AI與機(jī)器學(xué)習(xí)是如何增強(qiáng)美國(guó)運(yùn)通的整體客戶體驗(yàn)的?

多年以來，美國(guó)運(yùn)通一直是人工智能與認(rèn)知技術(shù)領(lǐng)域的領(lǐng)導(dǎo)者。作為坐擁有龐大忠實(shí)客戶群體的全球金融服務(wù)機(jī)構(gòu)，保障客戶賬戶安全一直是運(yùn)通職能的重中之重。在很長(zhǎng)一段時(shí)間里，發(fā)現(xiàn)并制止欺詐行為一直是美國(guó)運(yùn)通公司的首要任務(wù)。而人工智能在近年來的快速發(fā)展，則真正將運(yùn)通的欺詐檢測(cè)能力推向新的高度。

近期，美國(guó)運(yùn)通公司身份與認(rèn)證策略全球負(fù)責(zé)人Rajat Jain分享了如何成功運(yùn)用機(jī)器學(xué)習(xí)技術(shù)檢測(cè)并發(fā)現(xiàn)欺詐行為，如何利用AI與機(jī)器學(xué)習(xí)提升運(yùn)通公司的整體客戶體驗(yàn)，包括AI技術(shù)采用方面的一系列重要洞見。在本次訪談中，他分享了美國(guó)運(yùn)通在AI及機(jī)器學(xué)習(xí)（ML）應(yīng)用方法方面的觀點(diǎn)，介紹了運(yùn)通在欺詐檢測(cè)方面的領(lǐng)先優(yōu)勢(shì)，同時(shí)講解了運(yùn)通公司在人工智能技術(shù)應(yīng)用方面的幾點(diǎn)重要思路。

美國(guó)運(yùn)通在各類流程當(dāng)中應(yīng)用AI與機(jī)器學(xué)習(xí)技術(shù)的歷史有多長(zhǎng)？

Rajat Jain： 可以說是歷史悠久了。美國(guó)運(yùn)通的領(lǐng)導(dǎo)層很早就意識(shí)到數(shù)據(jù)分析與技術(shù)的作用與價(jià)值，這也推動(dòng)我們?cè)陲L(fēng)險(xiǎn)、市場(chǎng)營(yíng)銷以及服務(wù)領(lǐng)域積極推進(jìn)機(jī)器學(xué)習(xí)轉(zhuǎn)型。2010年，我們開始研究機(jī)器學(xué)習(xí)技術(shù)，并著手評(píng)估其在核心業(yè)務(wù)流程中的潛力，包括信用風(fēng)險(xiǎn)分析與欺詐檢測(cè)。2014年，我們實(shí)現(xiàn)了機(jī)器學(xué)習(xí)模型的首輪大規(guī)模應(yīng)用，借此實(shí)現(xiàn)欺詐檢測(cè)。與之前的非機(jī)器學(xué)習(xí)模型相比，我們的檢測(cè)效率即刻提升達(dá)30%。

根據(jù)尼爾森報(bào)告（The Nilson Report），我們?cè)谙墼p方面付出的不懈努力，幫助運(yùn)通公司連續(xù)13年保持著業(yè)界最低的欺詐率——實(shí)際上，我們的損失率僅為其他主要支付網(wǎng)絡(luò)的一半。

美國(guó)運(yùn)通是如何使用先進(jìn)機(jī)器學(xué)習(xí)技術(shù)進(jìn)行欺詐檢測(cè)的？

Rajat Jain： 我們努力使用最新、最先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)保護(hù)我們的支付卡會(huì)員及商戶免受欺詐活動(dòng)影響。我們的機(jī)器學(xué)習(xí)算法實(shí)時(shí)監(jiān)控全球每一筆運(yùn)通卡交易——年交易總額超過1.2萬(wàn)億美元。更重要的是，我們能夠在幾毫秒之內(nèi)快速做出欺詐判斷。我們用于監(jiān)控欺詐活動(dòng)的一項(xiàng)核心技術(shù)正是有序RNN。通過對(duì)數(shù)據(jù)進(jìn)行有序分析，我們得以了解各項(xiàng)交易之間的關(guān)系，從而更快識(shí)別出無意義支出——或者按我們的話說，“異?！敝С?。簡(jiǎn)而言之，如果某位客戶上午10：00在紐約買了一杯咖啡，但在10：05就在洛杉磯郊外給車子加油，那我們就會(huì)立即判斷出其支付卡已經(jīng)被盜用。

