AI 正在協助銀行透過轉型支付防詐騙措施，節省數百萬。

• 平均而言，根據 Mastercard 於 2025 年進行的研究，組織每年全球因支付詐欺損失 6,000 萬美元。
• 在生成式 AI (gen AI) 的推動下，冒充詐騙快速增加並導致詐欺行為。
• 運用即時數據和趨勢的 AI 工具，有助於在詐騙發生前阻止其發生—並減少損失。
• 83% 的業界領袖表示 AI 已減少誤報和流失，開啟了防詐騙的新紀元。

即時支付網路的擴張為詐欺行為創造了新的機會。事實上，詐欺行為造成的全球預估經濟損失在 2024 年增長到超過 4,850 億美元 — 這是一個驚人的數字，預計未來幾年還會繼續增長。

交易在數秒內處理完畢，讓偵測和避免的窗口變得更小。與此同時，犯罪份子設計的攻擊會讓資金快速流經多個帳戶，然後才被發現。

這些詐騙者利用生成式 AI 進行社交工程詐騙，並更精準地組織快速交易。根據Deloitte 報告指出，生成式 AI 到 2027 年可能導致美國詐騙損失達到 400 億美元 — 比 2023 年的 123 億美元高出三倍多。透過自動化跨越不同機構帳戶的資金流動，詐騙者可以模糊追蹤線索，並使追回資金變得複雜。

但銀行也積極應對 — 使用 AI 來更快地反擊。過去，詐欺防範團隊會制定人工規則來決定要核准或阻擋哪些交易。現在，AI 可以分析資料來偵測異常模式並即時做出更明智的授權決策。

這項轉變已經開始見效。Mastercard 的 2025 年支付詐騙防範報告與《金融時報》Longitude 合作發布，報告發現，由於 AI 的幫助，42% 的發卡機構和 26% 的收單機構在過去兩年內，已在詐騙嘗試中省下超過 500 萬美元。然而，為了充分利用 AI 應用於詐騙防範，組織需要高品質資料來為模型提供支援，以做出更好的風險決策。

Mastercard 的研究發現，企業在過去一年平均因支付詐騙損失了 6,000 萬美元。隨著 AI 協助詐騙集團製造更具說服力的詐騙手段，這些損失預計將持續攀升：

• 犯罪份子運用 AI 分析大量公開資料，並設計出高度目標化的詐騙。
  
• 透過平價的生成式 AI 工具，詐騙者可以大規模製造可信的網路釣魚訊息、合成語音複製和深度偽造影片，讓他們更容易操縱受害者核准詐欺交易。

同時，隨著即時支付日益普及，金融機構只有很短的時間識別並阻止 AI 驅動的詐騙嘗試。這就是為什麼支付產業領導者密切關注各種詐騙風險：

• 領導人認為，合成身分詐欺（61%）、冒充詐騙（60%）以及跨境詐騙（54%）是未來一年增長最快的威脅。合成身份詐欺，這種詐欺涉及將竊取的個人資訊與偽造細節結合以建立虛假身份，隨著詐欺者利用人工智慧篩選大量資料集並建立更具說服力的個人資料，正日益加劇。
• 其他不斷增長的風險包括電子商務詐騙 (47%)、先買後付 (BNPL) 濫用 (42%) 以及深度偽造 (21%)。對於電子商務詐騙以及 BNPL 濫用（即不法分子進行未經授權的 BNPL 帳戶或交易）的擔憂，突顯了整個數位支付環境中需要更嚴格的客戶保護。

九成的支付業領導者預計，如果未能提升其在防詐騙領域對 AI 的應用，未來三年將面臨更高的財務損失。

幸運的是，有多種方式可以應用 AI 進行防詐騙，從分析交易模式到減少人工審查。許多機構因此已獲得高投資報酬率：

• 85% 的受訪者表示，他們透過使用 AI 進行詐騙案件分類和調查、交易模式識別及即時偵測可疑交易，已見到成效。
• 83% 的人表示 AI 已顯著加速了他們的詐騙調查和案件解決程序。

