Prije nekoliko godina, turista u Meksiku je koristio svoju kreditnu karticu za podizanje gotovine s bankomata. Kada je stigao kući i pogledao izvod sa kartice, vidio je da je kartica korištena i za kupovinu nekoliko komada nakita. Ovo je bilo čudno: Ne samo da nije ništa kupio karticom na odmoru, već se transakcija dogodila pet minuta nakon podizanja novca na bankomatu - u prodavnici na drugom kraju zemlje.

Srećom, nakon pregleda njegovog slučaja, tim u njegovoj banci se složio da - iako njihovi alati za otkrivanje prevara zasnovanih na vještačkoj inteligenciji nisu označili kupovinu kao sumnjivu - vrlo je malo vjerovatno da je sam kupio nakit, pa su mu vratili novac. Kako su dalje kopali, tim je utvrdio da su prevaranti vjerovatno ukrali podatke o njegovoj kreditnoj kartici sa čitača skrivenog u bankomatu i poslali ih saučesniku na suprotnoj obali.

Jednostavnost, brzina i anonimnost modernih plaćanja doveli su do ovakvih prevara u razmjerima koje ljudi ne mogu pratiti. Srećom, ne moraju, jer aplikacije umjetne inteligencije sada prate svaku transakciju i paze na cijelu mrežu kartica zbog mogućih napada. Ovi modeli umjetne inteligencije sortiraju podatke efikasnije nego što bi to mogao bilo koji čovjek.

Mastercard već godinama koristi umjetnu inteligenciju za otkrivanje prevara i trenutno je koristi za osiguranje više od 159 milijardi transakcija godišnje, sprječavajući gubitke od prevara u vrijednosti od milijardi dolara. Prošle godine, Mastercard je preuzeo Recorded Future, kompaniju koja koristi vještačku inteligenciju za analizu miliona podataka dnevno, identificirajući obrasce i anomalije koje signaliziraju potencijalne prijetnje.

Ali koliko god ljudima bila potrebna vještačka inteligencija, i vještačkoj inteligenciji su potrebni ljudi. Dok automatizirani alati obavljaju težak posao, da bi rezultati bili korisni, programeri moraju kontinuirano pružati kontekst iz stvarnog života - identificiranjem novih vrsta prevara, određivanjem načina sprječavanja istih bez ometanja veće mreže i programiranjem novih pravila u algoritam. Ovaj ljudski doprinos pretvara sirovu snagu umjetne inteligencije u relevantnu i praktičnu inteligenciju.

Kako modeli umjetne inteligencije i mašinskog učenja postaju sve moćniji, primamljivo je vjerovati da sama tehnologija može nadmašiti današnje sajber kriminalce, kaže Johan Gerber iz Mastercarda, globalni šef odjela za sigurnosna rješenja. „Ali iza svakog upozorenja, anomalije ili označene transakcije stoji ključni, inkrementalni sloj koji algoritmi ne mogu replicirati: ljudska prosudba.“ Kada se ljudska prosudba kombinuje sa vještačkom inteligencijom, to je ono što je čini zaista efikasnom i osigurava da ostane odgovorna.

Iako je vještačka inteligencija dizajnirana da prepozna suptilne obrasce u gomilama podataka, nije uvijek opremljena za rješavanje izuzetaka. Bez ljudskog nadzora, neočekivani događaji mogli bi izazvati propuštene prijetnje, lažne uzbune i druge poremećaje.

„Čak i s ovim moćnim alatima, i dalje su vam potrebni ljudi“, kaže Vince Haulotte, direktor tržišne isporuke u Mastercardovom odjelu za prevare i odlučivanje o rizicima. „Morate koristiti rezervu i uzeti u obzir kontekst kako biste bili sigurni da je odgovor vještačke inteligencije efikasan.“

Na primjer, sistemi umjetne inteligencije pratili su korištenje kreditnih kartica putnika tokom njegovog odmora u Meksiku. Ali vještačkoj inteligenciji je bio potreban čovjek da joj kaže da postoji nešto čudno u vezi s dvije transakcije koje se brzo odvijaju na suprotnim stranama zemlje, i bio joj je potreban čovjek da joj pokaže kako da pazi na slične incidente u budućnosti.

Kako bi spriječio da ova konkretna prevara utiče na druge kupce, Haulotte, tada programer koji je radio na Brighterion AI platformi, kreirao je novo pravilo koje bi označavalo geografski nemoguće transakcije. Brighterion prati transakcije kreditnim karticama u realnom vremenu, 24/7, i ocjenjuje ih na osnovu toga koliko rizično izgledaju; kada se transakcija označi kao potencijalno prevarantska, sistem odmah obavještava banku korisnika kartice. (Svaka banka može prilagoditi prag rezultata za poduzimanje radnje, kao što je slanje upozorenja ili čak odbijanje transakcije.) 

Safety Net, još jedan Mastercard proizvod, koristi umjetnu inteligenciju za praćenje cijele mreže kartica u potrazi za znakovima napada. Na primjer, ako web stranica bude preplavljena hiljadama novih računa u kratkom periodu, to bi moglo biti zato što prevaranti spamuju stranicu kako bi pogodili važeće brojeve kartica koristeći grubu silu.

Naravno, model umjetne inteligencije to ne zna ; ne može nužno razumjeti finije detalje ljudskog ponašanja. Kao rezultat toga, to bi također moglo izazvati uzbunu kada uspješna promocija - ili, recimo, Cyber ponedjeljak - uzrokuje nagli porast prometa na web stranici. Prepoznavanje razlike je mjesto gdje ljudi dolaze do izražaja.

„S obzirom na porast ovakvih stvarnih transakcija, sarađivaću s menadžerom računa kako bih razumio šta se dešava i poduzeo mjere opreza kako bih spriječio lažne uzbune“, kaže Brett Thomson, direktor razvoja proizvoda u Safety Net-u. "Moraš dati vještačkoj inteligenciji neke smjernice."

Budući da se kriminalne strategije neprestano razvijaju, ljudska stručnost je također ključna za identifikaciju novih prijetnji i određivanje načina njihovog zaustavljanja. Čim prevaranti shvate da njihove strategije više ne funkcionišu, oni smišljaju nove sheme. Ali, budući da se vještačka inteligencija obučava na podacima iz prošlosti, alati za praćenje ne uočavaju uvijek ove nove obrasce odmah. Dakle, na ljudskim programerima je da ažuriraju i obučavaju algoritme u kontinuiranoj igri mačke i miša.

„Nakon što uvedemo mjere ublažavanja, oni će promijeniti svoju strategiju.“ "Onda ćemo primijetiti tu strategiju i dodati novo ublažavanje", kaže Thomson. „To je stalno pregovaranje, svako od nas posmatra kako onaj drugi reaguje na sljedeći razvoj događaja.“

Ova neumoljiva dinamika osigurava da Thomson, Haulotte i njihove kolege iz cijele industrije ostanu ključni igrači u borbi protiv prevara.

„Neprestano me iznenađuje smjelost i mašta prevaranata“, kaže Haulotte. „Uvijek postoje novi trendovi prevara, tako da moramo nastaviti graditi nova rješenja kako bismo ostali ispred njih.“ Naš rad nikad ne prestaje.