Sistemas de pago seguros contra el fraude en las transacciones | Brighterion IA

El fraude de transacciones se aceleró cuando la pandemia estimuló un gran crecimiento en las ventas en línea. Para comprender cómo los adquirentes están gestionando este riesgo creciente, los analistas de Finextra entrevistaron a varios ejecutivos para “tomar el pulso” sobre el apetito de la industria por la IA en tiempo real, el monitoreo de fraude rico en datos y las diversas estrategias que se utilizan.

Cada uno tiene su propia perspectiva sobre lo que se necesita, como se informa en Finextra’s Búsqueda de aprobación: adquirentes frente a fraude de transaccioneslanzado en octubre de 2022. Los expertos de la industria de los bancos adquirentes piden una puntuación global, una IA más avanzada, análisis adaptativos, conocimientos compartidos y más.

Los expertos coinciden en que las soluciones de monitoreo de fraude basadas en reglas se ven superadas por el fraude sofisticado de los últimos años. Buscando aprobación informa que los banqueros creen que las soluciones integradas que combinan reglas con IA y datos globales compartidos son clave para una estrategia efectiva.

“Habrá un aumento inevitable en las asociaciones a medida que el intercambio de datos se vuelva cada vez más pertinente, y con ello la evolución de la IA y el ML como vehículos de nuevos enfoques y soluciones para la prevención del fraude”, escriben los autores.

Si bien los adquirentes reconocen la necesidad de un enfoque combinado para detectar el fraude, también son conscientes de brindar una buena experiencia de usuario, como aprobaciones rápidas y no agregar fricción excesiva a las transacciones.

Este blog resume los hallazgos que revelan las percepciones de los adquirentes sobre cómo detectar transacciones fraudulentas y un vistazo a cómo se pueden lograr.

Entender el fraude sofisticado

Atrás quedaron los días de preocuparse por los piratas informáticos en los cibercafés. Los estafadores de hoy son “profesionales” que usan tecnología sofisticada con acceso a grandes cantidades de datos, a menudo comprados o vendidos en la dark web.

El software sofisticado que utiliza algoritmos de inteligencia artificial hace que los ataques de fraude sean más difíciles de detectar. Y, según Finextra, las bandas criminales globales están trabajando juntas, creando unidades más fuertes.

Dado que los bancos tienen soluciones de detección más sólidas y regulaciones como PSD2 y Strong Customer Authentication (SCA), los estafadores se están enfocando en las cuentas de los clientes. Vesa Suvila, experto en fraude global de Nordea, ve que los clientes son objeto de estafas de identificación y a través de las redes sociales, lo que pone sus credenciales en riesgo de uso indebido. Detectar el fraude resultante es más complicado.

Combinación de sistemas de detección para detener el fraude de transacciones

Varios adquirentes entrevistados por Finextra informaron usar sistemas basados ​​en reglas junto con un modelo de puntuación de aprendizaje automático. Un enfoque combinado tiene sentido para Diana Piller-Mayerhofer, Jefa de Seguridad de Tarjetas, Cumplimiento de Esquemas de Tarjetas y Gestión Antifraude, Card Complete Service Bank.

“La clave para el mejor monitoreo de transacciones y detección de fraudes es una combinación de aprendizaje automático basado en reglas y personas”, dice Piller-Mayerhofer.

Otro enfoque son los datos combinados de todos los socios en el ecosistema de pagos. Dondi Black, vicepresidente sénior y jefe de producto en el negocio TSYS de Global Payments, dice que si bien es mejor usar sus propios datos, reúnen la inteligencia y aplican la IA para generar mejores experiencias y resultados.

“La IA no puede simplemente ser alimentada y potenciada por la información que [ourselves] puede verse como el ‘problema’: debe combinarse con otros atributos de datos de otras fuentes”, dice.

Un desafío se convierte en cómo combinamos todos estos enfoques mientras nos aseguramos de que los comerciantes puedan completar transacciones rápidamente.

¿Puede un sistema de pago seguro funcionar sin fricciones?

El aumento en línea hacia la digitalización durante COVID-19 es probablemente un cambio permanente en la forma en que el comercio minorista y los servicios realizan negocios.

Desde el comienzo de la pandemia, Barclaycard Payments aumentó su enfoque en el flujo de efectivo y liquidación de cuentas comerciales lo más rápido posible, lo que incluye garantizar una gestión adecuada del fraude.

“Lo que la pandemia trajo a la luz fue la realidad de que muchos comerciantes, en particular los de menor tamaño, operan con márgenes pequeños y sin los fondos para apalancar frente a los largos tiempos de liquidación”, dice Linda Weston, MD, directora de productos básicos de Barclaycard.

A medida que los adquirentes trabajan para que los pagos lleguen a los comerciantes con mayor rapidez, su detección de fraude se ve impulsada para garantizar que las decisiones en tiempo real sean confiables. Con la evolución casi instantánea de las ventas en línea, los restaurantes tuvieron que configurar los pedidos y las entregas en línea, mientras que el comercio minorista pasó de las tiendas físicas al comercio electrónico. Procesamiento de pago seguro verificado por PSD2, SCA y One-Time Passwords (OTP).

Estos causan más fricción para los compradores, aunque los umbrales se pueden reducir para transacciones de bajo riesgo. Otros métodos de detección incluyen análisis de comportamiento, como la biometría, que agregan seguridad a la etapa de autorización previa.

