Штучний інтелект допомагає банкам заощаджувати мільйони, трансформуючи запобігання шахрайству з платежами

• В середньому організації втратили $60 мільйонів у всьому світі через шахрайство з платежами за рік, згідно з дослідженням Mastercard 2025 року. 
• Шахрайство з видаванням себе за іншу особу швидко зростає, підживлюване генеративним ШІ (ген-ШІ), і призводить до фінансових втрат.
• Інструменти ШІ, які використовують дані та тенденції в режимі реального часу, можуть допомогти зупинити шахрайство до того, як воно станеться, — і зменшити втрати.
• 83% лідерів галузі стверджують, що штучний інтелект зменшив кількість хибнопозитивних результатів та відтоку клієнтів, що знаменує собою нову еру в запобіганні шахрайству.

Розширення мереж платежів у реальному часі створило нові можливості для шахрайства. Фактично, очікуваний глобальний фінансовий вплив шахрайства зріс до понад 485 мільярдів доларів у 2024 році — це приголомшлива цифра, яка, як очікується, збільшуватиметься в наступні роки. 

Транзакції обробляються за лічені секунди, що зменшує вікно для виявлення та запобігання. Тим часом, злочинці розробляють атаки, які швидко переміщують гроші через кілька рахунків, перш ніж їх спіймають.

Ці шахраї використовують генеративний ШІ для здійснення шахрайства із застосуванням соціальної інженерії та організації швидких транзакцій з більшою точністю. Згідно з доповіддю Deloitte, генеративний ШІ може спричинити втрати від шахрайства в США на суму 40 мільярдів доларів до 2027 року — це втричі більше, ніж 12,3 мільярда доларів, зафіксованих у 2023 році. Автоматизуючи потік коштів між рахунками в різних установах, шахраї можуть заплутати сліди та ускладнити повернення.

Але й банки активізуються — використовуючи ШІ, щоб швидше давати відсіч. У минулому команди з запобігання шахрайству встановлювали ручні правила, щоб вирішувати, які транзакції схвалювати або блокувати. Тепер ШІ може аналізувати дані для виявлення незвичайних закономірностей і прийняття більш розумних рішень щодо авторизації в режимі реального часу. 

Ці зміни вже дають результати. Звіт Mastercard 2025 про запобігання шахрайству з платежами, підготовлений у партнерстві з Financial Times Longitude, показав, що 42 % емітентів і 26 % еквайрів заощадили понад 5 мільйонів доларів на спробах шахрайства за останні два роки завдяки ШІ. Але щоб максимально використати ШІ для запобігання шахрайству, організаціям потрібні високоякісні дані, які надходять до моделей для прийняття кращих рішень щодо ризиків.

Дослідження Mastercard показало, що організації втратили в середньому 60 мільйонів доларів через шахрайство з платежами за минулий рік. І оскільки штучний інтелект допомагає шахраям створювати переконливіші схеми афер, очікується, що ці втрати продовжуватимуть зростати:

• Злочинці використовують ШІ для аналізу великих обсягів загальнодоступних даних і розробки цільових шахрайських схем.
  
• Завдяки доступним інструментам штучного інтелекту, шахраї можуть створювати переконливі фішингові повідомлення, клони штучного голосу та відео з дипфейками у великих масштабах, що полегшує маніпулювання жертвами для схвалення шахрайських транзакцій.

Водночас, оскільки платежі в режимі реального часу набувають популярності, фінансові установи мають лише короткий період часу для виявлення та блокування спроб шахрайства за допомогою штучного інтелекту. Ось чому лідери платіжної галузі пильно стежать за різноманітними ризиками шахрайства:

• Лідери вважають шахрайство з використанням штучних ідентифікаційних даних (61%), шахрайство з використанням іншої особи (60%) та транскордонне шахрайство (54%) найшвидше зростаючими загрозами протягом наступного року. Шахрайство з використанням штучних засобів ідентифікації, яке передбачає поєднання викраденої особистої інформації з вигаданими даними для створення фальшивої особи, набирає обертів, оскільки шахраї використовують штучний інтелект для перегляду величезних наборів даних та створення більш переконливих профілів.
• Інші зростаючі ризики включають шахрайство в електронній комерції (47%), зловживання системою «Купи зараз, плати пізніше» (BNPL) (42%) та діпфейки (21%). Занепокоєння щодо шахрайства в електронній комерції та зловживань BNPL, коли зловмисники створюють несанкціоновані облікові записи або транзакції BNPL, підкреслюють необхідність посилення захисту клієнтів у сфері цифрових платежів.

Дев'яносто відсотків лідерів у сфері платежів очікують вищих фінансових втрат протягом наступних трьох років, якщо вони не збільшать використання штучного інтелекту для запобігання шахрайству. 

На щастя, існують різні способи застосування штучного інтелекту для запобігання шахрайству, від аналізу моделей транзакцій до зменшення кількості ручних перевірок. Багато установ вже отримують високу рентабельність інвестицій (ROI) завдяки:

• 85% респондентів повідомляють про результати використання штучного інтелекту для сортування та розслідування випадків шахрайства, розпізнавання шаблонів транзакцій та виявлення підозрілих транзакцій у режимі реального часу.
• 83% кажуть, що штучний інтелект значно пришвидшив їхній процес розслідування шахрайства та вирішення справ.

