LexisNexis lansează un instrument AI adaptiv care reduce falselor alerte de fraudă cu 80%

Cum reduce AI-ul adaptiv alertele false?

LexisNexis Risk Solutions a lansat Emailage Adaptive, o platformă de scorare de risc bazată pe inteligenta artificială care se recalibrează automat. Instrumentul a debutat pe 28 septembrie 2026 și promite reducerea numărului de alerte false de fraudă până la 80 procent.

Este parte din efortul mai larg al companiei de a ajuta instituțiile financiare și comerțantii online să gestioneze riscurile de fraudă mai eficient.

Platforma folosește învățarea automată pentru a analiza datele de tranzacție în timp real. Ajustează pragurile de scorare în funcție de modificările în modele, eliminând nevoia de tunare manuală constantă.

Detectând activitatea legitimă care, anterior, ar fi declanșat o avertizare, Emailage Adaptive eliberează echipele de conformitate să se concentreze pe amenințările reale. Compania spune că tehnologia este deja implementată în mai multe bănci mari și retailerii online, unde a redus timpul de verificare manuală cu un treime.

Emailage Adaptive se bazează pe marca Emailage, cunoscută de mult timp pentru verificarea autenticității adreselor de e‑mail.

Poate AI-ul înlocui supravegherea umană?

Noul sistem extinde această atenție la toate datele de tranzacție. Îngeșează comportamentul clienților, amprentele dispozitivelor și modelele istorice de fraudă. O rețea neurală atribuie apoi un scor de risc care se actualizează automat.

Când scorul cade sub un prag, sistemul marchează tranzacția ca risc scăzut; dacă urcă, tranzacția este trimisă pentru verificare suplimentară.

„Sistemele tradiționale bazate pe reguli generează un val de alerte care îngropă echipele”, a declarat un portavoc. „Modelul nostru adaptiv învață din fiecare tranzacție, deci face diferența între frauda reală și anomaliile benigne.” Pilotele timpurii au arătat o scădere dramatizată a falselor alerte, cu 80 procente mai puțină notificări care au fost ulterior depistate ca legitime.

Deși tehnologia promite eficiență, experții avertizează că judecata umană rămâne esențială. „AI‑ul poate semnaliza modele, dar nu înțelege contextul”, a spus un analyst de fraudă de la o bancă de top.

„Sistemul trebuie să completeze, nu să înlocuiească, verificarea umană.” Designul platformei reflectă această vedere.

Ce se întâmplă când AI‑ul învață greșeală?

Oferă un tablou de bord care permite analistilor să ajusteze sensibilitatea și să revizuiască tranzacțiile semnalizate. Bucla de învățare adaptivă permite, de asemenea, sistemului să refineze pragurile pe baza feedback‑ului analistilor.

Instituțiile financiare care au testat instrumentul raportează că reducerea falselor alerte a scăzut costurile operaționale.

Un retailer online a observat o scădere de 15 procente la apelurile de asistență clienți legate de tranzacții controverse. O bancă a spus că a putut realoca personalul de la triajul manual la vânătoarea proactivă de amenințări.

Riscul de supraînvare — când modelul AI învață zgomot în loc de semnale reale de fraudă — rămâne o preoccupare. LexisNexis a construit salvaguarde, inclusiv audituri periodice și o opțiune de „reset” care revine modelul la setările de bază. Compania subliniază, de asemenea, că sursele de date sunt diverse, acoperind mai multe tipuri de dispozitive și geografii, pentru a evita polarizarea. În cazul unei clasificări greșite, sistemul semnalizează eroarea și solicită o revizuire umană.

În vedere, LexisNexis planează să integreze motorul adaptiv în pachetul mai larg de inteligenta de risc. Scopul este crearea unei platforme unificate care acoperă verificarea identității, riscul de credit și detectarea fraudei.

Cât mai mulți comerțanți adoptează instrumente AI‑driven, industria ar putea vedea o mutare spre modele de risc în timp real, auto‑regulabile.

Întrebări frecvente!

Ce tipuri de fraudă poate detecta Emailage Adaptive?

Instrumentul analizează datele de tranzacție, amprentele dispozitivelor și modelele istorice. Poate semnaliza frauda de plată, preluarea conturilor și frauda cu identitate sintetă.

Are sistemul nevoie de o cantitate mare de date pentru a funcționa?

Nu. Pornește de la reguli de bază și învață din fiecare tranzacție. Câte mai multe date procesează, atât devine mai precis.

Vai avea nevoie AI‑ul de a fi suprascris manual? Da. Analistii pot ajusta pragurile sau să reseteze modelul dacă observă o tendință pe care AI‑ul o clasifice greșit.