ИИ помогает банкам сэкономить миллионы, трансформируя предотвращение мошенничества с платежами

• В среднем организации теряли 60 млн долларов во всем мире от мошенничества с платежами за год, согласно исследованию Mastercard 2025 года. 
• Мошеннические схемы имитации быстро распространяются, подпитываемые генеративным ИИ и приводящие к мошенничеству.
• Инструменты ИИ, которые используют данные и тенденции в режиме реального времени, помогают остановить мошенничество до того, как оно произойдет — и сократить потери.
• 83% лидеров отрасли считают, что ИИ снизил количество ложных срабатываний и текучести, что ознаменовало новую эру в предотвращении мошенничества.

Расширение платежных сетей реального времени создало новые возможности для мошенничества. Фактически, по оценкам, глобальный финансовый ущерб от мошенничества вырос до более чем 485 млрд долларов в 2024 году — ошеломляющая цифра, которая, как ожидается, будет расти в последующие годы. 

Транзакции обрабатываются в течение нескольких секунд, что сокращает окно для обнаружения и отражения. Тем временем преступники разрабатывают атаки, которые быстро перемещают деньги через несколько счетов до того, как их поймают.

Эти мошенники используют генеративный ИИ для проведения мошеннических схем с социальной инженерией и организации быстрых транзакций с большей точностью. Согласно отчету Deloitte, генеративный ИИ может привести к убыткам от мошенничества в США в размере 40 млрд долларов к 2027 году — более чем в три раза больше, чем $12,3 млрд в 2023 году. Автоматизируя движение средств между счетами в различных учреждениях, мошенники могут запутать следы и усложнить возмещение.

Но банки тоже активизируются — используя ИИ, чтобы быстрее давать отпор. В прошлом команды по предотвращению мошенничества устанавливали ручные правила, чтобы решить, какие транзакции одобрять или блокировать. Теперь ИИ может анализировать данные для обнаружения необычных закономерностей и принятия более разумных решений по авторизации в режиме реального времени. 

Этот сдвиг уже окупается. Отчет Mastercard «Предотвращение мошенничества при платежах в 2025 году», подготовленный в партнерстве с Financial Times Longitude, показал, что 42 % эмитентов и 26 % эквайеров сэкономили более 5 млн долларов на попытках мошенничества за последние два года благодаря ИИ. Но чтобы максимально использовать ИИ для предотвращения мошенничества, организациям необходимы высококачественные данные, которые используются в моделях для принятия более эффективных решений по управлению рисками.

Исследование Mastercard показало, что за последний год организации потеряли в среднем 60 миллионов долларов из-за мошенничества с платежами. И поскольку ИИ помогает мошенникам создавать все более убедительные схемы мошенничества, ожидается, что эти потери будут продолжать расти:

• Преступники используют ИИ для анализа больших объемов общедоступных данных и разработки высокоцелевых мошеннических схем.
  
• С помощью доступных инструментов генерационного ИИ мошенники могут создавать убедительные фишинговые сообщения, синтетические голосовые клоны и дипфейковые видео в больших масштабах, что облегчает манипуляцию жертвами с целью одобрения мошеннических транзакций.

В то же время, по мере роста популярности платежей в режиме реального времени, у финансовых учреждений остается лишь короткий промежуток времени для выявления и блокирования попыток мошенничества с использованием искусственного интеллекта. Именно поэтому лидеры платежной индустрии внимательно следят за различными рисками мошенничества:

• Лидеры считают, что мошенничество с использованием поддельных личных данных (61%), мошенничество с использованием чужих личных данных (60%) и трансграничное мошенничество (54%) являются наиболее быстрорастущими угрозами в течение следующего года. Мошенничество с использованием искусственной идентификации, заключающееся в объединении украденной личной информации с вымышленными данными для создания поддельной личности, набирает обороты, поскольку мошенники используют ИИ для анализа огромных массивов данных и создания все более убедительных профилей.
• Другие растущие риски включают мошенничество в электронной коммерции (47%), злоупотребления принципами «Купи сейчас, плати позже» (BNPL) (42%) и дипфейки (21%). Опасения по поводу мошенничества в электронной коммерции и злоупотреблений BNPL, когда злоумышленники совершают несанкционированные счета или транзакции BNPL, подчёркивают необходимость усиления защиты клиентов во всей сфере цифровых платежей.

Девяносто процентов лидеров платежных систем ожидают увеличения финансовых потерь в ближайшие три года, если они не расширят использование ИИ для предотвращения мошенничества. 

К счастью, существует множество способов применения ИИ для предотвращения мошенничества — от анализа паттернов транзакций до сокращения ручных проверок. Многие учреждения уже получают высокую отдачу от инвестиций (ROI) благодаря этому:

• 85% респондентов сообщают, что получили доходность от использования ИИ для сортировки и расследования дел о мошенничестве, распознавании закономерностей транзакций и обнаружения подозрительных транзакций в реальном времени.
• 83% считают, что ИИ значительно ускорил процесс расследования мошенничества и разрешения дел.

