סאוראב ג’ושי, סמנכ”ל בכיר ונשיא, CSG Forte – סדרת ראיונות

סאוראב ג’ושי הוא נשיא CSG Forte, שם הוא אחראי על קביעת החזון האסטרטגי של הארגון ועל הנעת חדשנות מוצרית, צמיחת הכנסות, פיתוח עסקי ושיפורים תפעוליים. מר ג’ושי כיהן בעבר כסמנכ”ל בכיר ומנהל כללי לצפון אמריקה ב-Western Union. לפני כן, הוא היה סגן נשיא ומנהל כללי לעסקי רכישת דיור ב-Better Mortgages, לאחר תפקידו כראש תחום תכנון ותפעול הכנסות גלובלי ב-PayPal Inc. מוקדם יותר בקריירה שלו, מר ג’ושי עבד וחי בצפון אמריקה, דרום אמריקה ואסיה, שם מילא מגוון תפקידי מנהיגות ב-SecondMarket, Rocket Internet ו-Goldman Sachs.

CSG Forte הוא חלק מ-CSG, חברת טכנולוגיה גלובלית המספקת פלטפורמות SaaS למעורבות לקוחות, חיוב ותשלומים המשמשות ארגונים בתעשיות כגון טלקומוניקציה, שירותים פיננסיים, בריאות וממשלה. הפתרונות שלה מסייעים לארגונים לנהל עסקאות מורכבות, לייעל תשלומים דיגיטליים ולשפר חוויות לקוחות בערוצים מרובים.

החברה השיקה לאחרונה את Payments Protection.ai, פתרון לזיהוי הונאות וניהול סיכונים פיננסיים המונחה בינה מלאכותית, שנועד לסייע לארגונים לזהות פעילות תשלום חשודה, להפחית הפסדי הונאה ולנהל טוב יותר סיכונים בסביבת התשלומים הדיגיטליים המהירה של ימינו.

הובלת עסקי תשלומים, פינטק ופלטפורמות ב-PayPal, Western Union, וכעת ב-CSG Forte. כיצד החוויות האלו עיצבו את השקפתך על המקום שבו מניעת הונאה צריכה להתפתח, ואילו פערים רצית ש-PaymentsProtection.ai יתייחס אליהם?

דפוס אחד נותר קבוע בכל התפקידים שמילאתי: הונאה מתפתחת מהר יותר ממערכות סטטיות. ככל שהתשלומים הדיגיטליים מתרחבים, המהירות, הנפח והמורכבות של העסקאות גדלים, וכך גם התחכום של גורמים עוינים.

מה שהתברר הוא שכלים רבים נגד הונאה נותרים תגובתיים ונשענים במידה רבה על כללים קבועים, כיוונון ידני ונתונים מבודדים. זה יוצר שני סיכונים: או שמפספסים דפוסי הונאה מתפתחים, או שמכניסים חיכוך מיותר שמשפיע על לקוחות לגיטימיים.

עם PaymentsProtection.ai, רצינו לטפל בפער ההסתגלות. זיהוי הונאה צריך ללמוד ברציפות, לפעול בזמן אמת ולכוונן ספים באופן דינמי ככל שההתנהגות משתנה. בסביבת התשלומים הדיגיטליים של ימינו, מניעת הונאה חייבת לתפקד כמערכת בקרה אינטליגנטית.

הונאת תשלומים טופלה באופן מסורתי כבעיית סיכון או תאימות. מדוע אתה רואה שהיא הופכת יותר ויותר לנושא של הכנסות וחווית לקוח?

החלטות הונאה מגדירות כעת את חווית הלקוח במידה לא פחותה ממחיר או מאיכות מוצר.

בכלכלה דיגיטלית, מנוע ההונאה יושב ישירות בנתיב הקופה. דחיית תשלום לגיטימי לא מרגישה ללקוח כמו אבטחה; היא מרגישה כמו כישלון.

זו הסיבה שמניעת הונאה היא כבר לא רק בקרת תאימות, אלא גם מנוף צמיחה. האתגר האמיתי הוא להגן מפני סיכון תוך שמירה על שיעורי אישור ללקוחות לגיטימיים וצמצום חיכוך למינימום.

מה הניע את CSG להציג פלטפורמת הונאה ילידית-בינה מלאכותית כעת, וכיצד נוף האיומים בתשלומים השתנה במהלך השנים האחרונות?

שני שינויים מבניים בנוף התשלומים הופכים את הרגע הזה לחשוב.

