O Danske Bank, empresa de serviços financeiros com atuação nos países nórdicos, adotou um conjunto de tecnologias desenvolvidas pela Think Big Analytics, empresa da Teradata, para criar e lançar uma plataforma de detecção de fraude baseada em inteligência artificial (AI, na sigla em inglês). Com o projeto, a expectativa da empresa é alcançar 100% de retorno sobre os investimentos (ROI) já no seu primeiro ano de produção.
A solução usa machine learning para analisar dezenas de milhares de recursos, monitorando milhões de transações bancárias on-line em tempo real para fornecer uma visão que diferencie atividades verdadeiras das falsas e fraudulentas. Reduzindo o custo desse tipo de investigação, o Danske Bank tem aumentado sua eficiência.
Nadeem Gulzar, diretor de análise avançada do Danske Bank, aponta que o banco entende que as fraudes devem piorar no futuro próximo e no longo prazo, devido ao aumento da digitalização bancária e das aplicações bancárias móveis. “Reconhecemos a necessidade de usar técnicas de ponta para combater os fraudadores, detectando não apenas onde estão hoje, mas onde estarão amanhã. Usando Inteligência artificial, já reduzimos falsos positivos em 50% e, dessa forma, conseguimos realocar a metade da unidade de detecção de fraude para responsabilidades de maior valor.”
O sistema original de detecção de fraude do Danske Bank baseou-se em regras artesanais aplicadas proativamente pelo negócio ao longo do tempo. Com números recorde de falsos positivos – às vezes atingindo 99,5% de todas as transações – os custos e o tempo associados à investigação se tornaram muito altos, com grande parte da equipe de detecção de fraude se sentindo sobrecarregada, ainda que não estivesse efetivamente sendo utilizada.
A equipe de Think Big Analytics da Teradata começou a trabalhar com o Danske Bank em meados de 2016, para apoiar o pessoal de análise com conhecimento especializado sobre como utilizar os dados para obter benefícios mais amplos para o negócio.
A equipe conjunta começou o trabalho dentro da infraestrutura existente do banco e, em seguida, criou modelos avançados de machine learning para detectar fraude em milhões de transações por ano e em horários de pico, muitas centenas de milhares por minuto. Para garantir a transparência e incentivar a confiança, o mecanismo inclui uma camada de interpretação em cima dos modelos de machine learning, fornecendo explicações e interpretação da atividade de bloqueio.
Do ponto de vista de modelos de análises, os casos de fraude ainda são muito raros, com cerca de um caso de fraude em cada 100 mil. A equipe conseguiu tirar os falsos positivos dos modelos e reduzi-los em 50%. Ao mesmo tempo, foram capazes de capturar mais fraudes – aumentando a taxa de detecção em cerca de 60%. O programa antifraude do Danske Bank é o primeiro a colocar técnicas de machine learning em produção ao mesmo tempo em que desenvolve modelos de aprendizado profundo para testar as técnicas.
