Di Capital One, Meningkatkan Perlindungan Penipuan dengan Pembelajaran Mesin

Melindungi Pelanggan Sambil Mengurangi Kesalahan Positif Palsu

Capital One adalah salah satu bank terbesar di Amerika Serikat, serta merupakan bank digital terbesar. Saat pelanggan terus meninggalkan bisnis fisik demi digital, Capital One telah menganut teknologi baru, mengadopsi dan menerapkan solusi AI dan pembelajaran mesin untuk hampir semua faset bisnis dan menanamkan kecerdasan ke dalam pengalaman pelanggan.


Suatu area di mana Capital One menerapkan pembelajaran mesin adalah di dunia deteksi penipuan. Beberapa dari kriminal siber paling jahat di dunia fokus terhadap industri layanan keuangan, membuat keamanan menjadi yang paling vital. Menurut laporan tahun 2018 dari dewan penasihat ekonomi Gedung Putih, aktivitas siber yang berbahaya membuat kerugian terhadap ekonomi antara 57 miliar USD hingga 109 miliar USD dalam beberapa tahun terakhir, dengan sektor keuangan mengalami pembobolan paling parah dibandingkan dengan industri mana pun.

Dengan massa data yang besar didistribusikan di berbagai pusat penyimpanan, pembelajaran mesin menjadi sangat bernilai sama seperti Capital One bekerja untuk melindungi kesejahteraan keuangan pelanggannya dengan lebih baik; membantu mereka menjadi lebih kuat secara finansial, mengawasi dari penipuan dan bekerja untuk mengurangi positif palsu, dan pengelolaan pengeluaran mereka yang lebih baik.

“Kami telah memahami sejak sekian tahun lalu tentang pentingnya memanfaatkan pembelajaran mesin untuk meningkatkan pengalaman pengguna, serta membantu kami membuat keputusan yang penuh pertimbangan seputar keterlibatan dengan pelanggan kami,” kata Nitzan Mekel-Bobrov, Ph.D., wakil presiden pelaksana pembelajaran mesin di Capital One. “Kami terus menerus membangun sistem yang canggih yang dapat memanfaatkan berbagai macam data, terstruktur mau pun tidak terstruktur. Hal ini memungkinkan kami untuk membuat prediksi yang lebih presisi seputar apakah aktivitas tersebut bersifat tipuan atau tidak.”

Dengan memanfaatkan rangkaian yang luas dari peralatan pembelajaran mesin dan kerangka kerja, seperti TensorFlow di Amazon Web Services (AWS), Capital One mempunyai kemampuan untuk menganalisis sejumlah besar data, yang dapat membantu mendeteksi serta mencegah penipuan secara waktu nyata. Ketika aktivitas mencurigakan muncul, Capital One akan secara otomatis memberi tahu pelanggan, membimbing mereka melalui langkah-langkah laporan penipuan, membantu mereka mengunci kartu mereka dan memesan yang baru, serta membuka kartu sementara sehingga tidak ada interupsi terhadap kemampuan untuk menggunakan uang mereka. Dengan lebih banyak data, riwayat data yang lebih panjang dan algoritme lanjutan, Capital One fokus pada pemanfaatan pembelajaran mesin untuk merombak dengan cepat tentang cara mengatasi penipuan.

“Kami telah memahami sejak sekian tahun lalu tentang pentingnya memanfaatkan pembelajaran mesin untuk meningkatkan pengalaman pengguna, serta membantu kami membuat keputusan yang penuh pertimbangan seputar keterlibatan dengan pelanggan kami,”

Nitzan Mekel-Bobrov, Ph.D.
Wakil Presiden Pelaksana Pembelajaran Mesin
Capital One

“Kami telah memahami sejak sekian tahun lalu tentang pentingnya memanfaatkan pembelajaran mesin untuk meningkatkan pengalaman pengguna, serta membantu kami membuat keputusan yang penuh pertimbangan seputar keterlibatan dengan pelanggan kami,”

Nitzan Mekel-Bobrov, Ph.D.
Wakil Presiden Pelaksana Pembelajaran Mesin
Capital One

Bagi Capital One, menggunakan analisis data dan pembelajaran mesin di AWS memberikan berbagai kesempatan untuk menyesuaikan pengalaman pengguna mereka dan mendapat lebih banyak wawasan dalam berhubungan dengan pelanggan, serta membantu menginformasikan keputusan bisnis penting. Hal ini bahkan berlaku untuk pusat panggilan bank, di mana teknologi pengenalan suara telah digunakan di dalam pelatihan terotomatisasi dan sistem validasi yang mempunyai sekitar dua kali lipat akurasi dalam 18 bulan terakhir.

“Dengan pembelajaran mesin, kami melindungi pelanggan kami dengan mencegah penipuan. Namun pada saat yang sama, ini adalah situasi yang saling terkait erat,” ungkap Mekel-Bobrov. “Di satu sisi, ini merupakan komponen sangat penting dari strategi pertahanan kami. Tetapi di sisi lain, ini mencegah pelanggan mempunyai pengalaman negatif di mana mereka ditolak padahal seharusnya tidak. Ini membantu kami bersikap protektif, tetapi tidak berlebihan.”

Menurut pendapat Mekel-Bobrov, kesalahan positif palsu terkenal karena membuat pelanggan terganggu bahkan membuat pelanggan terasing. “Apa yang dapat kami lakukan sekarang dengan pembelajaran mesin adalah terus menjadi lebih baik dalam menyeimbangkan kedua sisi dari persamaan dengan lebih dinamis,” kata Mekel-Bobrov. “Kami dapat mengoptimalkan bagian penting dari penawaran perlindungan yang cukup, tetapi tidak berlebihan dengan terlalu banyak kesalahan positif palsu.”

Yang terpenting, AWS cloud memungkinkan Capital One untuk menerapkan serangkaian perangkat lunak internal dan peralatan pembelajaran mesin, memungkinkan bank untuk memanfaatkan datanya secara waktu nyata dan memberikan solusi cepat yang penting di dalam industri beregulasi tinggi. Dan karena AWS cloud sama amannya—dan sering kali lebih aman—dibandingkan dengan pusat data lokal, ia dapat menerapkan inovasi-inovasi ini sambil memegang teguh tanggung jawab untuk melindungi pelanggan dan data mereka.

“Dengan AWS dan kepindahan kami ke cloud, kami dapat membangun sebuah ekosistem pembelajaran mesin modern yang sesungguhnya, dengan semua data kami yang terhubung dan tersedia secara penuh,” kata Mekel-Bobrov. “Ini memungkinkan kami untuk menerapkan model yang secara otomatis mengatur ke data yang masuk, secara otomatis mengukur infrastruktur kami dan bahkan memasukkan solusi kami sendiri untuk menambah fleksibilitas.”—sehingga kami dapat fokus pada penggunaan pembelajaran mesin yang punya potensi menyelamatkan—secara lebih baik.”

Dari partners.wsj.com

Kia menggunakan ML untuk mengurangi kematian akibat kecelakaan mobil

Pelajari selengkapnya »

Zendesk membantu perusahaan mewujudkan layanan pelanggan dengan ML

Pelajari selengkapnya »

GE Healthcare mendorong layanan kesehatan yang lebih baik dengan ML

Pelajari selengkapnya »

T-Mobile memanusiakan layanan pelanggan dengan ML

Pelajari selengkapnya »