【51CTO.com快译】结账时银行卡交易被拒付令人沮丧又尴尬，甚至会严重损害品牌忠诚度;据万事达卡(Mastercard)的研究显示，由于银行卡被拒付，三分之一的人最终未购买零售商的商品。
这常常是由于交易被错误地标记为欺诈交易――判断付款否有效的算法谨慎过头了，有时算法会出错。
除了带来不便外，这些错误拒付给商家乃至更广泛的经济造成的损失约1180亿美元， 比实际银行卡欺诈造成的损失高出13倍。
但别害怕，因为人工智能再次成为救星。万事达卡借助其Decision Intelligence平台和AI Express平台，利用基于机器学习的预测分析技术，将这种情况的发生率降低了50%。
我有幸与该公司的全球企业、风险和安全总裁Ajay Bhalla谈论了这项技术如何运作、以及AI现在如何帮助万事达卡实现更多的战略目标。
实时分析意味着更准确的结果
Bhalla告诉我，由于收购了总部位于加利福尼亚州的人工智能专业公司Brighterion，检测欺诈和减少错误拒付的能力有了巨大飞跃。
与Brighterion一起开发的技术让它能够改而实时分析数据。机器学习算法必须非常高效，才能处理每年在全球4500万个地方进行的750亿次交易，这些交易由万事达卡的网络处理。
今天，决定要不要拒绝某笔交易取决于源源不断的数据流和自学算法，而不是静态样本数据集和固定的规则，这已取得了令人瞩目的成果。
Bhalla告诉我，由于有自学能力，人工智能系统总是与时俱进，不再出现学习滞后的情况。
他说：“它所做的工作是分析数十亿笔交易，搞清楚交易是欺诈性的倾向性有多大，当交易准备通过授权时，它会向系统中的银行提供此建议。
“它帮助我们发现了价值数十亿美元的欺诈。”
该系统使用了实时传输的交易数据、外部数据(包括匿名和汇总的客户信息)以及地理信息。
地理信息很有用，因为它不仅概述了某个区域“正常”的交易的类型，还揭示了与之有关的欺诈活动的模式。所有这些信息同样实时汇总起来。
这意味着可以检测、跟踪和阻止欺诈模式，有组织的团伙常常大规模实施欺诈，他们盯上某个地方的公司企业，或企图在遍布城市的众多ATM上“提现”。
Bhalla说：“从消费者的角度来看，这确实很好，因为这意味着对消费者来说审批更快，这意味着更多真正的交易得到审批。商家也喜欢它，因为对于商家来说，更多的审批意味着更多的生意。”
AI面临的挑战
Bhalla告诉我，多年来构建智能自动化系统已成为万事达卡的核心战略，但收购Brighterion并将其技术整合到万事达卡的系统向“纯粹的”AI迈出了一步。从客户服务到反洗钱措施，其业务的许多方面必将受益于人工智能大改进。
一大挑战在于确保数据的质量一向很高，因为如果交易记录或其他存储的数据出现错误，连最智能化的机器也不可避免地会做出错误的决策。
Bhalla将其公司在这方面的成功归功于50多年来在生成和验证交易记录方面所积累的经验――他告诉我：“我们已搞了好多年，但那通常是挑战――你得确保数据非常正确。”
第二个挑战是决定在公司中的哪个地方部署可能成本很高昂的AI基础架构时确定优先级。
早期做出的一个决定是，提高客户满意度最有可能带来***的长期效益。
Bhalla告诉我：“这是确定优先级的问题――我们需要解决的五大方面是什么?”
“你知道，我们想要解决的最重要的方面就是客户体验，确保你在销售点进行交易时，能够无缝地完成交易――这是我们的首要任务。”
挫败洗钱者
为了打击洗钱问题，许多相关的AI原则类似用于减少虚假拒付的那些原则。
人工智能算法检查交易数据中的模式，如果有人或公司结伙作案，设立账户，进行可能涉及脏钱的交易，系统就能识破。
然而，还在这里部署了另一项技术自然语言处理(NLP)。NLP使用旨在解读自然人类语言的算法，实际上让计算机可以理解人类说的内容。这意味着它们能从语音和书写中获取重要信息，而不只是从它们历来处理的数字和代码中获取信息。
NLP可以检测并确定姓名和人群之间的联系，在人群常常使用虚假姓名，并采用别名或偷偷改变姓名的拼写以规避检测的情况下大有用处。
物联网――展望未来......
至于未来，Bhalla表示他确信，随着交易量增加，越来越多的商贸通过数字方式完成，犯罪分子变得越来越狡猾，AI在整个金融服务业会变得越来越重要。
尤其是，物联网(IoT)的迅猛发展意味着支付系统势必会处理越来越多的自动化交易。这意味着AI程序要变得更强大、更快速，以应对需求和日益复杂的使用场合。
“未来的世界会变得越来越复杂，你的冰箱进行交易，你的汽车会自动开到充电站并在那里进行交易。这些都将成为自主交易，来自这些交易的所有数据将非常有用，可以帮助我们做出决策，并帮助消费者更好地管理日常生活。”
原文标题：The Amazing Ways How Mastercard Uses Artificial Intelligence To Stop Fraud And Reduce False Declines，作者：Bernard Marr
【51CTO译稿，合作站点转载请注明原文译者和出处为51CTO.com】