ראשית, מהירות העסקאות עלתה. תשלומים מיידיים, פיננסים משובשים ומסחר דיגיטלי-ראשוני מצמצמים את חלון הזמן לבדיקת סיכונים. כבר אין לנו שעות או ימים לקבלת החלטות; זה חייב לקרות בתוך שניות.

שנית, ככל שהטכנולוגיה ממשיכה להתפתח, שיטות התקיפה הופכות ליותר אוטומטיות וניתנות להרחבה. זה מגביר את הצורך במערכות שיכולות להסתגל ברציפות במקום להסתמך אך ורק על עדכוני כללים סטטיים.

במקביל, זיהינו פער ברור בשוק שבו לקוחות נאלצו לחבר יחדיו כלים מרובים כדי לנהל תשלומים והונאה, לעתים קרובות עם נראות מוגבלת בין מערכות. בהסתמך על הניסיון העמוק שלנו בתשתיות תשלומים, רצינו להפוך לשותף מקיף יותר ולתת ללקוחות דרך פשוטה ומשולבת יותר להגן על עסקאות תוך תמיכה בצמיחה. הצגת פלטפורמה ילידית-בינה מלאכותית משקפת את הצורך בזיהוי דפוסים מהיר יותר וכיול סיכון דינמי, תוך סיוע ללקוחות בניהול הונאת תשלומים. אנחנו מתמקדים בתגובה לשינויים במהירות העסקאות ובתחכום ההונאה.

PaymentsProtection.ai מנטר עסקאות ב-ACH, כרטיסים וערוצים אחרים כמעט בזמן אמת. מדוע נראות רב-ערוצית הופכת קריטית לזיהוי הונאה אפקטיבי?

הונאה משגשגת בפיצול.

אדם או ישות עשויים לנצל את תזמון ההחזר ב-ACH, לבדוק פרטי כרטיס גנובים ולנסות להשתלט על חשבונות דרך נקודות כניסה דיגיטליות. אם הניטור מבודד לפי ערוץ, ההתנהגויות האלו יכולות להיראות לא קשורות.

נראות רב-ערוצית מסייעת בזיהוי דפוסי התנהגות. ההקשר הרחב יותר הזה משפר את עקביות הגילוי ומפחית נקודות עיוורון. ככל שסביבות התשלומים הופכות ליותר רב-מסלוליות ורב-ערוציות, ניטור מאוחד הופך חשוב יותר ויותר.

מערכות הונאה רבות עדיין נשענות במידה רבה על כללים סטטיים. כיצד גישה מסתגלת, מבוססת למידה, משנה את האופן שבו צוותי הונאה פועלים יום-יום?

מערכות הונאה מסורתיות נשענות לעתים קרובות על כללים וספים סטטיים הדורשים עדכונים ידניים מתמשכים, מה שיוצר נטל תפעולי ותגובה איטית לדפוסי הונאה חדשים.

PaymentsProtection.ai משתמש במודלי החלטה המונעים בינה מלאכותית כדי לפקח על עסקאות ולתמוך בזריזות בהתרעות הונאה ובהתערבות. המטרה היא להפחית חיוביים שגויים תוך שיפור דיוק הגילוי, לסייע לעסקים לשמור הן על הגנה והן על חווית לקוח מבלי להאט תהליכים.

ניתן לפרוס את הפלטפורמה בסביבות ענן, מקומיות או היברידיות. מה בדרך כלל מניע החלטות פריסה אלו עבור ארגונים המטפלים בנתוני תשלום רגישים?

הפלטפורמה היא ארכיטקטורה מבוססת ענן המונעת על ידי AWS ובנויה לתמיכה בהרחבה, זמינות גבוהה ואבטחה ברמת ארגון, כולל תאימות ל-PCI SSF.

התשתית מבוססת הענן שלה מאפשרת למערכת לנתח נפחים גבוהים של עסקאות תוך שמירה על ביצועים וזמן פעולה. זה תומך בארגונים המטפלים בנפחי תשלום דיגיטליים גדלים על פני ערוצים. עבור לקוחות רגישים, ניתן לפרוס ולהגדיר את הפתרון גם על השרתים המקומיים שלהם או בהתקנה היברידית, וכך להבטיח שאנו עומדים בצרכים השונים של הלקוחות.

כשבינה מלאכותית משמשת יותר ויותר גם על ידי הונאים וגם על ידי מגנים, כיצד אתה מצפה שתפקיד הבינה המלאכותית באבטחת תשלומים יתפתח בשנים הקרובות?

