Yapay zeka, ödeme dolandırıcılığını önlemede dönüşüm yaratarak bankaların milyonlarca dolar tasarruf etmesine yardımcı oluyor

• Mastercard tarafından yapılan araştırmaya göre, kuruluşlar geçtiğimiz yıl ödeme dolandırıcılığı nedeniyle ortalama 60 milyon dolar kaybetti.  
• Sentetik kimlik dolandırıcılığı ve kimliğe bürünme dolandırıcılığı, üretici yapay zeka (gen AI) tarafından beslenerek hızla artıyor. 
• Gerçek zamanlı verileri ve davranış içgörülerini kullanan yapay zeka araçları, dolandırıcılığı gerçekleşmeden önce durdurmaya ve kayıpları azaltmaya yardımcı olabilir. 
• 83% Sektör liderleri, yapay zekanın yanlış pozitifleri ve kayıpları azaltarak dolandırıcılığın önlenmesinde yeni bir döneme işaret ettiğini söylüyor.

Dolandırıcılığın tahmini küresel mali etkisi 2023 yılında 485 milyar doların üzerine çıkmıştır[1] - bu şaşırtıcı rakamın önümüzdeki yıllarda daha da artması beklenmektedir. 

Bir katalizör mü? Dolandırıcılar, sosyal mühendislik dolandırıcılığını geniş ölçekte yürütmek için ikna edici deepfake'leri, sentetik sesleri ve sahte belgeleri hızla üretmek için gen yapay zekasını kullanıyor. Deloitte tarafından hazırlanan bir rapora göre, yapay zeka 2027 yılına kadar ABD'de 40 milyar dolarlık dolandırıcılık kaybına yol açabilir - bu rakam 2023 yılında görülen 12,3 milyar doların üç katından fazladır.

Ancak bankalar da daha hızlı mücadele etmek için yapay zekayı kullanarak adım atıyor. Geçmişte, dolandırıcılık önleme ekipleri hangi işlemlerin onaylanacağına veya engelleneceğine karar vermek için manuel kurallar belirliyordu. Artık yapay zeka, olağandışı kalıpları tespit etmek ve gerçek zamanlı olarak daha akıllı yetkilendirme kararları almak için verileri analiz edebiliyor. 

Bu değişim şimdiden meyvelerini vermeye başladı. Mastercard'ın Financial Times Longitude ile ortaklaşahazırladığı 2025 ödeme dolandırıcılığını önleme raporu, yapay zeka sayesinde son iki yılda kredi verenlerin 42% 'sinin ve alıcıların 26% 'sinin dolandırıcılık girişimlerinde 5 milyon dolardan fazla tasarruf sağladığını ortaya koydu. Ancak dolandırıcılığın önlenmesinde yapay zekadan en iyi şekilde yararlanmak için, kuruluşların daha iyi risk kararları için modellere beslenen yüksek kaliteli verilere ihtiyacı vardır.

Mastercard'ın araştırması, kuruluşların geçtiğimiz yıl ödeme dolandırıcılığı nedeniyle ortalama 60 milyon dolar kaybettiğini ortaya koydu. Ve yapay zeka dolandırıcıların daha ikna edici dolandırıcılıklar yaratmasına yardımcı oldukça, bu kayıpların artmaya devam etmesi bekleniyor:

• Suçlular, kamuya açık büyük hacimli verileri analiz etmek ve yüksek hedefli davranışsal dolandırıcılıklar oluşturmak için yapay zekadan yararlanıyor. 
• Dolandırıcılar, uygun fiyatlı yapay zeka araçlarıyla ikna edici kimlik avı mesajları, sentetik ses klonları ve büyük ölçekte deepfake videolar oluşturarak kurbanları hileli işlemleri onaylamaları için manipüle etmeyi kolaylaştırabilir.

