Enligt en nylig rapport från den amerikanska skattkammaren om hanteringen av konstgjord intelligens (AI)-relaterade risker inom finanssektorn har större finansiella institutioner en konkurrensfördel gentemot mindre institutioner när det gäller AI-baserad bedrägeriförebyggande. Rapporten lyfter fram bristen på tillgängliga data för att träna AI-modeller för bedrägeriförebyggande, särskilt på grund av bristande datautbyte mellan företag. Mindre finansiella institutioner saknar oftast de interna data och expertkunskaper som krävs för att utveckla egna anti-bedrägeri AI-modeller, medan större institutioner har tillgång till omfattande historisk data. Rapporten betonar behovet av samarbete och datautbyte mellan finansiella institutioner för att förbättra träningen av anti-bedrägeri AI- och maskininlärningsmodeller. Den erkänner också att bedragare själva har utnyttjat AI- och ML-teknologier, vilket gör samarbetet mellan finansiella institutioner ännu mer avgörande.

Forskning från PYMNTS Intelligence visar att finansiella institutioner förlitar sig på en kombination av interna system för bedrägeriförebyggande, resurser från tredje part och nya teknologier för att bekämpa bedrägeri. Medan användningen av AI och ML inom bedrägeriförebyggande ökar noterar rapporten att utvecklingen av dessa verktyg kan vara kostsam, vilket resulterar i att endast en liten andel av finansiella institutioner bygger sina egna AI- och ML-teknologier för bedrägeriförebyggande. Samarbeten med leverantörer från tredje part är vanliga när det gäller att skaffa verktyg för bedrägeribekämpning. Rapporten drar slutsatsen att kombinera teknik med kritiskt tänkande är avgörande för att effektivt hantera finansiell brottslighet och förespråkar ett tillvägagångssätt i stil med "Robocop, inte Terminator".