אנחנו נכנסים למה שהייתי מתאר כסביבה של בינה מלאכותית מול בינה מלאכותית.

הונאה הופכת לאוטומטית, זהויות סינתטיות יכולות להיווצר בקנה מידה, ונתונים גנובים יכולים להיות מחוברים יחד עם כלים גנרטיביים ליצירת פרופילים משכנעים. זה אומר שמערכות כללים מסורתיות, מכווננות ידנית, יתקשו לעמוד בקצב.

במהלך השנים הקרובות, הבינה המלאכותית באבטחת תשלומים תצטרך להיות יותר מסתגלת ויותר הקשרית. לא יהיה מספיק רק לסמן אנומליות. אלא, מערכות יצטרכו להעריך דפוסים על פני זהות, התנהגות ומהירות עסקאות, ולהגיב לפני שהפסדים יכולים להתרחש.

במקביל, יש את חלק הממשל. ככל שאנו אוספים אותות התנהגותיים או ביומטריים עשירים יותר, האחריות להגן על הנתונים האלה גוברת. על התעשייה יהיה לאזן בין אינטליגנציה לפרטיות ואמון הלקוח.

תעשיות שונות מתמודדות עם דפוסי הונאה מאוד שונים. כיצד PaymentsProtection.ai מסתגל לסיכונים ספציפיים לענפים כמו בריאות, טלקום, או ניהול נכסים?

הפלטפורמה ממוקמת כפתרון מותאם-תעשייה על פני מגזרים, כולל בריאות, טלקום וניהול נכסים.

המיקוד המגזרי הזה מאפשר ספים הניתנים להגדרה, אינדיקטורים לניטור ומבני דיווח התואמים מקרי שימוש ופרופילי סיכון ספציפיים. דפוסי הונאה ותהליכי עבודה תפעוליים שונים בין תעשיות, והיכולת להגדרה נועדה לשקף את הניואנסים האלה.

CSG מעבדת מאות מיליוני עסקאות בשנה. כיצד פעולה בקנה מידה כזה משפיעה על האופן שבו מודלי הונאה מאומנים, נבדקים ומשופרים?

CSG מעבדת נפחים גדולים של עסקאות תשלום דיגיטליות על פני תעשיות. פעולה בקנה מידה מספקת חשיפה רחבה לדפוסי עסקאות בסביבות ACH, כרטיס ורב-ערוציות.

קנה המידה הזה תומך בניטור ובדיווח רציפים, מסייע לחדד אסטרטגיות גילוי ומחזק את ניהול הסיכונים הכולל.

הארכיטקטורה של הפלטפורמה בנויה לנתח נפחי עסקאות גבוהים לשנייה תוך שמירה על תגובתיות ואמינות.

מבט קדימה, האם אתה רואה את מניעת ההונאה הופכת לתפקיד עצמאי או יותר ויותר משובשת ישירות בתשתית התשלומים והמסחר?

הקווים בין צוותי תשלומים, סיכון והונאה מתכנסים יותר ויותר ככל שנפחי התשלומים מאיצים וחלונות ההסדרה מתקצרים. בארגונים רבים, הצוותים האלו עדיין פועלים באופן עצמאי, אך הם מתבקשים לקבל החלטות מהירות ומתואמות יותר מאי פעם. כתוצאה מכך, אנחנו רואים שמניעת הונאה משולבת יותר ויותר ישירות בתהליכי העבודה של התשלומים.

PaymentsProtection.ai תוכנן לפקח על עסקאות ולאפשר התערבות מהירה יותר לפני זמני הגזירה של ההסדרה. בנוסף, הפתרון מקל על צוותים לפרש נתונים, לכוונן ספים ולהגיב לאיומים מתעוררים מבלי להוסיף מורכבות או חיכוך. המיקום הזה משקף את השינוי הרחב יותר בתשלומים: ההגנה חייבת לפעול בצורה חלקה בתוך מחזור החיים של העסקה ולא כתהליך נפרד של סקירה בדיעבד.

ככל שהתשלומים הדיגיטליים מאיצים, זיהוי הונאה ינוע יותר ויותר לעבר התשתית הליבה שמעבדת עסקאות.

תודה על הראיון המצוין, קוראים המעוניינים ללמוד עוד מוזמנים לבקר ב-CSG Forte או במוצר החדש שלהם Payments Protection.ai.