AI與機(jī)器學(xué)習(xí)技術(shù)，同以往的欺詐及風(fēng)險(xiǎn)管理方法有何不同？

Rajat Jain： 數(shù)十年以來，金融服務(wù)企業(yè)一直在采用各種最先進(jìn)的新興分析方法，借此保護(hù)客戶的個(gè)人與賬戶信息。而這一切，都是為了能夠與行動(dòng)同樣迅速的欺詐分子比拼速度。在我看來，目前金融行業(yè)阻止欺詐活動(dòng)的真正突破性進(jìn)展，就在于機(jī)器學(xué)習(xí)技術(shù)。與以往的邏輯回歸模型相比，機(jī)器學(xué)習(xí)具有三大核心優(yōu)勢(shì)，具體包括：

· 更高效地捕捉非線性趨勢(shì)與變量之間的相互作用，借此提高檢測(cè)準(zhǔn)確率。

· 快速部署單一全局構(gòu)建解決方案，以敏捷方式捕捉跨越多個(gè)地理區(qū)域的趨勢(shì)。

· 提升團(tuán)隊(duì)業(yè)務(wù)吞吐量，幫助他們將更多精力投入到更重要的數(shù)據(jù)科學(xué)議題當(dāng)中。

AI與機(jī)器學(xué)習(xí)是如何增強(qiáng)美國(guó)運(yùn)通的整體客戶體驗(yàn)的？

Rajat Jain： 美國(guó)運(yùn)通的機(jī)器學(xué)習(xí)創(chuàng)新正引領(lǐng)新一波非技術(shù)性應(yīng)用優(yōu)化，即創(chuàng)造出世界一流的客戶服務(wù)體驗(yàn)。擁有支付卡的會(huì)員無疑是我們最為關(guān)注的寶貴財(cái)富，而保持更低的欺詐率則是鞏固會(huì)員信任、挽留用戶群體的核心前提。每年都有成千上萬(wàn)的數(shù)據(jù)點(diǎn)與數(shù)十億項(xiàng)決策涌入同一套系統(tǒng)，這套系統(tǒng)則為消費(fèi)者及企業(yè)提供當(dāng)今世界上最重要的服務(wù)——安全的支付通道、更快的決策速度、實(shí)時(shí)客戶溝通以及世界頂尖的欺詐保護(hù)與處理方案。

您如何看待AI與機(jī)器學(xué)習(xí)技術(shù)對(duì)于整體客戶體驗(yàn)的影響？

Rajat Jain： 最重要的是如何將數(shù)據(jù)中的各個(gè)點(diǎn)連接起來，只有實(shí)現(xiàn)這項(xiàng)目標(biāo)，我們才有可能為客戶帶來世界頂尖的日常使用體驗(yàn)。結(jié)合當(dāng)下背景，這意味著我們需要向客戶證明我們認(rèn)識(shí)他們、了解他們的需求，而且有能力在每一次數(shù)字交互中為他們提供需要的支持。例如，我們使用機(jī)器學(xué)習(xí)技術(shù)檢測(cè)欺詐活動(dòng)，而后將實(shí)時(shí)數(shù)字通知交付至支付卡的注冊(cè)者處。通過這些警報(bào)（通過電子郵件、短信以及移動(dòng)應(yīng)用的實(shí)時(shí)推送），我們幫助持卡會(huì)員更輕松地監(jiān)控自己賬戶可能遭遇的欺詐活動(dòng)。

您能否分享一點(diǎn)關(guān)于美國(guó)運(yùn)通在AI技術(shù)應(yīng)用方面的一些有趣，或者說令人驚訝的故事？

Rajat Jain： 美國(guó)運(yùn)通的數(shù)據(jù)科學(xué)團(tuán)隊(duì)由一大批擁有碩士及博士學(xué)位的數(shù)據(jù)科學(xué)家們組成。他們永不滿足于現(xiàn)狀，他們不斷提升自己的技能。在數(shù)據(jù)科學(xué)這個(gè)不斷發(fā)展的領(lǐng)域，我們意識(shí)到獲得成功的唯一途徑就是不斷學(xué)習(xí)并嘗試新興技術(shù)。團(tuán)隊(duì)會(huì)定期評(píng)估現(xiàn)有模型的優(yōu)缺點(diǎn)，并找到切實(shí)滿足客戶需求的創(chuàng)新方法。實(shí)際上，我們計(jì)劃在下個(gè)月發(fā)布X世代欺詐模型，將采用我們的最新創(chuàng)新技術(shù)捕捉更多欺詐行為。

