Maksuissa: se ei enää ainoastaan ​​havaitse petoksia, vaan oppii nyt, miten ostat, jotta se voidaan tunnistaa, milloin se ei ollut sinun tekemäsi

Digitaalisten maksujen kasvun myötä on tapahtunut hiljainen muutos talouspetoksissa. Se, mikä aiemmin perustui pääasiassa tunnistetietojen varastamiseen tai korttien kloonaamiseen, sisältää nyt sosiaalista manipulointia, synteettisiä identiteettejä ja tekoälytyökaluja, jotka pystyvät tekemään hyökkäyksistä vakuuttavampia ja skaalautuvampia. Tässä skenaariossa pankit, finanssiteknologiayritykset ja yritykset kohtaavat yhä monimutkaisemman haasteen: käyttäjien suojeleminen tinkimättä digitaalisille maksuille ominaisesta nopeudesta ja yksinkertaisuudesta.

Datafolha-instituutin ja Brasilian yleisen turvallisuuden foorumin (FBSP) yhteistyössä tekemän tutkimuksen mukaan noin 24 miljoonaa brasilialaista joutui Pix-, luotto- ja maksutositteisiin liittyvien taloushuijausten uhriksi heinäkuun 2024 ja heinäkuun 2025 välisenä aikana. Huijausten arvioidut tappiot olivat lähes 29 miljardia Brasilian randia. Lisäksi kansallisen korruption ja rahanpesun torjuntastrategian (ENCCLA) tiedot osoittavat, että yli puolet brasilialaisista on jo kärsinyt jonkinlaisesta talouspetoksesta.

Nykyään kolme trendiä määrittelee uudelleen riskienhallintaa finanssialalla. Toisaalta petokset kasvavat nopeasti ja niiden luonne on muuttunut sosiaalisen manipuloinnin ja generatiivisen tekoälyn käytön myötä. Toisaalta sääntely vaatii reaaliaikaisia, läpinäkyviä ja auditoitavia valvontajärjestelmiä. Ja lopuksi puolustus on tulossa yhä riippuvaisemmaksi tekoälystä ja pienikitkaisista todennusmekanismeista, jotka pystyvät suojaamaan käyttäjää vaarantamatta maksukokemusta.

Kuvittele kuluttaja, joka ostaa kahvia joka aamu, samaan aikaan ja samasta kahvilasta. Yhtäkkiä, muutamaa minuuttia myöhemmin, näkyviin tulee arvokas ostos, joka on tehty eri laitteella ja eri kaupungissa. Sillä hetkellä tärkein kysymys ei ole enää "mikä on salasana?", vaan "onko tämä toiminta järkevää tälle asiakkaalle?". Tämä on petosten ehkäisyn uusi raja-alue: pelkkien salasanojen tai tunnistetietojen sijaan tekoäly oppii, miten jokainen henkilö tekee ostoksia, jotta se voi tunnistaa, milloin maksaja ei välttämättä ole hän itse.

Alan vastaus viittaa malleihin, jotka kykenevät tulkitsemaan käyttäytymistä pelkkien ennalta määriteltyjen sääntöjen soveltamisen sijaan. Ostotiheys, tavanomaiset arvot, ajat, sijainti, käytetyt laitteet ja toimipaikkojen tyypit ovat joitakin signaaleja, jotka mahdollistavat dynaamisten kuluttajariskiprofiilien rakentamisen. Kun tapahtuma poikkeaa merkittävästi tästä mallista, järjestelmät voivat tunnistaa poikkeavuuksia ja arvioida riskitason ennen operaation valtuuttamista.

Tämä muutos vastaa myös taloudelliseen tarpeeseen. Petosten torjunnan lisäksi laitosten on vähennettävä niin sanottuja vääriä positiivisia eli laillisia maksutapahtumia, jotka hylätään epäillyn riskin vuoksi. Pankkien, finanssiteknologiayritysten ja yritysten haasteena ei ole ainoastaan ​​petollisen toiminnan estäminen, vaan myös sen tekeminen aiheuttamatta tarpeetonta kitkaa tai vaikuttamatta laillisten maksujen muuntamiseen.

Ekosysteemiin kohdistuvan paineen odotetaan kasvavan tulevina vuosina. GlobalDatan tutkimuksen mukaan Pixin kautta tehtyihin huijauksiin liittyvät tappiot voivat nousta noin 11 miljardiin Brasilian randiin vuodessa vuoteen 2028 mennessä, kun taas Serasa Experianin tiedot osoittavat, että vuonna 2025 Brasilian kaupankäynnissä tehtiin petosyritys joka toinen minuutti. Tässä skenaariossa riskienhallinta lakkaa olemasta pelkkä suojaava toiminto ja siitä tulee strateginen osa digitaalista talouskokemusta.

*Rodrigo Rodrigues, operatiivinen johtaja ja yksi Akuan perustajista