Melindungi Pembayaran dari Pengambilalihan Akun Berbasis AI

Oleh Daniel Stanbridge, Kepala Risiko dan Kepatuhan di Kurv.

Lapisan kecerdasan untuk profesional fintech yang berpikir mandiri.

Intelijen sumber utama. Analisis asli. Potongan kontribusi dari orang-orang yang mendefinisikan industri.

Dipercaya oleh profesional di JP Morgan, Coinbase, BlackRock, Klarna dan lainnya.

Bergabunglah dengan Lingkaran Kejelasan Mingguan FinTech →

Kecerdasan buatan sedang mengubah pembayaran, membuat proses onboarding lebih cepat, deteksi penipuan lebih cerdas, dan pengalaman pelanggan lebih lancar. Tapi ada sisi lain dari cerita itu: penipu menggunakan alat yang sama.

Bagi bisnis kecil dan menengah, perubahan ini sangat besar. Alat AI menjadi lebih mudah diakses dan lebih murah, sehingga hambatan untuk melakukan penipuan menurun. Serangan ini dulu membutuhkan waktu dan keahlian, tetapi sekarang dapat dilakukan dalam hitungan menit. Perusahaan besar mungkin mampu menyerap dampaknya, tetapi pedagang yang lebih kecil beroperasi dengan margin tipis, jadi bahkan beberapa transaksi penipuan dapat menimbulkan tekanan serius.

Ada dua area khusus di mana perubahan ini sangat terasa: pengambilalihan akun melalui penipuan identitas sintetis dan yang disebut “penipuan ramah.”

Kebangkitan Penipuan Identitas Sintetis

Dalam perubahan baru ini, penipu kini dapat mengumpulkan informasi yang tersedia secara publik tentang bisnis yang sah, seperti nama, alamat, dan detail pemilik, dan menggunakan alat AI untuk membuat persona palsu yang meyakinkan. Dengan menghasilkan dokumen identifikasi palsu yang cocok dengan data yang dicuri, mereka dapat membuka akun, menjalankan transaksi, dan menghilang.

Kerusakan ini menimpa pemilik bisnis yang sah. Identitas mereka disalahgunakan, profil kredit mereka mungkin terpengaruh, dan dalam beberapa kasus, mereka dapat dituntut atas kerugian yang sebenarnya tidak mereka buat.

Penipuan ini secara tidak proporsional mempengaruhi bisnis kecil, seperti toko kelontong atau bengkel mobil. Ini terutama benar di industri berisiko rendah, karena mereka paling sering memiliki informasi publik yang mudah diakses. Berbeda dengan perusahaan global, pedagang kecil dan lokal jauh lebih mudah untuk dipalsukan dan lebih sulit diverifikasi dalam satu pandangan.

Verifikasi identitas harus melampaui satu pemeriksaan saja. AI dapat memalsukan satu data secara meyakinkan, tetapi akan kesulitan ketika dihadapkan pada beberapa kontrol berlapis.

Penipuan Ramah Semakin Meningkat dalam Ketegangan Ekonomi

Pada saat yang sama, “penipuan ramah” menjadi semakin umum. Ini terjadi ketika pelanggan yang sah secara palsu mengklaim mereka tidak menerima barang atau tidak mengotorisasi transaksi, meskipun mereka melakukannya. Dalam praktiknya, ini biasanya berujung pada chargeback, di mana pelanggan menentang pembayaran dengan bank mereka, dan dana ditarik kembali dari pedagang saat klaim sedang diselidiki.

Tekanan ekonomi berperan. Ketika konsumen merasa tekanan keuangan, sengketa penipuan ramah cenderung meningkat. Dan setelah seseorang berhasil mendapatkan pengembalian dana untuk klaim non-pengiriman, hambatan untuk mengulangi perilaku itu menurun.

Bagi pasar daring besar, penipuan ramah mungkin merupakan biaya yang dapat diterima dalam berbisnis. Bagi bisnis ecommerce kecil, mengirimkan sejumlah pesanan bernilai tinggi setiap minggu, beberapa chargeback bisa berarti perbedaan antara keuntungan dan kerugian untuk bulan tersebut.

Pedagang sering merasa tak berdaya di sini. Mereka tidak selalu bisa memprediksi siapa yang akan mengajukan sengketa. Tapi mereka bisa mengendalikan seberapa siap mereka merespons.

Mengapa Kontrol Berlapis Lebih Penting dari Sebelumnya

Tidak ada solusi ajaib dalam pencegahan penipuan. Pertahanan paling efektif adalah berlapis.

