Sztuczna inteligencja coraz częściej wykrywa oszustwa finansowe

Autor: Bartosz Tomczyk, przewodniczący rady nadzorczej polskiego fintechu Provema

Sztuczna inteligencja jeszcze nie osiągnęła poziomu znanego z filmów science fiction, jednak potrafi już całkiem sporo. Jednym z jej pierwszych, naprawdę użytecznych zastosowań jest skuteczne wykrywanie oszustw finansowych. 

Większość instytucji finansowych do dziś redukuje ryzyko kredytowe poprzez ustalenie i weryfikację sztywnych kryteriów, jakie musi spełnić klient. Analizowane są: historia kredytowa, poziom dochodów czy branża, w jakiej działa lub pracuje klient. Kontrola spełniania kryteriów najczęściej jest wykonywana manualnie a sprawność działania wymaga, aby wziąć pod uwagę co najwyżej kilka istotnych kryteriów. Instytucje finansowe, starając się unikać ryzyka, często rezygnują z potencjalnie zyskownych transakcji. 

Jednak wiadomo, że banki od zawsze posiadały ogromną ilość doskonale uporządkowanych danych. Oznacza to, że bardzo wiele zadań może być wykonywanych przez komputery. Identyfikacja oszustw i podejrzanych transakcji z reguły jest bardzo prosta, wśród milionów transakcji trzeba znaleźć te, które posiadają jakieś ustalone cechy. Mówiąc wprost, wystarczy znaleźć igłę w stogu siana. Takie zadanie, niemalże niewykonalne dla człowieka, to bułka z masłem dla współczesnych, szybkich komputerów. Wykonują one monotonne operacje tak długo, jak trzeba. Jednak samo wyszukiwanie podejrzanych transakcji nie jest jeszcze sztuczną inteligencją. Można o niej mówić dopiero wtedy, gdy komputer sam decyduje jakiej igły szukać, w jaki sposób i w jakim stogu. W dodatku musi on samodzielnie uczyć się podejmować coraz lepsze decyzje. Oznacza to, że musi w posiadanych danych samodzielnie rozpoznawać trendy i wzorce, następnie na ich podstawie budować prognozy.

W przeciwieństwie do analityków zajmujących się ryzykiem kredytowym, oprogramowanie z użyciem sztucznej inteligencji działa niezwykle szybko. W dodatku nie tylko analizuje spełnienie przez klienta kryteriów kredytowych, ale również analizuje jego zachowanie podczas procesu aplikacji. Jeżeli zostanie wykryte jakiekolwiek zachowanie niestandardowe, na przykład zbyt długie wypełnianie formularza, oprogramowanie analizuje, czy jest ono skorelowane ze zwiększonym ryzykiem kredytowym. W przeciwieństwie do człowieka, który również jest w stanie wykryć niestandardowe zachowania klienta, oprogramowanie jest w stanie nadać tym zjawiskom wartości liczbowe. W ten sposób możliwa staje się optymalizacja procesów biznesowych. Pod uwagę można wziąć zarówno ryzyko kredytowe, jak i ryzyko utraty potencjalnie zyskownego klienta.

Jedną z najciekawszych cech sztucznej inteligencji jest to, że może znacznie ułatwić przedsiębiorstwom finansowym dynamiczny rozwój. Przy wykonywaniu analizy ryzyka kredytowego metodami tradycyjnymi, wzrost sprzedaży nieuchronnie musiał prowadzić do wzrostu zatrudnienia w działach analitycznych. Tymczasem powierzenie analityki sztucznej inteligencji powoduje, że wzrost kosztów związanych z rozwojem firmy jest bliski zeru. Inaczej mówiąc, sztuczna inteligencja powoduje, że przedsiębiorstwa finansowe stają się skalowalne, czyli gotowe na dynamiczny rozwój.

Co więcej, zgodnie z regułami statystyki, w przypadku rozwoju firmy, wzrost ilości danych przetwarzanych przez system powinien doprowadzić do wzrostu skuteczności wykrywania oszustw. Oznacza to, że pojawiają się kolejne oszczędności dla instytucji finansowej.

Samodzielnie uczące się oprogramowanie jest doskonałym narzędziem do wykrywania oszustw nie tylko dlatego, że ma z reguły dostęp do ogromnych baz danych. Jego wielką zaletą jest możliwość samodzielnego wykrycia podejrzanych typów transakcji. Mogą to być na przykład próby uzyskania przez klienta kredytu w wielu bankach jednocześnie czy przeprowadzanie w krótkim czasie wielu transakcji przy użyciu różnych kart płatniczych. Podejrzane mogą być również duże zakupy artykułów elektronicznych czy biżuterii. 

Wprowadzenie nowych technologii wykrywania oszustw to doskonała wiadomość. Dzięki nim instytucje finansowe będą mogły unikać strat, dynamiczniej się rozwijać i oferować coraz bardziej konkurencyjne produkty swoim klientom.