Bisakah AI memerangi kejahatan pembayaran lintas batas yang kompleks?

Bank-bank menambah jumlah baru kecerdasan buatan untuk memerangi penipuan yang melibatkan pembayaran, phishing email, verifikasi identitas, analisis dokumen, dan ancaman lainnya, tetapi penggunaan AI untuk melindungi pembayaran lintas batas menghadirkan tantangan yang berbeda.

AI merupakan alat yang hebat untuk mengurangi kejahatan finansial, terutama dalam pembayaran konsumen domestik karena sifat transaksi konsumen yang berulang, kata Stephen Grainger, kepala data dan analitik dan FCC di Society for Worldwide Interbank Financial Telecommunication, atau Swift. Swift menyediakan jaringan pengiriman pesan utama yang menjadi dasar dimulainya pembayaran internasional.

“Seseorang cenderung melakukan jenis pembayaran berulang yang sama,” kata Grainger. “Akan mudah bagi bank penerbit kartu kredit atau kartu debit Anda atau bagi Venmo untuk melihat (pembayaran berulang). Anda dapat mulai memodelkan jenis perilaku itu.”

Namun, pembayaran lintas batas sebagian besar melibatkan perusahaan dan tidak memiliki irama yang teratur seperti yang lazim dalam pembayaran domestik, sehingga transaksi tersebut lebih sulit untuk dimodelkanDan ukuran pembayaran korporat biasanya lebih tinggi daripada pembayaran domestik, yang berarti potensi kerugian lebih tinggi.

“Itulah dinamika kompleksitas yang perlu kita coba temukan cara untuk mengelolanya,” kata Grainger. “Bagaimana kita dapat menata ulang cara kita berpikir tentang deteksi penipuan dan anomali?”

Selain itu, Grainger mengatakan, sebagian besar penipuan pembayaran lintas batas adalah penipuan operasional. Misalnya, seorang penipu mungkin menyamar sebagai CEO dan meminta mereka mentransfer uang ke klien baru.

“Di sinilah makin sulit untuk mengenali seperti apa penipuan lintas batas karena kemungkinan besar itu merupakan bagian dari operasi internal,” katanya.

Swift berencana menggunakan AI dalam “beberapa cara,” kata Grainger. Organisasi tersebut menerapkan pembelajaran mesin sehingga perusahaan dapat menanamkan aturan ke dalam alur kerja. Misalnya, perusahaan dapat menetapkan aturan yang berbunyi, “Saat saya membayar seseorang yang baru, tahan pembayarannya.”

Perusahaan yang berpusat di La Hupe, Belgia, juga menguji AI terfederasi dan pembelajaran mesin, yang menggunakan pemodelan, bukan data, dengan harapan dapat menjangkau bank-bank yang enggan membagikan informasi hak milik.

“Anda mengambil model (dan) melatihnya pada kumpulan data, dan alih-alih mentransfer data, Anda mentransfer model tersebut.” kata Grainger.

Swift tengah bekerja sama dengan “beberapa bank” untuk menentukan seperti apa model tersebut, kata Grainger. “Kami yakin model (pembelajaran terfederasi) itu mulai menarik perhatian lebih banyak regulator karena mereka mulai memikirkan cara mengatasi tantangan dan hambatan yang terkait dengan pembayaran lintas batas,” katanya.

Menemukan cara untuk berbagi informasi antara pihak-pihak yang terlibat dalam transaksi lintas batas adalah hal yang sangat penting menggunakan AI secara efektif untuk melawan penipuan, kata Ben Turner, presiden dan CEO fintech pembayaran Verituity, yang bekerja sama dengan Mastercard dan BNY Mellon antara lain.

“Cara kami menggunakan (AI) adalah untuk mengidentifikasi dan menetapkan serta menguji kesetiaan hubungan di seluruh transaksi itu,” kata Turner.

“Baik itu hubungan antara pembeli dan pemasok, hubungan antara admin pemasok dan pemasok, (atau) hubungan antara aktivitas pembayaran historis dengan saat ini, Anda mencoba mendeteksi sesuatu yang tidak lazim,” katanya.

Berbagi informasi antara pihak-pihak yang melakukan pembayaran dapat membantu memerangi maraknya penipuan palsu dengan memanfaatkan data yang hanya diketahui oleh kedua pihak tersebut, mirip dengan pertanyaan di luar dompet yang digunakan lembaga keuangan untuk memerangi penipuan konsumen, jelas Turner.

AI juga sering digunakan untuk memeriksa penerima manfaat langsung dari pembayaran dan juga kenalan penerima manfaat, yang disebut “resolusi entitas,” kata John Meyer, direktur pelaksana di Cornerstone Advisors.

“Kini ada AI yang lebih canggih yang muncul dan berkata, ‘Orang yang Anda kirimi uang tidak ada dalam salah satu daftar pantauan yang diketahui… tetapi mereka sebenarnya berteman baik dengan orang-orang tersebut,'” kata Meyer.

Namun, penipu juga menggunakan AI yang dihasilkan dan bentuk-bentuk baru pembelajaran mesin lainnya untuk memajukan penipuan melalui deep fake. Misalnya, penipu dapat mengambil sampel suara seseorang dan menggunakannya untuk meminta seorang karyawan mentransfer pembayaran ke klien baru, atau mengambil informasi penting, seperti kata sandi, menggunakan informasi yang diketahui tentang orang tersebut, kata Meyer.

Dengan pembayaran lintas batas, yang sering kali melibatkan banyak lembaga keuangan di berbagai negara dan yurisdiksi, ancaman penipuan meningkat dengan setiap pihak yang terlibat, kata Luke Penca, direktur eksekutif di firma konsultan Capco.

Itu membuat komunikasi data antar pihak menjadi jauh lebih penting, kata Penca.

“Kami sudah lama memiliki sistem berbasis aturan, tetapi saya pikir AI benar-benar membantu bank memastikan bahwa mereka memiliki proses yang sangat baik dan waspada di sana. Para pelaku kejahatan juga telah belajar, dan mereka dilengkapi dengan AI,” kata Penca.