Skip to main content

บทความ

ปัญญาประดิษฐ์ (AI) กำลังช่วยธนาคารประหยัดเงินได้หลายล้านด้วยการเปลี่ยนแปลงวิธีการป้องกันการฉ้อโกงการชำระเงิน

การนำ AI มาใช้เพื่อลดการสูญเสียจากการฉ้อโกง เพิ่มอัตราการอนุมัติ และเสริมสร้างความไว้วางใจของลูกค้า

เผยแพร่เมื่อ: 6 กุมภาพันธ์ 2569

แม่แบบ

สรุปเนื้อหาบทความโดยย่อ:

  • จากการวิจัยของ Mastercard พบว่าโดยเฉลี่ยแล้ว องค์กรต่างๆ สูญเสียเงินไป 60 ล้านดอลลาร์สหรัฐ จากกรณีการฉ้อโกงด้านการชำระเงินในปีที่ผ่านมา  
  • การฉ้อโกงโดยใช้เอกลักษณ์ปลอมและการแอบอ้างตัวตนกำลังเพิ่มขึ้นอย่างรวดเร็ว โดยได้รับแรงหนุนจากปัญญาประดิษฐ์เชิงสร้างสรรค์ (gen AI) 
  • เครื่องมือ AI ที่ใช้ข้อมูลแบบเรียลไทม์และข้อมูลเชิงลึกด้านพฤติกรรมสามารถช่วยหยุดยั้งการฉ้อโกงก่อนที่จะเกิดขึ้น และลดความสูญเสียได้ 
  • 83% ของผู้นำในอุตสาหกรรมกล่าวว่า AI ช่วยลดการแจ้งเตือนผิดพลาดและการสูญเสียลูกค้า ซึ่งถือเป็นยุคใหม่ของการป้องกันการฉ้อโกง

ผลกระทบสองด้านของ AI ต่อการฉ้อโกงการชำระเงิน

ผลกระทบทางการเงินทั่วโลกที่คาดการณ์ไว้จากการฉ้อโกงเพิ่มขึ้นเป็นมากกว่า 485 พันล้านดอลลาร์ในปี 2023[1] ซึ่งเป็นตัวเลขที่น่าตกใจและคาดว่าจะเพิ่มขึ้นอีกในอีกหลายปีข้างหน้า 

ตัวเร่งปฏิกิริยาหนึ่งตัว? กลุ่มมิจฉาชีพกำลังใช้ AI รุ่นใหม่เพื่อสร้าง deepfake ที่เหมือนจริงอย่างรวดเร็ว เสียงสังเคราะห์ และเอกสารปลอม เพื่อใช้ในการหลอกลวงทางสังคมในวงกว้าง จาก รายงานของ Deloitte ระบุว่า ปัญญาประดิษฐ์รุ่นใหม่ (Generation AI) อาจก่อให้เกิดความเสียหายจากการฉ้อโกงในสหรัฐฯ สูงถึง 40 พันล้านดอลลาร์ภายในปี 2027 ซึ่งมากกว่าสามเท่าของ 12.3 พันล้านดอลลาร์ในปี 2023

แต่ธนาคารก็กำลังเร่งดำเนินการเช่นกัน โดยใช้ AI เพื่อ ต่อสู้กลับได้รวดเร็วยิ่งขึ้น ในอดีต ทีมป้องกันการฉ้อโกงจะกำหนดกฎด้วยตนเองเพื่อตัดสินใจว่าธุรกรรมใดควรอนุมัติหรือระงับ ปัจจุบัน AI สามารถวิเคราะห์ข้อมูลเพื่อตรวจจับรูปแบบที่ผิดปกติและตัดสินใจอนุมัติได้อย่างชาญฉลาดมากขึ้นแบบเรียลไทม์ 

การเปลี่ยนแปลงนี้เริ่มเห็นผลแล้ว รายงานการป้องกันการฉ้อโกงการชำระเงินปี 2025 ของ Mastercard ซึ่งจัดทำร่วมกับ Financial Times Longitude พบว่า 42% ของผู้ออกบัตรและ 26% ของผู้รับชำระเงินสามารถประหยัดเงินได้มากกว่า 5 ล้านดอลลาร์จากการพยายามฉ้อโกงในช่วงสองปีที่ผ่านมาด้วยเทคโนโลยี AI แต่เพื่อให้องค์กรต่างๆ ใช้ประโยชน์จาก AI ในการป้องกันการฉ้อโกงได้อย่างเต็มที่ จำเป็นต้องมีข้อมูลคุณภาพสูงที่ป้อนเข้าสู่แบบจำลองเพื่อการตัดสินใจด้านความเสี่ยงที่ดีขึ้น

