الاحتيال الحديث تجاوز النموذج القراري القديم

تشير أبحاث من مجلس الأعمال للأصول الرقمية في المملكة المتحدة إلى أن البنوك البريطانية قد حجبت أو أرجأت نحو 40% من المدفوعات المتجهة إلى بورصات العملات الرقمية. لاحظت إحدى البورصات وحدها ما يقرب من مليار جنيه إسترليني من المعاملات المرفوضة خلال العام الماضي.

سُرّيت هذه القيود حتى على الشركات المسجلة لدى FCA، وفي كثير من الحالات كان العملاء يحاولون فقط نقل أموالهم الخاصة.

ولا يوجد سبب كبير للاعتقاد بأن المدفوعات الشرعية عالية المخاطر تُحجب بهذه الشدة فقط في المملكة المتحدة. إن المملكة المتحدة هي المكان الذي تم فيه قياس حجم المشكلة.

تفترض معظم الدفاعات التي تعتمدها الشركات أن الخصم يتحرك بسرعة تقريبية لتغيّر القاعدة الأخير. لم يعد هذا صحيحًا بمجرد أن أصبحت أدوات الذكاء الاصطناعي رخيصة: بحلول الوقت الذي يكتب فيه فريق الاحتيال قاعدة للنمط الذي رآه الأسبوع الماضي، يكون المهاجم قد نفّذها بالفعل آلاف المرات وانتقل إلى نسخة لا تُلتقطها القاعدة.

مع ذلك، ظل الرد الافتراضي إلى حد كبير كما هو: إضافة فحص آخر، تشديد قاعدة أخرى، أو حجب أي شيء يبدو غير مؤكد. هذا النهج يلتقط بعض الاحتيال. لكنه أيضًا يبعد العملاء المستعدين للدفع، وتذهب إيراداتهم معهم.

يمكن للمهاجمين التغيير أسرع مما يمكن إعادة كتابة القواعد

تعمل القواعد بأفضل شكل عندما يتكرر السلوك المشتبه به بطريقة يمكن التعرف عليها. بمجرد أن يصبح نمط واضحًا في بيانات الاحتيال أو الاسترداد، يمكن بناء قاعدة حوله لتعليم المعاملات المماثلة في المستقبل.

الذكاء الاصطناعي يجعل دورة الاستجابة تلك أصعب بكثير على المتابعة. هيئة المصارف الأوروبية حذرت في ديسمبر 2025 من أن المجرمين يستخدمون بالفعل الذكاء الاصطناعي لأتمتة أجزاء من الجرائم المالية وتفادي الاكتشاف. يمكن للمهاجمين اختبار المزيد من المتغيّرات بجهد يدوي أقل وتغيير التكتيكات بمجرد أن يتوقف نهج واحد عن العمل.

بالنسبة لشركة مدفوعات عالية المخاطر، يصبح هذا مشكلة عند نقطة الشراء. يمكن أن يظهر نفس الإشارة في كل من المعاملات الاحتيالية والشرعية، ولا يمكن للقاعدة بمفردها تحديد أيهما.أعود باستمرار إلى تشبيه واحد: إذا كان الطرف الآخر قد انتقل إلى روبوتات ذات أسلحة ليزر، فإن طلب خيول أسرع ودروع أكثر سمكًا لا يعزز سوى دفاع مبني على معركة قديمة.

يُقاس الاحتيال، لكن الإيرادات المرفوضة لا تُقاس

عندما لا تستطيع القاعدة التمييز بين المعاملات الاحتيالية والشرعية، يكون الرفض عادة الخيار الأكثر أمانًا للشركة.

الموافقة على المعاملة الخاطئة قد تظهر الخسارة كاسترداد. رفض عميل جيد يجعل الخسارة أصعب بكثير في الرصد لأن المعاملة لا تحدث أصلاً.

زاد الضغط على الرفض فقط تحت القواعد الأخيرة لبرنامج مراقبة المستحوذين من Visa (VAMP). منذ 1 أبريل 2026، الحد المفرط للتاجر انخفض من 2.2% إلى 1.5% بالنسبة للاحتيال المبلغ عنه والنزاعات ضد المعاملات المستوية.

المشكلة هي أن VAMP يرى فقط ما يتم تسويته. يمكن للمعاملة الاحتيالية التي تُوافق عليها أن تضر بنسبة التاجر لاحقًا، بينما يختفي العميل الشرعي المرفوض عند السداد تمامًا من المؤشر.

هذا في النهاية يمنح فرق الاحتيال سببًا قويًا لتكون أكثر تحفظًا. كلما زاد تشديدهم، كلما سهل إبعاد المعاملات المشكوك فيها عن حجم المعاملات المستوية الذي تقيسه VAMP.

تناقض VAMP هو أن التجار لا يزالون يشعرون بالتكلفة من كلا جانبي القرار. يمكن أن يخلق الاحتيال الفائت تعرضًا للاسترداد، بينما تمنع الرفضات الخاطئة الإيرادات الشرعية قبل أن تصل إلى الشركة.

