在網絡犯罪分子眼中，信用卡企業無疑是最重要的攻擊目標之一。數以萬億計的美元流經他們的系統，想想就令人激動不已。正因為如此，單是2019年一年，全美就出現了超過27萬份信用卡欺詐報告，達到2017年的兩倍。

那么，信用卡公司該如何應對？很多金融機構正在使用人工智能嗅探并屏蔽欺詐行為。

比如，美國運通公司風險管理副總裁Anjali Dewan最近在TechFirst就在播客上表示，“著眼于整個金融服務行業，我們相信美國運通掌握著全球規模最大、先進度最高的機器學習系統。這些模型正在監控全部交易活動，并實時返回80億項信用與欺詐風險決策結果。”

據了解，美國運通在106個國家/地區發出1.4億張信用卡，客戶每年支付1.2萬億美元購買商品及服務，其中自然涉及大量交易與決策流程。

運通公司已經擁有十多年的AI欺詐管理經驗，目前即將發布第十種主要模型以監控并降低欺詐風險。

有趣的是，雖然AI技術當下可謂風頭無兩，但美國運通早在十年之前（即2010年）就已經開始使用AI，并在2015年將其所有風險管理模型全面轉換為AI形式。

運通，當之無愧的AI采用先驅。

如果關注2019年以來Gartner公司發布的人工智能炒作周期報告，大家就會發現AI云服務、機器學習、洞見引擎以及認知計算等技術已經脫離“虛假期望值”數年之久，更是早已經過了“啟蒙上升期”并逐步進入大家所真正渴望的“生產穩定期”。

2019年Gartner公司發布的人工智能炒作周期報告

由此得出的結論是，美國運通不僅是重要的早期采用者，更是在從AI技術中獲取實際價值方面領先于整體市場曲線。換句話說，目前的運通已經將AI全面推向生產穩定期。

Dewan在采訪中表示，“我們的全部模型都已經以AI技術為基礎，能夠顯著縮短客戶的生命周期。從新賬戶創建、額度分配、客戶管理與欺詐檢測開始，全程覆蓋。根據尼爾森報告公布的調查結果，大家會發現過去13年以來，美國運通一直保持著欺詐率方面的最低比例，僅為行業平均水平的一半。”

這確實值得欽佩。

盡管自COVID-19疫情爆發以來，信用卡欺詐活動有所增加，但Dewan表示運通方面的欺詐損失仍然控制在極低水平。

這樣的結果，離不開多方面努力。

欺詐行為一旦成功，當然會帶來金錢損失（最終由信用卡客戶承擔成本）;但即使欺詐活動失敗，損失同樣真實存在。如果客戶想要購買商品，但自己的信用卡卻被誤報為存在欺詐活動并受到拒絕，無疑會令其感到尷尬、沮喪、煩惱甚至決定轉投別家發卡商。隨著時間推移，這類情況可能對品牌形象造成負面影響，最終導致客戶群體分崩離析。

Dewan表示，美國運通希望在這兩類情況下帶來切實改善。

Dewan表示，“自2014年我們著手部署基于AI的欺詐解決方案以來，我們的欺詐活動數字化解決率提升了100%。在2014年之后，銷售點中斷幾率降低了21%，這極大改善了客戶們的使用體驗。”

Dewan無法透露太多實現這項壯舉背后所使用的軟硬件技術，但表示運通方面即將推出其全球欺詐檢測模型的第十次重大迭代，其中將使用生成對抗網絡（GAN）與順序遞歸神經網絡（RNN）進行風險決策處理。

GAN非常重要，因為其能夠快速提升模型效率。它屬于一種機器學習框架，由神經網絡間相互競爭以交替改進，借此以機器速度實現優化升級。RNN同樣非常重要，因為其不僅能夠處理輸入并將內容轉換為其他形式，同時也能在處理下一組數據的同時參考上一組數據結果，由此做出更智能、更精細的決策。

最終，所有這些后端技術，都會對前端客戶產生直接影響。

例如：當您飛往某國外城市，并打算購物時。Dewan介紹稱，“后臺會在15秒之內使用機器學習算法與信用卡持卡人進行個性化通信。可以采用電子郵件形式，也可以采用推送通知形式，或者是文本短信形式。通過靈活的實時溝通渠道，我們能夠與持卡人快速接觸并解決欺詐問題。”

當然，其中需要涉及大量數據。

Dewan指出，由于美國運通公司采取垂直導向的運營模式（即發卡、商戶支持及支付網絡運行完全由運通自行負責），因此與競爭對手相比，運通在本質上更具有平臺優勢：能夠基于更多數據做出更為明智的決策。

根據Dewan的介紹，整個欺詐檢測系統一直在不斷精進、愈發復雜。她總結道，“回顧2014年，當時我們需要使用150套模型來管理全球、各個國家、消費者以及商戶組合中的欺詐檢測工作。但如今我們只需要單一的全球模型，目標就是安全管理我們支付網絡中往來流動的1.2萬億美元。而即將于下個月推出的最新醋，將包含最新數據以及一系列更為強大的新功能。”
責編AJX