Aynı zamanda, gerçek zamanlı ödemeler popülerlik kazandıkça, finans kuruluşlarının yapay zeka destekli dolandırıcılık girişimlerini tespit etmek ve engellemek için yalnızca kısa bir penceresi var. Bu nedenle ödeme sektörü liderleri çeşitli dolandırıcılık risklerini yakından takip ediyor:

• Liderler önümüzdeki yıl en hızlı büyüyen tehditler olarak sentetik kimlik dolandırıcılığını (61%), taklit dolandırıcılığını (60%) ve sınır ötesi dolandırıcılığı (54%) görüyor. Sahte bir kimlik oluşturmak için çalınan kişisel bilgilerin uydurma ayrıntılarla birleştirilmesini içeren sentetik kimlik dolandırıcılığı, dolandırıcıların devasa veri kümelerini incelemek ve daha ikna edici profiller oluşturmak için yapay zekayı kullanmasıyla artıyor.
• Diğer büyüyen riskler arasında e-ticaret dolandırıcılığı (47%), Şimdi Al, Sonra Öde (BNPL) suiistimali (42%) ve deepfakes (21%) yer almaktadır. Kötü niyetli kişilerin yetkisiz BNPL hesapları veya işlemleri gerçekleştirdiği e-ticaret dolandırıcılığı ve BNPL istismarına ilişkin endişeler, dijital ödemeler alanında daha güçlü müşteri korumalarına duyulan ihtiyacın altını çizmektedir.

Ödeme liderlerinin yüzde doksanı, dolandırıcılığı önlemede yapay zeka kullanımını artırmadıkları takdirde önümüzdeki üç yıl içinde daha yüksek mali kayıplar bekliyor. 

Neyse ki, işlem modellerini analiz etmekten manuel incelemeleri azaltmaya kadar dolandırıcılığı önlemek için yapay zekayı uygulamanın çeşitli yolları var. Sonuç olarak birçok kurum halihazırda yüksek yatırım getirisi (ROI) elde etmektedir:

• Katılımcıların 85% 'i dolandırıcılık vakalarının önceliklendirilmesi ve araştırılması, işlem örüntüsü tanıma ve şüpheli işlemlerin gerçek zamanlı tespiti için yapay zeka kullanımının getirilerini gördüklerini bildirmiştir.
• 83% yapay zekanın dolandırıcılık soruşturması ve vaka çözümü süreçlerini önemli ölçüde hızlandırdığını söylüyor.

​​​Yine de, sürekli yatırımın en büyük kazanımlara yol açtığını unutmamak önemlidir. Yapay zekayı beş yıldan uzun süredir kullanan kuruluşlar, ortalama 2,2 milyon dolarlık tasarrufun neredeyse iki katı olan 4,3 milyon dolarlık gelir kaybından tasarruf ettiklerini bildiriyor. 

Aynı zamanda liderler, dolandırıcılık taktikleri geliştikçe yapay zekayı güncel tutmanın önemli bir engel olduğunu biliyor. Yeni ve gelişmekte olan tehditlere karşı savunmak için yapay zeka araçlarının gerçek zamanlı olarak öğrenmesi ve uyum sağlaması gerekir. 

Gerçek zamanlı verileri ve davranış içgörülerini birleştiren yapay zeka araçlarıyla kuruluşlar, onay oranlarını artırmak ve müşterileri mutlu etmek için daha verimli yetkilendirme kararları alabilir.

Sorun: Tarihsel olarak, bankalar işlemleri onaylamak veya engellemek için kurallara dayalı sistemler kullanmışlardır. Örneğin, bir banka belirli bir dolar tutarının üzerindeki satın alımları işaretlemek veya olağandışı konumlardan kaynaklanan işlemleri reddetmek için bir kural belirleyebilir. Ancak sorun şu: Katı ve manuel süreçler, özellikle dolandırıcılık daha hızlı ve karmaşık hale geldikçe dolandırıcılığın tespit edilmesini yavaşlatabilir.

Çözüm: Yapay zeka çözümleri, işlem riskini hızla değerlendirmek ve gerçek zamanlı içgörüler sunmak için milyonlarca veri noktasını analiz ederek bu sınırlamanın üstesinden kolayca gelebilir. Bu, bankaların ortaya çıkan tehditleri ortaya çıktıkları anda tespit edebilecekleri ve tespit gecikmesini en aza indirerek hızlı bir şekilde bilinçli kararlar alabilecekleri anlamına gelir.

