كشف الاحتيال بالذكاء الاصطناعي: مسار التنفيذ

أكثر من نصف عمليات الاحتيال اليوم تستخدم هي نفسها شكلاً من أشكال الذكاء الاصطناعي. هذه الحقيقة وحدها تغيّر معادلة الدفاع بأكملها: فالنظام المبني على قواعد ثابتة يفقد أرضيته تدريجياً أمام أنماط تتعلّم وتتكيّف.

كانت استجابة القطاع حاسمة — نشرت ٩٠ بالمئة من المؤسسات أنظمة كشف مدعومة بالذكاء الاصطناعي، وكشف الاحتيال هو أولوية ٢٠٢٦ الأولى لدى ٥٣ بالمئة من المختصين المصرفيين.

هذا المقال هو مسار التنفيذ العملي: من البيانات المطلوبة إلى المؤشر الذي يُحكم به.

لماذا لم تعد القواعد وحدها كافية

يعمل النظام التقليدي بقواعد صريحة: إذا تجاوز المبلغ حداً، أو جاءت المعاملة من بلد بعينه، أو تخطى العدد في نافذة زمنية سقفاً.

وتترتب على ذلك ثلاث مشكلات:

• القواعد ثابتة والأنماط متحركة. في كل مرة يتغيّر فيها أسلوب الاحتيال، يجب كتابة قاعدة جديدة — ودائماً بخطوة متأخرة.
• ينتج إنذارات كاذبة كثيرة. يُدفن فريق المراجعة تحت حالات ليست احتيالاً، ما يؤخر ظهور الحالات الحقيقية.
• يفوته التركيب. الاحتيال الذي لا يخالف أي قاعدة منفردة لكنه مريب في تركيبه يمرّ دون رصد.

النموذج المتعلّم يلتقط النمط بدل القاعدة، ويُعاد تدريبه على بيانات جديدة حين يتبدّل النمط.

مسار التنفيذ

أولاً: حدّدوا البيانات المتوفرة لديكم

ثلاثة عناصر هي الأهم:

• سجل المعاملات بأي تفاصيل متاحة — المبلغ والوقت والأطراف والقناة
• حالات الاحتيال المؤكدة السابقة — أثمن ما لديكم، لأن النموذج يحتاج أمثلة حقيقية
• الحالات المراجَعة التي لم تكن احتيالاً — بالقيمة نفسها، لأن النموذج يجب أن يتعلّم الفرق

تملك معظم المؤسسات أكثر مما تتوقع، وإن كان موزعاً على أنظمة غير مترابطة.

ثانياً: قيسوا خط الأساس

قبل أي تغيير، سجّلوا الحالة الراهنة رقمياً: معدل الكشف، ومعدل الإنذار الكاذب، ومتوسط زمن مراجعة الحالة.

هذه الخطوة غير جذابة ويجري تخطيها كثيراً — ولهذا تحديداً ينتهي كثير من المشاريع إلى جدال غير حاسم حول ما إذا كان شيء قد تحسّن.

ثالثاً: ابدأوا بقناة واحدة

اختاروا قناة واحدة أو نوعاً واحداً من المعاملات. ضيق النطاق يضاعف فرص الوصول إلى التشغيل الفعلي. ونمط الفشل الشائع في مشاريع الذكاء الاصطناعي هو اتساع النطاق لا ضعف التقنية.

رابعاً: شغّلوا النموذج بموازاة النظام القائم

شغّلوا النموذج الجديد بالتوازي أولاً دون أن يتخذ قراراً، وقارنوا المخرجات لأسابيع.

يحقق هذا أمرين: قياس الأداء الفعلي دون مخاطرة، وبناء ثقة فريق المراجعة بالمخرجات.

خامساً: اختاروا مؤشر النجاح الصحيح

أهم قرار في المشروع. المقياس الصحيح ليس عدد حالات الاحتيال المكتشفة — هذا الرقم وحده مضلّل.

المقاييس الحقيقية:

• انخفاض معدل الإنذار الكاذب، وهو ما يحرّر ساعات عمل فريق المراجعة مباشرة
• انخفاض زمن الكشف، أي الفجوة بين الوقوع والتحديد
• القيمة المالية للحالات التي كانت تمرّ سابقاً

وكلها تُترجم إلى قيمة مالية، ما يجعل رفع التقارير مباشراً.

سادساً: درّبوا فريق المراجعة

أكثر أجزاء المشروع بقاءً هو المعرفة التي تستقر داخل المؤسسة. فالمحللون بحاجة إلى قراءة مخرجات النموذج، وترتيب أولويات التنبيهات، وإدراك متى لا يكون النموذج موثوقاً.

إن دورة تدريبية في الذكاء الاصطناعي قصيرة مبنية حول هذا التطبيق، مع مستشار ذكاء اصطناعي يرافق الفريق في الأشهر الأولى، هي عادةً ما يفصل بين نظام يُستخدم ونظام يكتفي بإنتاج التقارير.

أسئلة متكررة

هل يجب إيقاف النظام القائم؟

لا. النهج الشائع هو التشغيل المتوازي: يعمل النموذج المتعلّم إلى جانب القواعد القائمة ويأخذ تدريجياً حصة أكبر من القرار. وتبقى القواعد الصريحة مفيدة للحالات القاطعة.

ماذا لو كانت أمثلة الاحتيال المؤكدة قليلة؟

هذه نقطة البداية المعتادة. تستطيع طرق كشف الشذوذ إيجاد الأنماط غير المعتادة دون أمثلة موسومة، وإن بدقة أقل. ومع تراكم الحالات المراجَعة يزداد النموذج دقة.

متى تظهر النتائج؟

جمع البيانات وقياس خط الأساس بضعة أسابيع، وتدريب النموذج وضبطه أسابيع إضافية. ويستغرق التشغيل المتوازي عادةً شهراً إلى شهرين حتى تتكوّن ثقة كافية.

ما أكبر المخاطر؟

كثرة الإنذارات الكاذبة. فالنظام الذي يدفن فريق المراجعة تحت حالات غير ذات صلة يُهجر سريعاً مهما بلغت دقته التقنية.

الخلاصة

كشف الاحتيال بالذكاء الاصطناعي ليس تقنية ناشئة؛ فقد نشرته ٩٠ بالمئة من المؤسسات. ولم يعد السؤال هل ينجح، بل كيف يُنفَّذ جيداً.

والجواب هو النمط المألوف: قناة واحدة، وخط أساس مقاس، وتشغيل متوازٍ، ومؤشر يُترجم إلى مال.

الصورة الأوسع في الذكاء الاصطناعي في المؤسسات المالية، وقرارات الحوكمة السابقة له في حوكمة الذكاء الاصطناعي في المؤسسات المالية.

خدمات قطرة ذات الصلة

تتخذ قطرة من مجمع البرز للعلوم والتقنية في كرج مقراً لها، وتعمل مع المؤسسات في:

• علم البيانات ونماذج كشف الأنماط — كشف الشذوذ والتنبؤ والصيانة الاستباقية
• استشارات الذكاء الاصطناعي للأعمال — تصميم المشروع التجريبي واختيار مؤشر القياس
• دورات تدريبية في الذكاء الاصطناعي واستشارات الذكاء الاصطناعي للتعليم — تدريب فرق المراجعة والمحللين
• أتمتة الذكاء الاصطناعي وروبوتات المحادثة لخدمة العملاء
• الرؤية الحاسوبية والروبوتات — معالجة الصور والتحقق الآلي من المستندات

إذا أردتم معرفة القناة التي تبدأون بها، تواصلوا معنا.