AI membantu bank menghemat jutaan dolar dengan mentransformasi pencegahan penipuan pembayaran

• Rata-rata, perusahaan kehilangan $60 juta karena penipuan pembayaran dalam setahun terakhir, menurut penelitian oleh Mastercard.  
• Penipuan identitas sintetis dan penipuan peniruan identitas meningkat dengan cepat, didorong oleh AI generatif (gen AI). 
• Alat bantu AI yang menggunakan data waktu nyata dan wawasan perilaku dapat membantu menghentikan penipuan sebelum terjadi - dan mengurangi kerugian. 
• 83% para pemimpin industri mengatakan bahwa AI telah mengurangi false positive dan churn, menandai era baru dalam pencegahan penipuan.

Perkiraan dampak finansial global dari penipuan tumbuh menjadi lebih dari $485 miliar pada tahun 2023[1] - angka yang mengejutkan dan diperkirakan akan terus meningkat di tahun-tahun mendatang. 

Satu katalis? Para penipu menggunakan gen AI untuk dengan cepat menghasilkan deepfakes yang meyakinkan, suara sintetis, dan dokumen palsu untuk menjalankan penipuan rekayasa sosial dalam skala besar. Menurut laporan dari Deloitte, gen AI dapat menyebabkan kerugian penipuan sebesar $40 miliar di AS pada tahun 2027 - lebih dari tiga kali lipat dari $12,3 miliar yang terlihat pada tahun 2023.

Namun, bank juga melangkah lebih maju - menggunakan AI untuk melawan lebih cepat. Di masa lalu, tim pencegahan penipuan menetapkan aturan manual untuk memutuskan transaksi mana yang akan disetujui atau diblokir. Kini, AI dapat menganalisis data untuk mendeteksi pola yang tidak biasa dan membuat keputusan otorisasi yang lebih cerdas secara real-time. 

Pergeseran ini sudah membuahkan hasil. Laporan pencegahan penipuan pembayaran Mastercard 2025, yang diproduksi dalam kemitraan dengan Financial Times Longitude, menemukan bahwa 42% emiten dan 26% pengakuisisi telah menghemat lebih dari $5 juta dalam upaya penipuan selama dua tahun terakhir berkat AI. Namun, untuk memanfaatkan AI secara maksimal dalam pencegahan penipuan, organisasi membutuhkan data berkualitas tinggi yang menjadi masukan bagi model untuk pengambilan keputusan risiko yang lebih baik.

Penelitian Mastercard menemukan bahwa organisasi kehilangan rata-rata $60 juta karena penipuan pembayaran dalam setahun terakhir. Dan karena AI membantu penipu menciptakan penipuan yang lebih meyakinkan, kerugian tersebut diperkirakan akan terus meningkat:

• Penjahat memanfaatkan AI untuk menganalisis volume besar data yang tersedia untuk umum dan membuat penipuan perilaku yang sangat ditargetkan. 
• Dengan alat gen AI yang terjangkau, penipu dapat membuat pesan phishing yang meyakinkan, klon suara sintetis, dan video deepfake dalam skala besar, sehingga lebih mudah untuk memanipulasi korban agar menyetujui transaksi penipuan.

Di saat yang sama, seiring dengan semakin populernya pembayaran waktu nyata, lembaga keuangan hanya memiliki waktu yang singkat untuk mengidentifikasi dan memblokir upaya penipuan yang didukung oleh AI. Itulah sebabnya para pemimpin industri pembayaran terus mengawasi berbagai risiko penipuan:

• Para pemimpin melihat penipuan identitas sintetis (61%), penipuan peniruan (60%) dan penipuan lintas negara (54%) sebagai ancaman yang paling cepat berkembang di tahun depan. Penipuan identitas sintetis, yang melibatkan penggabungan informasi pribadi yang dicuri dengan detail yang dipalsukan untuk membuat identitas palsu, semakin meningkat karena para penipu menggunakan AI untuk menyaring kumpulan data yang sangat besar dan membangun profil yang lebih meyakinkan.
• Risiko lain yang terus meningkat termasuk penipuan e-commerce (47%), penyalahgunaan Beli Sekarang, Bayar Nanti (BNPL) (42%) dan deepfakes (21%). Kekhawatiran tentang penipuan e-commerce dan penyalahgunaan BNPL, ketika pelaku kejahatan membuat akun atau transaksi BNPL yang tidak sah, menggarisbawahi perlunya perlindungan pelanggan yang lebih kuat di seluruh lanskap pembayaran digital.

Sembilan puluh persen pemimpin pembayaran memperkirakan kerugian finansial yang lebih tinggi dalam tiga tahun ke depan jika mereka tidak meningkatkan penggunaan AI dalam pencegahan penipuan. 

Untungnya, ada berbagai cara untuk menerapkan AI untuk pencegahan penipuan, mulai dari menganalisis pola transaksi hingga mengurangi tinjauan manual. Banyak institusi yang telah menghasilkan laba atas investasi (ROI) yang tinggi sebagai hasilnya:

• 85% responden melaporkan bahwa mereka merasakan manfaat dari penggunaan AI untuk triase dan investigasi kasus penipuan, pengenalan pola transaksi, dan deteksi transaksi yang mencurigakan secara real-time.
• 83% mengatakan bahwa AI telah secara signifikan mempercepat proses investigasi penipuan dan penyelesaian kasus.

