AMERICAN EXPRESS – Ứng dụng trí tuệ nhân tạo để phát hiện gian lận và cải thiện trải nghiệm khách hàng

American Express xử lý hơn 25% chi tiêu qua thẻ tín dụng của nước Mỹ, chiếm 1,1 nghìn tỷ đô la giao dịch trong năm 2017,1 và là thương hiệu dịch vụ tài chính có giá trị nhất thế giới theo bình chọn của tạp chí Forbes.2

Cốt lõi của tất cả những gì American Express làm chính là dữ liệu và phân tích được thúc đẩy bởi công nghệ học máy (machine learning). Thế nhưng 2 trong số những trường hợp sử dụng chính của công nghệ này là để phát hiện gian lận và cải thiện trải nghiệm khách hàng.

Trí tuệ nhân tạo đang giúp giải quyết vấn đề gì?

Gian lận thẻ tín dụng toàn cầu gây thiệt hại khoảng 20 tỷ đô la cho các doanh nghiệp và khách hàng mỗi năm.3 Phần lớn những trường hợp này xảy ra khi chiếc thẻ đã bị mất không hề có dấu hiệu gian lận hoặc những thông tin giả lại được sử dụng để mua hàng hóa hoặc dịch vụ qua internet hoặc điện thoại.

Hệ thống xử lý thanh toán của các loại thẻ phải được xây dựng để xử lý khối lượng giao dịch cực lớn trong từng phút mỗi ngày để mang lại sự tiện lợi cho doanh nghiệp và người tiêu dùng. Điều này có nghĩa rằng các nỗ lực gian lận phải được phát hiện nhanh chóng và chỉ có một cơ hội nhỏ để làm điều đó. Khi xác định nhầm các giao dịch hợp lệ là lừa đảo sẽ gây ra nhiều bất tiện cho khách hàng và nếu việc này xảy ra quá thường xuyên, khách hàng sẽ tìm đến các phương thức thanh toán khác để tránh phiền hà.

Trên hết, những kẻ lừa đảo thường là những người am hiểu về công nghệ. Họ đã phát triển và triển khai các hệ thống công nghệ cao của riêng mình để phá vỡ các hệ thống bảo mật chống gian lận cao cấp. Họ có thể tạo ra dữ liệu vị trí giả mạo làm các hệ thống bảo mật rằng nghĩ rằng các giao dịch được bắt nguồn từ một nơi hệ thống chấp nhận, nhưng vị trí giao dịch thực sự lại có thể nằm ở bất kỳ nơi nào trên thế giới. Hoặc chúng có thể giả mạo thông tin người dùng để làm hệ thống nghĩ rằng có một khách hàng đáng tin cậy đang đứng sau một giao dịch cụ thể nào đó nhằm khiến hệ thống sẽ tự động chấp nhận giao dịch.

Và thế là một “cuộc chạy đua về công nghệ” đã diễn ra trong nhiều thập kỷ khi các ngân hàng và những kẻ lừa đảo liên tục tìm cách vượt mặt nhau. Trí tuệ nhân tạo (AI) là đại diện cho sự tiến hoá trong công nghệ mới nhất của cuộc đua này. Khi mà gian lận gần như chắc chắn sẽ tồn tại, các ngân hàng và công ty thẻ tín dụng hy vọng họ có thể sử dụng công nghệ AI để mang lại cho khách hàng sự tự tin cần thiết để giao dịch thông qua mạng lưới của họ.

Trí tuệ nhân tạo đã được sử dụng như thế nào trong thực tế?

Các ngân hàng và các tổ chức tài chính chẳng hạn như những nhà phát hành thẻ và công ty bảo hiểm luôn sử dụng các mô hình dữ liệu trong quá khứ của các giao dịch nhằm cố gắng phát hiện gian lận. Lấy một ví dụ điển hình là đề phòng cho các chủ thẻ khi thực hiện một hoặc nhiều giao dịch có giá trị cao một cách bất thường, hoặc các giao dịch dường như bắt nguồn từ bên ngoài quốc gia mà họ đang sinh sống.

Các giao dịch đó một khi bị phát hiện có gian lận, sẽ được lưu trữ lại và các đặc điểm của chúng đều bị hệ thống ghi lại. Qua đấy, chúng chính là những chỉ số hữu dụng để có thể giúp hệ thống nhận ra liệu các giao dịch trong tương lai có phải là gian lận hay không. Những chi tiết cá nhân của người thực hiện giao dịch, nơi bắt nguồn giao dịch và kể cả thông tin của nhà cung cấp, hàng hóa và dịch vụ có liên quan đều có tiềm năng giúp hệ thống xác định gian lận.

Những thông tin này cho phép các tổ chức tài chính thiết lập và sử dụng những mô hình giúp dự đoán độ tin cậy của các giao dịch trong tương lai. Thế nhưng chúng mất rất nhiều thời gian, nhân lực và rất khó để xây dựng đến độ có thể dùng được, nhất là khi những dữ liệu và thông tin nêu trên không được cập nhật trong thời gian thực mà lại được cập nhật không thường xuyên và đứt quãng.4

Vì vậy, American Express đã xây dựng hệ thống AI có khả năng đọc dữ liệu từ các giao dịch thẻ trên toàn thế giới trong thời gian thực ngay khi chúng diễn ra. Điều này có nghĩa là các đặc điểm của gian lận có thể được ghi lại và chuyển giao ngược lại vào các thuật toán giúp phát hiện gian lận gần như trong thời gian thực. Khi chúng ta có quyền truy cập vào nhiều dữ liệu hơn có nghĩa là các kiểu mẫu đặc điểm gian lận phức tạp và tinh vi ngày càng có thể được kiểm tra, phân tích và xử lý kịp thời.