​​​Однак важливо пам'ятати, що стабільні інвестиції призводять до найбільших прибутків. Організації, які використовують штучний інтелект понад п'ять років, повідомляють про економію в розмірі 4,3 мільйона доларів США від втрати доходу, що майже вдвічі перевищує середню економію в 2,2 мільйона доларів США. 

Водночас лідери усвідомлюють, що підтримка ШІ в актуальному стані в міру розвитку тактик шахрайства є значною перешкодою. Для захисту від нових та виникаючих загроз інструменти штучного інтелекту повинні навчатися та адаптуватися в режимі реального часу. 

За допомогою інструментів ШІ, які включають дані в майже реальному часі та контекстуальні інсайти, організації можуть приймати ефективніші рішення щодо авторизації, щоб збільшити показники схвалення та задовольнити клієнтів.

Проблема: Історично банки використовували системи, засновані на правилах, для схвалення або блокування транзакцій. Наприклад, банк може встановити правило, яке позначатиме покупки, що перевищують певну суму в доларах, або заборонятиме транзакції, що здійснюються з незвичних місць. Але ось у чому проблема: жорсткі, ручні процеси можуть уповільнити виявлення шахрайства, особливо коли шахрайство стає швидшим і складнішим.

Рішення: рішення на основі штучного інтелекту можуть легко подолати це обмеження, аналізуючи мільйони точок даних для швидкої оцінки ризику транзакцій та пропонуючи аналітику в режимі реального часу. Це означає, що банки можуть виявляти нові загрози в міру їх розгортання та швидко приймати обґрунтовані рішення, мінімізуючи затримку виявлення.

Не дивно, що 80 % організацій повідомили, що штучний інтелект допоміг усунути зайві перевірки, які здійснюються вручну. Рішення Decision Intelligence Pro (DI Pro) від Mastercard допомагає саме в цьому: воно надає оцінку ризику та аналітичні дані майже в реальному часі під час авторизації. Банкам не потрібно чекати або проводити розслідування пізніше — вони можуть миттєво вирішити схвалити чи відхилити. 

Проблема: оскільки правилам статичної авторизації бракує нюансів, вони часто призводять до хибнопозитивних результатів, тобто коли легітимні транзакції помилково ідентифікуються як шахрайські та відхиляються або позначаються для перевірки. Окрім створення додаткового навантаження для внутрішніх команд, це також шкодить враженню клієнтів. 

Рішення: Розширені моделі штучного інтелекту можуть аналізувати різноманітні точки даних для точної оцінки ризику шахрайства. Наприклад, якщо клієнт, який регулярно купує одяг середнього цінового сегмента, раптово придбає кілька предметів розкішного модного одягу під час сезонного розпродажу, передові моделі штучного інтелекту можуть проаналізувати такі фактори, як історична поведінка покупців, довіра до продавця та час, щоб визначити, чи є цей сплеск витрат законною поведінкою.

Ця контекстна інформація забезпечує точніші рішення щодо авторизації, які запобігають шахрайству без збільшення незручностей для клієнтів. Насправді, 83 % респондентів повідомляють, що ШІ значно зменшив кількість хибнопозитивних результатів та показники відтоку клієнтів за останній рік. 

Проблема: Хоча штучний інтелект може підтримувати виявлення шахрайства в режимі реального часу, для його ефективності потрібні високоякісні дані. Лідери розуміють цей попит, і 64% респондентів заявили, що їм потрібно пришвидшити доступ до нових, достовірних джерел даних, щоб йти в ногу з новими загрозами.

Рішення: Ефективні моделі виявлення шахрайства на основі штучного інтелекту інтегрують дані з усієї платіжної екосистеми, включаючи аналітику карткової мережі, дані продавців та аналітику цифрової ідентичності споживачів. 

Наприклад, інструмент штучного інтелекту може оцінювати ризик продавця на основі історичних показників шахрайства, а також аналізувати показник швидкості клієнта, який відстежує, як часто такі дії, як покупки або зміни облікового запису, відбуваються протягом короткого періоду.

Використовуючи передовий ШІ та алгоритм Mastercard Merchant User Connected Intelligence (MUCI), DI Pro пов'язує патерни між користувачами, продавцями та транзакціями, щоб надати контекст, а не просто оцінку.

У майбутньому успіх організацій у виявленні шахрайства за допомогою штучного інтелекту залежатиме від двох факторів: здатності моделі аналізувати великі обсяги даних та її здатності поєднувати історичні закономірності та свіжу інформацію для сприяння прийняттю рішень.

Генеративний штучний інтелект змінює ландшафт шахрайства. Шахраї стають швидшими та адаптивнішими завдяки штучному інтелекту, і фінансові установи також повинні бути такими.

Рішення Mastercard Decision Intelligence використовує штучний інтелект та аналітичні дані з мережі для аналізу та оцінки транзакцій на основі рівня ризику. Завдяки глибокій аналітиці транзакцій у майже реальному часі ви можете приймати впевнені рішення щодо авторизації, схвалювати більше справжніх транзакцій та захищати дохід, оскільки шахрайські тактики продовжують розвиватися. 

Готові трансформувати свій захист від шахрайства за допомогою штучного інтелекту? Дізнайтеся, як Mastercard може допомогти, або ознайомтеся з нашим звітом, щоб отримати всі висновки опитування.