Inteligência artificial e humana trabalham juntas no combate às fraudes online

Views: 140
0 0
Read Time:2 Minute, 26 Second

Quando o assunto é o combate às fraudes em transações comerciais, as empresas buscam diferentes tipos de soluções para se protegerem, que vão desde a adoção de sistemas automatizados para detectar situações suspeitas na hora da venda até revisões manuais de dados de possíveis clientes durante o processo de aprovação de um cadastro. 

O que ocorre, na maioria das vezes, é que as organizações concentram seus esforços em reduzir prejuízos, ao invés de buscar aumentar o faturamento. Isso pode ser um equívoco, pois é possível transformar estratégias de gerenciamento de fraudes em impulsionadoras de receita, aproveitando ao máximo a força de trabalho humana aliada à automação.

Posicionar o tema da prevenção de fraudes não como um item do centro de custo, mas como uma oportunidade de geração de receita, requer uma mudança de paradigma. Neste sentido, o intuito maior do gerenciamento de fraudes deveria deixar de ser o impedimento de transações comerciais para ser a aprovação das mesmas. Ao aumentar o número de transações aprovadas, o atrito com o cliente é reduzido e ele pode vivenciar uma experiência fluida e positiva.

As empresas, por sua vez, podem implementar estratégias de gerenciamento de fraudes que incluam tecnologias e inteligência humana para oferecer boas experiências aos seus clientes e, ao mesmo tempo, se protegerem dos fraudadores. Os algoritmos de inteligência artificial e machine learning (ou inteligência de aprendizado) não substituirão os gerentes e analistas de fraudes. As novas tecnologias, apoiadas pelo efeito de rede, são uma grande contribuição para que os humanos sejam mais eficientes e as estratégias de gerenciamento de fraudes gerem mais receita.

Mãozinha artificial

O machine learning pode ajudar a otimizar o trabalho das pessoas, que integram as equipes de análise de fraudes da seguinte maneira:

  • Detecção de padrão: identificação de nome ou endereço de e-mail vinculado a incidentes repetidos de fraudes;
  • Modelagem personalizada: análise de dados de vários setores e locais, o Machine learning pode ser usado para criar regras e modelos automáticos usando os padrões mais importantes para cada empresa;
  • Relatório de anomalias: apenas as transações mais suspeitas são identificadas para revisão manual, maximizando a eficiência do analista de fraudes.

Com o poder do big data, machine learning e inteligência de rede, as organizações que tiram vantagem dessa abordagem podem liberar os analistas de fraudes para fornecer uma experiência especializada que aprimora os programas de risco. Nessas organizações, o objetivo é aprovar mais transações e interromper o maior número possível de perdas por fraudes, criando as melhores experiências aos clientes.

Portanto, é possível combater as fraudes e melhorar a experiência do cliente simultaneamente. Para fazer isso, é necessário considerar uma equipe de gerenciamento de fraudes que cria modelos personalizados e projetados para maximizar a eficiência dos recursos humanos, investir na aprovação automática das transações comerciais dos melhores clientes e apostar na mudança da estratégia de gerenciamento de fraudes para uma que gere receita.

FONTE: THE HACK

Previous post Especialista em segurança digital ensina como se proteger de um ataque hacker
Next post Quase metade das ameaças na web se originam na nuvem, aponta pesquisa

Deixe um comentário