La Sfida
L’Open Banking, ed in particolare l’applicazione di regolamenti internazionali come la PSD-2 dal 2019, ha dato una marcia in più al settore bancario consentendo l’offerta di servizi di pagamento più agili e innovativi. In questo contesto, la richiesta dei Servizi Antifrode delle Banche è di migliorare la prevenzione delle frodi sulle transazioni bancarie in un processo sempre più digitale e veloce.
La Soluzione
Servizio di Produzione di Modelli Supervisionati (Learning) con servizi di MLOPS in produzione. Sulla base della storia delle transazioni, vengono inizializzati i modelli con più processi di learning al fine di individuare i modelli con una migliore accuratezza nella risposta e che rispondano alla necessità di abbassare i falsi positivi in funzione di una “funzione di costo” prevista e concordata con il Cliente in fase dei Requisiti. Specifici modelli sono sviluppati anche per rispondere a specifici controlli richiesti dalla PSD-2 in fase di autorizzazione della transazione.
I Modelli di Machine Learning vengono interrogati in tempo reale e forniscono uno score di rischio sulla singola transazione. Infine, con il servizio MLOPS si monitorano i Modelli per effettuare il re-training al verificarsi di condizioni anomale o scoring sotto soglia che ne determinano l’esigenza di aggiornamento.
I Benefici
I Modelli Antifrode di Machine Learning realizzati consentono di bloccare in tempo reale transazioni che presentano anomalie già nella prima fase del processo di autorizzazione del pagamento.
Il monitoraggio dei risultati dei Modelli consente di comprendere i falsi positivi al fine di ridurli e al tempo stesso di agevolare e ridurre il lavoro del team di antifrode della banca nel processo di identificazione delle anomalie e blocco eventuale delle transazioni.
Il Ruolo di Humanativa
Realizzazione del servizio end-to-end di Machine Learning, dalla realizzazione di Modelli di Machine Learning, Integrazione nei Sistemi Aziendali, alle Procedure di MLOPS (con ApiRest & microservizi), e Advanced Analytics