Come molti sapranno, i grandi modelli linguistici (LLM) costituiscono un tipo di intelligenza artificiale in grado di imitare quella umana. Analizzano grandi quantità di dati, incorporando modelli e connessioni tra parole e frasi e rappresentano la base algoritmica delle più note chatbot di AI generativa come ChatGPT di OpenAI e Bard di Google. Le opportunità offerte da queste tecnologie agli utenti sono quasi infinite. Le applicazioni di intelligenza artificiale a livello enterprise continuano a incrementare la loro presenza, oltre che la loro sofisticatezza. Sono svariati i clienti di Couchbase, in differenti settori, che stanno progettando di farne uso in azienda per creare una migliore esperienza per i loro clienti. Un’area in cui l’intelligenza artificiale sta già svolgendo un ruolo fondamentale è quella della lotta alle frodi nel settore dei servizi finanziari.
L’intelligenza artificiale nel settore dei servizi finanziari
Le frodi sono senza dubbio una delle principali sfide affrontate oggi dalle società finanziarie, anche a causa delle crescenti opportunità di sfruttare l’infrastruttura tecnica meno consolidata che caratterizza molte startup fintech. Il loro impatto sull’economia globale è stato stimato in 4,5 trilioni di dollari, una cifra sicuramente destinata ad aumentare ancora se le fintech non implementeranno le adeguate tecnologie.
Storicamente, individuare e prevenire le frodi può essere un processo costoso e molto impegnativo, cosa che vale in particolar modo per le startup fintech online, che spesso non dispongono degli estesi reparti antifrode delle banche tradizionali.
AI e ML per potenziare il rilevamento delle frodi: il caso Revolut
Revolut voleva implementare un sistema completamente automatizzato in grado di identificare le transazioni fraudolente, avvisare i clienti e autorizzare o bloccare i pagamenti senza alcun intervento umano. Con questo scopo, la società ha sviluppato Sherlock, un sistema di prevenzione delle frodi sulle carte di credito basato su machine learning.
Sherlock monitora in modo continuo e autonomo le transazioni di oltre 12 milioni di clienti, in meno di 50 millisecondi. Se ritiene che una transazione sia sospetta, blocca l’acquisto, sospende momentaneamente la carta e invia una notifica push per chiedere al cliente di confermare se la transazione fosse o meno fraudolenta. Se il cliente conferma la legittimità, la carta viene immediatamente sbloccata e l’acquisto potrà essere ripreso. Se invece la transazione non viene riconosciuta, la carta viene bloccata e il cliente può ordinarne una sostitutiva gratuitamente.
Sherlock è realizzato su database NoSQL, dove i profili di utenti ed esercenti sono archiviati e pronti per essere recuperati quando è necessario valutare se una transazione è fraudolenta o meno. Si tratta di dati che cambiano rapidamente, motivo per cui Revolut aveva bisogno di un database che avesse velocità e agilità di reagire rapidamente, con la scalabilità necessaria per gestire milioni di documenti.
I risultati di questa innovazione sono stati incredibili: grazie alle prestazioni di Sherlock, ogni anno vengono risparmiati più di 3 milioni di dollari grazie alla prevenzione delle transazioni fraudolente, con appena 1 centesimo su 100 dollari perso a causa di frodi, rispetto a una media del settore di circa 7-8 centesimi. Già oggi, Sherlock segnala e previene oltre il 96% delle transazioni fraudolente e continua a perfezionare ulteriormente i suoi algoritmi di machine learning.
Come FICO e Wells Fargo proteggono i clienti da transazioni fraudolente
FICO e Wells Fargo sono clienti con applicazioni simili: utilizzano l’intelligenza artificiale per aiutare a proteggere i clienti da addebiti fraudolenti.
FICO
Falcon Fraud Manager di FICO è generalmente considerata la piattaforma di rilevamento delle frodi numero uno al mondo e analizza il 65% delle carte di credito/debito del mondo.
Falcon Fraud Manager monitora le transazioni end-to-end per individuare e prevenire frodi su carte di credito, di debito, carte prepagate, commerciali, pagamenti digitali (comprese le applicazioni P2P in tempo reale come Zelle, Venmo, FedNow, CashApp, ecc.), da account ad account e bonifici.
I tempi di inattività significano frodi e perdita di entrate per l’azienda, di conseguenza, quando FICO è stata scelta per fornire controlli sul credito, screening delle frodi e offerte mirate per i nuovi clienti di telecomunicazioni sia in negozio che online, aveva bisogno di un database NoSQL in grado di garantire elevata disponibilità e un elevato volume di transazioni. In altre parole, implementare controlli di sicurezza non doveva andare a scapito di disponibilità e affidabilità; è stato scelto per velocità, scalabilità, disponibilità e persistenza per supportare oggetti XML di grandi dimensioni.
Wells Fargo
Wells Fargo utilizza Falcon Fraud Manager di FICO, insieme a Couchbase, per supportare la sua infrastruttura di monitoraggio delle frodi, applicando analisi di machine learning ai dati interni e di terze parti per identificare e adattarsi agli attacchi sofisticati di frode in tempo reale. Ora il 100% delle transazioni viene elaborato in real-time per individuare eventuali attività fraudolente, per un totale di oltre 50 milioni di transazioni al giorno, a meno di 10 millisecondi per operazione.
Si tratta solo dei primi casi di uso reali, di tecnologie che hanno un potenziale innovativo finora esplorato solo in parte. I nostri clienti sono all’avanguardia nel loro settore, incorporando intelligenza artificiale nelle loro aziende per creare una customer experience sempre più agile e ottimizzata, oltre che sicura.