Kuruluşların 80% 'inin yapay zekanın gereksiz manuel incelemeleri ortadan kaldırmaya yardımcı olduğunu bildirmesi şaşırtıcı değil. Yapay zeka, ihraççıların ve alıcıların tehditleri daha erken tahmin etmelerini sağladığından, daha karmaşık soruşturmalar için kapasite boşaltarak dolandırıcılık ekiplerine de fayda sağlar.

Sorun: Statik yetkilendirme kuralları nüanstan yoksun olduğundan, genellikle yanlış pozitif sonuçlara, yani meşru işlemlerin yanlışlıkla hileli olarak tanımlanmasına ve reddedilmesine veya inceleme için işaretlenmesine neden olurlar. Bu durum, şirket içi ekipler için fazladan iş yaratmanın ötesinde, müşteri deneyimine de zarar verir. 

Çözüm: Gelişmiş yapay zeka modelleri, dolandırıcılık riskini hassas bir şekilde değerlendirmek için çeşitli veri noktalarını analiz edebilir. Örneğin, düzenli olarak orta sınıf kıyafetler satın alan bir müşteri, sezonluk bir indirim sırasında aniden birkaç lüks moda ürünü satın alırsa, gelişmiş yapay zeka modelleri, harcamalardaki bu artışın meşru bir davranış olup olmadığını belirlemek için geçmiş satın alma davranışı, satıcı güvenilirliği ve zamanlama gibi faktörleri analiz edebilir.

Bu bağlama duyarlı zeka, müşteriler için sürtünmeyi artırmadan dolandırıcılığı önleyen daha doğru yetkilendirme kararlarını yönlendirir. Aslında, katılımcıların 83% 'ü yapay zekanın geçtiğimiz yıl yanlış pozitifleri ve müşteri kayıp oranlarını önemli ölçüde azalttığını bildiriyor.

Sorun: Yapay zeka gerçek zamanlı dolandırıcılık tespitini destekleyebilse de etkili olabilmesi için yüksek kaliteli verilere ihtiyaç duyuyor. Katılımcıların 64'ü% gelişen tehditlere ayak uydurmak için yeni, güvenilir veri kaynaklarına erişimi hızlandırmaları gerektiğini söylerken, liderler bu talebi anlıyor.

Çözüm: Etkili yapay zeka dolandırıcılık tespit modelleri, kart ağı istihbaratı, işyeri verileri ve tüketicilerin dijital kimliklerinden elde edilen içgörüler dahil olmak üzere ödeme ekosistemi genelindeki girdileri entegre eder. 

Örneğin, bir yapay zeka aracı bir tüccarın riskini geçmiş dolandırıcılık oranlarına göre değerlendirirken, aynı zamanda bir müşterinin satın alma veya hesap değişikliği gibi eylemlerin kısa bir süre içinde ne sıklıkta gerçekleştiğini izleyen hız sayısını da analiz edebilir.

İleriye dönük olarak, kuruluşların yapay zeka dolandırıcılık tespitindeki başarısı iki faktöre bağlı olacaktır: bir modelin büyük hacimli verileri analiz etme kapasitesi ve karar verme sürecine yardımcı olmak için geçmiş kalıpları ve yeni bilgileri birleştirme yeteneği.

Üretken yapay zeka dolandırıcılık ortamını değiştiriyor. Dolandırıcılar yapay zeka ile daha hızlı ve daha uyumlu hale geliyor - ve finans kurumları da öyle olmalı.

Mastercard'ın Decision Intelligence çözümü, işlemleri risk seviyesine göre analiz etmek ve puanlamak için yapay zeka ve ağ içgörülerini kullanır. Zengin, gerçek zamanlı içgörülerle, güvenli yetkilendirme kararları verebilir, daha gerçek işlemleri onaylayabilir ve dolandırıcılık taktikleri gelişmeye devam ettikçe gelirinizi koruyabilirsiniz. 

Yapay zeka ile dolandırıcılık savunmanızı dönüştürmeye hazır mısınız? Mastercard'ın nasıl yardımcı olabileceğini öğrenin veya tüm anket içgörüleri için raporumuzu okuyun.