AI đang giúp các ngân hàng tiết kiệm hàng triệu USD bằng cách chuyển đổi công tác phòng chống gian lận thanh toán.

• Trung bình, các tổ chức đã mất 60 triệu đô la do gian lận thanh toán trong năm qua, theo nghiên cứu của Mastercard.  
• Gian lận danh tính tổng hợp và lừa đảo mạo danh đang gia tăng nhanh chóng, được thúc đẩy bởi AI tạo sinh (AI thế hệ mới). 
• Công cụ AI sử dụng dữ liệu thời gian thực và thông tin chi tiết về hành vi có thể giúp ngăn chặn gian lận trước khi nó xảy ra — và giảm thiểu tổn thất. 
• 83% các nhà lãnh đạo ngành cho biết AI đã giảm thiểu các cảnh báo sai và tỷ lệ rời bỏ, đánh dấu một kỷ nguyên mới trong phòng chống gian lận.

Ước tính tác động tài chính toàn cầu của gian lận đã tăng lên hơn 485 tỷ USD vào năm 2023[1] — một con số đáng kinh ngạc dự kiến sẽ còn tăng trong những năm tới. 

Một chất xúc tác? Kẻ lừa đảo đang sử dụng AI tạo sinh để nhanh chóng tạo ra các deepfake thuyết phục, giọng nói tổng hợp và tài liệu giả mạo nhằm thực hiện các vụ lừa đảo kỹ thuật xã hội trên quy mô lớn. Theo báo cáo của Deloitte, AI tổng quát có thể gây ra 40 tỷ USD tổn thất do gian lận ở Mỹ vào năm 2027 — gấp hơn ba lần so với 12,3 tỷ USD đã được ghi nhận vào năm 2023.

Nhưng các ngân hàng cũng đang đẩy mạnh nỗ lực — sử dụng AI để chống lại nhanh hơn. Trước đây, các đội ngũ phòng chống gian lận đã thiết lập các quy tắc thủ công để quyết định giao dịch nào được phê duyệt hay chặn lại. Giờ đây, AI có thể phân tích dữ liệu để phát hiện các mẫu bất thường và đưa ra các quyết định ủy quyền thông minh hơn theo thời gian thực. 

Sự thay đổi này đã mang lại hiệu quả. Báo cáo ngăn chặn gian lận thanh toán năm 2025 của Mastercard, được thực hiện với sự hợp tác của Financial Times Longitude, cho thấy 42% tổ chức phát hành và 26% tổ chức chấp nhận thanh toán đã tránh được thiệt hại hơn 5 triệu USD từ các nỗ lực gian lận trong hai năm qua nhờ AI. Nhưng để tận dụng tối đa AI trong phòng chống gian lận, các tổ chức cần dữ liệu chất lượng cao để đưa vào các mô hình nhằm đưa ra quyết định rủi ro tốt hơn.

Nghiên cứu của Mastercard cho thấy các tổ chức đã mất trung bình 60 triệu USD do gian lận thanh toán trong năm qua. Và khi AI giúp những kẻ lừa đảo tạo ra những vụ lừa đảo thuyết phục hơn, những khoản lỗ đó dự kiến sẽ tiếp tục tăng lên:

• Tội phạm lợi dụng AI để phân tích lượng lớn dữ liệu có sẵn công khai và tạo ra các chiêu trò lừa đảo hành vi nhắm mục tiêu cao. 
• Với các công cụ AI tạo sinh giá cả phải chăng, những kẻ lừa đảo có thể tạo ra các tin nhắn lừa đảo thuyết phục, bản sao giọng nói tổng hợp và video deepfake ở quy mô lớn, khiến việc thao túng nạn nhân phê duyệt các giao dịch gian lận trở nên dễ dàng hơn.

