Una recente indagine condotta dall’Association of Certified Fraud Examiners (Acfe) e da Sas ha rilevato che 8 persone su 10 (83%) prevedono di includere la GenAI nei loro strumenti antifrode entro il 2025.
Come rivela Carmelo Garofalo, fraud & security intelligence practice manager Sas, reparti antifrode, rischio e compliance sono sempre più sotto pressione a causa della crescente sofisticazione delle frodi finanziarie. Se da una parte l’intelligenza artificiale alimenta nuove minacce come i deepfake e il phishing, dall’altra offre anche strumenti potenti per contrastare questi attacchi:
“Gli esperti antifrode si affidano comunemente a modelli di machine learning per scoprire attività che si adattano a schemi frodatori noti e per identificare tendenze nuove ed emergenti nelle frodi. Oltre a rilevare modalità di frode consolidate, gli algoritmi di machine learning possono prontamente segnalare transazioni sospette quando i truffatori modificano i loro metodi. Gli esperti antifrode utilizzano anche l’elaborazione del linguaggio naturale (NLP) e l’analisi testuale per estrarre dati come il valore della transazione, il luogo in cui è avvenuta, gli indirizzi IP e altri documenti”.
Recentemente, l’interesse si è concentrato sulla GenAI, in grado di superare i limiti dei metodi tradizionali. Grazie infatti alla sua capacità di individuare pattern complessi nei dati dei pagamenti, questa tecnologia apre nuove frontiere nella lotta alle frodi, rivelando anomalie che sfuggono sia ai sistemi basati su regole che ai modelli predittivi convenzionali. Ma come questa tecnologia può aiutare a prevenire i crimini finanziari?
La GenAI come assistente digitale
L’Adaptive Learning rappresenta una rivoluzione nella prevenzione delle frodi. Grazie alla capacità di apprendere continuamente dai dati in tempo reale, i sistemi basati sulla GenAI si evolvono costantemente, adattandosi alle mutevoli tattiche dei fraudatori. “Questo processo di apprendimento continuo consente all’AI di adattare i propri meccanismi di rilevamento in modo dinamico, migliorando la propria capacità di identificare attività fraudolente con maggiore accuratezza”, dice Garofalo.
Per prevenire le frodi, la Behavioral Analysis si avvale di algoritmi GenAI in grado di costruire una baseline del comportamento normale per ciascun utente. Analizzando un’ampia gamma di dati, dai modelli di digitazione alle routine di accesso, questi sistemi identificano le anomalie, consentendo così un intervento tempestivo.
La disponibilità di una grande quantità di dati favorisce la Threat Intelligence, che permette di anticipare e neutralizzare le frodi: “Sfruttando una vasta gamma di fonti di dati, tra cui report di settore, bollettini sulla sicurezza e dati sugli incidenti in tempo reale, GenAI, attraverso gli algoritmi di Nlp, può apprendere informazioni sugli ultimi schemi di frode e adattare i propri modelli di machine learning di conseguenza”.
Questa conoscenza approfondita delle minacce consente di adattare in modo proattivo le misure di sicurezza, superando l’approccio reattivo. I Large Language Models (Llm), capaci di elaborare e comprendere grandi quantità di testo, agiscono come veri e propri assistenti digitali in grado di catalogare, interpretare e sintetizzare rapidamente i dati, aiutando i team investigativi a individuare le informazioni più rilevanti e a collegare i punti cruciali.
“Assistenti digitali di questo tipo possono generare narrazioni sintetiche, evidenziare dettagli chiave, identificare potenziali lacune e conflitti nel processo investigativo e persino suggerire attività di follow-up”, prosegue Garofalo.
La sinergia tra AI tradizionale e Generative AI
Ciò che rende unica la GenAI è la sua capacità di apprendere e adattarsi continuamente. Grazie al feedback degli utenti, questi modelli si affinano costantemente, fornendo una comprensione sempre più profonda del contesto. Questa evoluzione garantisce accuratezza e trasparenza. Combinata con le tecniche di intelligenza artificiale tradizionali, infatti, la GenAI crea una sinergia potente, potenziando e migliorando le difese contro le frodi.
Secondo Gartner, entro il 2026 il 75% delle aziende utilizzerà la GenAI per creare dati sintetici sui clienti, rispetto a meno del 5% nel 2023. Come spiega Garofalo, “i dati sintetici sono dati generati da algoritmi che imitano i dati del mondo reale. Le organizzazioni utilizzano i dati sintetici generati dall’AI quando i dati reali non sono disponibili, sono inadeguati o inappropriati a causa di informazioni sensibili o private; costo proibitivo; inefficienza del labeling manuale; bias o squilibrio; carenza di dati in scenari rari”.
Ma i dati sintetici puntano a rivoluzionare il settore finanziario. Come rivela un altro studio di Gartner, questo tipo di dati promuoveranno l’inclusione finanziaria arricchendo le decisioni sul rischio di credito e aiutando le banche a migliorare la prevenzione delle frodi e dei reati finanziari.
Tra i casi di utilizzo ci sono l’addestramento di modelli di machine learning per individuare le frodi o riconoscere modelli di pagamento illeciti indicativi di un potenziale riciclaggio di denaro; la conduzione di test di violazione e la riduzione di falsi positivi simulando nuovi attacchi di frode; la condivisione in modo sicuro dei dati per lo sviluppo e il test del software senza compromettere la privacy o la sicurezza dei dati.
Per altri contenuti iscriviti alla newsletter di Forbes.it CLICCANDO QUI .
Forbes.it è anche su WhatsApp: puoi iscriverti al canale CLICCANDO QUI .
