untuk melakukan verifikasi, mereka dapat menetapkan skor risiko untuk transaksi dan memenuhi permintaan pembelian dalam hitungan detik.
    Berita terkait : Apa Dampak Kecerdasan Buatan Dan Teknologi Terhadap Masyarakat
    AI memungkinkan gamer untuk membeli koin atau token yang mereka butuhkan saat mereka membutuhkannya untuk terus bermain. Sistem pencegahan penipuan berbasis AI memungkinkan untuk segera menerima transaksi sambil tetap dalam ambang tolak bayar dari American Express, MasterCard, VISA, dan lainnya.
  7. AI mengurangi gesekan pengalaman pelanggan dengan membantu pedagang dengan mudah menyetujui pembelian online dan mengurangi kesalahan positif. Salah satu paradoks yang dihadapi analis penipuan adalah pada level apa tingkat penetapan tingkat penurunan. Daripada harus membuat tebakan yang terpelajar, analis penipuan dapat beralih ke teknik penilaian berbasis AI seperti Omniscore yang menggabungkan kekuatan pembelajaran yang diawasi dan tidak terawasi. Skor penipuan berbasis AI seperti Omniscore mengurangi false positive, yang merupakan sumber utama gesekan dengan pelanggan. Semua ini diterjemahkan menjadi lebih sedikit eskalasi manual, penurunan, dan pengalaman pelanggan yang lebih positif secara keseluruhan.
  8. Tetap mematuhi kebijakan bisnis internal, mereka yang berasal dari badan pengatur dan perjanjian dengan mitra distribusi adalah tempat kontribusi penipuan berbasis AI berkontribusi hari ini. Banyak bisnis digital memiliki kebijakan bisnis internal mengenai penjualan produk tertentu ke negara tertentu berdasarkan perjanjian distribusi dan pengecer. Bisnis yang bersaing dalam industri teknologi tinggi harus tetap mematuhi peraturan ekspor yang juga melindungi teknologi utama. Penilaian berbasis AI dan pencegahan penipuan banyak digunakan untuk menjaga kepatuhan bisnis.
  9. Memungkinkan bisnis margin rendah dan lini produk tetap menguntungkan dengan mengendalikan tingkat tolak bayar yang berdampak langsung pada margin. Bisnis E-Commerce berkembang dengan menawarkan harga, ketersediaan, dan pengalaman pelanggan yang positif dan mulus. Banyak yang mengorbankan margin kotor untuk skala yang lebih besar dan lebih banyak transaksi. Tantangannya adalah tetap untung sambil menarik pelanggan baru yang sejarah pembeliannya bukan bagian dari sejarah pembelajaran yang diawasi dari sistem penipuan mereka. Di situlah pendekatan berbasis AI yang menggabungkan pembelajaran yang tidak diawasi dan diawasi terbayar dari sudut pandang margin kotor.

sumber : https://www.forbes.com/

Leave a Reply