В 2021/22 году в Великобритании было зарегистрировано 4,5 миллиона случаев мошенничества, что на 25% больше, чем в предыдущем году. Это растущая проблема, которая ежегодно обходится в миллиарды фунтов стерлингов.
Пандемия COVID-19 и кризис стоимости жизни создали идеальные условия для мошенников, чтобы эксплуатировать уязвимость и отчаяние многих домохозяйств и предприятий. И по мере того, как использование ИИ в целом увеличивается, мы, вероятно, увидим дальнейший рост новых видов мошенничества, и это, вероятно, способствует увеличению частоты мошенничества, которое мы наблюдаем сегодня.
Уже сейчас способность ИИ поглощать личные данные, такие как электронные письма, фотографии, видеозаписи и голосовые записи, чтобы имитировать людей, оказывается новым и беспрецедентным вызовом.
Но есть и плюсы. Правительство, банки и другие финансовые организации теперь контратакуют, используя все более сложные методы обнаружения мошенничества. Модели машинного обучения и искусственного интеллекта могут стать частью решения для борьбы с возрастающей сложностью, изощренностью и распространенностью таких афер.
Растущий разрыв между ценами и доходами людей, похоже, сделал людей более восприимчивыми к аферам, которые предлагают гранты, скидки и выплаты пособий.
Мошенники часто нацеливаются на отдельных лиц, выдавая себя за подлинные организации. Примеры включают выдачу себя за ваш банк или представителя правительства, сообщающих вам, что вы имеете право на прибыльную схему, чтобы украсть ваши личные данные, а затем деньги.
Это следует за резким ростом в последние годы мошеннических заявок на государственные и региональные пакеты поддержки, в основном реализованные в ответ на пандемию. Здесь мошенники часто выдают себя за фиктивные компании, чтобы получить множественные займы или гранты.
Одним из самых невероятных примеров этого был человек из Лутона, который выдавал себя за пекарню Greggs, чтобы выманить у трех местных органов власти Англии почти 200 000 фунтов стерлингов в виде грантов для малого бизнеса.
Спешка с внедрением таких схем для более быстрого экономического эффекта затруднила чиновникам эффективное рассмотрение заявок. Министерство бизнеса и торговли Великобритании теперь оценивает, что 11% таких займов, примерно 5 миллиардов фунтов стерлингов, были мошенническими. К марту 2022 года было возвращено только 762 миллиона фунтов стерлингов.
Обнаружение мошенничества
За последние несколько лет сложные математические модели, объединяющие традиционные статистические методы и анализ машинного обучения, показали себя перспективными для раннего выявления мошенничества с финансовой отчетностью. Это когда компании обычно вводят в заблуждение или обманывают инвесторов, заставляя их верить, что они более прибыльны, чем на самом деле.
Одним из прорывов стало включение как финансовой, так и нефинансовой информации в системы анализа данных. Например, риск мошенничества снижается, если существует лучшее корпоративное управление и меньшая доля директоров, которые также являются руководителями.
В контексте малого бизнеса мы можем думать об этом как о содействии прозрачности и обеспечении того, чтобы важные должности не имели единоличных полномочий принимать значимые решения.
Такие модели анализа данных могут использоваться для ранжирования заявок по потенциальному риску мошенничества, чтобы заявки с наибольшим риском проходили дополнительную проверку государственными чиновниками. Сейчас мы начинаем видеть внедрение таких систем, например, для борьбы с универсальным кредитным мошенничеством.
Банки, поставщики финансовых услуг и страховщики разрабатывают модели машинного обучения для выявления финансового мошенничества. Опрос Банка Англии, опубликованный в октябре 2022 года, показал, что 72% финансовых компаний уже тестируют и внедряют их.
Мы также наблюдаем новые сотрудничества в отрасли, например, Deutsche Bank в партнерстве с производителем чипов Nvidia внедряют ИИ в свои системы обнаружения мошенничества.
Риски систем ИИ
Однако появление новых автоматизированных систем ИИ вызывает опасения потенциальных непреднамеренных предубеждений в них. В недавнем испытании новой системы обнаружения мошенничества с помощью ИИ Министерством труда и пенсий, правозащитные группы были обеспокоены потенциальными предубеждениями.
Распространенная проблема, которую необходимо преодолеть с такими системами, заключается в том, что они работают для большинства людей, но часто предвзяты против меньшинств. Это означает, что если их не откорректировать, они непропорционально чаще будут помечать заявки от этнических меньшинств как рискованные.
Но системы ИИ не должны использоваться в качестве полностью автоматизированного процесса для выявления и обвинения в мошенничестве, а скорее в качестве инструмента помощи оценщикам. Они могут помочь аудиторам и госслужащим, например, выявлять случаи, требующие более тщательной проверки, и сокращать время обработки.