Como a IA combate a fraude no setor de telecomunicações

Os americanos perderam US$ 29,8 bilhões em fraudes telefônicas no ano ado. A detecção de fraudes de IA pode mudar isso?

Mais de 59 milhões de americanos disseram que perderam dinheiro como resultado de fraudes telefônicas nos últimos 12 meses, com uma perda média relatada de US$ 502, de acordo com o Truecaller Insights US Spam & Relatório de fraude.

“A fraude é uma consideração importante no setor de telecomunicações”, disse o Dr. Gadi Solotorevsky, CTO da Amdocs cVidya, um fornecedor de soluções de IA. “Hoje, cerca de 2% ou mais de US$ 1,5 trilhão em receita global anual são perdidos anualmente devido a comportamento fraudulento. As perdas totais em toda a indústria são impressionantes.”

Solotorevsky citou uma pesquisa de 2019 da Communications Fraud Control Association (CFCA) que descobriu que dois terços dos entrevistados experimentaram um aumento nas atividades fraudulentas.

“Encontramos principalmente fraudes de pagamento e , identificamos roubo/falsificação de identidade, controle de conta, ameaças internas e troca de SIM”, disse Solotorevsky. “Também encontramos cenários tradicionais de fraude baseados em uso, como hacking de PBX ou IP-PBX, esquemas de retorno de chamada e abuso de redes e dispositivos fracos.”

VEJO: Folha de dicas: Inteligência artificial (PDF grátis) (TechRepublic)

Na prática anterior, o setor de telecomunicações tratava manualmente as reclamações de fraude. Infelizmente, as investigações manuais de fraude consumiram um tempo considerável antes que os padrões de fraude pudessem ser identificados. A essa altura, o estrago estava feito.

Com a inteligência artificial (IA), há uma nova abordagem para detecção de fraudes que não apenas reduz o tempo de descoberta, mas também limita a janela para perdas por fraude.

A IA facilita a identificação de alterações em padrões de fraude conhecidos porque usa aprendizado de máquina (ML). Com o ML, os modelos de detecção de fraudes de IA podem se adaptar e criar novas regras para detecção de fraudes, o que, por sua vez, reduz a exposição a fraudes e perdas monetárias.

“A adaptabilidade da IA ​​é crucial porque os padrões de fraude mudam o tempo todo”, disse Solotorevsky. “Eles mudam porque, uma vez que os fraudadores identificam que seus métodos e estratégias são detectados, eles os alteram…. Ao aplicar IA autoadaptável com aprendizado de máquina, as empresas podem detectar e se adaptar rapidamente a esses esquemas de fraude em constante mudança.”

A IA funciona gerando automaticamente modelos de aprendizado ajustáveis ​​que avaliam os resultados de previsões de fraudes anteriores. Esses modelos de aprendizado se aprimoram continuamente para obter maior precisão.

“O aprendizado de máquina também é amplamente usado para criar modelos preditivos de fraudes futuras”, disse Solotorevsky. “Por exemplo, se um varejista pode prever no ponto de venda a propensão de que um novo cliente que deseja comprar um smartphone está cometendo fraude, ele pode tomar precauções extras, como fazer uma verificação adicional de identidade do cliente.”

VEJO: O aprendizado de máquina é uma ótima ferramenta para segurança cibernética, mas seja cauteloso, diz especialista (TechRepublic)

O sucesso da Bell Canada com IA é um exemplo.

“Em um estudo de caso realizado pela TM Forum e Amdocs, a Bell Canada experimentou uma melhoria de 150% no tempo necessário para detectar perdas por fraude em uma parte significativa de sua fraude e uma melhoria de 200% no tempo necessário para identificar novos esquemas de fraude ”, disse Solotorevsky.

Implementando IA

No entanto, apesar do potencial da IA ​​para combater a fraude, não é fácil para as organizações migrarem para a IA.

“As organizações devem ser sensíveis ao fato de que a implementação da IA ​​é uma mudança humana e tecnológica”, disse Solotorevsky.

Por isso, parte do plano de implementação da IA ​​deve ser uma análise de lacunas que identifique a força de trabalho e as lacunas do fluxo de trabalho em uma organização que devem ser abordadas antes da introdução da IA. Muitas vezes, essas lacunas vêm na forma de funcionários que não têm o conjunto certo de habilidades para trabalhar ao lado da IA. O objetivo final deve ser que a equipe trabalhe de forma eficaz ao lado da IA, e esse deve ser o foco principal dos projetos de IA.

Enquanto isso, podemos esperar melhorias na IA que tornarão o combate à fraude mais eficaz.

“A próxima fronteira é criar uma IA que possa antecipar qual será o próximo esquema de fraude, antes que os fraudadores tentem”, disse Solotorevsky. “Parece ficção científica, mas estamos trabalhando nessa direção, criando novos algoritmos e metodologias que farão exatamente isso nos próximos anos…. É por isso que a IA desempenhará um papel crítico no futuro.”