Успех не в том, чтобы внедрить ИИ сразу везде, а в том, чтобы начать с конкретной задачи и не бросаться на каждую новую технологию — так формулирует главный вывод Адам Эннамли, директор по рискам General Bank of Canada, в интервью Corinium Intelligence, разбирая три реальных случая применения ИИ против мошенничества.
Первый случай — минфин США
За полтора года там развернули систему детекции мошенничества на основе ИИ, которая просматривает порядка 1,4 млрд платежей в год на общую сумму $6,9 трлн. Результат — $4 млрд предотвращённого мошенничества и ещё $1 млрд возвращённых средств по поддельным чекам. Работает связка из двух подходов: обучение с учителем — там, где схема мошенничества уже известна, и обучение без учителя — там, где схема ещё никому не известна, плюс отдельная модель, которая учится на самих рисковых транзакциях и автоматически распознаёт аномалии.
Второй случай — крупный американский банк
Там ИИ, анализируя паттерны транзакций и поведение клиентов, снизил число ложных срабатываний при проверке на отмывание денег на 95%. Смысл цифры не только в экономии — а в том, что аналитики перестали тонуть в потоке безобидных алертов и смогли сосредоточиться на тех случаях, которые действительно похожи на мошенничество.
Третий случай — крупная платёжная компания
Она разработала собственную систему на графовых нейросетях, которая анализирует не отдельные транзакции, а связи между продавцами — кто с кем и как связан. Итог — рост обнаружения скомпрометированных карт на 20%, что в переводе на деньги, по оценке компании, — «сотни миллионов долларов» предотвращённого риска.
Дальше Эннамли формулирует, что объединяет все три истории. Работать лучше «гибридно» — комбинируя несколько моделей и подходов, а не ставить всё на одну технологию. Начинать — с одного конкретного направления бизнеса, а не пытаться перестроить всё сразу. Приоритет отдавать участкам, где риск и потенциальная выгода выше всего. И главное условие для любого из этих пунктов — качественные данные, привязанные к чётко сформулированной бизнес-задаче, а не к абстрактному «давайте попробуем ИИ».
Финальная мысль интервью: человеческий контроль в этой модели не опция, а обязательное условие — без него даже самая точная модель остаётся просто статистикой.