आर्टिफिशियल इंटेलिजेंस (एआई) वित्तीय संस्थानों द्वारा धोखाधड़ी से निपटने के तरीके को बदल रहा है, और यह बदलाव संदिग्ध लेनदेन की पहचान प्रणालियों से कहीं आगे है। लेनदेन की बढ़ती गति के कारण, बैंकों को बहुत कम समय अंतराल में निर्णय लेने की आवश्यकता होती है, यह तय करना होता है कि किसी ऑपरेशन को ब्लॉक किया जाए, उसकी गहनता से जांच की जाए या उसे जारी रहने दिया जाए।
ब्राजील में, Pix इस परिवर्तन का एक प्रमुख उदाहरण है। आईबीएम में लैटिन अमेरिका में डेटा और आर्टिफिशियल इंटेलिजेंस रणनीति के लीडर कार्लोस क्रूज़ ने ओल्हार डिजिटल को बताया कि बैंक ऐसी सुरक्षा तकनीकों का उपयोग करने के आदी थे जो वास्तविक समय में नहीं होती थीं। नई भुगतान प्रणाली ने इस प्रतिक्रिया विंडो को नाटकीय रूप से छोटा कर दिया है, जिसके लिए अब डेटा, एआई, स्वचालन और लेनदेन निगरानी के एकीकरण की आवश्यकता है।
आईबीएम इंस्टीट्यूट फॉर बिजनेस वैल्यू (आईबीवी) द्वारा किए गए एक अध्ययन इस परिदृश्य को मजबूत करता है। इसने खुलासा किया कि साक्षात्कार में शामिल 61% अधिकारियों का मानना है कि धोखाधड़ी जोखिम का पता लगाना व्यवसाय के लिए सबसे अधिक मूल्य उत्पन्न करने वाली एआई एप्लीकेशन है। इसके बाद साइबर सुरक्षा (52%) आई,के.वाई. (अपने ग्राहक को जानें) और एएमएल (मनी लॉन्ड्रिंग रोकथाम) आए, दोनों का उल्लेख 45% बार हुआ।
यह सर्वेक्षण ऑक्सफोर्ड इकोनॉमिक्स के सहयोग से किया गया था और इसमें संयुक्त राज्य अमेरिका, यूनाइटेड किंगडम, ऑस्ट्रेलिया, भारत, सिंगापुर और जर्मनी में स्थित जोखिम, अनुपालन और सत्यापन के लिए जिम्मेदार 100 बैंक अधिकारियों ने भाग लिया। प्रतिभागियों को जोखिम निदेशक (सीआरओ), अनुपालन निदेशक (सीसीओ) और सत्यापन निदेशक (सीवीओ) के कार्यों में समान रूप से वितरित किया गया था, और यह शोध मई 2025 में हुआ था।
वर्तमान मुख्य चुनौती जोखिम की पहचान को बैंक द्वारा तत्काल प्रतिक्रिया में बदलने में निहित है। पहले, एआई सिस्टम और अन्य उपकरण केवल लेनदेन होने के बाद ही अलर्ट जारी कर सकते थे, जिससे बाद में जांच और कार्रवाई संभव हो पाती थी। हालांकि, तत्काल लेनदेन के साथ, यह पद्धति अपनी प्रभावशीलता का कुछ हिस्सा खो देती है।
क्रूज़ स्पष्ट करते हैं कि Pix ने धोखाधड़ी और धन भेजने के बीच के समय अंतराल को कम कर दिया है, जिससे बैंकों को बहुत कम समय अवधि में जोखिम का मूल्यांकन करने के लिए मजबूर होना पड़ा है। इस संदर्भ में, संस्थान को धोखाधड़ी का पता लगाने की क्षमता और वैध लेनदेन को रोकने के जोखिम के बीच संतुलन बनाना होगा। अधिकारी बताते हैं कि यह बैंकों द्वारा प्रौद्योगिकी के ऐतिहासिक उपयोग से एक बदलाव का प्रतीक है, और पूछते हैं: 'मैं अपने अलर्ट के पैमाने को कैसे विनियमित करूं ताकि मैं अपराधी को पकड़ सकूं और वास्तविक ग्राहक के संसाधन उपयोग को प्रभावित न करूं?' वह इस बात पर जोर देते हैं कि अतीत में, एआई का उपयोग प्रतिक्रिया उपकरण के रूप में किया जाता था, जो घटना के बाद अलर्ट उत्पन्न करता था।
