Η σύγχρονη απάτη έχει ξεπεράσει το παλιό μοντέλο λήψης αποφάσεων

Έρευνα του UK Cryptoasset Business Council εκτιμά ότι οι τράπεζες του Ηνωμένου Βασιλείου έχουν μπλοκάρει ή καθυστερήσει περίπου 40% των πληρωμών που κατευθύνονται σε κρυπτονομισματικές ανταλλαγές. Μία μόνο ανταλλαγή παρατήρησε σχεδόν £1 δισεκατομμύριο σε απορριφθέντες συναλλαγές τον περασμένο χρόνο.

Αυτοί οι περιορισμοί εφαρμόζονταν ακόμη και σε επιχειρήσεις εγγεγραμμένες στο FCA, και σε πολλές περιπτώσεις, οι πελάτες απλώς προσπαθούσαν να μεταφέρουν τα δικά τους χρήματα.

Και δεν υπάρχει πολλή αιτία να πιστεύουμε ότι νόμιμες πληρωμές υψηλού κινδύνου αποκλείονται τόσο επιθετικά μόνο στο Ηνωμένο Βασίλειο. Το Ηνωμένο Βασίλειο είναι όπου το μέγεθος του προβλήματος έχει ποσοτικοποιηθεί.

Οι άμυνες που χρησιμοποιούν οι περισσότερες επιχειρήσεις υποθέτουν ότι ο αντίπαλος κινείται περίπου με την ταχύτητα της τελευταίας αλλαγής κανόνα. Αυτό δεν ισχύει πλέον από τη στιγμή που τα εργαλεία AI έγιναν φθηνά: μέχρι να γράψει μια ομάδα απάτης έναν κανόνα για το μοτίβο που είδε την περασμένη εβδομάδα, ο επιτιθέμενος το έχει ήδη εκτελέσει χιλιάδες φορές και έχει προχωρήσει σε μια έκδοση που ο κανόνας δεν θα εντοπίσει.

Ωστόσο η προεπιλεγμένη αντίδραση παραμένει κυρίως η ίδια: προσθέστε έναν ακόμη έλεγχο, ενισχύστε έναν ακόμη κανόνα ή μπλοκάρετε ό,τι φαίνεται αβέβαιο. Αυτή η προσέγγιση εντοπίζει κάποια απάτη. Αλλά αποτρέπει επίσης πελάτες που είναι έτοιμοι να πληρώσουν, και το έσοδό τους φεύγει μαζί τους.

Οι επιτιθέμενοι μπορούν να αλλάξουν πιο γρήγορα από ό,τι μπορούν να ξαναγραφούν οι κανόνες

Οι κανόνες λειτουργούν καλύτερα όταν η ύποπτη συμπεριφορά επαναλαμβάνεται με αναγνωρίσιμο τρόπο. Μόλις ένα μοτίβο γίνει σαφές στα δεδομένα απάτης ή επιστροφών, μπορεί να δημιουργηθεί ένας κανόνας γύρω του για να επισημαίνει παρόμοιες συναλλαγές στο μέλλον.

Η AI καθιστά αυτόν τον κύκλο απόκρισης πολύ πιο δύσκολο να παρακολουθηθεί. Η European Banking Authority προειδοποίησε τον Δεκέμβριο του 2025 ότι οι εγκληματίες χρησιμοποιούν ήδη AI για να αυτοματοποιήσουν μέρη του οικονομικού εγκλήματος και να αποφύγουν την ανίχνευση. Οι επιτιθέμενοι μπορούν να δοκιμάσουν περισσότερες παραλλαγές με λιγότερη χειροκίνητη εργασία και να αλλάξουν τακτικές μόλις μια προσέγγιση σταματήσει να λειτουργεί.

Για μια επιχείρηση υψηλού κινδύνου πληρωμών, αυτό γίνεται πρόβλημα στο σημείο της αγοράς. Το ίδιο σήμα μπορεί να εμφανιστεί τόσο σε δόλιες όσο και σε νόμιμες συναλλαγές, και ένας κανόνας μόνο του δεν μπορεί να διακρίνει ποιο είναι.Συνεχίζω να επανέρχομαι σε μια αναλογία: αν η αντίπαλη πλευρά έχει προχωρήσει σε ρομπότ με λέιζερ, η ζήτηση για πιο γρήγορα άλογα και πιο παχύ πανοπλία ενισχύει μόνο μια άμυνα που χτίστηκε για έναν ξεπερασμένο αγώνα.