ภาพปลอม (Deepfakes) ตัวตนสังเคราะห์ และวิธีการอื่นๆ ที่ปัญญาประดิษฐ์ (AI) ก่อให้เกิดการฉ้อโกงทางการชำระเงิน

ผลการวิจัยของมาสเตอร์การ์ดพบว่า องค์กรต่างๆ สูญเสียเงินโดยเฉลี่ย 60 ล้านดอลลาร์สหรัฐ จากการฉ้อโกงด้านการชำระเงินในปีที่ผ่านมา และเนื่องจาก AI ช่วยให้ผู้ฉ้อโกงสร้างกลโกงที่แนบเนียนยิ่งขึ้น คาดว่าความสูญเสียเหล่านี้จะเพิ่มขึ้นอย่างต่อเนื่อง:

  • กลุ่มอาชญากรใช้ปัญญาประดิษฐ์ (AI) ในการวิเคราะห์ข้อมูลสาธารณะจำนวนมาก และสร้างกลโกงที่มุ่งเป้าหมายอย่างแม่นยำ 
  • ด้วยเครื่องมือ AI รุ่นใหม่ราคาไม่แพง ผู้ฉ้อโกงสามารถสร้างข้อความฟิชชิ่งที่น่าเชื่อถือ เสียงเลียนแบบสังเคราะห์ และวิดีโอดีพเฟคได้ในปริมาณมาก ทำให้ง่ายต่อการหลอกลวงเหยื่อให้อนุมัติธุรกรรมฉ้อโกง

ในขณะเดียวกัน เมื่อ การชำระเงินแบบเรียลไทม์ได้รับความนิยมมากขึ้น สถาบันการเงินก็มีเวลาเพียงสั้นๆ ในการระบุและบล็อกความพยายามฉ้อโกงที่ขับเคลื่อนด้วย AI ด้วยเหตุนี้ ผู้นำในอุตสาหกรรมการชำระเงินจึงจับตาดูความเสี่ยงด้านการฉ้อโกงหลากหลายรูปแบบอย่างใกล้ชิด:

  • ผู้นำมองว่าการฉ้อโกงโดยใช้เอกลักษณ์ปลอม (61%) การหลอกลวงโดยการแอบอ้างตัวตน (60%) และการฉ้อโกงข้ามพรมแดน (54%) เป็นภัยคุกคามที่เติบโตเร็วที่สุดในปีหน้า การฉ้อโกงโดยการปลอมแปลงเอกลักษณ์บุคคล ซึ่งเกี่ยวข้องกับการนำข้อมูลส่วนบุคคลที่ถูกขโมยมารวมกับรายละเอียดที่ถูกสร้างขึ้นเพื่อสร้างเอกลักษณ์ปลอม กำลังทวีความรุนแรงขึ้น เนื่องจากผู้ฉ้อโกงใช้ปัญญาประดิษฐ์ (AI) ในการคัดกรองชุดข้อมูลขนาดใหญ่และสร้างโปรไฟล์ที่น่าเชื่อถือยิ่งขึ้น
  • ความเสี่ยงอื่นๆ ที่กำลังเพิ่มขึ้น ได้แก่ การฉ้อโกงในอีคอมเมิร์ซ (47%) การใช้ระบบซื้อตอนนี้จ่ายทีหลัง (BNPL) ในทางที่ผิด (42%) และภาพปลอมแปลงขั้นสูง (deepfakes) (21%) ความกังวลเกี่ยวกับการฉ้อโกงในอีคอมเมิร์ซและการใช้บริการ BNPL ในทางที่ผิด ซึ่งผู้ไม่หวังดีสร้างบัญชีหรือทำธุรกรรม BNPL โดยไม่ได้รับอนุญาต เน้นย้ำถึงความจำเป็นในการคุ้มครองลูกค้าให้เข้มแข็งยิ่งขึ้นในระบบการชำระเงินดิจิทัล

AI ช่วยให้ธนาคารประหยัดเงินได้หลายล้านด้วยการปรับปรุงการป้องกันการฉ้อโกงได้อย่างไร

ร้อยละ 90 ของผู้นำในอุตสาหกรรมการชำระเงินคาดการณ์ว่าจะประสบกับความสูญเสียทางการเงินที่สูงขึ้นในอีกสามปีข้างหน้า หากไม่เพิ่มการใช้ AI ในการป้องกันการฉ้อโกง 