Datos de puntuación global con información regional

La investigación de Finextra reveló que administrar y contextualizar los datos requiere un enfoque múltiple, que varía entre los adquirentes.

Suvila dice que, como el banco más grande de la región nórdica, Nordea puede utilizar el comportamiento de los consumidores de todo el mundo, pero los datos internacionales no son fiables para un modelo de puntuación local en el que las necesidades y los comportamientos de los consumidores difieren.

“No podemos confiar únicamente en modelos de calificación basados ​​en IA”, explica, y agrega que una red de fraude cambiará su enfoque entre Suecia, Noruega y Dinamarca. Nordea se basa en la experiencia local para identificar las diferentes tendencias combinadas con datos de puntuación global.

Piller-Mayerhofer cree que dado que el comercio electrónico es global, el conocimiento sobre fraudes y las bases de datos también deben ser globales. Ella está de acuerdo en que necesita regionalización, pero lo que es más importante, enfatiza que los adquirentes deben distinguir entre IA y aprendizaje automático, y enfatiza que ML es para la automatización y no para el autoaprendizaje. Lo que algunos consideran AI es en realidad solo un algoritmo ML simple que marca el fraude en función de lo que se ha introducido.

Al impulsar las reglas de aprobaciones y los conocimientos instantáneos, los adquirentes son muy conscientes de la necesidad de proporcionar aprobaciones en tiempo real que sean precisas y que no devuelvan falsos rechazos ni dejen pasar el fraude.

Los datos compartidos y la colaboración podrían ayudar

Los expertos en fraude están interesados ​​en compartir datos e ideas entre los bancos emisores y adquirentes, quizás a través de un consorcio liderado por la industria. Como dice Piller-Mayerhofer, una gran cantidad de datos recopilados se utilizan con fines de marketing, entonces, ¿por qué no para estrategias antifraude?

Suvila no podría estar más de acuerdo. “Cuando se trata de bancos, existen muchas limitaciones: somos bancos basados ​​en la confianza y, por una buena razón, estamos trabajando en silos. Al mismo tiempo, creo que podríamos cooperar más. Creo que habría espacio para la cooperación, como informar varias cuentas de mulas”.

Factura alta para llenar, ¿o no?

Búsqueda de aprobación: adquirentes frente a fraude de transacciones establece un conjunto complejo de desafíos y oportunidades para acelerar las aprobaciones y eliminar el fraude. Datos globales versus regionales para capturar tendencias locales. Datos compartidos y colaboración en lugar de permanecer en el propio carril para proteger el negocio y sus clientes. Reduciendo la fricción mientras se introducen nuevas medidas regulatorias como SCA y OTP.

Monitoreo de fraude de transacciones listo para el mercado

Entrenados con los datos de transacciones globales agregados y anónimos de Mastercard, los nuevos modelos de IA listos para el mercado de Brighterion reconocen patrones anómalos desde cualquier lugar donde Mastercard realice negocios. La IA de Brighterion tiene una amplia experiencia y continúa aprendiendo de cada transacción. Las decisiones se toman en tiempo real, actualizando el modelo con cada transacción, ya sea local o del mercado global.

“Con un alto tiempo de procesamiento de menos de 10 ms, podemos puntuar y devolver resultados instantáneamente”, dice Amyn Dhala, directora de productos de Brighterion. “Los modelos de IA bien entrenados permiten el reconocimiento de patrones que toman decisiones de transacción en el momento sin altos niveles de fricción o sin tener que extraer datos de su propia red o de otras redes.

“La latencia baja es crítica para transacciones y análisis de gran volumen, alta velocidad y en tiempo real”, explica Dhala. “Este nivel de capacitación nos ha permitido crear modelos listos para el mercado que entran en producción completa en solo unas pocas semanas. El retorno de la inversión comienza de inmediato”.

Los datos de transacciones globales empodera a los analistas de fraude mientras aumenta las aprobaciones

Imagínese si las transacciones se examinaran en la etapa de preautorización, evitando el fraude antes de que pase por los filtros de seguridad de los distintos socios. Con la IA lista para el mercado de Brighterion al comienzo del flujo de pagos, complementa las soluciones de detección de otros socios y evita los cargos posteriores.

Los analistas de fraude están facultados para centrarse en los principales delitos sabiendo que aumentan tanto las aprobaciones como las detecciones. Por ejemplo, un gran adquirente internacional que utiliza la IA lista para el mercado de Brighterion aumentó la detección de fraudes en 2,7 veces y las tasas de aprobación en un 7,4 %.

Asociarse para estar dos pasos por delante de los sofisticados fraude

Con volúmenes crecientes de fraude de transacciones cada vez más sofisticado, los adquirentes necesitan herramientas de prevención que se adapten a sus negocios en rápido crecimiento mientras continúan procesando grandes volúmenes sin fricción excesiva. También quieren que las soluciones de detección de fraude que incorporen datos regionales y globales compartidos sean más sólidas y capaces de reconocer nuevas tendencias de fraude.

Los modelos de IA listos para el mercado son más robustos y experimentados que cualquier solución de IA heredada. Informado por el reconocimiento de patrones de la inteligencia de transacciones de Mastercard, Brighterion AI proporciona una innovadora seguridad de procesamiento de pagos que aborda estas necesidades y reduce el tiempo de implementación.

Descarga el informe de Finextra Búsqueda de aprobación: adquirentes frente a fraude de transacciones para obtener más información sobre las prioridades que están dando forma a las estrategias antifraude de los adquirentes.