Η απάτη μετριέται, τα απορριφθέντα έσοδα δεν μετρώνται

Όταν ένας κανόνας δεν μπορεί να διακρίνει τις δόλιες από τις νόμιμες συναλλαγές, η άρνηση είναι συνήθως η πιο ασφαλής επιλογή για την επιχείρηση.

Αν εγκρίνετε τη λάθος συναλλαγή, η ζημιά μπορεί να εμφανιστεί ως επιστροφή χρέωσης. Αν αρνηθείτε έναν καλό πελάτη, η ζημιά είναι πολύ πιο δύσκολο να εντοπιστεί επειδή η συναλλαγή δεν πραγματοποιείται.

Η πίεση για απόρριψη έχει αυξηθεί μόνο υπό τους τελευταίους κανόνες του Visa’s Acquirer Monitoring Program (VAMP). Από την 1η Απριλίου 2026, το όριο υπερβολικού εμπόρου έχει πέσει από 2,2% σε 1,5% για αναφερόμενη απάτη και διαφωνίες εναντίον συναλλαγών που έχουν τακτοποιηθεί.

Το πρόβλημα είναι ότι το VAMP βλέπει μόνο ό,τι τακτοποιείται. Μια δόλιη συναλλαγή που εγκρίνεται μπορεί αργότερα να βλάψει το ποσοστό του εμπόρου, ενώ ένας νόμιμος πελάτης που απορρίπτεται στο ταμείο εξαφανίζεται εντελώς από το μέτρο.

Τελικά, αυτό δίνει στις ομάδες απάτης ισχυρό λόγο να είναι πιο συντηρητικές. Όσο πιο αυστηροί γίνονται, τόσο πιο εύκολο είναι να κρατούν αμφίβολες συναλλαγές εκτός του τακτοποιημένου όγκου που μετρά το VAMP.

Το παράδοξο του VAMP είναι ότι οι έμποροι εξακολουθούν να αισθάνονται το κόστος και στις δύο πλευρές της απόφασης. Η μη εντοπισμένη απάτη μπορεί να δημιουργήσει έκθεση σε επιστροφές χρέωσης, ενώ οι ψευδείς απορρίψεις κόβουν τα νόμιμα έσοδα πριν φτάσουν ποτέ στην επιχείρηση.

Οι ρυθμιστές απομακρύνονται από τα γενικά μέτρα ελέγχου κινδύνου

Για χρόνια, η αυξημένη τριβή θεωρείται η πιο ασφαλής αντίδραση στο οικονομικό έγκλημα. Ωστόσο η Financial Action Task Force (FATF), ο παγκόσμιος θεσπιστής προτύπων, τώρα λέει στις εταιρείες και στους εποπτεύοντες να είναι πιο ακριβείς σχετικά με τον κίνδυνο που διαχειρίζονται πραγματικά.

Τον Φεβρουάριο του 2025, η FATF αντικατέστησε το “commensurate” με το “proportionate” στα πρότυπα βάσει κινδύνου της. Ένα ανάλογο μέτρο, σύμφωνα με τον ορισμό της FATF, πρέπει να αντιστοιχεί στο αναγνωρισμένο επίπεδο κινδύνου και να το μετριάσει αποτελεσματικά. Οι περιπτώσεις χαμηλού κινδύνου θα πρέπει επίσης να είναι επιλέξιμες για απλοποιημένα μέτρα.

Η ενημερωμένη του καθοδήγηση προωρεί την ίδια ιδέα περαιτέρω, προειδοποιώντας κατά της απο-ρίσκισης που αποκόπτει τους πελάτες αντί να αξιολογεί τον κίνδυνο μπροστά τους.

Η δημιουργία αυτής της διάκρισης πριν προστεθεί ένας ακόμη έλεγχος είναι το σημείο όπου τα περισσότερα συστήματα δυσκολεύονται. Ένας καλός τρόπος για να γίνει αυτό είναι η παθητική αξιολόγηση πρόθεσης, επειδή παρέχει στις εταιρείες περισσότερο πλαίσιο πριν αποφασίσουν αν χρειάζεται πραγματικά ένας ακόμη έλεγχος.

