A у платежах: він більше не просто виявляє шахрайство, а й вивчає, як ви робите покупки, щоб визначити, коли це були не ви

Зростання цифрових платежів супроводжується тихою трансформацією фінансового шахрайства. Те, що колись покладалося переважно на крадіжку облікових даних або клонування карток, тепер включає соціальну інженерію, штучні ідентифікаційні дані та інструменти штучного інтелекту, здатні зробити атаки більш переконливими та масштабованими. У цьому сценарії банки, фінтех-компанії та компанії стикаються з дедалі складнішим завданням: захистити користувачів без шкоди для швидкості та простоти, які характеризують цифрові платежі.

Згідно з опитуванням, проведеним Інститутом Datafolha у партнерстві з Бразильським форумом громадської безпеки (FBSP), приблизно 24 мільйони бразильців стали жертвами фінансових шахрайств, пов'язаних з Pix, кредитними картками та платіжними квитанціями, у період з липня 2024 року по липень 2025 року, накопичивши приблизно 29 мільярдів бразильських реалів, що призвело до збитків, за оцінками, майже в 29 мільярдів бразильських реалів. Крім того, інформація з Національної стратегії боротьби з корупцією та відмиванням грошей (ENCCLA) свідчить про те, що понад половина бразильців вже постраждали від певного виду фінансового шахрайства.

Сьогодні три тенденції переосмислюють управління ризиками у фінансовому секторі. З одного боку, шахрайство стрімко зростає та змінило свій характер, зумовлене соціальною інженерією та використанням генеративного штучного інтелекту. З іншого боку, регулювання вимагає систем моніторингу в режимі реального часу, прозорих та підданих аудиту. І, нарешті, оборона стає дедалі залежнішою від штучного інтелекту та механізмів автентифікації з низьким тертям, здатних захистити користувача без шкоди для процесу оплати.

Уявіть собі споживача, який купує каву щоранку, в один і той самий час і в одній кав'ярні. Раптом, через кілька хвилин, з'являється покупка дорогої вартості, здійснена на іншому пристрої та в іншому місті. У цей момент найважливіше питання вже не «який пароль?», а «чи має сенс ця поведінка для цього клієнта?». Це новий рубіж запобігання шахрайству: замість того, щоб покладатися виключно на паролі чи облікові дані, штучний інтелект вивчає, як кожна людина робить покупки, щоб визначити, коли платник може бути не ним.

Реакція галузі вказує на моделі, здатні інтерпретувати поведінку, а не лише застосовувати заздалегідь визначені правила. Частота покупок, звичайні значення, час, місцезнаходження, використовувані пристрої та типи закладів – це деякі з сигналів, які дозволяють створювати динамічні профілі ризику споживачів. Коли транзакція суттєво відхиляється від цієї схеми, системи можуть виявляти аномалії та оцінювати рівень ризику, перш ніж авторизувати операцію.

Ця зміна також відповідає економічній потребі. Окрім боротьби з шахрайством, установам необхідно зменшити кількість так званих хибнопозитивних результатів – легітимних транзакцій, відхилених через підозру на ризик. Для банків, фінтех-компаній та інших компаній завдання полягає не лише в тому, щоб блокувати шахрайську діяльність, а й у тому, щоб робити це без зайвих перешкод або впливу на конвертацію легітимних платежів.

Очікується, що тиск на екосистему зросте в найближчі роки. Дослідження GlobalData оцінює, що втрати, пов'язані з шахрайством через Pix, можуть сягнути приблизно 11 мільярдів реалів на рік до 2028 року, тоді як дані Serasa Experian показують, що у 2025 році в бразильській торгівлі кожні дві хвилини відбувалася спроба шахрайства. За такого сценарію управління ризиками перестане бути лише захисною функцією та стане стратегічним елементом цифрового фінансового досвіду.

*Родріго Родрігес, головний операційний директор і співзасновник Akua