您認(rèn)為對(duì)于銀行業(yè)務(wù)流程來說，目前最大的AI與機(jī)器學(xué)習(xí)應(yīng)用限制是什么？

Rajat Jain： 我們所做的一切，都是為客戶服務(wù)并得到他們的肯定與支持。對(duì)我們來說，將機(jī)器學(xué)習(xí)引入銀行流程的最大限制，實(shí)際在于如何證明這種新的分析技術(shù)能否真的可以幫助我們代表全球無數(shù)客戶達(dá)成承諾的使命。雖然最新的數(shù)據(jù)科學(xué)研究與進(jìn)步確實(shí)令人興奮，但這一切只是理論方案與學(xué)術(shù)研究。我們?cè)诂F(xiàn)實(shí)世界中的運(yùn)作及決策，則會(huì)影響到每一位持卡會(huì)員的賬戶安全性。因此在應(yīng)用一種新型AI技術(shù)之前 ，我們必須明確其能夠在生產(chǎn)環(huán)境中實(shí)現(xiàn)并帶來客戶所期望的結(jié)果。

您能否跟我們聊聊在構(gòu)建ML模型的過程中，運(yùn)通公司需要著重考量數(shù)據(jù)中的哪些因素？

Rajat Jain： 我們總會(huì)強(qiáng)調(diào)，各種機(jī)器學(xué)習(xí)模型之間存在著很大差異，而我們的模型之所以與眾不同，靠的就是我們使用的數(shù)據(jù)。作為發(fā)卡行、商戶收單行以及網(wǎng)絡(luò)運(yùn)營(yíng)商，美國(guó)運(yùn)通在整個(gè)支付鏈中建立起龐大的全球業(yè)務(wù)體系。這套“閉環(huán)網(wǎng)絡(luò)”將大規(guī)模數(shù)據(jù)集與我們訓(xùn)練有素的專業(yè)知識(shí)專家及頂尖機(jī)器學(xué)習(xí)算法相結(jié)合，幫助運(yùn)通公司建立起打擊欺詐行為方面的強(qiáng)大優(yōu)勢(shì)。我們可以查看來自商家與持卡會(huì)員的大量數(shù)據(jù)，保證比其他網(wǎng)絡(luò)及發(fā)卡機(jī)構(gòu)更快采取行動(dòng)，搶在欺詐行為實(shí)際發(fā)生之前將其發(fā)現(xiàn)并加以阻止。

在構(gòu)建機(jī)器學(xué)習(xí)模型方面，美國(guó)運(yùn)通是如何保障客戶隱私與數(shù)據(jù)隱私的？

Rajat Jain： 美國(guó)運(yùn)通深刻理解保持消費(fèi)者信任的重要意義，而且對(duì)數(shù)據(jù)隱私及安全性有著堅(jiān)定而長(zhǎng)期的承諾。我們將根據(jù)數(shù)據(jù)保護(hù)及隱私原則，以及具有實(shí)際約束力的內(nèi)部規(guī)定及適用法律，通過合同及其他政策性要求保護(hù)個(gè)人數(shù)據(jù)。

未來幾年，您對(duì)哪些AI技術(shù)最為期待？

Rajat Jain： 概括來講，我認(rèn)為在使用有序數(shù)據(jù)集進(jìn)行預(yù)測(cè)方面，我們才剛剛起步。人工智能還無法通過有序預(yù)測(cè)有效將一系列事件聯(lián)系起來，因此我們期待能夠在這一領(lǐng)域迎來突破性進(jìn)展，最終持續(xù)改善客戶體驗(yàn)。至于在未來幾年的欺詐行為打擊方面，我們將繼續(xù)評(píng)估新興技術(shù)并應(yīng)用切實(shí)有效的技術(shù)方案，努力增強(qiáng)自身主動(dòng)與被動(dòng)防御措施，借此更好地應(yīng)對(duì)種種新的威脅。
責(zé)任編輯：tzh