Con i pagamenti istantanei, anche l’anti-frode deve essere real-time

La possibilità, grazie alla nuova regolamentazione europea in materia di pagamenti istantanei, di trasferire denaro entro 10 secondi in qualsiasi momento della giornata e verso utenti in un qualsiasi altro Stato membro dell'UE rappresenta per i fornitori di servizi di pagamento, oltre a una straordinaria opportunità, anche una nuova sfida in materia di risk management e gestione delle frodi.

Una sfida che deve necessariamente partire da un approccio alla gestione antifrode in real-time da parte degli istituti finanziari, che non può essere demandata ai consumatori-clienti (spesso, anello debole nella catena della sicurezza) e che richiede un ripensamento delle politiche strategiche, in particolare per la tracciabilità e l’analisi in tempo reale dei pagamenti.

È fondamentale che la prevenzione, la detenzione e la gestione delle frodi siano attivati in tutti i touch point, cioè per i cosiddetti “customer moments” degli utenti, che accedono o utilizzano  un sistema o servizio collegato alla banca fino  a quando si effettua una operazione dispositiva. Per questo, sarà sempre più critico dotarsi di sistemi di analisi in real-time, capaci di intercettare per tempo possibili frodi, senza al contempo causare disservizi e frizioni negli utenti (per esempio bloccando pagamenti validi per “eccesso di controllo”).

I sistemi SAS di Advanced Analytics sono già dotati di specifiche funzionalità che consentono, grazie all’uso di Machine Learning e Intelligenza Artificiale, di fare analisi avanzate su grandi molti di dati, anche sui comportamenti e sulle abitudini degli utenti, attraverso la correlazione degli eventi, indispensabili per intercettare comportamenti anomali nel momento esatto in cui avvengono.

Una delle principali criticità e delle sfide più ardue - per chi deve “attrezzarsi” a fare l’analisi in real-time dei dati e degli eventi - riguarda l’addestramento di modelli di analisi su ampie base dati. Una risposta a questa problematica arriva dall’uso dell’Intelligenza Artificiale generativa (Generative AI) per la creazione di dati sintetici. Nello specifico, l’impego di metodi e simulazioni per creare dati con proprietà statistiche del mondo reale, senza quindi usare dati reali degli utenti – spesso dati sensibili e protetti dalla privacy – ma creando dati anonimi che hanno però le stesse proprietà statistiche – e quindi lo stesso valore – per poter essere utilizzati dai modelli di analisi, in particolare per le fasi di training di modelli.

Oggi il quadro normativo europeo agevola e accelera l’innovazione in ambito FinTech, avendo come obiettivo quello di garantire ai consumatori servizi sempre più ampi, digitali e semplici. La complessità che c’è “dietro le quinte” non deve avere impatti sulle persone; per chi opera nel settore, questo comporta il dover affrontare sempre sfide nuove e dover innalzare sempre di più l’asticella della sicurezza, soprattutto nel campo dell’anti-frode. Di contro, la forte accelerazione dell’Intelligenza artificiale e la maturità delle tecnologie di Advanced Analytics, “innervate” con le più avanzate tecniche di Intelligenza Artificiale “enterprise grade” sono oggi la miglior risposta alle imminenti sfide come quella della gestione real-time della sicurezza dei pagamenti istantanei.