​​​Тем не менее, важно помнить, что устойчивые инвестиции приводят к наибольшей прибыли. Организации, использующие ИИ более пяти лет, сообщают об экономии в размере 4,3 миллиона долларов США за счет сокращения упущенной прибыли, что почти вдвое превышает среднюю экономию в 2,2 миллиона долларов США. 

Одновременно руководители понимают, что поддержание актуальности ИИ по мере развития мошенничества — серьёзное препятствие. Чтобы защищаться от новых и возникающих угроз, инструменты ИИ должны учиться и адаптироваться в режиме реального времени. 

Благодаря инструментам искусственного интеллекта, которые включают данные, поступающие практически в режиме реального времени, и контекстную аналитику, организации могут принимать более эффективные решения по авторизации, чтобы повысить процент одобрений и обеспечить удовлетворенность клиентов.

Проблема в том, что исторически банки использовали системы, основанные на правилах, для одобрения или блокировки транзакций. Например, банк может установить правило, отмечающее покупки свыше определённой суммы или отклоняющее транзакции, исходящие из непривычных точек. Но вот в чём проблема: жёсткие, ручные процессы могут замедлить выявление мошенничества, особенно по мере того, как мошенничество становится быстрее и сложнее.

Решение: решения на базе ИИ могут легко преодолеть это ограничение, анализируя миллионы точек данных для быстрой оценки рисков транзакций и предоставления аналитики в реальном времени. Это позволяет банкам замечать новые угрозы по мере их развития и быстро принимать обоснованные решения, минимизируя задержку обнаружения.

Неудивительно, что 80 % организаций сообщили, что ИИ помог исключить ненужные ручные проверки. Решение Mastercard Decision Intelligence Pro (DI Pro) помогает именно в этом: оно предоставляет оценку рисков и аналитические данные практически в реальном времени во время авторизации. Банкам не нужно ждать или проводить расследования позже — они могут мгновенно принять решение об одобрении или отклонении. 

Проблема: Поскольку статические правила авторизации не обладают достаточной детализацией, они часто приводят к ложным срабатываниям, то есть когда законные транзакции ошибочно идентифицируются как мошеннические и отклоняются или помечаются для проверки. Помимо создания дополнительной работы для внутренних команд, это также негативно сказывается на качестве обслуживания клиентов. 

Решение: Продвинутые модели ИИ могут анализировать различные точки данных для точной оценки риска мошенничества. Например, если покупатель, регулярно покупающий одежду среднего класса, внезапно приобретает несколько предметов роскоши во время сезонной распродажи, современные модели ИИ могут анализировать такие факторы, как историческое поведение покупок, доверие продавца и время, чтобы определить, является ли этот скачок расходов законным поведением.

Этот контекстный анализ позволяет принимать более точные решения по авторизации, которые предотвращают мошенничество без увеличения трения для клиентов. Фактически, 83 % респондентов сообщают, что ИИ значительно сократил количество ложных срабатываний и отток клиентов за последний год. 

Проблема: хотя ИИ поддерживает обнаружение мошенничества в реальном времени, для эффективности ему необходимы высококачественные данные. Лидеры понимают этот спрос: 64% респондентов считают, что им необходимо ускорить доступ к новыми, надёжным источникам данных, чтобы идти в ногу с развивающимися угрозами.

Решение: эффективные модели обнаружения мошенничества с помощью ИИ интегрируют данные из всей платёжной экосистемы, включая аналитику карточных сетей, данные продавцов и инсайты из цифровой идентичности потребителей. 

Например, инструмент искусственного интеллекта может оценивать риск продавца на основе исторических уровней мошенничества, а также анализировать скорость клиента, который отслеживает, как часто происходят такие действия, как покупки или смены счета, за короткий промежуток времени.

Используя передовой ИИ и алгоритм Mastercard Merchant User Connected Intelligence (MUCI), DI Pro связывает закономерности между пользователями, продавцами и транзакциями, чтобы предоставить контекст, а не просто оценку.

В дальнейшем успех организаций в обнаружении мошенничества с помощью ИИ будет зависеть от двух факторов: способности модели анализировать большие объемы данных и ее умения объединять исторические закономерности и новую информацию для принятия решений.

Генеративный искусственный интеллект меняет ландшафт мошенничества. Благодаря искусственному интеллекту мошенники действуют быстрее и адаптируются лучше, и финансовым учреждениям тоже необходимо это уметь.

Решение Mastercard Decision Intelligence использует ИИ и сетевую аналитику для анализа и оценки транзакций на основе уровня риска. Благодаря обширным данным о транзакциях почти в режиме реального времени вы можете принимать уверенные решения по авторизации, одобрять больше подлинных транзакций и защищать доходы, поскольку мошеннические тактики продолжают развиваться. 

Готовы трансформировать защиту от мошенничества с помощью ИИ? Узнайте, как Mastercard может помочь, или ознакомьтесь с нашим отчётом, чтобы получить все инсайты по опросу.