वर्तमान में, क्रूज़ के अनुसार, बैंक डेटा, आर्टिफिशियल इंटेलिजेंस, स्मार्ट ऑटोमेशन और निरंतर निगरानी की रणनीतियों के संयोजन का उपयोग करते हैं। ये प्रौद्योगिकियां समय के साथ ग्राहक के व्यवहार और लेनदेन के समापन से पहले उसके मार्ग दोनों को ट्रैक करने में सक्षम हैं।
आईबीएम की रिसर्च इंगित करती है कि अधिकारियों द्वारा धोखाधड़ी का पता लगाना एआई के लिए सबसे अधिक क्षमता वाला क्षेत्र माना जाता है, लेकिन तकनीकी कार्यान्वयन के लिए मॉडल को मान्य करने और जोखिमों का प्रबंधन करने के लिए मजबूत तंत्र की भी आवश्यकता होती है। इक्यावन प्रतिशत सत्यापन को कर्मचारियों और क्षमताओं में निवेश के लिए महत्वपूर्ण बताते हैं, जबकि 46% जोखिम नियंत्रण की आवश्यकता पर सहमत हैं।
यह निर्धारित करने के लिए कि कोई लेनदेन संदिग्ध है या वैध, बैंक को यह जानने की व्यापक दृष्टि की आवश्यकता है कि भुगतान कौन कर रहा है। क्रूज़ इसे संस्थानों की एक केंद्रीय चुनौती के रूप में पहचानते हैं: ग्राहक इकाई का एक सुसंगत चित्र बनाने के लिए आवश्यक जानकारी को समेकित करना। वह विस्तार से बताते हैं कि जब बैंक को ग्राहक पता होता है, तो यह भेद करना आसान हो जाता है कि क्या यह धोखाधड़ी है या भुगतान चैनल या साधन का दुरुपयोग है।
स्थिति तब जटिल हो जाती है जब वित्तीय डेटा विभिन्न संस्थाओं और सेवाओं के बीच बिखरा होता है। क्रूज़ ओपन फाइनेंस की प्रगति को एक गंभीर कारक बताते हैं, क्योंकि एक ही ग्राहक के बारे में जानकारी कई संगठनों से जुड़ी हो सकती है, जिससे वित्तीय प्रोफ़ाइल का पूर्ण दृष्टिकोण प्राप्त करना मुश्किल हो जाता है।
अध्ययन केवाईसी और एएमएल को एआई द्वारा परिवर्तित किए जाने वाले सबसे कठिन प्रक्रियाओं के रूप में भी उजागर करता है: 43% अधिकारी उन्हें सबसे चुनौतीपूर्ण मानते हैं, जो धोखाधड़ी का पता लगाने (36%), साइबर सुरक्षा, क्रेडिट और मूल्य निर्धारण, और अनुपालन रिपोर्टिंग को पीछे छोड़ देते हैं, सभी 33% के साथ। समानांतर में, 45% उत्तरदाताओं को उम्मीद है कि एआई इन केवाईसी और एएमएल प्रक्रियाओं में महत्वपूर्ण परिवर्तन लाएगा।
क्रूज़ के लिए, ग्राहक ज्ञान पर केंद्रित डेटा रणनीति भुगतान विधियों की निगरानी और व्यवहार संबंधी विचलन की पहचान करने में सक्षम बनाती है। विचार इन जानकारियों को जोखिम मॉडल और जांच प्रौद्योगिकियों के साथ एकीकृत करना है, जिससे समस्या की पहचान से लेकर कार्रवाई तक एक क्रम बनता है।
