Empresas e organizações estão usando cada vez mais a IA para proteger seus clientes e frustrar os esforços de fraudadores em todo o mundo.
A empresa de segurança de voz Hiya descobriu que 550 milhões de chamadas fraudulentas foram feitas por semana em 2023, com a INTERPOL estimando que os golpistas roubaram US$ 1 trilhão das vítimas no mesmo ano. Nos EUA, uma em cada quatro chamadas da lista de não contato foi sinalizada como suspeita de spam, com os fraudadores frequentemente atraindo as pessoas para golpes relacionados ao Venmo ou de garantia estendida.
Os métodos tradicionais de detecção de fraudes incluem sistemas baseados em regras, modelagem estatística e revisões manuais. Esses métodos têm lutado para escalar o crescente volume de fraudes na era digital sem sacrificar a velocidade e a precisão. Por exemplo, os sistemas baseados em regras geralmente têm altas taxas de falsos positivos, a modelagem estatística pode ser demorada e consumir muitos recursos e as revisões manuais não podem ser dimensionadas com rapidez suficiente.
Além disso, os workflows tradicionais de ciência de dados carecem da infraestrutura necessária para analisar os volumes de dados envolvidos na detecção de fraudes, levando a tempos de processamento mais lentos e limitando a análise e detecção em tempo real.
Além disso, os próprios fraudadores podem usar grandes modelos de linguagem (LLMs) e outras ferramentas de IA para induzir as vítimas a investir em golpes, desistir de suas credenciais bancárias ou comprar criptomoedas.
Mas a IA, juntamente com sistemas de computação acelerados, pode ser usada para verificar a IA e ajudar a mitigar todos esses problemas.
As empresas que integram ferramentas robustas de detecção de fraudes de IA observaram uma melhoria de até 40% na precisão da detecção de fraudes, ajudando a reduzir os danos financeiros e de reputação às instituições.
Essas tecnologias oferecem infraestrutura e soluções robustas para analisar grandes quantidades de dados transacionais e podem reconhecer padrões de fraude de forma rápida e eficiente e identificar comportamentos anormais.
As soluções de detecção de fraudes baseadas em IA fornecem maior precisão de detecção, analisando o quadro geral em vez de transações individuais, detectando padrões de fraude que os métodos tradicionais podem ignorar. A IA também pode ajudar a reduzir falsos positivos, aproveitando dados de qualidade para fornecer contexto sobre o que constitui uma transação legítima. E, mais importante, a IA e a computação acelerada fornecem melhor escalabilidade, capazes de lidar com redes de dados massivas para detectar fraudes em tempo real.
Como as Instituições Financeiras Usam a IA para Detectar Fraudes
Os serviços financeiros e bancários são a linha de frente da batalha contra fraudes, como roubo de identidade, controle de contas, transações falsas ou ilegais e golpes de cheques. Espera-se que as perdas financeiras em todo o mundo devido a fraudes em transações com cartão de crédito cheguem a US$ 43 bilhões até 2026.
A IA está ajudando a aumentar a segurança e enfrentar o desafio da escalada de incidentes de fraude.
Bancos e outras instituições de serviços financeiros podem aproveitar as tecnologias da NVIDIA para combater fraudes. Por exemplo, o NVIDIA RAPIDS Accelerator para Apache Spark permite um processamento de dados mais rápido para lidar com grandes volumes de dados de transações. Bancos e instituições de serviços financeiros também podem usar o novo workflow de IA da NVIDIA para detecção de fraudes, aproveitando ferramentas de IA como XGBoost e redes grafos neurais (GNNs) com NVIDIA RAPIDS, NVIDIA Triton e NVIDIA Morpheus, para detectar fraudes e reduzir falsos positivos.
O BNY melhorou a precisão da detecção de fraudes em 20% usando sistemas NVIDIA DGX. O PayPal melhorou a detecção de fraudes em tempo real em 10% executando a inferência baseada em GPU NVIDIA, enquanto reduziu a capacidade do servidor em quase 8 vezes. E o Swedbank treinou redes adversárias generativas em GPUs NVIDIA para detectar atividades suspeitas.
