如果沒有企業(yè)AI方法，檢察官會在聯(lián)邦政府的“薪水保護計劃”中發(fā)現(xiàn)欺詐行為，他們承認有太多騙局無法計數(shù)，更不用說制止了。有組織企圖減少CARES法案中的緊急開支。刺激計劃的規(guī)則在不斷變化，這使得很難知道誰應(yīng)該和不應(yīng)該獲得該融資或他們應(yīng)該如何使用它。

這聽起來像是企業(yè)人工智能的工作，銀行的確在尋求幫助。但是，什么可以打消刺激欺詐的資格，又能起到什么作用呢？如果可行的話。

規(guī)則引擎在海浪下打滑

顯然，通常被稱為機器學(xué)習(xí)，有時被稱為人工智能的通用方法無法滿足當今刺激性的反欺詐需求。

一家銀行的反欺詐官員已經(jīng)在其系統(tǒng)中添加了新規(guī)則，以標記看起來可疑的活動，通常是基于過期的政府執(zhí)法數(shù)據(jù)。他們引入了聚會和帳戶級別監(jiān)控。他們已盡可能頻繁地調(diào)整系統(tǒng)。但是，在大量刺激計劃檢查的壓力下，他們積壓的警報不斷增加，調(diào)查人員疲憊不堪，風(fēng)險不斷升級。

由于存在大量假陽性，風(fēng)險管理人員無法識別假陰性。例如，這些是最糟糕的，現(xiàn)有的銀行客戶，他們總是不被關(guān)注，但是在刺激計劃下放寬了“了解您的客戶”規(guī)則，他們發(fā)揮了自己的優(yōu)勢。

銀行官員還努力滿足對他們施加的預(yù)算成本削減措施，因為其機構(gòu)試圖控制合規(guī)成本。這些官員唯一能做的就是嘗試再次調(diào)整閾值，只是意識到他們再也無法擺脫困境了。作為安全的選擇，K-Means聚類不能提供銀行職員所需的準確性或提升。

從基礎(chǔ)開始

簡而言之，反欺詐團隊需要更準確的警報，且誤報率很少。它為調(diào)查人員提供了寶貴的背景信息，因此他們可以專注于最重要的事情，真正的可疑行為。

增強的反欺詐流程可在關(guān)鍵杠桿點上應(yīng)用情報，以產(chǎn)生更加準確的警報。它分為三個部分。它們是系統(tǒng)優(yōu)化，新興行為檢測和新實體風(fēng)險檢測。這樣，您可以在需要時利用所需的資源。就是說，您只得到改善流程中最薄弱環(huán)節(jié)所需的東西。

已知已知，未知未知和其他

通過專注于提高發(fā)現(xiàn)“已知已知物”的效率來最好地優(yōu)化系統(tǒng)。關(guān)鍵是優(yōu)化現(xiàn)有系統(tǒng)以提高各方分割的準確性，并提高定期閾值調(diào)整過程的速度，準確性和有效性。

新興的行為識別應(yīng)著眼于“未知的已知”并保持系統(tǒng)的相關(guān)性。將動態(tài)，智能調(diào)整和可見性引入到您的過程中的新出現(xiàn)的行為中，并淘汰那些成本高昂，麻煩且立即過時的定期項目。

新的實體風(fēng)險檢測意味著發(fā)現(xiàn)以前從未或未曾考慮過的新的“未知未知”凈風(fēng)險和漏洞。識別并警惕新的風(fēng)險。不僅在貸款級別，帳戶或客戶上，而且在任何情況下，任何一方或任何等級中，都不僅用于阻止欺詐，而且還用于網(wǎng)絡(luò)，監(jiān)視，行為，販運，流動性敞口，信用風(fēng)險等。

細分成功

欺詐檢測中的假陽性問題主要是由于輸入數(shù)據(jù)的分割不正確造成的。甚至使用機器學(xué)習(xí)來檢測欺詐的復(fù)雜金融服務(wù)機構(gòu)也可能遭受準確性低和誤報率高的困擾。這是因為開放源代碼的機器學(xué)習(xí)技術(shù)會大量分析數(shù)據(jù)，并且無法獲得足夠具體的信息以正確顯示真實的可疑行為。

典型的細分過程會產(chǎn)生不均勻的群體，這意味著必須人為地將閾值設(shè)置為低，從而導(dǎo)致大量誤報。智能分段是系統(tǒng)準確檢測可疑模式而無需不必要地標記預(yù)期模式的關(guān)鍵的第一步。當機構(gòu)僅使用預(yù)定規(guī)則對靜態(tài)帳戶信息進行排序時，該過程就無法實現(xiàn)。

良好的企業(yè)AI方法應(yīng)吸收有關(guān)客戶，交易對手和交易的最大數(shù)量和可用的數(shù)據(jù)，然后應(yīng)用客觀的機器學(xué)習(xí)來創(chuàng)建盡可能細化和最新的細分。鑒于拓撲數(shù)據(jù)分析具有處理多個變量的能力，它也許是實現(xiàn)此目的的最佳工具之一，但即使在人工智能領(lǐng)域，它也不是眾所周知的。

關(guān)鍵點在于，企業(yè)級反欺詐AI必須能夠隨著時間的推移，根據(jù)其真實交易和真實相互關(guān)系中所揭示的實際行為，將各方分配給細分市場，并將其重新分配給細分市場。智能的細分過程應(yīng)提供更細粒度和統(tǒng)一的組，從而導(dǎo)致更高的閾值和更少的誤報。另外，這些細粒度的組應(yīng)該捕獲假陰性。

派息

數(shù)據(jù)和適當?shù)钠髽I(yè)AI可以回答的未知問題也將創(chuàng)造新的機會和增長領(lǐng)域。高性能企業(yè)級AI縮短了產(chǎn)生見解，與數(shù)據(jù)集一起增長，自動且無偏差地進行探索，將新數(shù)據(jù)合并到較早的分析中所花費的時間，并且實際上可以降低硬件成本。

銀行客戶一開始不一定會欣賞這些輔助機器學(xué)習(xí)的好處。它們是幫助管理人員檢測和跟蹤欺詐模式的措施，而不是營銷工具。但是它們可以提供獲勝的見解和防御性警報，從而保護公司的品牌，公共關(guān)系和形象。