Using AI and Machine Learning to reduce risks in digital banking

Áp dụng AI có thể đang là mốt thịnh hành, nhưng các ngân hàng có nên tin nhiều vào xu hướng đó? Các tổ chức tài chính cần gạt bỏ các thông tin nhiễu và kiếm các ứng dụng để giải quyết các điểm đau đầu, theo David Berglund, PCTCC và lãnh đạo AI của ngân hàng Hoa Kỳ.

Công nghệ dịch vụ tài chính hiện nay đang nở rộ. Nó đem lại 145 tỷ đô la chỉ trong năm 2017, với lợi nhuận dự tính sẽ tiếp tục tăng trong những năm săp tới

Mối nguy hặng tăng với sự thúc đẩy nhanh chóng của gian lận tài chính, các tổ chức tài chính phải đề cao cảnh giác để phòng ngừa tội phạm mạng. Các ngân hàng lớn nhỏ hiện nay đang tìm cách cắt giảm các mối nguy hại gặp phải khi kinh doanh, tiếp cận các công nghệ mới và đang phát triển như trí tuệ nhân tạo (AI) học máy (ML) để giảm rủi ro và chống lại tội phạm.

Theo nghiên cứu được Hiệp hội chuyên gia về rủi ro toàn cầu (GARP), 88% lãnh đạo các ngân hàng tin rắng việc áp dụng AI và ML sẽ nâng cao nền tảng cho quản lý rủi ro. Cả 2 đều cho phép truy ra những giao dịch đáng nghi ngờ, thứ mà chưa phương pháp nào làm được, theo David Berglund, phó chủ tịch cấp cao và lãnh đạo trí tuệ nhân tạo của ngân hàng Hoa Kỳ

“AI rất giỏi trong việc tìm mẫu trong các tập dữ liệu lớn và giảm giá cả cho việc tiên đoán thị trường (dựa vào dữ liệu đó)”, Berglund nói trong buổi phỏng vấn với PYMNTS. “Câu hỏi trở thành làm thế nào bạn có thể sử dụng sức mạnh và khả năng của nó, và đó phụ thuộc vào các ngân hàng.”

Chống gian lận, huớng tới giảm thiểu rủi ro

Mọt trong những rủi ro lớn nhất và đang tăng nhanh là việc các ngân hàng đối mặt với các cuộc tấn công mạng đang tăng nhanh. Các công ty tài chính đã chặn đứng các hoạt động gian lận có thể gây thất thoát 17 tỉ đô la Mỹ, tuy nhiên vẫn bị mất 2.2 tỉ đô trong năm 2016. Thống kê cả hai đều tăng rõ rệt so với năm 2014, 11 tỉ và 1.9 tỉ đô la Mỹ.

Các ngân hàng và các nhà cung cấp giải pháp có thể sử dụng các hệ thống dựa trên AI và ML để xác định các yếu tố trong các giao dịch có dấu hiệu gian lận, như là các giao dịch được thực hiện bằng tài khoản mới tạo hoặc địa chỉ email mơ hồ, Berglund nói.

“Các mô hình chống gian lận có thể tìm thấy các chi tiêu khác thường hay chi tiêu thực hiện ở những nơi gian lận cao, và đánh dấu khi thấy có dấu hiệu bất thường xảy ra”, Berglund giải thích.

Các mô hình dựa trên AI và ML có khả năng tiến hóa theo thời gian, chúng có thể chọn ra những yếu tố lặp lại, hoặc các yếu tố chung trong các giao dịch để xây dựng một hướng dẫn, luật lệ mới cho việc đánh dấu các giao dịch đáng ngờ. Khả năng tiếp thu các thông tin mới cho phep các tổ chức tài chiinhs tạo thêm các qua trình bảo mật tự động thực hiện mà không bắt người dùng chịu đựng các quá trình xác thực danh tính dai dẵn, từ đó khiến họ dễ chấp nhận các bảo mật cao cấp.

Ảnh hưởng lâu dài của AI

AI và ML là những công cựu gần đây nhất trong cuộc chiến chống gian lận, nhưng chúng chưa hoàn hảo - và khó thể nào thay thế con người hoàn toàn

“Nhiều người hiện nay lầm tưởng AI như Skynet sẽ thay thế con người”, Bergund nói. “Nhưng, đó thiên về khoa học viễn tưởng và xa rời thực tế. Việc đó sẽ không xảy ra sớm, không bao giờ.”