Kontrol berlapis menggabungkan berbagai teknik verifikasi dan pemantauan sehingga tidak ada satu kegagalan pun yang menyebabkan kerugian. Kontrol berlapis ini bisa mencakup pemeriksaan identitas yang memvalidasi ID pemerintah dan mencocokkannya dengan foto, bersama dengan penyaringan situs web yang menandai inkonsistensi antara riwayat perdagangan dan usia domain. Mereka juga bisa melibatkan verifikasi rekening bank, analisis perilaku dan biometrik, serta pemantauan transaksi untuk mengidentifikasi pola yang tidak sesuai dengan perilaku biasa. Contohnya adalah ketika pesanan bernilai tinggi ditempatkan dengan alamat penagihan di satu negara dan alamat pengiriman di negara lain yang tidak memiliki koneksi sebelumnya dengan pelanggan.

Masing-masing dari ini mungkin hanya menimbulkan tanda merah kecil, tetapi secara bersama-sama mereka menceritakan sebuah cerita. Ketika beberapa anomali muncul sekaligus, kemungkinan terjadinya penipuan meningkat secara signifikan.

Kontrol berlapis juga harus dinamis. Alat berbasis AI dapat membantu mengidentifikasi transaksi yang berpotensi menyebabkan chargeback sebelum barang dikirim, memberi pedagang kesempatan untuk berhenti dan menilai kembali. Jika digunakan dengan benar, AI menjadi aset pertahanan.

Jangan Lupakan Penipuan “Klasik”

Penipuan yang didorong AI mungkin menjadi ancaman baru yang mencolok dalam pembayaran, tetapi pedagang yang terlalu fokus pada risiko ini mungkin mengabaikan taktik penipuan tradisional. Ketika pertahanan bergeser, penipu juga berputar.

Rekayasa sosial berbasis telepon, kolusi penipuan, dan pencurian identitas dasar masih terjadi. Dalam beberapa kasus, metode “kuno” ini berhasil karena perhatian telah beralih ke tempat lain.

Pertahanan penipuan yang kuat menyeimbangkan inovasi dengan pengalaman. Kontrol historis yang telah berhasil selama bertahun-tahun tidak seharusnya dibuang demi alat baru. Mereka harus diperkuat dan ditingkatkan.

Menemukan Ambang Batas Penipuan yang Tepat

Dalam istilah paling sederhana, penipuan tidak dapat dihindari, dan pedagang tidak seharusnya mempertanyakan apakah itu akan terjadi. Mereka harus bertanya berapa banyak yang dapat ditoleransi untuk bisnis mereka.

Setiap pedagang memiliki tingkat risiko yang berbeda. Memperketat kontrol, seperti “kenali pelanggan Anda” dan batas kecepatan transaksi, mengurangi penipuan tetapi dapat menimbulkan masalah, mengusir pelanggan yang sah. Melonggarkan mereka meningkatkan konversi, tetapi meningkatkan risiko penipuan.

Jawabannya terletak pada proporsionalitas. Pasar global mungkin menerima tingkat penipuan absolut yang lebih tinggi karena skala dan investasi teknologi. Bisnis kecil dan independen mungkin memilih kebijakan yang lebih ketat karena satu kerugian memiliki dampak yang lebih besar.

Nol penipuan dengan biaya apa pun bukanlah mantra atau tujuan yang berkelanjutan. Bisnis kecil harus fokus melindungi pendapatan mereka tanpa mengorbankan pengalaman pelanggan.

Kolaborasi Sangat Penting

Untungnya, penipuan bukanlah masalah kompetitif, karena penyedia pembayaran sering berbagi data melalui forum industri dan sistem pemantauan untuk membantu mengidentifikasi pelaku buruk dan sindikat penipuan lebih cepat. Kolaborasi ini memperkuat seluruh industri.

Bagi pedagang, bekerja sama secara erat dengan mitra pembayaran adalah kunci. Bagikan data sejak dini, minta panduan, dan manfaatkan proses dukungan sengketa. Lebih mudah mencegah kerugian ketika potensi penipuan terdeteksi.

Meskipun AI mengubah lanskap penipuan, ini bukan masalah satu pihak, karena teknologi yang sama membantu membekali bisnis dengan alat pengambilan keputusan yang lebih baik.

Jalan ke depan bersifat praktis. Investasikan dalam kontrol verifikasi berlapis, simpan bukti untuk sengketa, seimbangkan pencegahan penipuan dengan pengalaman pelanggan yang luar biasa, tetap waspada terhadap ancaman baru dan tradisional, serta aktif berkolaborasi. Bermitra dengan mitra pembayaran modern sangat penting bagi bisnis, karena penyedia pembayaran dapat menawarkan alat berbasis AI untuk membantu mengurangi penipuan dan mengelola sengketa chargeback.