स्कॉट डिलन: फिनटेक धोखाधड़ी पहचान में AI — यूरोपीय लाभ

पिछले दो वर्षों में फिनटेक धोखाधड़ी का परिदृश्य नाटकीय रूप से तेज हुआ है। कार्ड धोखाधड़ी, खाता अधिग्रहण, भुगतान हेरफेर, और सिंथेटिक पहचान योजनाएं अधिक परिष्कृत और अधिक महंगी हो गई हैं। इन खतरों के खिलाफ बचाव करने वाली वित्तीय संस्थाएं और फिनटेक प्लेटफॉर्म कृत्रिम बुद्धिमत्ता के बिना प्रभावी ढंग से ऐसा नहीं कर सकते। लेकिन यूरोप में धोखाधड़ी का पता लगाने वाली AI को तैनात करने का तरीका अमेरिका से स्पष्ट रूप से भिन्न है, और यह अंतर यूरोपीय कंपनियों के लिए स्थायी प्रतिस्पर्धात्मक लाभ पैदा कर रहा है।

मैं NexaTech Ventures के माध्यम से धोखाधड़ी का पता लगाने वाली AI कंपनियों को बारीकी से ट्रैक कर रहा हूं, और जो मैं देख रहा हूं वह बाजार का विभाजन है। अमेरिकी फिनटेक प्लेटफॉर्म बड़े पैमाने पर धोखाधड़ी जोखिम को तीसरे पक्ष की सेवाओं को आउटसोर्स कर रहे हैं। यूरोपीय कंपनियां स्वामित्व वाली धोखाधड़ी का पता लगाने की प्रणालियां बना रही हैं जो सीधे उनके भुगतान प्रसंस्करण बुनियादी ढांचे में एकीकृत होती हैं। इसके प्रभाव पर्याप्त हैं।

धोखाधड़ी का पता लगाने की समस्या जिसे AI वास्तव में हल करती है

धोखाधड़ी असममित है। एक वैध लेनदेन को वास्तविक समय में होना चाहिए, लेकिन एक धोखाधड़ी वाले लेनदेन का पता बाद में लगाया और उलटा जा सकता है। पारंपरिक धोखाधड़ी का पता लगाने की प्रणालियों ने ऐतिहासिक रूप से नियम-आधारित प्रणालियों का उपयोग करके धोखाधड़ी को होने से रोकने की कोशिश की है जो पूर्व निर्धारित मानदंडों के अनुसार लेनदेन को फ्लैग करते हैं। ये प्रणालियां आवश्यक हैं लेकिन मौलिक रूप से सीमित हैं। एक नियम-आधारित प्रणाली जो उच्च जोखिम वाले लेनदेन को ब्लॉक करती है, अनिवार्य रूप से कुछ वैध लेनदेन को भी ब्लॉक करेगी, जिससे ग्राहक घर्षण पैदा होता है जिसे फिनटेक प्लेटफॉर्म बर्दाश्त नहीं कर सकते।

AI इस गणना को बदल देती है। लाखों ऐतिहासिक लेनदेन पर प्रशिक्षित मशीन लर्निंग मॉडल एक ऐसी सटीकता के साथ वैध और धोखाधड़ी वाले पैटर्न को अलग करना सीख सकते हैं जो नियम-आधारित प्रणालियां मेल नहीं खा सकतीं। अधिक महत्वपूर्ण रूप से, वे वास्तविक समय में सीख सकते हैं। जैसे-जैसे धोखाधड़ी की तकनीकें विकसित होती हैं और हमलावर अपने दृष्टिकोण को अनुकूलित करते हैं, AI-संचालित प्रणालियां एक साथ अनुकूलित होती हैं। यह स्थिर नियम-आधारित प्रणालियों की तुलना में सीखने-आधारित प्रणालियों का मौलिक लाभ है।

2026 में विकसित हो रही धोखाधड़ी की तकनीकें इस तरह की अनुकूली क्षमता की मांग करती हैं। खाता अधिग्रहण हमले यांत्रिक हो गए हैं, जो कई प्लेटफार्मों पर बड़े पैमाने पर समझौता किए गए प्रमाणपत्रों का उपयोग करते हैं। भुगतान धोखाधड़ी तेजी से मिश्रित हो रही है — सामाजिक इंजीनियरिंग, सिंथेटिक पहचान निर्माण, और मूल्य हस्तांतरण को मिलाकर वैध दिखने वाली लेनदेन श्रृंखलाओं के माध्यम से पैसे ले जाने के लिए। पहचान के लिए केवल पैटर्न पहचान की आवश्यकता नहीं है, बल्कि संदर्भ में इरादे और व्यवहार को समझने की आवश्यकता है।

