作者：黃健銘，益博睿大中華區分析與策略諮詢總經理
隨著數碼經濟成為人們生活的一部分，欺詐無時無刻不在發生，從最常見的信用卡盜刷、到協助廠商支付工具錢包，以及網購帳戶虛假交易、再到電訊帳單等等，欺詐可謂無孔不入。與海外市場不同，中國的欺詐手段及形式更加多樣化，並且已經形成了具規模的黑色產業，讓消費者更加防不勝防。
欺詐與防欺詐之間的鬥爭就如電影《貓鼠遊戲》一樣，詐騙分子千方百計冒充各種身分逃脫監控進行欺詐，而防欺詐也一直不斷進化以期識破詐騙分子的各種手段保護消費者的財產。未來，欺詐手段還會更多樣化、頻繁演化，而想要實現欺詐的有效追蹤和應對，也就相應對機器學習能力的不斷提升提出了更高要求，需要每個機器學習的方法論和檢測規則都要比信用風險模型進化更迅速、反應更靈敏，從而有效捕捉欺詐模式的變化，並持續學習這些新的欺詐模式，融入到我們的欺詐預警機制中。
可打通黑名單
當然，面對層出不窮且多樣化的欺詐手段，僅憑藉企業一方的資料庫和黑名單總是防不勝防。如今，人工智能和大數據分析技術已有很大進步，可以大幅度地説明反欺詐交易和申請的甄別，將不同平臺和服務提供者各自的數據孤島串聯起來，從而更精準或更即時、更靈活地來捕捉反欺詐可能發生的情況。舉例來說，從反欺詐角度來看，朋友圈的「人脈分」非常重要，就是人以群分的概念，欺詐往往都是「黑產」，如果這個人與黑名單交疊越近，越有可能是欺詐分子。因此，如果把這個「黑名單」打通，就更能有效防範欺詐。
但反欺詐並不是企業的根本目標，更重要的是，企業如何實現反欺詐和業務發展並駕齊驅。隨著市場競爭愈趨白熱化，客戶體驗愈來愈成為商家競爭的亮點和關鍵，而反欺詐和客戶體驗往往在一定程度上存在著此消彼長的關係，所以如何在保證客戶體驗便捷性的基礎上大幅降低欺詐的可能性就變得至關重要。
拿電商平臺舉例，商家可能會向客戶要求填些訊息，客戶比較願意分享的大多是姓名、聯絡電話和送貨地址，再多的話就不願意了。但對電商來說，當然希望愈多資訊愈好，這樣才可以判斷是否假冒客戶。一旦商家要擴大訊息，留存的客戶就會大大減少。根據益博睿對服務商的調查，平均60%的客戶對上述三個資訊是可以接受的，但如果涉及進一步的訊息，諸如婚姻狀況、帳號和收入水準等，平均僅有20%的客戶可以接受，這就給企業防欺詐帶來一定困難。
對於這難以調和的矛盾，生物識別則大有可為。生物識別技術可以處理非結構化資料，例如語音、圖像、網路，全方位驗證客戶的交易身分、增加客戶洞察，並毋須過多索取客戶所填的訊息，讓企業順利留住客戶，同時也保障客戶交易的安全性，這也將給企業帶來更大的商機。
反欺詐需理性布局
即便人工智能在幫助企業防範欺詐、促進業務發展方面意義重大，還是不建議企業盲目對此做大額投資。
事實上，有許多企業在技術堆疊及獲取資料能力方面投入了大量資金，並希望人工智能能夠為其增加市場競爭優勢，結果沒有獲得任何實際的回報。人工智能的回報實際取決於公司內部各層級對新技術的理解和應用，這通常需要人工智能開發團隊深入瞭解業務，開發出來的解決方案才不會忽視業務的最終目標，即推出或改進企業產品或服務。
因此，建議企業採用更加實用、有針對性的投資方式利用人工智能防範欺詐。首先，企業在資料積累前應該建立一個明確的目標；其次，企業要能確保自己能夠衡量每個機器學習解決方案所帶來的影響，以及對自己客戶群的影響。只有能夠準確衡量影響並能不斷重估收益，才能將這個新技術的投資行之有效且符合預期。
對於人工智能防欺詐的投資，從行業來看，金融領域的發展潛力較大，發展基礎也最好，這是源於金融行業良好的資料積累和較成熟的自動化技術應用。不過，隨著各行業企業對人工智能愈來愈重視，反要要提醒企業理性投資人工智能，從切合企業實際出發，用更行之有效的方案防範欺詐，促進業務和客戶群的成長。