Đồng thời, khi thanh toán trong thời gian thực ngày càng trở nên phổ biến, các tổ chức tài chính chỉ có một khoảng thời gian ngắn để xác định và ngăn chặn các nỗ lực gian lận được hỗ trợ bởi AI. Đó là lý do tại sao các nhà lãnh đạo ngành thanh toán đang theo dõi sát sao nhiều rủi ro gian lận:

• Các nhà lãnh đạo nhận thấy gian lận danh tính giả mạo (61%), lừa đảo mạo danh (60%) và gian lận xuyên biên giới (54%) là các mối đe dọa gia tăng nhanh nhất trong năm tới. Gian lận giả mạo danh tính, liên quan đến việc kết hợp thông tin cá nhân bị đánh cắp với các chi tiết bịa đặt để tạo ra một danh tính giả, đang gia tăng khi những kẻ lừa đảo sử dụng AI để sàng lọc các bộ dữ liệu khổng lồ và xây dựng các hồ sơ đáng tin cậy hơn.
• Các rủi ro đang gia tăng khác bao gồm gian lận thương mại điện tử (47%), lạm dụng Mua ngay, Trả sau (BNPL) (42%) và deepfake (21%). Những lo ngại về gian lận thương mại điện tử và lạm dụng BNPL, khi các đối tượng xấu tạo tài khoản hoặc giao dịch BNPL trái phép, nhấn mạnh sự cần thiết của việc tăng cường bảo vệ khách hàng trên toàn cảnh thanh toán kỹ thuật số.

Chín mươi phần trăm các lãnh đạo thanh toán kỳ vọng tổn thất tài chính lớn hơn trong ba năm tới nếu họ không gia tăng việc ứng dụng AI trong phòng chống gian lận. 

Rất may, có nhiều cách khác nhau để áp dụng AI để ngăn chặn gian lận, từ việc phân tích các mẫu giao dịch đến giảm thiểu việc xem xét thủ công. Nhiều tổ chức đã và đang tạo ra lợi tức đầu tư (ROI) cao do đó:

• 85% số người được hỏi cho biết họ thu được lợi ích từ việc sử dụng AI để phân loại và điều tra các trường hợp gian lận, nhận diện mẫu giao dịch và phát hiện các giao dịch đáng ngờ trong thời gian thực.
• 83% cho biết AI đã tăng tốc đáng kể quy trình điều tra gian lận và giải quyết vụ việc của họ.

​​​Tuy nhiên, điều quan trọng là phải nhớ rằng đầu tư bền vững mang lại những lợi nhuận lớn nhất. Các tổ chức đã sử dụng AI trong hơn năm năm báo cáo tiết kiệm 4,3 triệu USD tổn thất doanh thu, gần gấp đôi mức tiết kiệm trung bình là 2,2 triệu USD. 

Đồng thời, các nhà lãnh đạo nhận thức được rằng việc giữ cho AI luôn được cập nhật khi các thủ đoạn gian lận ngày càng tinh vi là một rào cản đáng kể. Để bảo vệ trước các mối đe dọa mới và đang nổi lên, các công cụ AI cần học hỏi và thích ứng trong thời gian thực. 

Với các công cụ AI tích hợp dữ liệu thời gian thực và thông tin chiêm nghiệm về hành vi, các tổ chức có thể đưa ra các quyết định ủy quyền hiệu quả hơn để tăng tỷ lệ phê duyệt và giữ chân khách hàng hài lòng.

Vấn đề: Trong lịch sử, các ngân hàng đã sử dụng hệ thống dựa trên quy tắc để phê duyệt hoặc chặn giao dịch. Ví dụ, một ngân hàng có thể thiết lập quy tắc để đánh dấu các giao dịch mua hàng vượt quá một số tiền USD nhất định hoặc từ chối các giao dịch phát sinh từ những địa điểm bất thường. Tuy nhiên, vấn đề là: các quy trình cứng nhắc, thủ công có thể làm chậm quá trình phát hiện gian lận, đặc biệt là khi các vụ lừa đảo ngày càng nhanh và phức tạp hơn.

Giải pháp: Các giải pháp AI có thể dễ dàng khắc phục hạn chế đó, bằng cách phân tích hàng triệu điểm dữ liệu để nhanh chóng đánh giá rủi ro giao dịch và đưa ra thông tin chuyên sâu theo thời gian thực. Điều này có nghĩa là các ngân hàng có thể phát hiện các mối đe dọa đang nổi lên khi chúng xuất hiện và nhanh chóng đưa ra các quyết định sáng suốt, giảm thiểu độ trễ phát hiện.

