80%使用基于人工智能平台的欺诈专家认为该技术有助于减少支付欺诈。63.6%使用人工智能的金融机构认为它能够在欺诈发生之前预防欺诈，这使得它成为最常用的工具。欺诈专家一致认为，基于人工智能的欺诈预防在减少退款方面非常有效。大多数欺诈专家(80%)已经看到基于人工智能的平台减少了误报、支付欺诈和防止欺诈企图。根据高级管理人员在最近的一项调查中报告的金融机构取得的成果，人工智能在打击欺诈方面证明是非常有效的，这项调查是由PYMNTS与Brighterion合作出版的人工智能创新行动手册。
这项研究是基于对美国商业银行、社区银行和信用合作社的200名金融高管的采访。有关该方法的更多详情，请参见研究报告第25页。一个更值得注意的发现是，资产超过1000亿美元的金融机构最有可能采用人工智能，因为研究发现，这一资产类别中72.7%的公司目前正在使用人工智能进行支付欺诈检测。
综上所述，调查结果反映了人工智能是如何挫败支付欺诈的，应该成为当今任何数字业务的重中之重。包括昆特和其他公司在内的公司在提供基于人工智能的平台方面取得了长足的进步，进一步降低了最先进、最复杂的支付欺诈形式的风险。为什么人工智能是打击支付欺诈的最佳选择在减少误报、减少和防止欺诈企图以及减少对潜在支付欺诈事件的人工审查方面，人工智能非常适合提供应对这些挑战所需的规模和速度。
更具体地说，人工智能从有监督的机器学习中解释基于趋势的见解的能力，加上从无监督的机器学习算法中获得的全新知识，正在减少支付欺诈的发生。通过结合这两种机器学习方法，人工智能可以识别给定的交易或一系列金融活动是否具有欺诈性，如果具有欺诈性，会立即向欺诈分析师发出警报，并通过预定义的工作流采取行动。
以下是人工智能非常适合打击支付欺诈的主要原因：
基于支付欺诈的攻击越来越复杂，并且通常具有完全不同的数字足迹或模式、序列和结构，这使得仅使用基于规则的逻辑和预测模型无法检测到它们。多年来，电子商务网站、金融机构、零售商和所有其他类型的在线业务都依赖于基于规则的支付欺诈防范系统。在电子商务的早期，规则和简单的预测模型可以识别大多数类型的欺诈。如今情况并非如此，因为支付欺诈方案变得更加微妙和复杂，这就是为什么需要人工智能来应对这些挑战。
人工智能为打击支付欺诈带来了规模和速度，为数字企业提供了应对众多风险和欺诈形式的直接优势。提供支付欺诈解决方案的人工智能公司的迷人之处在于，在交易数据的实时分析方面，它们如何努力超越彼此。实时交易需要实时安全性。如今，欺诈解决方案提供商在R&D的这一领域加倍努力，取得了令人印象深刻的成果。最快的是在Kount平台上使用人工智能计算风险分值的250毫秒响应速度，这是基于他们通用数据网络中几十年的数据进行查询的。通过结合有监督和无监督的机器学习算法，Kount提供的欺诈分数是以前方法的两倍，比竞争对手的速度更快。
人工智能的许多预测分析和机器学习技术非常适合在几秒钟内发现大规模数据集的异常。机器学习模型需要训练的数据越多，其预测值就越准确。数据的广度和深度越大，给定的机器学习算法从意义上学习的就越多，而不是给定算法有多先进或复杂。当涉及到支付欺诈检测时尤其如此，机器学习算法从上下文智能的角度学习合法交易和欺诈交易。通过分析来自通用数据网络的历史账户数据，受监督的机器学习算法可以获得更高水平的准确性和可预测性。
Kount的通用数据网络是最大的网络之一，包括12年间数十亿笔交易、6500名客户、180多个国家和地区以及多个支付网络。数据网络包括不同的交易复杂性、垂直方向和地理位置，因此机器学习模型可以被适当地训练以准确预测风险。这种分析的丰富性包括物理现实世界和数字身份的数据，创造了客户行为的完整画面。底线：支付欺诈是阴险的，难以阻止，并且会在几分钟内对任何企业造成财务伤害。打击支付欺诈需要从先发制人的战略开始，通过培训机器学习模型快速发现威胁并采取行动，然后在数字企业依赖的每个销售和服务渠道中制定战略，从而挫败欺诈企图。
