Potensi Gen AI untuk mendeteksi dan mencegah penipuan cukup besar, demikian pula kapasitasnya untuk melakukan penipuan dalam skala yang belum pernah terjadi sebelumnya. Saat lembaga keuangan dan perusahaan fintek bergelut dengan dualitas tersebut, memahami hakikat sebenarnya peran Gen AI dalam pencegahan penipuan, dan pertahanan yang dibutuhkan untuk memerangi penipuan yang didukung AI menjadi sangat penting.
Peran Ganda Gen AI dalam Pencegahan Penipuan
Generative AI, dengan kemampuannya untuk membuat teks, gambar, bahkan suara seperti manusia, telah merevolusi banyak industri. Namun, kemampuan ini merupakan pedang bermata dua dalam bidang penipuan. Di satu sisi, Gen AI dapat meningkatkan sistem deteksi penipuan dengan mengidentifikasi pola dan anomali yang mungkin terlewat oleh analis manusia. Di sisi lain, teknologi ini dapat digunakan oleh pelaku penipuan untuk menciptakan email phising yang sangat meyakinkan, suara deepfake, dan identitas sintetis.
Sebuah studi oleh Javelin Strategy & Research mengungkapkan bahwa penipuan identitas merugikan konsumen di Amerika Serikat sebesar 56 miliar dollar AS pada tahun 2020, dengan sebagian besar disebabkan oleh penipuan identitas sintetis (jenis penipuan yang dapat diperburuk oleh Gen AI dengan menciptakan identitas yang realistis tetapi palsu). Seiring dengan semakin canggihnya para penipu dalam menggunakan AI, tantangan bagi lembaga keuangan tidak hanya mengimbangi tetapi menjadi yang terdepan.
Pertahanan Sejati Melawan Penipuan Berbasis Gen AI
Bertentangan dengan kepercayaan umum, pertahanan utama melawan penipuan berbasis Gen AI bukanlah dengan menambah lebih banyak alat Gen AI. Sebaliknya, pertahanan terbaik terletak pada teknologi yang sudah ada dan telah dikembangkan serta disempurnakan selama dekade terakhir. Teknologi tersebut meliputi analitik data, machine learning, biometric, dan computer vision. Mari kita bahas bagaimana masing-masing alat ini memainkan peran penting dalam pencegahan penipuan.
Data Analytics: Dasar Deteksi Penipuan
Data merupakan sumber utama dari setiap sistem deteksi penipuan. Dengan maraknya transaksi digital, lembaga keuangan memiliki akses ke sejumlah besar data yang dapat dianalisis untuk mendeteksi akitivitas penipuan. Teknik analitik data yang canggih dapat menyaring titik-titik data tersebut guna mengidentifikasi pola dan anomali yang menunjukkan adanya penipuan.
Misalnya, sistem pemantaun transaksi dapat menandai adanya pola pengeluaran yang tidak biasa, seperti beberapa transaksi bernilai tinggi dalam waktu singkat, yang menyimpang dari kebiasaan nasabah. Dengan memanfaatkan data historis, sistem tersebut dapat membangun profil untuk transaksi yang sah dan mengidentifikasi penyimpangan yang mungkin menunjukkan adanya penipuan.
Machine Learning: Beradaptasi dengan Ancaman yang Berkembang
Machine Learning (ML) telah menjadi landasan sistem deteksi penipuan modern. Tidak seperti sistem berbasis aturan yang memerlukan parameter yang telah ditetapkan sebelumnya, algoritme ML dapat belajar dari data dan beradaptasi dengan pola penipuan baru dari waktu ke waktu. Kemampuan beradaptasi ini sangat penting dalam lanskap di mana taktik penipuan terus berkembang.
Sebuah laporan dari the Association of Certified Fraud Examiners (ACFE) menemukan bahwa organisasi yang menggunakan teknologi analitik prediktif dan machine learning menunjukkan penurunan kerugian akibat penipuan sebesar 22 penipuan. Model machine learning dapat menganalisis sekumpulan data besar untuk mengidentifikasi korelasi yang tidak kentara dan mendeteksi skema penipuan yang muncul. Model ini juga dapat terus ditingkatkan seiring dengan banyaknya paparan data, sehingga semakin efekif dari waktu ke waktu.
Biometrik: Meningkatkan Verifikasi Identitas
Teknologi biometrics, seperti pemindaian sidik jari, pengenalan wajah, dan autentikasi suara, telah merevolusi sistem verifikasi identitas. Teknologi ini menambahkan lapisan keamanan ekstra dengan memastikan bahwa seseorang yang melakukan transaksi adalah orang yang mereka klaim.
Sebuah studi oleh MarketsandMarkets memperkirakan bahwa pasar sistem biometrik global akan tumbuh dari 36,6 miliar Dollar AS di tahun 2020 menjadi 68,6 miliar Dollar AS pada tahun 2025, didorong oleh meningkatnya permintaan akan metode autentikasi yang aman. Biometrik dapat secara signifikan mengurangi risiko pengambilalihan rekening dan penipuan identitas sintetik dengan meverifikasi kehadiran fisik pengguna.
Computer Vision: Mendeteksi Pola Penipuan
Computer vision, sebuah bidang AI yang memungkinkan mesin untuk menafsirkan dan membuat keputusan berdasarkan data visual, memiliki aplikasi yang kuat dalam deteksi penipuan. Teknologi ini dapat menganalisis gambar dan video untuk mendeteksi tanda-tanda aktivitas penipuan.
Misalnya, computer vision dapat digunakan untuk mendeteksi dokumen palsu, seperti tanda pengenal palsu atau cek yang diubah. Teknologi ini juga dapat memantau rekaman pengawasan untuk mengidentifikasi perilaku mencurigakan di lokasi fisik, seperti ATM atau kantor cabang bank. Dengan mengintegrasikan computer vision dengan alat pendeteksi penipuan lainnya, lembaga keuangan dapat memperoleh pandangan menyeluruh terkait potensi ancaman.
Kabar baiknya adalah bahwa perangkat yang dibutuhkan untuk melawan penipuan berbasis Gen AI sudah tersedia. Lembaga keuangan dan perusahaan fintech harus fokus pada penerapan dan pengintegrasian teknologi ini secara menyeluruh untuk menciptakan sistem pertahanan berlapis.
Integrasi dan Kolaborasi
Mengintegrasikan berbagai alat deteksi penipuan ke dalam sebuah sistem kohesif merupakan hal penting guna memaksimalkan efektivitasnya. Kolaborasi antar berbagai departemen dalam satu organisasi, seperti bagian TI, keamanan, operasi, juga penting. Dengan berbagi wawasan dan data, tim-tim ini dapat menciptakan strategi terpadu untuk melawan penipuan.
Deteksi penipuan bukanlah upaya satu kali, melainkan proses yang berkelanjutan. Pemantauan dan peningkatan berkelanjutan terhadap sistem deteksi penipuan harus selalu terdepan/unggul dari ancaman yang terus berkembang. Memperbarui model machine learning, menyempurnakan teknik analitik data, dan menggabungkan teknologi biometrik baru secara berkala dapat meningkatkan efektivitas upaya pencegahan penipuan secara keseluruhan.
Lembaga keuangan dan perusahaan teknologi finansial memainkan peran penting dalam menerapkan teknologi canggih ini untuk melindungi nasabah mereka. Dengan berinvestasi dalam sistem deteksi penipuan yang tangguh dan menumbuhkan budaya kewaspadaan, mereka dapat mengurangi risiko yang ditimbulkan oleh Gen AI.
