AI als neue Antriebskraft in der Betrugsprävention, aber mit menschlicher Steuerung
Die Betrugsprävention von heute sieht ganz anders aus als die von vor ein paar Jahren. Wichtige Fortschritte in der künstlichen Intelligenz und die neuentdeckte Erschwinglichkeit von Machine Learning-Techniken bieten neue Möglichkeiten. Selbstentwickelnde Betrugspräventionslösungen sind auf dem Weg, traditionelle regelbasierte Lösungen abzulösen. Unternehmen auf der ganzen Welt kämpfen darum, Technologie für Machine Learning in ihre Geschäftspläne zu integrieren. 60% der Führungskräfte berichten, dass AI für ihren zukünftigen Erfolg entscheidend ist. Und dies aus gutem Grund, insbesondere im Bereich der Betrugsprävention.
Betrüger haben dazugelernt und sind nicht nur finanziell gut abgesichert und versiert, sondern oft in der Lage, alte Betrugsbekämpfungsprogramme mit passender Technologie zu übertrumpfen. Zudem erfinden Betrüger häufig neue illegale Methoden, die regelbasierte Programme nicht immer erkennen können. Lösungen zur Betrugsprävention mit AI-Technologie sind in der Lage, Betrüger zu überlisten, da sie tief in einen Schatz historischer Daten und Kundenmuster eintauchen, um betrügerische Aktivitäten sofort zu entschlüsseln.
Die menschliche Berührung: AI kann ohne sie nicht gut funktionieren
So intelligent wie Machine Learning-Programme auch sein mögen, sind sie doch effektiver, wenn das menschliche Element intakt bleibt. Nehmen Sie zum Beispiel eine Studie, die in einem kürzlich veröffentlichten Bericht des Weißen Hauses zur Vorbereitung auf die Zukunft der AI herausgebracht wurde. Die Studie verglich Mensch und Maschine in Bezug auf die Diagnose von Krebslymphknoten und stellte fest, dass der AI-„Arzt“ eine Fehlerrate von 7,5 Prozent aufwies, während der Mensch eine Fehlerrate von 3,5 Prozent aufwies. Aber zusammen fiel ihre Fehlerquote auf nur 0,5 Prozent. Und dies lässt sich auch auf die Betrugsprävention anwenden.
Wie RISK IDENT in einem PCN-Artikel vom Februar 2017 bereits erklärte, kann ein Mensch mit jahrelanger Erfahrung im Kampf gegen Betrug niemals durch eine Maschine ersetzt werden, aber eine Kombination der beiden Elemente kann unglaublich genaue Ergebnisse liefern. Domain-Experten kennen ihre Betrugsprobleme am besten, benötigen jedoch eine skalierbare Software. Indem sie ständig ihr Wissen über den Kontext und die Ursachen von Betrug in die Maschine einbringen, kann sich das System kontinuierlich weiterentwickeln. Betrugsmanager können daher ihr Betrugsschutzsystem skalieren, indem sie die Maschinen unterrichten, um bei der Überwachung illegaler Aktivitäten zu helfen.
MEHR LESEN: Outwitting Fraudsters with Machine Learning and Artificial Intelligence
Das Entwerfen und Implementieren von AI ist ebenfalls ein Prozess, der viele manuelle Eingriffe von Menschen erfordert. Menschen sind diejenigen, die entscheiden, welche Modelle verwendet werden, welche Parameter korrekt und welche Daten es wert sind, in das System eingespeist zu werden. Ja, Methoden zum Schutz vor Machine Learning haben das Potenzial, extrem intelligent zu sein. Letztendlich verlassen sie sich jedoch auf menschliche Entscheidungen von den entwerfenden Datenwissenschaftlern und -ingenieuren sowie von den erfahrenen Betrugspräventionsteams, um die Technologie effizient, intelligent und verbessernd zu machen.