वित्तीय अपराधों से लड़ने की रणनीति में सभी चरणों में एक ही एआई मॉडल का उपयोग करने की आवश्यकता नहीं होती है। क्रूज़ समझाते हैं कि विभिन्न कार्यों के अनुसार विभिन्न तकनीकों को लागू किया जा सकता है। उदाहरण के लिए, वास्तविक समय प्राधिकरण चरण में, पैटर्न का मूल्यांकन करने और ऑपरेशन को अधिकृत या अस्वीकार करने के लिए सांख्यिकी और नियतात्मक मॉडल के करीब संसाधनों का उपयोग किया जाता है। जांच गतिविधियों में, अन्य प्रकार के मॉडल नियोजित किए जाते हैं।
अधिकारी के अनुसार, अंतर प्रत्येक तकनीक की पूर्वानुमान क्षमता और एंटी-फ्रॉड रणनीति में उसके कार्य पर निर्भर करता है। जेनरेटिव एआई के मामले में, जो नियतात्मक नहीं है, उसके उत्तर कम अनुमानित होते हैं, जिससे बैंक यह समझने की कोशिश करते हैं कि ये प्रौद्योगिकियां वित्तीय अपराधों से लड़ने की प्रक्रिया के प्रत्येक चरण में कैसे काम करती हैं, ताकि यह जान सकें कि उनका सर्वोत्तम उपयोग सुरक्षा में कहाँ करना है और वे जांच के लिए कहाँ सबसे उपयुक्त हैं।
क्रूज़ जोड़ते हैं कि जेनरेटिव एआई जांच में मूल्यवान हो सकता है, जबकि नियतात्मक मॉडल धोखाधड़ी की प्रकृति पर निर्णयों के लिए अधिक उपयुक्त हैं। इसके अलावा, जेनरेटिव एआई उपकरणों का उपयोग अपराधियों द्वारा अपने हमलों को परिष्कृत करने के लिए किया जा सकता है, जिसमें ग्राहकों के पंजीकरण के दौरान डीपफेक, आवाज सिमुलेशन और सिंथेटिक पहचान बनाने के लिए इन तकनीकों का उपयोग शामिल है।
नियंत्रण तंत्र भी अनुसंधान द्वारा इंगित प्राथमिकताओं में से हैं। इक्यावन प्रतिशत अधिकारियों का मानना है कि तनाव परीक्षण सिमुलेशन कंपनी में एआई को बढ़ाने के लिए जोखिम और अनुपालन की मुख्य प्राथमिकता है, जबकि 48% वास्तविक समय जोखिम नियंत्रण पर प्रकाश डालते हैं। सर्वेक्षण यह भी प्रकट करता है कि निगरानी के महत्व और उसके व्यावहारिक अनुप्रयोग के बीच एक असमानता है: केवल 25% साक्षात्कार किए गए पेशेवरों ने उच्च जोखिम वाले एआई उपयोग के मामलों में लगातार वास्तविक समय निगरानी लागू करने का दावा किया है।
प्रौद्योगिकी के अतिरिक्त, ऐसे पेशेवरों की मांग है जो वित्तीय धोखाधड़ी, डेटा, प्रौद्योगिकी, कानून और संचालन के ज्ञान को एक साथ ला सकें। क्रूज़ देखते हैं कि यह प्रोफ़ाइल विभिन्न क्षेत्रों में महारत की आवश्यकता के कारण दुर्लभ है। वह स्थिति को एक असममित दौड़ के रूप में वर्णित करते हैं, जहां अपराधी कुछ प्रौद्योगिकियों की कम लागत के कारण हमेशा आगे प्रतीत होते हैं, जबकि बैंक प्रौद्योगिकी, डेटा और कानूनी और परिचालन हिस्से के त्रिकोण को प्रबंधित करने में सक्षम लोगों को खोजने के लिए संघर्ष करते हैं।
क्रूज़ निष्कर्ष निकालते हैं कि 'पता लगाने के हिस्से से लेकर आपके कार्रवाई करने तक, इस कन्वेयर बेल्ट को एकीकृत तरीके से काम करना चाहिए'।