पहले धोखाधड़ी की रोकथाम ज़्यादातर तय नियमों पर टिकी थी: एक सीमा से ऊपर का लेनदेन या किसी असामान्य जगह से हुआ लेनदेन चिह्नित करना। नियम अब भी ज़रूरी हैं, पर धोखेबाज़ इन्हें जल्दी सीख लेते हैं। आर्टिफिशियल इंटेलिजेंस इसमें हालात के हिसाब से बदलने वाली एक और परत जोड़ता है।
आसान शब्दों में, यह कैसे काम करता है
मशीन लर्निंग मॉडल सीखता है कि किसी खाते के लिए "सामान्य" क्या है: आम रकम, समय, डिवाइस, जगहें और भुगतान पाने वाले। जब कोई लेनदेन उस पैटर्न में फिट नहीं बैठता, मॉडल उसे रिस्क स्कोर देता है। ज़्यादा रिस्क वाले लेनदेन रोके जा सकते हैं, ग्राहक से पुष्टि की जा सकती है या कोई एनालिस्ट उनकी जाँच कर सकता है।
AI किसमें बेहतर है
- रफ़्तार। पैसा खाते से निकलने से पहले, मिलीसेकंड में स्कोरिंग हो जाती है।
- पैमाना। करोड़ों लेनदेन पर लगातार नज़र रखी जा सकती है।
- बदलाव के साथ ढलना। म्यूल खाते या डिवाइस पर कब्ज़े वाली ठगी जैसे नए तरीके सामने आने पर मॉडल को दोबारा सिखाया जा सकता है।
- कम गलत अलर्ट। बेहतर मॉडल का मतलब है असली ग्राहकों को कम परेशानी।
- जुड़े हुए संकेत। ग्राफ़ एनालिसिस आपस में जुड़े खातों का ऐसा जाल दिखा सकता है जो कोई एक नियम नहीं पकड़ पाता।
इंसान अब भी क्यों ज़रूरी हैं
AI संकेत देता है। फ़ैसला इंसान करते हैं। एनालिस्ट वह संदर्भ जाँचते हैं जो कोई मॉडल नहीं देखता, और शाखा के कर्मचारी अक्सर सबसे पहले चेतावनी के संकेत देख लेते हैं, जैसे किसी के कहने पर घबराया हुआ ग्राहक असामान्य रकम निकाल रहा हो। ग्राहक की जागरूकता भी उतनी ही ज़रूरी है, क्योंकि कई धोखाधड़ियाँ ग्राहक को ही बहलाकर भुगतान मंज़ूर करवाने से शुरू होती हैं।
चुनौतियाँ
- असली लेनदेन की तुलना में धोखाधड़ी का डेटा बहुत कम होता है, इसलिए मॉडल को सिखाना मुश्किल है।
- फ़ैसले समझाए जा सकने वाले और निष्पक्ष होने चाहिए।
- प्राइवेसी नियम संस्थाओं के बीच डेटा साझा करने को सीमित करते हैं।
सबसे मज़बूत बचाव अच्छे मॉडल, सतर्क कर्मचारियों और जागरूक ग्राहकों का मेल है। ग्राहक के पक्ष के लिए मेरी डिजिटल पेमेंट सुरक्षा चेकलिस्ट देखें, और अपराधी अब डीपफ़ेक और आवाज़ की नकल का इस्तेमाल कैसे करते हैं, यह जानने के लिए बैंकिंग में AI धोखाधड़ी पढ़ें।