โชคดีที่ปัจจุบันมีวิธีการมากมายในการประยุกต์ใช้ AI เพื่อป้องกันการฉ้อโกง ตั้งแต่การวิเคราะห์รูปแบบการทำธุรกรรมไปจนถึงการลดการตรวจสอบด้วยตนเอง สถาบันหลายแห่งกำลังสร้างผลตอบแทนจากการลงทุน (ROI) ที่สูงอยู่แล้ว อันเป็นผลมาจาก:

  • 85% ของผู้ตอบแบบสอบถามรายงานว่าได้รับผลตอบแทนจากการใช้ AI ในการคัดกรองและสืบสวนคดีฉ้อโกง การจดจำรูปแบบการทำธุรกรรม และการตรวจจับธุรกรรมที่น่าสงสัยแบบเรียลไทม์
  • 83% ระบุว่า AI ช่วยเร่งกระบวนการสืบสวนและแก้ไขคดีฉ้อโกงได้อย่างมีนัยสำคัญ

​​​อย่างไรก็ตาม สิ่งสำคัญที่ควรจำไว้คือ การลงทุนอย่างต่อเนื่องจะนำไปสู่ผลตอบแทนที่ยิ่งใหญ่ที่สุด องค์กรที่ใช้ AI มานานกว่าห้าปีรายงานว่าสามารถประหยัดรายได้ที่สูญเสียไปได้ถึง 4.3 ล้านดอลลาร์ ซึ่งเกือบสองเท่าของค่าเฉลี่ยที่ 2.2 ล้านดอลลาร์ 

ในขณะเดียวกัน ผู้นำก็ทราบดีว่าการทำให้ AI ทันสมัยอยู่เสมอเพื่อรับมือกับการเปลี่ยนแปลงของกลยุทธ์การฉ้อโกงนั้นเป็นอุปสรรคสำคัญ เพื่อป้องกันภัยคุกคามใหม่ๆ ที่เกิดขึ้น เครื่องมือ AI จำเป็นต้องเรียนรู้และปรับตัวแบบเรียลไทม์ 

เครื่องมือ AI ขั้นสูงช่วยเร่งการตรวจจับการฉ้อโกง ลดการแจ้งเตือนผิดพลาด และปรับปรุงการตัดสินใจได้อย่างไร

ด้วยเครื่องมือ AI ที่ผสานรวมข้อมูลแบบเรียลไทม์และข้อมูลเชิงลึกด้านพฤติกรรม องค์กรต่างๆ สามารถตัดสินใจอนุมัติได้อย่างมีประสิทธิภาพมากขึ้น เพื่อเพิ่มอัตราการอนุมัติและสร้างความพึงพอใจให้กับลูกค้า

เร่งการตรวจจับการฉ้อโกงด้วยข้อมูลเชิงลึกแบบเรียลไทม์

ปัญหาคือ: ในอดีต ธนาคารใช้ระบบที่อิงตามกฎเกณฑ์ในการอนุมัติหรือระงับธุรกรรม ตัวอย่างเช่น ธนาคารอาจกำหนดกฎเพื่อตรวจสอบการซื้อที่มีมูลค่าเกินจำนวนเงินที่กำหนด หรือปฏิเสธธุรกรรมที่มาจากสถานที่ที่ไม่ปกติ แต่ปัญหาอยู่ที่นี่: กระบวนการที่ตายตัวและใช้แรงงานคนอาจทำให้การตรวจจับการฉ้อโกงช้าลง โดยเฉพาะอย่างยิ่งเมื่อกลโกงต่างๆ รวดเร็วและซับซ้อนมากขึ้น

ทางออก: โซลูชัน AI สามารถเอาชนะข้อจำกัดนั้นได้อย่างง่ายดาย โดยวิเคราะห์ข้อมูลนับล้านจุดเพื่อประเมินความเสี่ยงในการทำธุรกรรมได้อย่างรวดเร็ว และให้ข้อมูลเชิงลึกแบบเรียลไทม์ นั่นหมายความว่าธนาคารสามารถตรวจจับภัยคุกคามที่เกิดขึ้นใหม่ได้ทันที และตัดสินใจได้อย่างรวดเร็วโดยคำนึงถึงปัจจัยต่างๆ ช่วยลดความล่าช้าในการตรวจจับลงได้

จึงไม่น่าแปลกใจที่ 80% ขององค์กรรายงานว่า AI ช่วยลดการตรวจสอบด้วยตนเองที่ไม่จำเป็นลงได้ เนื่องจาก AI ช่วยให้ผู้ออกบัตรและผู้รับบัตรสามารถคาดการณ์ภัยคุกคามได้เร็วยิ่งขึ้น จึงเป็นประโยชน์ต่อทีมป้องกันการฉ้อโกงด้วยการช่วยให้มีเวลาว่างมากขึ้นสำหรับการสืบสวนที่ซับซ้อนกว่าเดิม