AI chưa thể thay đổi cách các ngân hàng bảo mật các giao dịch và giảm thiểu rủi ro. Ông dự đoán các công nghệ AI và ML sẽ cho phép các chuyên gia đánh giá độ tin cậy của khách hàng, và các trường hợp có thể áp dụng để giảm thiểu rủi ro.

“Nhiều lần, AI được thổi phồng lên”, Berglund giải thích. “Nhưng, với ngân hàng, chúng tôi nghĩ nhiều về học sâu: cách các máy tính, máy móc và thiết bị có thể học được từ dữ liệu và đưa ra kết luận mà chúng tôi có thể trau chuốt và cải tiến khi các thiết bị đấy nhận nhiều dữ liệu hơn.”

AI và ML đã được biết đến trong lĩnh vực ngân hàng trong khi phiên bản Skynet lấy cảm hứng từ các tổ chức tài chính cần thêm thời gian để có mặt trên thị trường.


---------------------------------------------------------------------------------------------------


The financial services industry is booming. It brought in $145 billion in 2017 alone, with revenues projected to continue to increase in the coming years.

Risk looms large with rampant growth in fraud, however, and financial institutions (FIs) must stay guarded to prevent cybercrime. Banks of all sizes are now looking to reduce the risks they face when doing business, increasingly turning to new and emerging technologies like artificial intelligence (AI) and machine learning (ML) to reduce risk and combat fraudsters.

According to a survey conducted last year by the Global Association of Risk Professionals (GARP), 88 percent of bank executives believe AI and ML adoption could provide “a foundational change” for risk management. Both enable banks to dig out suspicious transactions, something many other solutions could not, according to David Berglund, senior vice president and artificial intelligence leader at U.S. Bank. In a recent interview with PYMNTS, he noted the development could help FIs find and recognize common elements in legitimate payment data.

“AI is really good at finding patterns in large sets of data and lowering the costs of making predictions [based on that data],” Berglund said. “The question becomes how you use those strengths and capabilities, and that’s really up to each individual bank.”

Reducing Risk By Fighting Fraud

One of the largest, still-growing risks that banks face is increased cybercriminal attention and attacks. FIs stopped nearly $17 billion in fraud activity in 2016 — the most recent year that statistics were available — and lost $2.2 billion to it during the same year. Both were notable increases from 2014, which saw $11 billion and $1.9 billion, respectively.

Banks and solution providers can use AI- and ML-based systems to identify elements of a transaction that typically indicate fraudulent activity, such as a transaction conducted using a newly created account or obscure email address, Berglund said.

“We’ve got several different advanced fraud-fighting models that are looking for out-of-pattern spending or spending that happens in certain geographies and areas where fraud seems to be higher,” he explained. “[They] can figure out when something seems suspicious and flag it.”

These models can also evolve over time, meaning AI- and ML-based systems can map out recurring or shared transaction elements to build new guides and rules for flagging suspicious transactions. This ability to ingest new information allows FIs to create automated security processes that can be performed without forcing customers to endure long, complicated authentication checks, making them more likely to accept advanced security offerings.

“That helps us soak up new data points, and helps us further refine that model and apply those data points to improve our customer experience,” Berglund added. “For example, we’ve learned that if customers share their mobile locations, we can compare card transaction data to [those] mobile locations and the model will know if the customer is actually making that transaction. [It will also know] if they’re a thousand miles away, without the customer having to do anything else.”

AI’s Long-Term Impact

AI and ML may be the latest tools in the fight to reduce fraud, but they are far from fully evolved — and could never fully replace human expertise, he noted.

“A lot of people nowadays think of AI as Skynet robots that are going to replace or take over humans,” Berglund said. “But, that’s really more science fiction and a pretty extreme view. That probably isn’t going to happen anytime soon, or ever.”

That’s not to say that AI can’t change how banks secure transactions and reduce risk, though. He predicted that AI and ML technology would, most notably, impact the space as tools that human employees and experts can use to expedite credit reviews and give a more accurate view of a potential client’s creditworthiness, among other potential risk reduction use cases.

“A lot of times, AI gets viewed with a lot of hype,” Berglund explained. “But, as a bank, we’re really thinking about deep learning: how computers, machines and devices can learn from data and come up with conclusions that we can continue to refine and improve as these machines soak up more data.”

While the FI-inspired version of Skynet isn’t likely to debut anytime soon, AI and ML are already making their presence felt in the banking space.

Theo PYMNTS.com