Không có gì đáng ngạc nhiên khi 80% tổ chức đã báo cáo rằng AI đã giúp loại bỏ các xem xét thủ công không cần thiết. Khi AI cho phép các nhà phát hành và nhà chấp nhận thanh toán lường trước các mối đe dọa sớm hơn, điều này cũng mang lại lợi ích cho các đội ngũ chống gian lận bằng cách giải phóng nguồn lực để thực hiện các cuộc điều tra phức tạp hơn.

Vấn đề: Vì các quy tắc ủy quyền tĩnh thiếu tính linh hoạt, chúng thường dẫn đến các báo động sai, tức là, khi các giao dịch hợp lệ bị xác định sai là gian lận và bị từ chối hoặc bị gắn cờ để xem xét. Ngoài việc tạo thêm công việc cho các đội ngũ nội bộ, điều này cũng gây tổn hại đến trải nghiệm khách hàng. 

Giải pháp: Các mô hình AI nâng cao có thể phân tích các điểm dữ liệu đa dạng để đánh giá rủi ro gian lận với độ chính xác cao. Ví dụ, nếu một khách hàng thường xuyên mua quần áo tầm trung đột nhiên mua một số mặt hàng thời trang xa xỉ trong đợt giảm giá theo mùa, các mô hình AI tiên tiến có thể phân tích các yếu tố như lịch sử mua hàng, uy tín người bán và thời điểm để xác định xem mức chi tiêu tăng đột biến này có phải là hành vi hợp pháp hay không.

Trí thông minh theo ngữ cảnh này thúc đẩy các quyết định phê duyệt chính xác hơn, ngăn chặn gian lận mà không gây ra sự cản trở cho khách hàng. Thực tế cho thấy, 83% số người được hỏi cho biết AI đã giảm đáng kể các báo động giả và tỷ lệ khách hàng rời bỏ trong năm qua.

Vấn đề: Trong khi AI có thể hỗ trợ phát hiện gian lận thời gian thực, nó đòi hỏi dữ liệu chất lượng cao để duy trì hiệu quả. Các nhà lãnh đạo hiểu rõ nhu cầu này, với 64% số người được hỏi cho biết họ cần đẩy nhanh Access đến các nguồn dữ liệu mới, đáng tin cậy để bắt kịp các mối đe dọa đang phát triển.

Giải pháp: Các mô hình phát hiện gian lận AI hiệu quả tích hợp dữ liệu đầu vào từ khắp hệ sinh thái thanh toán, bao gồm thông tin phân tích mạng lưới thẻ, dữ liệu đơn vị chấp nhận thẻ và thông tin chi tiết từ danh tính kỹ thuật số của người tiêu dùng. 

Ví dụ, một công cụ AI có thể đánh giá rủi ro của đơn vị chấp nhận thanh toán dựa trên tỷ lệ gian lận trong quá khứ, đồng thời phân tích số lần giao dịch của khách hàng, theo dõi tần suất các hành động như mua hàng hoặc thay đổi tài khoản xảy ra trong một khoảng thời gian ngắn.

Trong tương lai, thành công của các tổ chức với việc phát hiện gian lận bằng AI sẽ phụ thuộc vào hai yếu tố: khả năng của mô hình trong việc phân tích khối lượng lớn dữ liệu và khả năng kết hợp các mô hình lịch sử và thông tin mới để hỗ trợ việc ra quyết định.

AI tạo sinh đang thay đổi bức tranh gian lận. Kẻ gian lận ngày càng nhanh hơn và thích ứng tốt hơn nhờ AI — và các tổ chức tài chính cũng phải làm thế.

Giải pháp Decision Intelligence của Mastercard sử dụng AI và thông tin chuyên sâu về mạng lưới để phân tích và chấm điểm giao dịch dựa trên mức độ rủi ro. Với thông tin chuyên sâu, trong thời gian thực, bạn có thể đưa ra các quyết định ủy quyền tự tin, phê duyệt nhiều giao dịch chính hãng hơn và bảo vệ doanh thu khi các chiến thuật gian lận tiếp tục phát triển. 

Sẵn sàng cải thiện khả năng phòng chống gian lận bằng AI? Tìm hiểu cách Mastercard có thể giúp hoặc đọc báo cáo của chúng tôi để biết tất cả thông tin chuyên sâu từ khảo sát.