​​​Namun, penting untuk diingat bahwa investasi yang berkelanjutan akan menghasilkan keuntungan terbesar. Organisasi yang telah menggunakan AI selama lebih dari lima tahun melaporkan penghematan sebesar $4,3 juta dari pendapatan yang hilang, hampir dua kali lipat dari penghematan rata-rata sebesar $2,2 juta. 

Pada saat yang sama, para pemimpin mengetahui bahwa menjaga agar AI tetap mutakhir seiring dengan berkembangnya taktik penipuan merupakan rintangan yang signifikan. Untuk mempertahankan diri dari ancaman baru dan ancaman yang muncul, perangkat AI perlu belajar dan beradaptasi secara real time. 

Dengan alat bantu AI yang menggabungkan data waktu nyata dan wawasan perilaku, perusahaan dapat membuat keputusan otorisasi yang lebih efisien untuk meningkatkan tingkat persetujuan dan membuat pelanggan senang.

Masalahnya: Secara historis, bank menggunakan sistem berbasis aturan untuk menyetujui atau memblokir transaksi. Sebagai contoh, bank dapat menetapkan aturan untuk menandai pembelian di atas jumlah dolar tertentu atau menolak transaksi yang berasal dari lokasi yang tidak biasa. Namun, inilah masalahnya: Proses yang kaku dan manual dapat memperlambat deteksi penipuan, terutama karena penipuan semakin cepat dan kompleks.

Solusinya: Solusi AI dapat dengan mudah mengatasi keterbatasan tersebut, menganalisis jutaan titik data untuk mengevaluasi risiko transaksi dengan cepat dan menawarkan wawasan secara real-time. Hal ini berarti bank dapat melihat ancaman yang muncul saat mereka berkembang dan dengan cepat membuat keputusan yang tepat, meminimalkan jeda deteksi.

Tidak mengherankan jika 80% organisasi melaporkan bahwa AI membantu menghilangkan tinjauan manual yang tidak perlu. Karena AI memungkinkan emiten dan acquirer untuk mengantisipasi ancaman lebih awal, AI juga bermanfaat bagi tim penipuan dengan membebaskan kapasitas untuk investigasi yang lebih kompleks.

Masalahnya: Karena aturan otorisasi statis tidak memiliki nuansa, aturan ini sering kali menghasilkan positif palsu, yaitu ketika transaksi yang sah diidentifikasi secara tidak benar sebagai penipuan dan ditolak atau ditandai untuk ditinjau. Selain menciptakan pekerjaan ekstra untuk tim internal, hal ini juga merusak pengalaman pelanggan. 

Solusinya: Model AI yang canggih dapat menganalisis beragam titik data untuk menilai risiko penipuan dengan tepat. Misalnya, jika pelanggan yang secara teratur membeli pakaian kelas menengah tiba-tiba membeli beberapa item fesyen mewah selama penjualan musiman, model AI canggih dapat menganalisis faktor-faktor seperti perilaku pembelian historis, kredibilitas pedagang, dan waktu untuk menentukan apakah lonjakan pengeluaran ini adalah perilaku yang sah.

Kecerdasan yang sadar konteks ini mendorong keputusan otorisasi yang lebih akurat yang mencegah penipuan tanpa meningkatkan gesekan bagi pelanggan. Faktanya, 83% responden melaporkan bahwa AI telah secara signifikan mengurangi false positive dan tingkat perputaran pelanggan dalam satu tahun terakhir.

Masalahnya: Meskipun AI dapat mendukung deteksi penipuan secara real-time, AI membutuhkan data berkualitas tinggi agar tetap efektif. Para pemimpin memahami permintaan ini, dengan 64% responden mengatakan mereka perlu mempercepat Access ke sumber data baru yang kredibel untuk mengimbangi ancaman yang berkembang.

Solusinya: Model pendeteksian penipuan AI yang efektif mengintegrasikan input dari seluruh ekosistem pembayaran, termasuk intelijen jaringan kartu, data pedagang, dan wawasan dari identitas digital konsumen. 

Sebagai contoh, alat AI dapat menilai risiko pedagang berdasarkan tingkat penipuan historis sekaligus menganalisis jumlah kecepatan pelanggan, yang melacak seberapa sering tindakan seperti pembelian atau perubahan akun terjadi dalam waktu singkat.

Ke depannya, keberhasilan organisasi dalam mendeteksi kecurangan dengan AI akan bergantung pada dua faktor: kapasitas model untuk menganalisis data dalam jumlah besar dan kemampuannya untuk menggabungkan pola historis dan informasi baru untuk membantu pengambilan keputusan.

AI generatif mengubah lanskap penipuan. Penipu lebih cepat dan lebih adaptif dengan AI - dan lembaga keuangan juga harus demikian.

Solusi Decision Intelligence Mastercard menggunakan AI dan wawasan jaringan untuk menganalisis dan menilai transaksi berdasarkan tingkat risiko. Dengan wawasan yang kaya dan real-time, Anda dapat membuat keputusan otorisasi dengan percaya diri, menyetujui lebih banyak transaksi asli, dan melindungi pendapatan karena taktik penipuan terus berkembang. 

Siap mengubah pertahanan penipuan Anda dengan AI? Cari tahu bagaimana Mastercard dapat membantu atau baca laporan kami untuk semua wawasan survei.