ลดโอกาสเกิดผลลัพธ์ที่ผิดพลาดด้วยบริบททางพฤติกรรม

ปัญหาคือ: เนื่องจากกฎการอนุญาตแบบคงที่ขาดความละเอียดอ่อน จึงมักส่งผลให้เกิดผลลัพธ์ที่ผิดพลาด กล่าวคือ ธุรกรรมที่ถูกต้องตามกฎหมายถูกระบุว่าเป็นธุรกรรมฉ้อโกงและถูกปฏิเสธหรือถูกตั้งค่าสถานะเพื่อตรวจสอบโดยไม่ถูกต้อง นอกจากจะสร้างภาระงานเพิ่มให้กับทีมภายในแล้ว ยังส่งผลเสียต่อประสบการณ์ของลูกค้าอีกด้วย 

วิธีแก้ปัญหา: โมเดล AI ขั้นสูงสามารถวิเคราะห์ข้อมูลที่หลากหลายเพื่อประเมินความเสี่ยงด้านการฉ้อโกงได้อย่างแม่นยำ ตัวอย่างเช่น หากลูกค้าที่ปกติซื้อเสื้อผ้าระดับกลางอยู่ดีๆ ก็ซื้อสินค้าแฟชั่นหรูหลายชิ้นในช่วงลดราคาตามฤดูกาล โมเดล AI ขั้นสูงสามารถวิเคราะห์ปัจจัยต่างๆ เช่น พฤติกรรมการซื้อในอดีต ความน่าเชื่อถือของร้านค้า และช่วงเวลา เพื่อพิจารณาว่าการใช้จ่ายที่เพิ่มขึ้นอย่างฉับพลันนี้เป็นพฤติกรรมที่ถูกต้องหรือไม่

ระบบอัจฉริยะที่คำนึงถึงบริบทนี้ช่วยให้การตัดสินใจอนุมัติมีความแม่นยำยิ่งขึ้น ป้องกันการฉ้อโกงโดยไม่สร้างความยุ่งยากให้กับลูกค้า ในความเป็นจริง ผู้ตอบแบบสอบถาม 83% รายงานว่า AI ช่วยลดจำนวนผลลัพธ์ที่ผิดพลาดและอัตราการเลิกใช้บริการของลูกค้าได้อย่างมีนัยสำคัญในช่วงปีที่ผ่านมา

ตัดสินใจได้อย่างชาญฉลาดขึ้นด้วยข้อมูลเชิงลึกที่ครอบคลุม

ปัญหาคือ: แม้ว่า AI จะสามารถสนับสนุนการตรวจจับการฉ้อโกงแบบเรียลไทม์ได้ แต่ก็จำเป็นต้องใช้ข้อมูลคุณภาพสูงเพื่อให้ยังคงมีประสิทธิภาพ ผู้นำเข้าใจถึงความต้องการนี้ โดย 64% ของผู้ตอบแบบสอบถามระบุว่าพวกเขาจำเป็นต้องเร่งการ Access แหล่งข้อมูลใหม่ที่น่าเชื่อถือเพื่อให้ทันต่อภัยคุกคามที่เปลี่ยนแปลงไป

แนวทางแก้ไข: โมเดลตรวจจับการฉ้อโกงด้วย AI ที่มีประสิทธิภาพจะผสานรวมข้อมูลจากทั่วทั้งระบบนิเวศการชำระเงิน รวมถึงข้อมูลอัจฉริยะจากเครือข่ายบัตร ข้อมูลร้านค้า และข้อมูลเชิงลึกจากข้อมูลระบุตัวตนดิจิทัลของผู้บริโภค 

ตัวอย่างเช่น เครื่องมือ AI อาจประเมินความเสี่ยงของร้านค้าโดยพิจารณาจากอัตราการฉ้อโกงในอดีต พร้อมทั้งวิเคราะห์ความถี่ในการทำธุรกรรมของลูกค้า ซึ่งติดตามความถี่ในการดำเนินการต่างๆ เช่น การซื้อหรือการเปลี่ยนแปลงบัญชีภายในช่วงเวลาสั้นๆ

ในอนาคต ความสำเร็จขององค์กรในการตรวจจับการฉ้อโกงด้วย AI จะขึ้นอยู่กับสองปัจจัย ได้แก่ ความสามารถของแบบจำลองในการวิเคราะห์ข้อมูลจำนวนมาก และความสามารถในการผสมผสานรูปแบบในอดีตและข้อมูลใหม่เพื่อช่วยในการตัดสินใจ

