Perusahaan keamanan suara Hiya menemukan bahwa 550 juta panggilan penipuan dilakukan per minggu pada tahun 2023, dengan Interpol memperkirakan bahwa penipu mencuri USD1 triliun dari korban pada tahun yang sama. Di AS, salah satu dari empat panggilan non-daftar kontak ditandai sebagai dugaan spam, dengan penipu sering memikat orang ke dalam penipuan terkait Venmo atau perpanjangan garansi.
Metode tradisional deteksi penipuan termasuk sistem berbasis aturan, pemodelan statistik, dan tinjauan manual. Metode ini telah berjuang untuk menskalakan volume penipuan yang terus meningkat di era digital tanpa mengorbankan kecepatan dan akurasi.
Misalnya, sistem berbasis aturan sering kali memiliki tingkat positif palsu yang tinggi, pemodelan statistik dapat memakan waktu dan intensif sumber daya, dan tinjauan manual tidak dapat diskalakan dengan cukup cepat.
Selain itu, alur kerja ilmu data tradisional tidak memiliki infrastruktur yang diperlukan untuk menganalisis volume data yang terlibat dalam deteksi penipuan, yang menyebabkan waktu pemrosesan yang lebih lambat dan membatasi analisis dan deteksi real-time.
Penipu sendiri dapat menggunakan model bahasa besar (LLM) dan alat AI lainnya untuk mengelabui korban agar berinvestasi dalam penipuan, menyerahkan kredensial bank mereka, atau membeli mata uang kripto.
AI — ditambah dengan sistem komputasi yang dipercepat — dapat digunakan untuk memeriksa AI dan membantu mengurangi semua masalah ini.
Bisnis yang mengintegrasikan alat pendeteksi penipuan AI yang kuat telah melihat peningkatan hingga 40% dalam akurasi deteksi penipuan — membantu mengurangi kerusakan finansial dan reputasi pada institusi.
Teknologi ini menawarkan infrastruktur dan solusi yang kuat untuk menganalisis data transaksional dalam jumlah besar dan dapat dengan cepat dan efisien mengenali pola penipuan serta mengidentifikasi perilaku abnormal.
Solusi deteksi penipuan bertenaga AI memberikan akurasi deteksi yang lebih tinggi dengan melihat gambaran keseluruhan alih-alih transaksi individu, menangkap pola penipuan yang mungkin diabaikan oleh metode tradisional.
AI juga dapat membantu mengurangi positif palsu, memanfaatkan data berkualitas untuk memberikan konteks tentang apa yang merupakan transaksi yang sah. Dan, yang penting, AI dan komputasi yang dipercepat memberikan skalabilitas yang lebih baik, mampu menangani jaringan data besar untuk mendeteksi penipuan secara real time.
Bagaimana Lembaga Keuangan Menggunakan AI untuk Mendeteksi Penipuan
Layanan keuangan dan perbankan adalah garis depan pertempuran melawan penipuan seperti pencurian identitas, pengambilalihan akun, transaksi palsu atau ilegal, dan penipuan cek. Kerugian finansial di seluruh dunia akibat penipuan transaksi kartu kredit diperkirakan akan mencapai USD43 miliar pada tahun 2026.
AI membantu meningkatkan keamanan dan mengatasi tantangan meningkatnya insiden penipuan.
Bank dan lembaga jasa keuangan lainnya dapat memanfaatkan teknologi NVIDIA untuk memerangi penipuan. Misalnya, NVIDIA RAPIDS Accelerator untuk Apache Spark memungkinkan pemrosesan data yang lebih cepat untuk menangani data transaksi dalam jumlah besar.
Bank dan lembaga jasa keuangan juga dapat menggunakan alur kerja AI NVIDIA baru untuk deteksi penipuan — memanfaatkan alat AI seperti XGBoost dan jaringan saraf grafik (GNN) dengan RAPIDS, Triton, dan Morpheus — untuk mendeteksi penipuan dan mengurangi positif palsu.