यूरोपीय विनियमन रक्षात्मक खाईयां क्यों बनाता है

PSD2 निर्देश और इसके उत्तराधिकारी, PSD3 (जो 2025 में लागू होने की उम्मीद है), ने सभी ऑनलाइन भुगतानों के लिए मजबूत ग्राहक प्रमाणीकरण को अनिवार्य किया है और ओपन बैंकिंग के लिए एक ढांचा बनाया है जिसके लिए वित्तीय संस्थानों को APIs के माध्यम से ग्राहक डेटा साझा करने की आवश्यकता होती है। इस नियामक वातावरण को अक्सर अनुपालन लागतों से निराश फिनटेक कंपनियों द्वारा एक बोझ के रूप में चित्रित किया जाता है। वास्तव में, यह उन कंपनियों के लिए स्थायी प्रतिस्पर्धात्मक लाभ पैदा कर रहा है जो इसके भीतर धोखाधड़ी का पता लगाने की प्रणालियां बनाती हैं।

कारण डेटा पहुंच और मानकीकरण है। PSD2 ढांचे के लिए अधिकृत तीसरे पक्षों को ग्राहक खाता जानकारी, लेनदेन इतिहास, और प्रमाणीकरण घटनाओं तक पहुंच की आवश्यकता होती है। एक फिनटेक प्लेटफॉर्म के लिए जो PSD2 के तहत भुगतान संस्थान के रूप में अधिकृत है, इसका मतलब है कि उनके पास एक डेटा संपत्ति है जो उनके अमेरिकी प्रतिस्पर्धियों में बड़े पैमाने पर नहीं है: कई यूरोपीय वित्तीय संस्थानों में ग्राहक लेनदेन इतिहास और व्यवहार डेटा की विस्तृत श्रृंखला तक मानकीकृत, नियामक-अनुमोदित पहुंच।

अधिक महत्वपूर्ण रूप से, लेनदेन पारदर्शिता और रिपोर्टिंग के लिए नियामक आवश्यकता संरचित डेटा बनाती है। प्रत्येक भुगतान को मानकीकृत प्रारूपों में दर्ज किया जाना चाहिए, प्रत्येक प्रमाणीकरण घटना को लॉग किया जाना चाहिए, प्रत्येक धोखाधड़ी के दावे का दस्तावेजीकरण किया जाना चाहिए। यह मशीन लर्निंग मॉडल के लिए प्रशिक्षण डेटासेट बनाता है जो एकल कंपनी के लेनदेन इतिहास से संकलित डेटासेट की तुलना में काफी स्वच्छ और अधिक व्यापक होते हैं।

NexaTech Ventures में, यह एक प्रमुख संकेत है जिसे हम यूरोपीय फिनटेक धोखाधड़ी का पता लगाने वाली कंपनियों में देखते हैं: क्या उन्होंने PSD2 और उससे आगे की डेटा पहुंच और पारदर्शिता आवश्यकताओं का लाभ उठाने के लिए अपनी प्रणाली बनाई है? जिन कंपनियों ने ऐसा किया है वे अपने अमेरिकी प्रतिस्पर्धियों की तुलना में एक समृद्ध फीचर सेट तक पहुंच वाले मॉडल बना रही हैं, जो सीधे बेहतर धोखाधड़ी का पता लगाने की सटीकता में अनुवादित होता है।

आर्किटेक्चर लाभ

यूरोपीय फिनटेक कंपनियां अधिकांश अमेरिकी फिनटेक प्लेटफार्मों की तुलना में एक अलग आर्किटेक्चरल परत पर धोखाधड़ी का पता लगाने वाली AI को तैनात कर रही हैं। पूर्ण लेनदेन पर डाउनस्ट्रीम जांच के रूप में धोखाधड़ी का पता लगाने का उपयोग करने के बजाय, वे इसे भुगतान प्रसंस्करण पाइपलाइन में ही एम्बेड कर रहे हैं। इसके लिए विभिन्न तकनीकी दृष्टिकोणों की आवश्यकता होती है और विभिन्न प्रतिस्पर्धी गतिशीलता पैदा होती है।

बड़े पैमाने पर वास्तविक समय धोखाधड़ी निर्णय लेना — एक लेनदेन शुरू होने के मिलीसेकंड के भीतर धोखाधड़ी का मूल्यांकन करना — गणना को लेनदेन के करीब ले जाने की आवश्यकता होती है। अपने स्वयं के भुगतान बुनियादी ढांचे का निर्माण करने वाली यूरोपीय कंपनियां सीधे अपनी लेनदेन प्रसंस्करण परत में मशीन लर्निंग मॉडल को तैनात कर रही हैं, जो लेटेंसी प्राप्त कर रही हैं जो प्लेटफॉर्म-आधारित दृष्टिकोण मेल नहीं खा सकते।

इसके दूसरे क्रम के प्रभाव हैं। कम लेटेंसी का मतलब निर्णय के समय अधिक सटीक फीचर डेटा है। अधिक सटीक फीचर डेटा का मतलब बेहतर मॉडल प्रदर्शन है। बेहतर मॉडल प्रदर्शन का मतलब कम वैध लेनदेन अवरोधन है, जो सीधे ग्राहक अनुभव लाभ और कम ग्राहक अधिग्रहण लागत में अनुवादित होता है।

