भुक्तानीमा A: यसले अब धोखाधडी पत्ता लगाउने मात्र होइन, अब तपाईंले किनमेल गर्दा आफू नभएको बेला कसरी पहिचान गर्ने भनेर सिक्छ।

डिजिटल भुक्तानीको वृद्धिसँगै वित्तीय ठगीको मौन रूपान्तरण पनि भएको छ। पहिले मुख्यतया प्रमाणपत्र चोरी वा कार्ड क्लोनिङमा निर्भर रहेको कुरामा अब सामाजिक इन्जिनियरिङ, सिंथेटिक पहिचान र आक्रमणहरूलाई अझ विश्वस्त र स्केलेबल बनाउन सक्षम कृत्रिम बुद्धिमत्ता उपकरणहरू समावेश छन्। यस परिदृश्यमा, बैंकहरू, फिनटेकहरू र कम्पनीहरूले बढ्दो जटिल चुनौतीको सामना गरिरहेका छन्: डिजिटल भुक्तानीहरूलाई विशेषता दिने गति र सरलतामा सम्झौता नगरी प्रयोगकर्ताहरूलाई सुरक्षा प्रदान गर्नु।.

ब्राजिलियन फोरम फर पब्लिक सेक्युरिटी (FBSP) सँगको साझेदारीमा डाटाफोल्हा इन्स्टिच्युटले गरेको सर्वेक्षण अनुसार, जुलाई २०२४ र जुलाई २०२५ को बीचमा लगभग २ करोड ४० लाख ब्राजिलियनहरू पिक्स, क्रेडिट कार्ड र भुक्तानी स्लिपहरू समावेश गर्ने वित्तीय घोटालाको शिकार भएका थिए, जसबाट लगभग R$२९ अर्बको अनुमानित घाटा भएको थियो। यसबाहेक, भ्रष्टाचार र मनी लान्ड्रिङ विरुद्धको राष्ट्रिय रणनीति (ENCCLA) को जानकारीले आधाभन्दा बढी ब्राजिलियनहरू पहिले नै कुनै न कुनै प्रकारको वित्तीय ठगीबाट पीडित भइसकेको संकेत गर्छ।.

आज, तीन प्रवृत्तिहरूले वित्तीय क्षेत्रमा जोखिम व्यवस्थापनलाई पुन: परिभाषित गरिरहेका छन्। एकातिर, सामाजिक इन्जिनियरिङ र जेनेरेटिभ आर्टिफिसियल इन्टेलिजेन्सको प्रयोगद्वारा संचालित, ठगी द्रुत गतिमा बढिरहेको छ र प्रकृतिमा परिवर्तन आएको छ। अर्कोतर्फ, नियमनले वास्तविक-समय, पारदर्शी र लेखापरीक्षण योग्य अनुगमन प्रणालीको माग गर्दछ। र अन्तमा, भुक्तानी अनुभवलाई सम्झौता नगरी प्रयोगकर्तालाई सुरक्षित गर्न सक्षम कृत्रिम बुद्धिमत्ता र कम-घर्षण प्रमाणीकरण संयन्त्रहरूमा रक्षा बढ्दो रूपमा निर्भर हुँदै गइरहेको छ।.

कल्पना गर्नुहोस्, एक उपभोक्ता जसले हरेक बिहान, एउटै समयमा र एउटै कफी पसलमा कफी किन्छन्। अचानक, केही मिनेट पछि, फरक उपकरण र फरक शहरमा गरिएको उच्च मूल्यको खरिद देखा पर्दछ। त्यस क्षणमा, सबैभन्दा महत्त्वपूर्ण प्रश्न अब "पासवर्ड के हो?" होइन, तर "के यो व्यवहार यस ग्राहकको लागि अर्थपूर्ण छ?" हो। यो धोखाधडी रोकथामको नयाँ सीमा हो: पासवर्ड वा प्रमाणहरूमा मात्र भर पर्नुको सट्टा, कृत्रिम बुद्धिमत्ताले प्रत्येक व्यक्तिले किनमेल गर्दा भुक्तानी गर्ने व्यक्ति आफू नभएको बेला कसरी पहिचान गर्ने भनेर सिक्छ।.

उद्योगको प्रतिक्रियाले पूर्वनिर्धारित नियमहरू लागू नगरी व्यवहारहरूको व्याख्या गर्न सक्षम मोडेलहरूलाई औंल्याउँछ। खरिद आवृत्ति, सामान्य मानहरू, समय, स्थान, प्रयोग गरिएका उपकरणहरू, र प्रतिष्ठानहरूको प्रकारहरू गतिशील उपभोक्ता जोखिम प्रोफाइलहरूको निर्माणको लागि अनुमति दिने केही संकेतहरू हुन्। जब लेनदेन यस ढाँचाबाट उल्लेखनीय रूपमा विचलित हुन्छ, प्रणालीहरूले विसंगतिहरू पहिचान गर्न सक्छन् र सञ्चालनलाई अधिकृत गर्नु अघि जोखिमको स्तर मूल्याङ्कन गर्न सक्छन्।.

यो परिवर्तनले आर्थिक आवश्यकतालाई पनि सम्बोधन गर्छ। ठगी विरुद्ध लड्नुका साथै, संस्थाहरूले तथाकथित झूटा सकारात्मकता, शंकास्पद जोखिमका कारण अस्वीकृत वैध लेनदेनहरू कम गर्न आवश्यक छ। बैंकहरू, फिनटेकहरू र कम्पनीहरूका लागि, चुनौती भनेको धोखाधडी गतिविधिहरूलाई रोक्नु मात्र होइन, तर अनावश्यक घर्षण उत्पन्न नगरी वा वैध भुक्तानीहरूको रूपान्तरणलाई असर नगरी त्यसो गर्नु हो।.

आगामी वर्षहरूमा इकोसिस्टममा दबाब बढ्ने अपेक्षा गरिएको छ। ग्लोबलडेटाको एक अध्ययनले अनुमान गरेको छ कि पिक्स मार्फत हुने घोटालासँग सम्बन्धित घाटा २०२८ सम्ममा प्रति वर्ष लगभग R$११ बिलियन पुग्न सक्छ, जबकि सेरासा एक्सपेरियनको तथ्याङ्कले देखाउँछ कि २०२५ मा, ब्राजिलियन वाणिज्यमा प्रत्येक दुई मिनेटमा ठगीको प्रयास भएको थियो। यस परिदृश्यमा, जोखिम व्यवस्थापन केवल एक सुरक्षात्मक कार्य मात्र रहनेछैन र डिजिटल वित्तीय अनुभवको एक रणनीतिक तत्व बन्नेछ।.

*रोड्रिगो रोड्रिग्स, सीओओ र अकुवाका सह-संस्थापक