Capital One potenzia le procedure per il rilevamento delle frodi con il machine learning

Proteggere i clienti pur riducendo i falsi positivi

Capital One è la banca digitale più grande degli Stati Uniti, oltre a essere uno degli istituti bancari di maggior dimensioni nel paese. Dal momento che i clienti continuano a preferire il digitale ai servizi fisici, Capital One ha abbracciato nuove tecnologie adottando e applicando soluzioni di AI e machine learning in quasi ciascun aspetto del business e includendo capacità di intelligence nell’esperienza dei clienti.


Uno dei campi in cui Capital One applica il machine learning è il campo del rilevamento delle frodi. Alcuni dei peggiori criminali digitali al mondo si concentrano sul settore dei servizi finanziari. Per questo la sicurezza è una priorità assoluta. Secondo un report del 2018 stilato dal Concilio di consulenti economici della Casa Bianca, le attività digitali dolose sono costate all’economia tra i 57 e i 109 milioni di dollari negli ultimi anni, con il settore finanziario che compare tra il settore più colpito di tutti gli altri.

Con le ingenti quantità di dati distribuiti attraverso numerosi centri di archiviazione, il machine learning ha svolto un ruolo inestimabile per permettere a Capital One di proteggere meglio lo stato finanziario dei suoi clienti, offrendo maggiori strumenti per la sicurezza e il riconoscimento delle frodi, e lavorando per ridurre i falsi positivi e i costi dell’azienda.

“Negli ultimi anni, abbiamo riconosciuto quanto sia importante sfruttare il machine learning per migliorare l’esperienza degli utenti, così come per aiutarci a prendere decisioni più informate su come rapportarci con i nostri clienti”, afferma Dott. Nitzan Mekel-Bobrov, Vicepresidente esecutivo del machine learning presso Capital One. “Costruiamo continuamente sistemi più sofisticati che possono sfruttare dati diversi, strutturati e non. Ciò ci permette di effettuare previsioni più precise per stabilire se un’attività è fraudolenta o meno”.

Utilizzando una suite vasta di strumenti e framework per il machine learning come TensorFlow su Amazon Web Services (AWS), Capital One è capace di analizzare grandi raccolte di dati, il che gli permette di rilevare e prevenire le frodi in tempo reale. Quando si verifica un’attività sospetta, Capital One avvertirà automaticamente i clienti, li accompagnerà lungo il procedimento per segnalare le frodi, li aiuterà a bloccare le rispettive carte e ordinarne di nuove e a sbloccare una carta temporanea per poter continuare a utilizzare i propri soldi. Con quantità sempre maggiori di dati, una cronologia di dati più lunga e algoritmi avanzati, Capital One si concentra sull’utilizzo del machine learning per rivoluzionare il modo in cui gestisce le frodi.

“Negli ultimi anni, abbiamo riconosciuto quanto sia importante sfruttare il machine learning per migliorare l’esperienza degli utenti, così come per aiutarci a prendere decisioni più informate su come rapportarci con i nostri clienti”.

Dott. Nitzan Mekel-Bobrov
Vicepresidente esecutivo del machine learning
Capital One

"Negli ultimi anni, abbiamo riconosciuto quanto sia importante sfruttare il machine learning per migliorare l'esperienza degli utenti, così come per aiutarci a prendere decisioni più informate su come rapportarci con i nostri clienti".

Dott. Nitzan Mekel-Bobrov
Vicepresidente esecutivo del machine learning
Capital One

Utilizzando i servizi di analisi dei dati e machine learning su AWS, Capital One può accedere a nuove opportunità per personalizzare l’esperienza dei clienti e ottenere maggiori insight su come rapportarsi con gli stessi e prendere decisioni chiave più informate per il business. Ciò si applica persino ai call center della banca, in cui viene utilizzata la tecnologia per il riconoscimento vocale all’interno di un sistema per la formazione e la convalida automatizzata, il quale, negli ultimi 18 mesi, ha quasi raddoppiato l’accuratezza del servizio.

“Con il machine learning, proteggiamo i nostri clienti prevenendo le frodi. E questo si applica su due fronti”, afferma Mekel-Bobrov. “Da una parte, questo è un componente fondamentale della nostra strategia di difesa. Dall’altra, possiamo evitare che i clienti abbiano un’esperienza negativa nel caso debbano effettuare delle operazioni bancarie ma queste gli siano rifiutate anche quando non necessario. Dunque, ci permette di proteggerli senza diventare iperprotettivi”.

Secondo Mekel-Bobrov, i falsi positivi sono famosi per essere causa di irritazione e persino alienazione tra i clienti. “Ora il machine learning ci permette di migliorare in modo continuo e dinamico l’equilibrio tra queste due facce della stessa medaglia”, afferma. “Possiamo migliorarci in quell’aspetto chiave che consiste nell’offrire protezione sufficiente, senza esagerare con troppi falsi positivi”.

Il cloud di AWS svolge un ruolo cruciale, poiché permette a Capital One di distribuire una serie di software locali e strumenti di machine learning, consentendo alla banca di controllare i suoi dati in tempo reale e fornire soluzioni rapide, essenziali in un settore così regolamentato. E poiché il cloud AWS offre la stessa (e a volte maggiore) sicurezza dei data center locali, Capital One può applicare tali soluzioni innovative pur continuando a essere responsabile della protezione dei clienti e dei loro dati.

“Con AWS e la nostra migrazione sul cloud, possiamo costruire un ecosistema di machine learning realmente moderno, in cui tutti i dati siano connessi e completamente disponibili”, afferma Mekel-Bobrov. “Ciò ci permette di distribuire modelli che sono impostati automaticamente per i dati in entrata, i quali ridimensionano automaticamente la nostra infrastruttura e si connettono alle nostre soluzioni per aggiungere ulteriore flessibilità. In questo modo ci possiamo concentrare su un utilizzo del machine learning che potrebbe salvare delle vite. Il meglio”.

Da partners.wsj.com

Kia utilizza il ML per ridurre gli incidenti fatali in auto

Ulteriori informazioni »

Zendesk aiuta le compagnie a fornire un servizio clienti più veloce utilizzando il ML

Ulteriori informazioni »

GE Healthcare migliora le prestazioni nel settore sanitario grazie al ML

Ulteriori informazioni »

Da T-Mobile, il ML rende il servizio clienti umano

Ulteriori informazioni »