เสริมสร้างการป้องกันการฉ้อโกงและปกป้องความไว้วางใจของลูกค้าด้วย AI

ปัญญาประดิษฐ์เชิงสร้างสรรค์กำลังเปลี่ยนแปลงภูมิทัศน์ของการฉ้อโกง พวกมิจฉาชีพมีความรวดเร็วและปรับตัวได้ดีขึ้นเมื่อใช้ AI และสถาบันการเงินก็ต้องปรับตัวให้เร็วขึ้นเช่นกัน

โซลูชัน Decision Intelligence ของ Mastercard ใช้ AI และข้อมูลเชิงลึกจากเครือข่ายเพื่อวิเคราะห์และให้คะแนนธุรกรรมตามระดับความเสี่ยง ด้วยข้อมูลเชิงลึกที่ครบถ้วนและเรียลไทม์ คุณจึงสามารถตัดสินใจอนุมัติได้อย่างมั่นใจ อนุมัติธุรกรรมที่ถูกต้องได้มากขึ้น และปกป้องรายได้ในขณะที่กลยุทธ์การฉ้อโกงยังคงพัฒนาอย่างต่อเนื่อง 

พร้อมที่จะยกระดับการป้องกันการฉ้อโกงของคุณด้วย AI แล้วหรือยัง? ค้นหาว่า Mastercard สามารถช่วยคุณได้อย่างไร หรืออ่าน รายงานของเรา เพื่อรับข้อมูลเชิงลึกทั้งหมดจากการสำรวจ

คำถามที่พบบ่อยเกี่ยวกับ AI สำหรับการตรวจจับและป้องกันการฉ้อโกงการชำระเงิน

AI ช่วยปรับปรุงการตรวจจับการฉ้อโกงการชำระเงินได้อย่างไร?

AI ช่วยเพิ่มประสิทธิภาพในการตรวจจับการฉ้อโกงการชำระเงินโดยการวิเคราะห์รูปแบบการทำธุรกรรม สัญญาณพฤติกรรม และกิจกรรมของร้านค้าได้อย่างรวดเร็ว แตกต่างจากระบบแบบดั้งเดิมที่ใช้กฎเกณฑ์ AI สามารถตรวจจับความผิดปกติได้อย่างแม่นยำยิ่งขึ้น และแจ้งเตือนธุรกรรมที่มีความเสี่ยงสูงก่อนที่จะเกิดความเสียหาย 

AI ช่วยลดความเสี่ยงของผลลัพธ์ที่ผิดพลาดในการตรวจสอบธุรกรรมได้อย่างไร?

AI สามารถช่วยลดผลลัพธ์ที่ผิดพลาด (false positives) ได้โดยการประเมินธุรกรรมในบริบทที่เหมาะสม ระบบจะวิเคราะห์ข้อมูลต่างๆ เช่น ความชอบของลูกค้าและโปรไฟล์ของร้านค้า เพื่อให้การอนุมัติการทำธุรกรรมมีความแม่นยำยิ่งขึ้น และสร้างประสบการณ์ที่ราบรื่นยิ่งขึ้นสำหรับลูกค้า 

โมเดล AI ประเภทใดที่มีประโยชน์มากที่สุดสำหรับการป้องกันการฉ้อโกงการชำระเงิน?

โมเดล AI ที่ผสานรวมข้อมูลในอดีต สัญญาณแบบเรียลไทม์ และบริบททางพฤติกรรม ช่วยสนับสนุนการป้องกันการฉ้อโกงได้อย่างมีประสิทธิภาพ แบบจำลองที่มีข้อมูลครบถ้วนสามารถประเมินความเสี่ยงในการทำธุรกรรมได้อย่างแม่นยำยิ่งขึ้นแบบเรียลไทม์ ซึ่งเป็นข้อได้เปรียบที่สำคัญเนื่องจากการโจมตีฉ้อโกงเกิดขึ้นรวดเร็วและซับซ้อนมากขึ้น

บล็อกนี้รวบรวมข้อมูลเชิงลึกจากการสำรวจ Longitude ของ Mastercard และ Financial Times ซึ่งสำรวจผู้บริหาร 300 คนในอุตสาหกรรมการชำระเงิน งานวิจัยอื่น ๆ ที่อ้างอิงในบทความนี้ไม่ได้เกี่ยวข้องกับ Mastercard

[1] https://www.nasdaq.com/global-financial-crime-report

Book a demo

Request a personalized demo to learn how Mastercard can enhance your business through our products and services.

Mastercard