Agências Federais dos EUA Combatem Fraudes com IA
O Escritório de Responsabilidade do Governo dos Estados Unidos estima que o governo perde até US$ 521 bilhões anualmente devido a fraudes, com base em uma análise dos anos fiscais de 2018 a 2022. Fraude fiscal, fraude de cheques e pagamentos indevidos a empreiteiros, além de pagamentos indevidos nos programas de Previdência Social e Medicare, tornaram-se um grande obstáculo para as finanças do governo.
Embora algumas dessas fraudes tenham sido infladas pela recente pandemia, encontrar novas maneiras de combater a fraude tornou-se um imperativo estratégico. Como tal, as agências federais recorreram à IA e a computação acelerada para melhorar a detecção de fraudes e evitar pagamentos indevidos.
Por exemplo, o Departamento do Tesouro dos EUA começou a usar machine learning no final de 2022 para analisar seu tesouro de dados e mitigar fraudes de cheques. O departamento estimou que a IA ajudou as autoridades a prevenir ou recuperar mais de US$ 4 bilhões em fraudes no ano fiscal de 2024.
Junto com o Departamento do Tesouro, agências como a Receita Federal buscaram IA e machine learning para fechar a lacuna fiscal, incluindo fraude fiscal, que foi estimada em US$ 606 bilhões no ano fiscal de 2022. O IRS explorou o uso de frameworks de ciência de dados acelerados da NVIDIA, como RAPIDS e Morpheus, para identificar padrões anômalos em registros de contribuintes, acesso a dados e vulnerabilidades e exposições comuns. LLMs combinados com geração aumentada por recuperação e RAPIDS também foram usados para destacar registros que podem não estar alinhados com as políticas.
Como a IA Pode Ajudar a Área da Saúde a Conter Possíveis Fraudes
De acordo com o Departamento de Justiça dos EUA, fraudes, desperdícios e abusos na área da saúde podem representar até 10% de todos os gastos com saúde. Outras estimativas consideraram essa porcentagem mais próxima de 3%. A fraude do Medicare e do Medicaid pode chegar perto de US$100 bilhões. Independentemente disso, a fraude na área da saúde é um problema que vale centenas de bilhões de dólares.
O desafio adicional com a fraude na área da saúde é que ela pode vir de todas as direções. Ao contrário do IRS ou do setor de serviços financeiros, a área da saúde é um ecossistema fragmentado de sistemas hospitalares, seguradoras, empresas farmacêuticas, consultórios médicos ou odontológicos independentes e muito mais. A fraude pode ocorrer tanto no nível do provedor quanto do paciente, pressionando todo o sistema.
Os tipos comuns de possíveis fraudes na área de saúde incluem:
- Faturamento por serviços não prestados
- Upcoding: cobrança por um serviço mais caro do que o prestado
- Desagregação: várias faturas para o mesmo serviço
- Falsificação de registros
- Usando o seguro de outra pessoa
- Prescrições falsificadas
As mesmas tecnologias de IA que ajudam a combater fraudes em serviços financeiros e no setor público também podem ser aplicadas à área da saúde. As seguradoras podem usar a detecção de padrões e anomalias para procurar sinistros que pareçam atípicos, seja do provedor ou do paciente, e examinar os dados de faturamento em busca de atividades potencialmente fraudulentas. O monitoramento em tempo real pode detectar atividades suspeitas na origem, à medida que estão acontecendo. E o processamento automatizado de sinistros pode ajudar a reduzir o erro humano e detectar inconsistências, melhorando a eficiência operacional.
O processamento de dados por meio do NVIDIA RAPIDS pode ser combinado com machine learning e GNNs ou outros tipos de IA para ajudar a detectar melhor fraudes em todas as camadas do sistema de saúde, auxiliando pacientes e profissionais em todos os lugares que lidam com altos custos de atendimento.
IA para Detecção de Fraudes Pode Economizar Bilhões de Dólares
Os serviços financeiros, o setor público e a área da saúde estão usando a IA para detecção de fraudes para fornecer uma defesa contínua contra um dos maiores drenos da atividade econômica do mundo.
A plataforma de IA da NVIDIA oferece suporte a todo o pipeline de detecção de fraudes e verificação de identidade, desde a preparação de dados até o treinamento do modelo e a implantação, com ferramentas como NVIDIA RAPIDS, Servidor de Inferência NVIDIA Triton e NVIDIA Morpheus na plataforma de software NVIDIA AI Enterprise.
Saiba mais sobre as soluções da NVIDIA para detecção de fraudes com IA e computação acelerada.