В сфере платежей: система теперь не просто выявляет мошенничество, а изучает ваши покупательские привычки, чтобы определить, когда это сделали не вы

Развитие цифровых платежей сопровождалось незаметной трансформацией финансового мошенничества. То, что раньше в основном основывалось на краже учетных данных или клонировании карт, теперь включает в себя социальную инженерию, создание синтетических личностей и инструменты искусственного интеллекта, способные сделать атаки более убедительными и масштабируемыми. В этом сценарии банки, финтех-компании и другие предприятия сталкиваются со все более сложной задачей: защитить пользователей, не жертвуя при этом скоростью и простотой, которые характеризуют цифровые платежи.

Согласно исследованию Института Datafolha в партнерстве с Бразильским форумом общественной безопасности (FBSP), в период с июля 2024 по июль 2025 года около 24 миллионов бразильцев стали жертвами финансовых мошенничеств с использованием электронных платежных карт, кредитных карт и платежных квитанций, что привело к предполагаемым убыткам в размере почти 29 миллиардов реалов. Кроме того, информация из Национальной стратегии по борьбе с коррупцией и отмыванием денег (ENCCLA) указывает на то, что более половины бразильцев уже пострадали от того или иного вида финансового мошенничества.

Сегодня три тенденции меняют подход к управлению рисками в финансовом секторе. С одной стороны, мошенничество быстро растёт и меняет свою природу, чему способствуют социальная инженерия и использование генеративного искусственного интеллекта. С другой стороны, регулирование требует систем мониторинга в режиме реального времени, прозрачных и поддающихся аудиту. И наконец, защита всё больше зависит от искусственного интеллекта и простых механизмов аутентификации, способных защитить пользователя без ущерба для процесса платежей.

Представьте себе потребителя, который каждое утро покупает кофе в одно и то же время и в одной и той же кофейне. Внезапно, через несколько минут, появляется крупная покупка, совершенная с другого устройства и в другом городе. В этот момент самый важный вопрос уже не «какой пароль?», а «имеет ли такое поведение смысл для этого клиента?». Это новый рубеж в предотвращении мошенничества: вместо того, чтобы полагаться исключительно на пароли или учетные данные, искусственный интеллект изучает, как каждый человек совершает покупки, чтобы определить, когда платящий может быть не им.

Реакция отрасли указывает на необходимость использования моделей, способных интерпретировать поведение, а не просто применять заранее определенные правила. Частота покупок, обычные значения, время, местоположение, используемые устройства и типы заведений — вот некоторые из сигналов, позволяющих создавать динамические профили потребительского риска. Когда транзакция значительно отклоняется от этой модели, системы могут выявлять аномалии и оценивать уровень риска, прежде чем разрешить операцию.

Эти изменения также отвечают экономическим потребностям. Помимо борьбы с мошенничеством, учреждениям необходимо сократить количество так называемых ложных срабатываний — законных транзакций, отклоненных из-за предполагаемого риска. Для банков, финтех-компаний и предприятий задача состоит не только в блокировании мошеннических действий, но и в том, чтобы делать это без создания ненужных препятствий или влияния на конвертацию законных платежей.

Ожидается, что в ближайшие годы давление на экосистему возрастет. Исследование GlobalData оценивает, что потери, связанные с мошенничеством через Pix, могут достичь примерно 11 миллиардов реалов в год к 2028 году, в то время как данные Serasa Experian показывают, что в 2025 году в бразильской торговле каждые две минуты совершалось мошенничество. В этом сценарии управление рисками перестанет быть просто защитной функцией и станет стратегическим элементом цифрового финансового опыта.

*Родриго Родригес, главный операционный директор и соучредитель Akua