金融科技高峰會春季場會後報導
金融機構面對詐欺手法正以 AI 不斷演進的嚴峻挑戰，深覺傳統應對方式，已不足以在反詐欺戰役中取勝，迫切需要重新調整工具與策略。為此 ACI Worldwide 提出基於 AI 的立體化協同式反詐欺方案，適時化解金融業的燃眉之急。
文／明雲青
今日金融業正在經歷詐欺管理的典範轉移。因為詐欺規模與複雜性激增，尤其隨著攻擊者以 AI 作為自動化武器，網路犯罪商業模式令（Fraud-as-a-Service，FaaS）企業防不勝防。
ACI Worldwide 亞太區資深反詐欺與風險策略顧問陳青蓮表示，現今高達 66% 企業對反詐欺進展漸感不滿，因為未能有效利用 AI 或因系統、數據分散導致決策誤判與資源浪費；而不斷噴發的支付方式，更淪為詐欺繁衍的溫床。ACI 深耕支付領域逾半世紀，是將機器學習應用於支付流程的先驅，幫助全球眾多銀行與商戶有效應對 AI 時代下的反詐欺挑戰。ACI 強調，應對詐欺不能僅依賴 AI 獨行，而是需要人與 AI 同行，實現 AI 賦能的「立體化詐欺協同對應」。
陳青蓮說，欲成功運用 AI 打擊詐欺，應把握其中三個關鍵思維。首先是「可適應」，有鑑於傳統模型難以即時應對詐欺手法細微變化，ACI 提出「迭代學習」模型，藉以持續精準洞察交易數據的細微變化，提高 AI 學習的準確性與即時性；其次是「可解釋」，許多 AI 模型只給予風險分數，卻不解釋原因，徒增用戶的判斷時間與成本，反觀 ACI 提出的「預測分析訊號」（Predictive Analytic Signals，PAS），能直接提供明確答案，譬如「這是虛擬卡操控」、「這是反洗錢」…等，給出更直觀的解析結果而不是 score 謎團，這樣從風險識別到訊號分類再到策略制定與執行，形成了完整的閉環。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 IG，與全球CIO同步獲取精華見解 ]
最後是「可自動化」。AI 分析必須能轉化為行動，才具有價值；而 ACI 透過 AI 驅動的可自動化策略，協助用戶實現智能決策，進而提升防範詐欺的自動化程度與精準度，可望提高反詐欺成功率並精準打擊詐欺。
為了進一步提升反詐欺能力以及數據處理細微度，我們不僅需要讓 AI 模型進行迭代學習，也要讓 AI 拓展數據維度，同時我們必須考慮更多的因素，整合數位身分及客戶畫像、全球協同分析資料庫，以及第三方提供更豐富的數據源等，有效填補數據空白，極大地優化我們反欺詐體系的數據調性。ACI 的框架正是以 AI 與 data science 為基石，各個實際應用層面借助 AI 算力構築起反詐欺堡壘框架，讓整個支付生態系統充滿智慧。透過協調和合作，共舞一曲反詐欺多重奏。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