Điều này có nghĩa là ngay cả khi những kẻ lừa đảo giả mạo thông tin vị trí hoặc một số đặc điểm của giao dịch được cho là hợp lệ, thì American Express vẫn có thể phát hiện và cảnh báo thông qua các các thuật toán AI một cách nhanh nhất và chính xác nhất có thể.

Bên cạnh đó, American Express cũng sử dụng công nghệ học máy theo nhiều cách giúp cải thiện trải nghiệm của khách hàng bằng cách cung cấp giá trị gia tăng cho người dùng thẻ. Một ví dụ là thông qua việc mua lại ứng dụng “trợ lý các nhân về du lịch” được xây dựng trên nền tảng AI có tên là Mezi.5

American Express giúp người dùng thanh toán một cách an toàn, còn các trợ lý AI tích hợp trong ứng dụng thẻ có thể giúp họ quyết định các khoản chi tiêu bằng cách đưa ra một số đề xuất được cá nhân hóa dựa trên thói quen và lịch sử mua hàng trước đây của họ – giống như công cụ tự động đề xuất các sản phẩm, dịch vụ liên quan được sử dụng bởi Amazon và các nhà bán lẻ trực tuyến khác.

Những công nghệ, công cụ và dữ liệu nào đã được sử dụng?

Dữ liệu chủ yếu đến từ các hồ sơ giao dịch lịch sử cũng như thông tin thu thập được từ khách hàng cá nhân khi họ đăng ký để trở thành chủ thẻ American Express.

Sử dụng học máy để phát hiện gian lận trong số hàng triệu giao dịch xảy ra mỗi ngày đòi hỏi các giải pháp lưu trữ tinh vi có khả năng xử lý và kiến tạo từ khối lượng lớn dữ liệu có sẵn. Để đạt được điều này, American Express đã sử dụng công nghệ lưu trữ cơ sở hạ tầng phân tán dựa trên nền tảng Hadoop.6

Sử dụng công nghệ lưu trữ truyền thống không thể giúp công ty truy cập nhanh chóng và đầy đủ dữ liệu giao dịch lịch sử để đưa ra dự đoán chính xác trong khung thời gian ngắn nhất chấp nhận được.

Các hệ thống phát hiện gian lận của American Express, đã sử dụng kết hợp các kỹ thuật học máy có giám sát và không giám sát để ngày càng thông minh và hiệu quả hơn trong việc phát hiện và thông báo khi gặp phải dữ liệu về các giao dịch gian lận.

Kết quả đạt được là gì?

Phân tích các giao dịch trong thời gian thực bằng thuật toán học máy có nghĩa là sẽ có nhiều khả năng các giao dịch gian lận được phát hiện.

Điều đó cũng có nghĩa sẽ có ít khả năng xảy ra tình trạng đánh dấu nhầm các giao dịch hợp lệ, giảm sự bất tiện cho khách hàng và giúp họ tin tưởng hơn vào hệ thống thanh toán American Express để thực hiện các giao dịch trên toàn thế giới.

Nhiều giao dịch gian lận sẽ bị chặn ngay khi chúng xảy ra, có nghĩa là American Express có thể giảm thiểu việc khắc phục hậu quả, chẳng hạn như thu hồi số tiền đã bị chi trái phép; qua đó, giảm đáng kể chi phí thời gian và công sức liên quan đến việc xử lý gian lận.

Những thách thức và bài học chính được rút ra

  • Các mô hình học máy để phát hiện gian lận cần liên tục thích nghi và tự cập nhật theo thời gian thực, nghĩa là chúng cần một luồng dữ liệu xuyên suốt và nhất quán để tự học và tiến hoá.
  • Hệ thống lưu trữ phân tán và hệ thống máy tính công suất lớn là những điều phải có để xử lý cùng lúc lượng dữ liệu khổng lồ cần thiết nhằm đưa ra được chính xác các dự đoán trong thời gian thực.
  • American Express cần xử lý liên tục một lượng lớn các giao dịch hàng ngày, điều này có nghĩa là chỉ cần một sự gia tăng nhỏ về hiệu quả cũng có thể tạo ra những cải tiến vượt bậc cho bảo mật tổng thể của cả hệ thống.
  • Cũng giống như việc phát hiện gian lận, các doanh nghiệp dịch vụ tài chính đang tìm kiếm các giải pháp về AI nhằm gia tăng giá trị cho khách hàng của họ và dẫn đến những thay đổi trong cách thức các khách hàng có thể truy cập dịch vụ của mình.

Tham khảo

1. American Express, Company 2018 Investor Day: http://ir.american-express.com/Cache/1001233287.PDF?O=PDF&T=&Y=&D=&FID=1001233287&iid=102700

2. Forbes, The World’s Most Valuable Brands: https://www.forbes.com/powerful-brands/list/

3. The Nilson Report, Card Fraud Losses: https://nilsonreport.com/upload/content_promo/The_Nilson_Report_Issue_1118.pdf

4. Mapr, New Age Fraud Analytics: Machine Learning on Hadoop: https://mapr.com/blog/new-age-fraud-analytics-machine-learning-hadoop/

5. American Express, American Express Acquires Mezi: https://about.americanexpress.com/press-release/american-express-acquires-mezi

6. Mapr, Machine Learning at American Express: Benefits and Require-ments: https://mapr.com/blog/machine-learning-american-express-benefits-and-requirements/

Leave a Reply