De onderwerpen fraude en fraudebestrijding worden niet vaak besproken op de Credit Expo. In diverse roundtables van Experian is door experts aangegeven dat tussen de 5 en 15 procent van onbetaalde vorderingen kan worden bestempeld als frauduleus. De vermeende koper van het product/service/dienst heeft nooit de intentie gehad om te willen betalen.
Segmentatie van een achterstandsportefeuille vindt vaak plaats op basis van de willen/kunnen matrix. Als een bedrijf beter in staat is om vooraan in de kredietcyclus te kunnen beoordelen of er sprake is van “niet willen”/”niet de intentie hebben” om te betalen, dan is er dus een grote besparing mogelijk op de verliesrisico’s en beheerskosten later in de krediet cyclus. Fraudepreventie is key.
In het recent uitgegeven Experian’s 2023 business insight report (uitgevoerd door Forrester Consulting) gelden bijvoorbeeld voor de financiële dienstverlening en telecom branche de volgende 5 prioriteiten voor de komende 12 maanden.
Dit beeld is min of meer hetzelfde bij andere branches. Investeringen in fraude bescherming staan in de top 5. Moderne fraudedreigingen zijn erg ingewikkeld, en het continu veranderende cyberlandschap maakt het lastig om “rule based” systemen aan te passen. Ook is er een kans dat een deel van de klanten onterecht als fraudeur wordt geïdentificeerd. En dit is wel het laatste wat je wil als bedrijf.
Bedrijven moeten de juiste balans vinden tussen het detecteren van fraude en het aanbieden van een eenvoudig checkout- of onboardingproces aan klanten. De meest doeltreffende manier om preventiestrategieën te moderniseren, ligt – hoe kan het ook anders – bij Artificial Intelligence (AI) en dan specifiek door machine learning modellen te trainen om zo fraude te herkennen, waar een mens dit niet kan.
Voordelen van fraudebestrijding met AI en ML
Een combinatie van AI en ML helpt bedrijven bij het nauwkeurig identificeren van fraude en tegelijkertijd het aantal false positives verminderen, zonder dat dit nadelige gevolgen heeft voor de klantervaring. De beste fraudeoplossingen combineren ML met eenduidige regels en device recognition voor hoge nauwkeurigheid en betrouwbaarheid.
Daarnaast presteert een ML-model beter wanneer er meer en recente data wordt toegevoegd. Hoe groter de dataset voor modelontwikkeling, hoe nauwkeuriger het model. Ook biedt ML de optie om correlaties en patronen op te sporen in data die niet direct duidelijk zijn voor een menselijke fraudespecialist. Het vermogen om trends en onderliggende verbanden te identificeren, is een van de belangrijkste redenen waarom AI beter presteert dan iedere andere soort fraudepreventie-oplossing.
AI-fraudepreventiesoftware heeft ook een aantal voordelen, zoals:
- Grotere nauwkeurigheid bij het identificeren van zowel fraudeurs als betrouwbare klanten.
- Betere klantervaring en snellere detectie van bedreigingen, omdat de AI-systemen in realtime werken en transacties vrijwel onmiddellijk classificeren.
- Kostenvermindering, omdat er één fraudeplatform wordt gebruikt en er minder doorverwijzingen zijn.
- Schaalbaarheid: groei op lange termijn en piekperiodes zijn makkelijker te beheren, omdat er geen extra medewerkers nodig zijn.
- Snel inspelen op trends door de flexibiliteit van het ML-model.
- Minder chargebacks, omdat de software zelfs de meest subtiele signalen van chargeback-fraude detecteert, zelfs voordat deze plaatsvindt.
- Geen uitvaltijd, omdat AI continu de verkoop monitort en analyseert in tegenstelling tot menselijke fraude-agenten.
Graag willen we je echter ook wijzen op een aantal uitdagingen en hoe daar mee om te gaan.
Privacy en Gegevensbescherming: Het gebruik van AI en ML in fraudepreventie vereist toegang tot grote hoeveelheden gegevens. Het is essentieel om ervoor te zorgen dat de privacy van klanten wordt beschermd en dat gegevens veilig worden opgeslagen en verwerkt. Om deze reden is het belangrijk om het wiel niet zelf opnieuw uit te vinden, maar om expertise in te huren van mensen die hier geruime ervaring in hebben.
Bias in Algoritmen: AI-algoritmen kunnen biased zijn als ze worden getraind op gegevenssets die inherente vooroordelen bevatten. Dit kan leiden tot onrechtvaardige behandeling van bepaalde groepen klanten. Het is van belang om deze biases te herkennen en te verminderen om eerlijke besluitvorming te garanderen. Dit kan je bijvoorbeeld oplossen door gebruik te maken van synthetische data, gebruik hiervoor experts die hier aantoonbare ervaring in hebben.
Technologische Afhankelijkheid: Bedrijven die sterk afhankelijk zijn van AI en ML voor fraudepreventie lopen het risico kwetsbaar te zijn als deze systemen falen of gehackt worden. Het is noodzakelijk om backupplannen en veiligheidsmaatregelen te hebben om te voorkomen dat de activiteiten van het bedrijf worden verstoord. Daarom is het van belang dat je voor je primaire processen zoals fraudepreventie goed geteste software gebruikt die op grote schaal ingezet wordt en waar regelmatig onderhoudt aan plaats vind om de laatste bedreigingen te mitigeren.
Menselijke Betrokkenheid: Hoewel AI en ML waardevolle hulpmiddelen zijn, kan menselijke betrokkenheid en expertise niet volledig worden vervangen. Het is essentieel om een balans te vinden tussen automatisering en menselijke controle om de meest effectieve fraudepreventiestrategie te creëren. Laat je fraudepreventie dan ook niet over aan een datascientist zonder samenwerking, maar zorg er altijd voor dat je als creditmanager altijd aan tafel zit om uitleg te geven aan de data engineer. Neem hier de tijd voor. Machine learning is geen ‘silver bullet’, maar vergt aandacht.
Veroudering: Een fraudemodelmodel moet minstens elk kwartaal gemonitord worden om te zien of het nog voldoet aan de correlaties waar hij op getraind is. Wanneer de fraudeur zich doorontwikkeld, maar jij niet dan heb je een heel leuk machine learning model die de verkeerde klanten afwijst. Dit kost je alleen omzet en nog steeds heb je fraude. Gebruik hiervoor een oplossing die zichzelf regelmatig hertraind zonder menselijke interventie, maar waar je als mens wel controle op uit kan oefenen.
Experian is leider op alle bovengenoemde items en we zijn dan ook blij dat onze fraudeoplossing Aidrian is genomineerd voor de Innovation Award. Tijdens onze pitch in de sessie Award Pitches VVCM Credit Management Innovation Award 2023 hopen we meer te kunnen vertelllen over de waarde van Aidrian op het gebied van reduceren van credit management kosten. En bezoek onze stand of kom naar onze presentatie om 15:15 in Dexter 19.
Klik hier om u aan te melden voor een bezoek aan Credit Expo Nederland 2023 (gratis toegang als u tot de doelgroep behoort).
Bron: Credit Expo / Experian