BNY Mellon meningkatkan akurasi deteksi penipuan sebesar 20% menggunakan sistem NVIDIA DGX. PayPal meningkatkan deteksi penipuan real-time sebesar 10% yang berjalan pada inferensi yang didukung GPU NVIDIA, sekaligus menurunkan kapasitas server hampir 8x. Dan Swedbank melatih jaringan permusuhan generatif pada GPU NVIDIA untuk mendeteksi aktivitas yang mencurigakan.
Lembaga Federal AS Memerangi Penipuan Dengan AI
Kantor Akuntabilitas Pemerintah Amerika Serikat memperkirakan bahwa pemerintah kehilangan hingga USD521 miliar per tahun karena penipuan, berdasarkan analisis tahun fiskal 2018 hingga 2022. Penipuan pajak, penipuan cek dan pembayaran yang tidak tepat kepada kontraktor, selain pembayaran yang tidak tepat di bawah program Jaminan Sosial dan Medicare telah menjadi hambatan besar pada keuangan pemerintah.
Sementara beberapa penipuan ini meningkat oleh pandemi baru-baru ini, menemukan cara baru untuk memerangi penipuan telah menjadi keharusan strategis. Dengan demikian, lembaga federal telah beralih ke AI dan komputasi yang dipercepat untuk meningkatkan deteksi penipuan dan mencegah pembayaran yang tidak tepat.
Misalnya, Departemen Keuangan AS mulai menggunakan pembelajaran mesin pada akhir tahun 2022 untuk menganalisis harta karun datanya dan mengurangi penipuan cek. Departemen memperkirakan bahwa AI membantu pejabat mencegah atau memulihkan lebih dari USD4 miliar penipuan pada tahun fiskal 2024.
Bersama dengan Departemen Keuangan, lembaga seperti Internal Revenue Service telah menggunakan AI dan pembelajaran mesin untuk menutup kesenjangan pajak — termasuk penipuan pajak — yang diperkirakan mencapai USD606 miliar pada tahun pajak 2022.
IRS telah mengeksplorasi penggunaan kerangka kerja ilmu data yang dipercepat NVIDIA seperti RAPIDS dan Morpheus untuk mengidentifikasi pola anomali dalam catatan pembayar pajak, akses data, serta kerentanan dan eksposur umum. LLM yang dikombinasikan dengan generasi yang diperkuat pengambilan dan RAPIDS juga telah digunakan untuk menyoroti catatan yang mungkin tidak selaras dengan kebijakan.
Bagaimana AI Dapat Membantu Layanan Kesehatan Membendung Potensi Penipuan
Menurut Departemen Kehakiman AS, penipuan, pemborosan, dan penyalahgunaan perawatan kesehatan dapat menyumbang sebanyak 10% dari semua pengeluaran perawatan kesehatan. Perkiraan lain telah menganggap persentase itu mendekati 3%. Penipuan Medicare dan Medicaid bisa mendekati USD100 miliar. Terlepas dari itu, penipuan perawatan kesehatan adalah masalah yang bernilai ratusan miliar dolar.
Tantangan tambahan dengan penipuan perawatan kesehatan adalah bahwa itu bisa datang dari segala arah. Berbeda dengan IRS atau industri jasa keuangan, industri perawatan kesehatan adalah ekosistem yang terfragmentasi dari sistem rumah sakit, perusahaan asuransi, perusahaan farmasi, praktik medis atau gigi independen, dan banyak lagi. Penipuan dapat terjadi di tingkat penyedia dan pasien, memberikan tekanan pada seluruh sistem.
Teknologi AI yang sama yang membantu memerangi penipuan dalam layanan keuangan dan sektor publik juga dapat diterapkan pada perawatan kesehatan. Perusahaan asuransi dapat menggunakan deteksi pola dan anomali untuk mencari klaim yang tampak tidak biasa, baik dari penyedia atau pasien, dan meneliti data penagihan untuk aktivitas yang berpotensi penipuan.
Pemantauan real-time dapat mendeteksi aktivitas mencurigakan di sumbernya, saat itu terjadi. Dan pemrosesan klaim otomatis dapat membantu mengurangi kesalahan manusia dan mendeteksi inkonsistensi sekaligus meningkatkan efisiensi operasional.
Cek Berita dan Artikel yang lain di
Google News
