Amex多年来一直是人工智能和认知技术领域的领导者。作为一家拥有庞大忠实客户群的全球金融服务机构，确保客户账户安全一直是美国运通的重中之重。长期以来，检测和阻止欺诈一直是美国运通的首要任务。近几年人工智能的飞速发展，确实将美国运通的欺诈检测能力推上了一个新台阶。美国运通美国运通欺诈与风险管理副总裁RajatJain近日，美国运通身份与认证策略全球负责人RajatJain分享了如何成功使用机器学习技术检测和发现欺诈行为，以及如何使用AI和机器学习，以改善AmEx的整体客户体验，包括一系列关于采用AI技术的关键见解。在本次采访中，他分享了美国运通对人工智能和机器学习（ML）应用方法的看法，介绍了美国运通在欺诈检测方面的领先优势，并阐述了美国运通在人工智能技术应用方面的一些重要思路。美国运通在各个流程中应用人工智能和机器学习技术多久了？RajatJain：可以说历史悠久。美国运通的领导层早就认识到数据分析和技术的作用和价值，这也促使我们积极推动风险、营销和服务领域的机器学习转型。2010年，我们开始研究机器学习技术，并着手评估其在核心业务流程（包括信用风险分析和欺诈检测）中的潜力。2014年，我们首次大规模应用机器学习模型检测欺诈。与之前的非机器学习模型相比，我们的检测效率瞬间提升高达30%。我们为消除欺诈所做的不懈努力帮助美国运通连续13年保持行业最低的欺诈率——事实上，根据尼尔森报告，我们的损失率是其他主要支付网络的一半。美国运通如何使用先进的机器学习技术进行欺诈检测？RajatJain：我们努力使用最新、最先进的机器学习技术来保护我们的支付卡会员和商户免受欺诈活动的侵害。我们的机器学习算法实时监控全球的每一笔美国运通交易——每年总计超过1.2万亿美元。更重要的是，我们可以在毫秒级内快速做出欺诈判断。我们用来监控欺诈活动的核心技术是有序RNN。通过按顺序分析数据，我们可以了解交易之间的关系，从而使我们能够更快地识别无意义的支出——或者我们所说的“异常”支出。简而言之，如果客户在上午10:00在纽约购买了一杯咖啡，但在上午10:05在洛杉矶以外的地方给汽车加油，我们会立即知道他们的支付卡已被盗用。人工智能和机器学习技术与以往的欺诈和风险管理方法有何不同？RajatJain：几十年来，金融服务公司一直在采用最先进的新兴分析方法来保护客户的个人和账户信息。而这一切，都是为了能够和行事速度一样快的骗子比拼速度。在我看来，目前金融行业防止欺诈活动的真正突破口在于机器学习技术。与之前的逻辑回归模型相比，机器学习具有三个核心优势，包括：·更有效地捕捉非线性趋势与变量之间的相互作用，从而提高检测精度。·快速部署单一的全球构建解决方案，以敏捷的方式捕捉跨多个地区的趋势。·提高团队的业务吞吐量，帮助他们将更多的精力投入到更重要的数据科学问题上。人工智能和机器学习如何提升美国运通的整体客户体验？RajatJain：美国运通的机器学习创新正在引领新一轮非技术应用优化浪潮，创造世界一流的客户服务体验。拥有支付卡的会员无疑是我们最关心的宝贵资产，保持较低的欺诈率是巩固会员信任、留住用户群体的核心前提。每年数以千计的数据点和数十亿的决策涌入同一个系统，为消费者和企业提供当今世界最重要的服务——安全的支付渠道、更快的决策速度、实时的客户沟通和世界一流的服务欺诈保护和处理。您如何看待人工智能和机器学习技术对整体客户体验的影响？RajatJain：最重要的是如何连接数据中的点。只有实现这个目标，才能带来世界顶级的日常使用体验。在当前背景下，这意味着我们需要向客户证明我们了解他们，了解他们的需求，并有能力在每次数字交互中为他们提供所需的支持。例如，我们使用机器学习来检测欺诈活动，然后向支付卡注册人发送实时数字通知。通过这些警报（通过电子邮件、短信和实时推送到移动应用程序），我们让持卡人更容易监控他们的账户是否存在可能的欺诈活动。您能分享一些关于美国运通应用人工智能技术的有趣或令人惊讶的故事吗？RajatJain：美国运通的数据科学团队由大量拥有硕士和博士学位的数据科学家组成。他们从不满足于现状，不断提高自己的技能。在不断发展的数据科学领域，我们意识到成功的唯一途径是不断学习和试验新兴技术。该团队定期评估现有模型的优点和缺点，并找到创新的方法来真正满足客户的需求。事实上，下个月我们计划发布X世代欺诈模型，它将使用我们最新的创新来捕捉更多欺诈行为。您认为银行业务流程最大的AI和机器学习应用限制是什么？RajatJain：我们所做的一切都是为了服务客户，得到他们的肯定和支持。对我们来说，将机器学习引入银行业务流程的最大限制实际上是如何证明这种新的分析技术是否真的可以代表全球无数客户帮助我们实现我们承诺的使命。虽然最新的数据科学研究和进展确实令人兴奋，但它们都是理论解决方案和学术研究。我们在现实世界中的操作和决策会影响到每一位持卡人的账户安全。因此，在应用一种新型的人工智能技术之前，我们必须清楚它可以在生产环境中实施，并带来客户所期望的结果。您能和我们谈谈美国运通在构建ML模型的过程中需要关注的数据中的哪些因素吗？RajatJain：我们一直强调各种机器学习模型之间存在很大差异，而我们使模型与众不同的是我们使用的数据。作为发卡机构、商户收单机构和网络运营商，美国运通在整个支付链条上建立了庞大的全球业务体系。这个“闭环网络”将大规模数据集与我们训练有素的专业知识专家和尖端的机器学习算法相结合，帮助美国运通在打击欺诈方面建立强大的优势。我们可以查看来自商家和持卡人的大量数据，确保我们能够比其他网络和发卡机构更快地采取行动，在欺诈实际发生之前发现并阻止欺诈。美国运通如何在构建机器学习模型时保护客户隐私和数据隐私？RajatJain：美国运通深知维护消费者信任的重要性，对数据隐私和安全有着坚定而长期的承诺。我们将根据数据保护和隐私原则以及具有有效约束力的内部法规和适用法律，通过合同和其他政策要求保护个人数据。未来几年你最期待哪些人工智能技术？RajatJain：总的来说，我认为我们才刚刚开始使用有序数据集进行预测。人工智能目前还不能通过有序的预测将一系列事件有效地联系起来，所以我们期待在这方面取得突破，最终不断提升客户体验。在未来几年的打击欺诈方面，我们将继续评估新兴技术，应用切实有效的技术方案，努力加强我们的主动和被动防御措施，以更好地应对各种新的威胁。