कई यूरोपीय फिनटेक कंपनियों ने विशेष रूप से इसे सक्षम करने के लिए स्वामित्व वाली लेनदेन प्रसंस्करण बुनियादी ढांचा बनाया है। वे अपने धोखाधड़ी जोखिम को तीसरे पक्षों को आउटसोर्स नहीं कर रहे हैं; वे आरंभ से निपटान तक पूर्ण लेनदेन पाइपलाइन के स्वामित्व द्वारा अपने धोखाधड़ी जोखिम को नियंत्रित कर रहे हैं।

निवेश का अवसर

धोखाधड़ी का पता लगाने वाला AI बाजार पर्याप्त है और बढ़ रहा है। हाल के विश्लेषक अनुसंधान के अनुसार, वैश्विक फिनटेक धोखाधड़ी नुकसान वार्षिक रूप से एक सौ अरब पाउंड से अधिक है और लेनदेन की मात्रा से तेजी से बढ़ रहा है। धोखाधड़ी रोकथाम में निवेश के लिए आर्थिक मामला सीधा है।

लेकिन यूरोपीय निवेशकों के लिए अवसर अधिक विशिष्ट है। सबसे रक्षात्मक फिनटेक धोखाधड़ी का पता लगाने वाले व्यवसाय वे हैं जो तीन तत्वों को मिलाते हैं: बड़े, विविध लेनदेन डेटासेट पर प्रशिक्षित स्वामित्व वाले AI मॉडल; बोल्ट-ऑन प्लेसमेंट के बजाय भुगतान प्रसंस्करण बुनियादी ढांचे में आर्किटेक्चरल एकीकरण; और नियामक अनुपालन ढांचे जो स्थायी डेटा लाभ पैदा करते हैं।

NexaTech Ventures में, हम उन यूरोपीय कंपनियों का समर्थन कर रहे हैं जो इन मानदंडों को पूरा करती हैं। हम उन कंपनियों में कम रुचि रखते हैं जो बैंकों या फिनटेक कंपनियों को बिक्री के लिए सामान्य धोखाधड़ी का पता लगाने वाले प्लेटफॉर्म बना रही हैं। उन व्यवसायों को तीव्र मूल्य निर्धारण दबाव का सामना करना पड़ता है और बाजार की स्थिति का बचाव करने के लिए संघर्ष करना पड़ता है। हम उन कंपनियों का समर्थन कर रहे हैं जो अपने स्वयं के फिनटेक प्लेटफार्मों के भीतर प्रतिस्पर्धात्मक लाभ के स्रोत के रूप में धोखाधड़ी का पता लगाने का निर्माण कर रही हैं।

जो यूरोपीय फिनटेक कंपनियां इस समस्या को हल करती हैं — कम वैध लेनदेन अस्वीकृति दरों को बनाए रखते हुए बेहतर धोखाधड़ी का पता लगाने की सटीकता प्राप्त करना — एक ग्राहक अनुभव लाभ प्राप्त करेंगी जो स्थायी विकास और रक्षात्मक बाजार स्थिति में अनुवादित होती है।

आगे क्या होना चाहिए

यूरोपीय फिनटेक कंपनियों को इस लाभ का पूरी तरह से लाभ उठाने के लिए, उन्हें तीन चीजें करने की आवश्यकता है। सबसे पहले, मशीन लर्निंग बुनियादी ढांचे और प्रतिभा में काफी निवेश करें। स्वामित्व वाले धोखाधड़ी का पता लगाने के मॉडल बनाने के लिए डेटा विज्ञान क्षमता में निरंतर निवेश की आवश्यकता होती है जिसे कई फिनटेक कंपनियों ने ऐतिहासिक रूप से आउटसोर्स किया है। इसे बदलने की जरूरत है।

दूसरा, यूरोपीय फिनटेक पारिस्थितिकी तंत्र के भीतर खुले तौर पर डेटा साझा करें। यूरोपीय फिनटेक की सामूहिक धोखाधड़ी का पता लगाने की क्षमता नाटकीय रूप से सुधर जाएगी यदि उद्योग गुमनाम धोखाधड़ी डेटा साझा करे और मॉडल विकास पर सहयोग करे। इसके लिए GDPR को सावधानीपूर्वक नेविगेट करने की आवश्यकता होगी, लेकिन यह तकनीकी रूप से संभव है और पारिस्थितिकी तंत्र में सभी को लाभान्वित करेगा।

तीसरा, यूरोपीय फिनटेक को नियंत्रित करने वाले नियामक संबंधों में निवेश करें। जो कंपनियां PSD3 जैसे नियमों को कैसे लागू किया जाता है, यह आकार देने में मदद करती हैं, उनका प्रतिस्पर्धी परिदृश्य पर स्थायी प्रभाव होगा।

यूरोपीय फिनटेक में धोखाधड़ी का पता लगाने वाला AI अवसर प्रचार नहीं है। यह वास्तविक है, यह पर्याप्त है, और यह उन कंपनियों के लिए उपलब्ध है जो इसे रणनीतिक रूप से देखती हैं।

Scott Dylan NexaTech Ventures के संस्थापक हैं। वह AI, फिनटेक और प्रौद्योगिकी निवेश पर लिखते हैं। scottdylan.com पर और पढ़ें।