Α στις πληρωμές: δεν εντοπίζει πλέον μόνο την απάτη, αλλά μαθαίνει πώς ψωνίζετε για να αναγνωρίσει πότε δεν κάνατε εσείς τις αγορές σας

Η ανάπτυξη των ψηφιακών πληρωμών συνοδεύτηκε από έναν σιωπηλό μετασχηματισμό της οικονομικής απάτης. Αυτό που κάποτε βασιζόταν κυρίως στην κλοπή διαπιστευτηρίων ή στην κλωνοποίηση καρτών ενσωματώνει τώρα εργαλεία κοινωνικής μηχανικής, συνθετικών ταυτοτήτων και τεχνητής νοημοσύνης ικανά να κάνουν τις επιθέσεις πιο πειστικές και κλιμακούμενες. Σε αυτό το σενάριο, οι τράπεζες, οι fintech και οι εταιρείες αντιμετωπίζουν μια ολοένα και πιο περίπλοκη πρόκληση: την προστασία των χρηστών χωρίς να διακυβεύεται η ταχύτητα και η απλότητα που χαρακτηρίζουν τις ψηφιακές πληρωμές.

Σύμφωνα με έρευνα του Ινστιτούτου Datafolha σε συνεργασία με το Βραζιλιάνικο Φόρουμ Δημόσιας Ασφάλειας (FBSP), περίπου 24 εκατομμύρια Βραζιλιάνοι έπεσαν θύματα οικονομικών απάτων που αφορούσαν Pix, πιστωτικές κάρτες και δελτία πληρωμής μεταξύ Ιουλίου 2024 και Ιουλίου 2025, συσσωρεύοντας εκτιμώμενες απώλειες σχεδόν 29 δισεκατομμυρίων R$. Επιπλέον, πληροφορίες από την Εθνική Στρατηγική για την Καταπολέμηση της Διαφθοράς και του Ξεπλύματος Χρήματος (ENCCLA) δείχνουν ότι περισσότεροι από τους μισούς Βραζιλιάνους έχουν ήδη υποστεί κάποιο είδος οικονομικής απάτης.

Σήμερα, τρεις τάσεις επαναπροσδιορίζουν τη διαχείριση κινδύνου στον χρηματοπιστωτικό τομέα. Αφενός, η απάτη αυξάνεται ραγδαία και έχει αλλάξει σε χαρακτήρα, λόγω της κοινωνικής μηχανικής και της χρήσης της γενετικής τεχνητής νοημοσύνης. Αφετέρου, η ρύθμιση απαιτεί συστήματα παρακολούθησης σε πραγματικό χρόνο, διαφανή και ελέγξιμα. Και τέλος, η άμυνα εξαρτάται ολοένα και περισσότερο από την τεχνητή νοημοσύνη και τους μηχανισμούς ελέγχου ταυτότητας χαμηλής τριβής, ικανούς να προστατεύσουν τον χρήστη χωρίς να διακυβεύουν την εμπειρία πληρωμής.

Φανταστείτε έναν καταναλωτή που αγοράζει καφέ κάθε πρωί, την ίδια ώρα και στην ίδια καφετέρια. Ξαφνικά, λίγα λεπτά αργότερα, εμφανίζεται μια αγορά υψηλής αξίας, που έχει γίνει σε διαφορετική συσκευή και σε διαφορετική πόλη. Εκείνη τη στιγμή, το πιο σημαντικό ερώτημα δεν είναι πλέον "ποιος είναι ο κωδικός πρόσβασης;", αλλά "βγάζει νόημα αυτή η συμπεριφορά για αυτόν τον πελάτη;". Αυτό είναι το νέο σύνορο στην πρόληψη της απάτης: αντί να βασίζεται αποκλειστικά σε κωδικούς πρόσβασης ή διαπιστευτήρια, η τεχνητή νοημοσύνη μαθαίνει πώς ψωνίζει κάθε άτομο για να εντοπίσει πότε το άτομο που πληρώνει μπορεί να μην είναι αυτό.

Η αντίδραση του κλάδου υποδεικνύει μοντέλα ικανά να ερμηνεύουν συμπεριφορές, όχι μόνο να εφαρμόζουν προκαθορισμένους κανόνες. Η συχνότητα αγορών, οι συνήθεις τιμές, οι ώρες, η τοποθεσία, οι συσκευές που χρησιμοποιούνται και οι τύποι εγκαταστάσεων είναι μερικά από τα σήματα που επιτρέπουν την κατασκευή δυναμικών προφίλ κινδύνου καταναλωτών. Όταν μια συναλλαγή αποκλίνει σημαντικά από αυτό το μοτίβο, τα συστήματα μπορούν να εντοπίσουν ανωμαλίες και να αξιολογήσουν το επίπεδο κινδύνου πριν εγκρίνουν μια λειτουργία.

Αυτή η αλλαγή ανταποκρίνεται επίσης σε μια οικονομική ανάγκη. Εκτός από την καταπολέμηση της απάτης, τα ιδρύματα πρέπει να μειώσουν τα λεγόμενα ψευδώς θετικά, δηλαδή τις νόμιμες συναλλαγές που απορρίπτονται λόγω πιθανολογούμενου κινδύνου. Για τις τράπεζες, τις fintech και τις εταιρείες, η πρόκληση δεν είναι μόνο να εμποδίσουν τις δόλιες δραστηριότητες, αλλά να το κάνουν αυτό χωρίς να δημιουργήσουν περιττές τριβές ή να επηρεάσουν τη μετατροπή των νόμιμων πληρωμών.

Η πίεση στο οικοσύστημα αναμένεται να αυξηθεί τα επόμενα χρόνια. Μια μελέτη της GlobalData εκτιμά ότι οι απώλειες που σχετίζονται με απάτες μέσω του Pix θα μπορούσαν να φτάσουν περίπου τα 11 δισεκατομμύρια R$ ετησίως έως το 2028, ενώ δεδομένα από την Serasa Experian δείχνουν ότι, το 2025, υπήρχε μια απόπειρα απάτης κάθε δύο λεπτά στο βραζιλιάνικο εμπόριο. Σε αυτό το σενάριο, η διαχείριση κινδύνου θα πάψει να είναι απλώς μια προστατευτική λειτουργία και θα γίνει στρατηγικό στοιχείο της ψηφιακής οικονομικής εμπειρίας.

*Rodrigo Rodrigues, COO και συνιδρυτής της Akua