الجهات التنظيمية تتجه بعيدًا عن ضوابط المخاطر الشاملة

لسنوات، تم اعتبار المزيد من الاحتكاك كأكثر استجابة أمانًا للجرائم المالية. ومع ذلك، فإن مجموعة العمل المالي (FATF)، المعيار العالمي، تُخبر الآن الشركات والمشرفين بأن يكونوا أكثر دقة بشأن المخاطر التي يديرونها فعليًا.

في فبراير 2025، FATF استبدلت كلمة “متناسقة” بـ “متناسبة” عبر معاييرها القائمة على المخاطر. وفقًا لتعريف FATF، يجب أن تتطابق التدابير المتناسبة مع مستوى المخاطر المحدد وتخففه بفعالية. يجب أن تكون الحالات ذات المخاطر الأقل مؤهلة أيضًا لتدابير مبسطة.

توجيهها المحدث تعزز الفكرة نفسها أكثر من خلال التحذير من تقليل المخاطر الذي يقطع العملاء بدلاً من تقييم المخاطر أمامهم.

إجراء هذا التمييز قبل إضافة فحص آخر هو ما يواجه معظم الأنظمة صعوبة فيه. طريقة جيدة للقيام بذلك هي تقييم النية السلبية، لأنها تزود الشركات بمزيد من السياق قبل أن تقرر ما إذا كان فحص آخر ضروريًا بالفعل.

يتم تقييم الإشارات السلوكية والسياقية في الخلفية، بحيث يمكن للنشاط منخفض المخاطر المرور بأقل احتكاك وتُعطى المدفوعات المشكوك فيها حقًا نظرة أقرب.

قرارات الاحتيال تحتاج إلى سياق، لا إلى مزيد من التحقق

إذا كانت القيود الواسعة هي الحل الاحتياطي عندما يكون الخطر غير واضح، فإن القضية الحقيقية هي كيف يمكن للأعمال أن تكتسب الثقة الكافية لاتخاذ قرار أكثر دقة.

تظل إجراءات معرفة العميل (KYC) سارية للامتثال، وتأكيد هوية العميل يحل جزءًا من سؤال الاحتيال. البقية تعتمد على السياق الذي لا يراه فحص الهوية أبدًا. العميل المُتحقق منه الذي يقوم بدفع غير عادي يُعد مشكلة فقط إذا كان ذلك غير عادي بالنسبة لهذا العميل، ولا يمتلك فحص الهوية وسيلة لمعرفة ما هو الشكل الطبيعي بالنسبة له.

المعلومات المفيدة تأتي من كيفية تجميع تلك الإشارات معًا في الوقت الحقيقي.

قد يبدو الدفع غير عادي بناءً على المبلغ وحده منطقيًا تمامًا بمجرد مراعاة تاريخ العميل، الجهاز، التوقيت، وتسلسل الإجراءات. وقد يبدو آخر عاديًا في كل مقياس ويصبح مريبًا فقط عندما تُنظر إلى تلك القطع معًا.

تقوم التعلم الآلي السلوكي بالفعل بإجراء هذا التقييم أثناء حدوث المعاملة، مما يمنح التاجر أساسًا أوضح بكثير للقرار.

هنا أيضًا يتقصر الذكاء الاصطناعي المدمج في محرك القواعد. إذا كانت العتبات الثابتة لا تزال تتخذ القرار النهائي، فإن الذكاء الاصطناعي لا يقدم سوى مزيد من المعلومات لنفس عملية اتخاذ القرار القديمة. يمكن للمهاجمين الاستمرار في تغيير سلوكهم، بينما لا تزال القواعد الأساسية تعتمد على الأنماط التي تعرف الشركة بالفعل كيف تُعلم.

الرفض المتزايد لا يحل المشكلة الأساسية

تبدو الأنظمة التي ترفض بشكل عدواني أكثر أمانًا على الورق لأن الرفض الخاطئ لا يترك أثرًا في تقارير الاحتيال. لقد شكلت هذه النقطة العمياء اقتصاديات الدفع لفترة طويلة جدًا.

يجب على التجار تقييم محركات المخاطر بناءً على العائد الاقتصادي الكلي، موازنين بين هامش الموافقة وخسائر الاحتيال وقيمة العميل المرفوض على مدى حياته.

الأهم من ذلك، يجب على منصات الدفع تحدي الوضع الراهن للبائعين. لا ينبغي للمزودين التأثير على قرارات الموافقة بينما يُترك التجار يتحملون 100٪ من مخاطر الاسترداد. الشركاء الاستراتيجيون الحقيقيون يدعمون قراراتهم بوجود رصيد حقيقي على الميزانية العمومية، مع افتراض نقل كامل المسؤولية المالية وضمان معدلات الموافقة.