Τα συμπεριφορικά και περιβαλλοντικά σήματα αξιολογούνται στο παρασκήνιο, ώστε η δραστηριότητα χαμηλού κινδύνου να μπορεί να προχωρήσει με λιγότερη τριβή και οι πραγματικά ύποπτες πληρωμές να λαμβάνουν πιο προσεκτική εξέταση.

Οι αποφάσεις απάτης χρειάζονται πλαίσιο, όχι περισσότερη επαλήθευση

Αν οι ευρείες περιοριστικές μέθοδοι είναι η εναλλακτική όταν ο κίνδυνος είναι ασαφής, τότε το πραγματικό ζήτημα είναι πώς μια επιχείρηση αποκτά αρκετή αυτοπεποίθηση για να κάνει μια πιο ακριβή απόφαση.

Το KYC παραμένει σε ισχύ για συμμόρφωση, και η επιβεβαίωση της ταυτότητας του πελάτη λύνει μέρος του ερωτήματος της απάτης. Το υπόλοιπο εξαρτάται από το πλαίσιο που η διαδικασία ταυτοποίησης δεν βλέπει ποτέ. Ένας επαληθευμένος πελάτης που πραγματοποιεί μια ασυνήθιστη πληρωμή αποτελεί πρόβλημα μόνο εάν είναι ασυνήθιστη για εκείνον, και η διαδικασία ταυτοποίησης δεν έχει τρόπο να γνωρίζει πώς φαίνεται το «κανονικό» για αυτόν.

Οι χρήσιμες πληροφορίες προέρχονται από το πώς αυτά τα σήματα συνδυάζονται σε πραγματικό χρόνο.

Μια πληρωμή που φαίνεται ασυνήθιστη μόνο βάσει του ποσού μπορεί να έχει πλήρη λογική όταν ληφθεί υπόψη το ιστορικό του πελάτη, η συσκευή, ο χρονισμός και η σειρά των ενεργειών. Μια άλλη μπορεί να φαίνεται κανονική σε κάθε μέτρο και να γίνει ύποπτη μόνο όταν αυτά τα στοιχεία εξεταστούν μαζί.

Η συμπεριφορική μηχανική μάθηση ήδη κάνει αυτή την αξιολόγηση καθώς η συναλλαγή πραγματοποιείται, παρέχοντας στον έμπορο πολύ πιο σαφή βάση για την απόφαση.

Αυτό είναι επίσης το σημείο όπου η ενσωμάτωση της AI σε μια μηχανή κανόνων αποτυγχάνει. Αν σταθερά όρια εξακολουθούν να παίρνουν την τελική απόφαση, η AI απλώς παρέχει στην ίδια παλιά διαδικασία λήψης αποφάσεων περισσότερες πληροφορίες. Οι επιτιθέμενοι μπορούν να συνεχίσουν να αλλάζουν τη συμπεριφορά τους, ενώ οι κανόνες παραμένουν εξαρτημένοι από πρότυπα που η επιχείρηση ήδη γνωρίζει πώς να σηματοδοτήσει.

Η αυξημένη άρνηση δεν λύνει το υποκείμενο πρόβλημα

Τα συστήματα που απορρίπτουν επιθετικά φαίνονται πιο ασφαλή στο χαρτί, επειδή οι ψευδείς απορρίψεις δεν αφήνουν ίχνος στις αναφορές απάτης. Αυτό το τυφλό σημείο έχει διαμορφώσει την οικονομία των πληρωμών για πολύ καιρό.

Οι έμποροι πρέπει να αξιολογούν τις μηχανές κινδύνου με βάση τη συνολική οικονομική απόδοση, εξισορροπώντας το περιθώριο εγκεκριμένων συναλλαγών με τις απώλειες από απάτη και την αξία του πελάτη που απορρίπτεται σε όλη του τη διάρκεια.

Πιο σημαντικό, οι πλατφόρμες πληρωμών πρέπει να αμφισβητήσουν το κατεστημένο των προμηθευτών. Οι πάροχοι δεν πρέπει να επηρεάζουν τις αποφάσεις έγκρισης ενώ αφήνουν τους εμπόρους να απορροφούν το 100 % της έκθεσης σε chargeback. Οι αληθινοί στρατηγικοί εταίροι υποστηρίζουν τις αποφάσεις τους με πραγματικό κεφάλαιο στον ισολογισμό, αναλαμβάνοντας πλήρη μεταφορά οικονομικής ευθύνης και εγγυώμενοι τα ποσοστά έγκρισης.