Comment l’IA lutte contre la fraude dans l’industrie des télécommunications
Les Américains ont perdu 29,8 milliards de dollars en fraude téléphonique au cours de la dernière année. La détection des fraudes par l’IA peut-elle changer cela ?
Plus de 59 millions d’Américains ont déclaré avoir perdu de l’argent à la suite d’escroqueries par téléphone au cours des 12 derniers mois environ, avec une perte moyenne signalée de 502 $, selon le rapport Truecaller Insights US Spam & Scam.
« La fraude est une considération majeure dans l’industrie des télécommunications », a déclaré le Dr Gadi Solotorevsky, CTO chez Amdocs cVidya, un fournisseur de solutions d’IA. « Aujourd’hui, près de 2 % ou plus de 1 500 milliards de dollars de revenus annuels mondiaux sont perdus chaque année en raison d’un comportement frauduleux. Les pertes totales dans l’industrie sont stupéfiantes. »
Solotorevsky a cité une enquête de 2019 de la Communications Fraud Control Association (CFCA) qui a révélé que les deux tiers des répondants ont connu une augmentation des activités frauduleuses.
« Nous rencontrons principalement des fraudes aux paiements et aux abonnements, des vols d’identité/usurpation d’identité, des prises de contrôle de compte, des menaces d’initiés et des échanges de cartes SIM », a déclaré Solotorevsky. « Nous rencontrons également toujours des scénarios de fraude traditionnels basés sur l’utilisation tels que le piratage PBX ou IP-PBX, les schémas de rappel et l’abus de réseaux et d’appareils faibles. »
VOIR:Aide-mémoire : Intelligence artificielle (PDF gratuit)(TechRepublic)
Dans la pratique antérieure, l’industrie des télécommunications traitait manuellement les plaintes pour fraude. Malheureusement, les enquêtes manuelles sur les fraudes ont pris un temps considérable avant que les modèles de fraude puissent être identifiés. À ce moment-là, le mal était fait.
Avec l’intelligence artificielle (IA), il existe une nouvelle approche de la détection des fraudes qui non seulement réduit le temps de découverte, mais limite la fenêtre de pertes de fraude.
L’IA facilite l’identification des changements dans les modèles de fraude connus, car elle utilise l’apprentissage automatique (ML). Avec le ML, les modèles de détection de fraude de l’IA peuvent s’adapter et créer de nouvelles règles pour la détection de la fraude, ce qui à son tour réduit l’exposition à la fraude et aux pertes monétaires.
« L’adaptabilité de l’IA est cruciale car les schémas de fraude changent tout le temps », a déclaré Solotorevsky. « Ils changent car une fois que les fraudeurs identifient que leurs méthodes et stratégies sont détectées, ils les modifient. En appliquant une IA auto-adaptative avec l’apprentissage automatique, les entreprises sont en mesure de détecter et de s’adapter rapidement à ces schémas de fraude en constante évolution. »
L’IA fonctionne en générant automatiquement des modèles d’apprentissage ajustables qui évaluent les résultats des prédictions de fraude passées. Ces modèles d’apprentissage s’améliorent ensuite continuellement pour une plus grande précision.
« L’apprentissage automatique est également largement utilisé pour créer de futurs modèles de fraude prédictifs », a déclaré Solotorevsky. « Par exemple, si un détaillant peut prédire au point de vente la propension qu’un nouveau client qui souhaite acheter un smartphone à commettre une fraude, il peut prendre des précautions supplémentaires, comme effectuer une vérification d’identité supplémentaire du client. »
VOIR:L’apprentissage automatique est un excellent outil pour la cybersécurité, mais soyez prudent, selon un expert(TechRepublic)
Le succès de Bell Canada avec l’IA en est un exemple.
« Dans une étude de cas réalisée par TM Forum et Amdocs, Bell Canada a constaté une amélioration de 150 % du temps nécessaire pour détecter les pertes dues à la fraude dans une partie importante de ses fraudes, et une amélioration de 200 % du temps nécessaire pour identifier de nouveaux stratagèmes de fraude. « , a déclaré Solotorevsky.
Mise en œuvre de l’IA
Pourtant, malgré le potentiel de l’IA pour lutter contre la fraude, il n’est pas facile pour les organisations de passer à l’IA.
« Les organisations doivent être sensibles au fait que la mise en œuvre de l’IA est un changement humain et technologique », a déclaré Solotorevsky.
Pour cette raison, une partie du plan de mise en œuvre de l’IA devrait être une analyse des lacunes qui identifie les lacunes de la main-d’œuvre et du flux de travail dans une organisation qui doivent d’abord être comblées avant d’introduire l’IA. Souvent, ces lacunes se présentent sous la forme d’employés n’ayant pas les bonnes compétences pour travailler aux côtés de l’IA. L’objectif final devrait être que le personnel travaille efficacement aux côtés de l’IA, et cela devrait être un objectif clé dans les projets d’IA.
En attendant, nous pouvons nous attendre à des améliorations de l’IA qui rendront la lutte contre la fraude plus efficace.
« La prochaine frontière est de créer une IA capable d’anticiper ce que sera le prochain stratagème de fraude, avant que les fraudeurs ne l’essayent », a déclaré Solotorevsky. « Cela ressemble à de la science-fiction, mais nous travaillons dans cette direction, en créant de nouveaux algorithmes et méthodologies qui feront exactement cela dans les années à venir. C’est pourquoi l’IA jouera un rôle essentiel à l’avenir. »