然而，務必銘記，持續投入才能創造最大的獲利。使用 AI 超過五年的各組織，報告避免了 430 萬美元的營收損失，這幾乎是平均避免金額 220 萬美元的兩倍。

與此同時，領導者知道，隨著詐騙策略的演變，保持 AI 的更新是一個重大挑戰。為防範新的與新興威脅，AI 工具需要即時學習與適應。

結合近乎即時資料和情境洞察的 AI 工具，組織可做出更有效率的授權決策，藉此提高核准率並讓客戶滿意。

問題：一直以來，銀行都採用以規則為基礎的系統來核准或阻擋交易。例如，銀行可能會設定規則，標記超過特定金額的購買，或拒絕來自異常地點的交易。但問題在於：僵化的人工流程會拖慢詐騙偵測的速度，特別是當詐騙手法變得更快、更複雜時。

解決方案：AI 解決方案可輕鬆克服該限制，分析數百萬個資料點，以快速評估交易風險並提供即時洞察。這表示銀行可以在新威脅出現時及時發現，並迅速做出明智的決策，將偵測延遲降到最低。

毫不意外的是，80% 的組織報告指出 AI 有助於減少不必要的人工審查。Mastercard 的 Decision Intelligence Pro 解決方案 (DI Pro) 正可為此提供協助：其提供風險評分和深入分析，在授權期間以近乎即時的方式完成。銀行無需等待或事後調查 — 他們可以即時決定核准或拒絕。

問題：由於靜態授權規則缺乏細緻性，經常導致誤報，即合法交易被錯誤地識別為欺詐性交易並被拒絕或標記待審核。這不僅為內部團隊帶來額外工作，同時也損害了顧客體驗。

解決方案：先進的 AI 模型可分析多種資料點，以精準地評估詐騙風險。例如，如果一位經常購買中價位服飾的顧客在換季特賣期間突然購買了數件奢華時尚商品，先進的AI模型可以分析歷史購買行為、商家信譽和時機等因素，以判斷這次消費高峰是否為合法行為。

此情境洞察促成更準確的授權決策，以防止詐騙且不增加客戶摩擦。事實上，83% 的受訪者回報 AI 在過去一年中顯著降低了誤判和客戶流失率。

問題是：雖然 AI 可以支援即時詐騙偵測，但它需要高品質的資料才能保持成效。領導者了解這項需求，64% 的受訪者表示他們需要加速 Access 新的、可靠的資料來源，以跟上不斷演變的威脅。

解決方案：高效的 AI 詐騙偵測模型整合了來自整個支付生態系統的輸入，其中包括卡網路情報、商家資料和消費者數位身分洞察。

舉例而言，AI 工具可能會根據歷史詐騙率來評估商家的風險，同時分析客戶的行為頻次，其會追蹤諸如購買或帳戶變更等動作在短時間內的發生頻率。

運用先進的 AI 和 Mastercard 商戶用戶連線智慧（MUCI）演算法，DI Pro 會連結使用者、商戶和交易之間的模式，以提供內容，而非僅是分數。

未來，組織在 AI 詐騙偵測方面的成功，將取決於兩項因素：模型分析大量資料的能力，以及結合歷史模式與新資訊的能力，以協助決策。

生成式 AI 正在重塑詐騙格局。詐騙者因AI變得更快、更具適應性——金融機構也必須如此。

Mastercard 的 Decision Intelligence 解決方案使用 AI 和網路洞察，根據風險程度分析並評分交易。憑藉豐富的近乎即時交易洞察，您可以做出有信心的授權決策、核准更多真實交易，並保護營收，隨著詐騙手法不斷演進。

準備好利用 AI 轉型詐欺防禦了嗎？ 了解 Mastercard 如何提供協助，或閱讀 我們的報告，掌握所有調查洞察。