消費(fèi)者對(duì)即時(shí)訪問(wèn)銀行和其他金融服務(wù)的需求正在重新定義銀行和金融服務(wù)公司的IT策略。

銀行現(xiàn)在正在尋求提高創(chuàng)新性和敏捷性，以加快軟件開發(fā)的速度，同時(shí)應(yīng)對(duì)不斷增加的欺詐風(fēng)險(xiǎn)并關(guān)注成本效益。

這些公司中的許多公司都將人工智能作為打擊欺詐的一站式解決方案。它已被用于基于對(duì)一組預(yù)定義規(guī)則的實(shí)時(shí)差異識(shí)別，以檢測(cè)金融交易中的欺詐行為。此用例的AI部署數(shù)量正在迅速增加，到2030年，AI在銀行業(yè)的商業(yè)價(jià)值預(yù)計(jì)將達(dá)到3000億美元。

但是，AI解決方案的完整集成和擴(kuò)展非常復(fù)雜，必須簡(jiǎn)化架構(gòu)才能實(shí)現(xiàn)AI的承諾。因此，跳上AI潮流是錯(cuò)誤的;相反，組織應(yīng)該仔細(xì)考慮他們要納入的解決方案的優(yōu)勢(shì)和局限性。

將AI集成到欺詐檢測(cè)中

現(xiàn)在，AI既可以作為銀行技術(shù)“堆棧”的單獨(dú)部分，也可以作為大型數(shù)據(jù)庫(kù)管理系統(tǒng)的嫁接部分存在。

但是，為了提供可靠的實(shí)時(shí)欺詐檢測(cè)，所有金融服務(wù)公司必須真正集成AI，以協(xié)助完成諸如交易評(píng)分(對(duì)客戶交易進(jìn)行分類以識(shí)別客戶行為的過(guò)程)之類的任務(wù)。但是，這不是一個(gè)簡(jiǎn)單的過(guò)程。使用為批量處理大量數(shù)據(jù)而設(shè)計(jì)的軟件或平臺(tái)交付的AI模型無(wú)法執(zhí)行或具有適合實(shí)時(shí)或大規(guī)模使用的適當(dāng)操作特性。

為了支持欺詐檢測(cè)，應(yīng)該在一系列機(jī)器生成的數(shù)據(jù)派生算法中部署AI。這些算法應(yīng)簡(jiǎn)化為應(yīng)用程序形式，以允許它們基于先前對(duì)如何識(shí)別非法交易或行為的培訓(xùn)，“推斷”有關(guān)新數(shù)據(jù)的信息–本質(zhì)上，識(shí)別潛在的異?；顒?dòng)并標(biāo)記應(yīng)標(biāo)記為潛在欺詐的行為。 。此過(guò)程通常稱為運(yùn)行“推理”。

AI的傳統(tǒng)家已經(jīng)在計(jì)算或應(yīng)用層。但是，從體系結(jié)構(gòu)上講，推理的操作與數(shù)據(jù)層更相似。這一轉(zhuǎn)變具有重大意義。這是因?yàn)閷I從結(jié)構(gòu)上講更靠近源數(shù)據(jù)，并允許推理與其他數(shù)據(jù)操作一起執(zhí)行以達(dá)到優(yōu)化目的。在不斷增長(zhǎng)的數(shù)據(jù)強(qiáng)度和要求以及現(xiàn)代應(yīng)用程序要求的實(shí)時(shí)數(shù)據(jù)速度要求的背景下，這樣做對(duì)于將來(lái)的成功至關(guān)重要。

最重要的是，AI必須具有高性能數(shù)據(jù)庫(kù)的所有標(biāo)記，才能以最佳水平運(yùn)行。這意味著它需要高度可用，穩(wěn)定，通過(guò)通用接口連接并能夠在集群中擴(kuò)展。而且，當(dāng)然，它必須能夠在實(shí)時(shí)性能范圍內(nèi)做出響應(yīng)。