เทคโนโลยีได้พัฒนาไปอย่างรุดหน้าจนกลายเป็นปัจจัยสำคัญของภาคธุรกิจที่ต้องการปรับเปลี่ยนกระบวนการทำงานและขับเคลื่อนองค์กรด้วยระบบอัตโนมัติ
แต่ในอีกด้านหนึ่ง ทั้งธุรกิจและผู้บริโภคต่างต้องเผชิญกับอาชญากรที่อาศัยประโยชน์ของเทคโนโลยีในการก่อเหตุเช่นกัน
โดย <a href="https://www.pwc.com/gx/en/services/forensics/economic-crime-survey.html">PwC</a>
หนึ่งในบริษัทที่ปรึกษาธุรกิจชั้นนำแห่งหนึ่งของโลก ได้ให้ข้อมูลที่น่าสนใจไว้ใน Global Economic Crime and Fraud Survey 2022
ว่าใน 2 ปีที่ผ่านมา องค์กรที่อยู่ในสำรวจกว่าร้อยละ 51
เคยประสบกับการกับฉ้อโกง โดยที่ร้อยละ 40 เป็นการฉ้อโกงที่แฝงมากับแพลตฟอร์มต่างๆ
ซึ่งในประเทศแถบเอเชียแปซิฟิก ได้แก่ ไทย มาเลเซีย
กัมพูชา และ เมียนมาร์ ยังเผชิญกับการถูกหลอกลวงด้วยเสียงเพิ่มขึ้นกว่า <a href="https://www.theasianbanker.com/mediafeed-news/details?rkey=20230628AE44391&amp;filter=23792&amp;pd=28%20Jun%20%202023">200%</a>
ดังนั้นเพื่อเพิ่มความปลอดภัยจากการใช้เทคโนโลยี ทั้งภาครัฐและภาคธุรกิจจึงหันมาให้ความสนใจในการใช้ปัญญาประดิษฐ์และการเรียนรู้ด้วยเครื่อง
(AI/ML) เพื่อให้ธุรกิจและองค์กรมีกระบวนการตรวจจับการฉ้อโกงได้โดยอัตโนมัติ
และป้องกันก่อนที่จะเกิดเหตุได้ทัน

AI/ML เข้ามาช่วยพัฒนากระบวนการตรวจจับการฉ้อโกง (Fraud Detection) อย่างไร

ปัจจุบันเทคโนโลยีปัญญาประดิษฐ์
(AI) และการเรียนรู้ด้วยเครื่อง (ML) พัฒนาขึ้นอย่างมาก จึงมีคนสนใจนำมาประยุกต์เพื่อใช้ในการป้องกันการฉ้อโกง เนื่องจากเทคโนโลยีเหล่านี้สามารถวิเคราะห์ข้อมูลจำนวนมากได้พร้อมๆ
กัน ทั้งยังสามารถตรวจสอบรูปแบบ และกิจกรรมที่ผิดปกติที่มีแนวโน้มจะเกี่ยวข้องกับการฉ้อโกง
นอกจากนี้ยังรับมือกับการฉ้อโกงรูปแบบใหม่ๆ ได้อย่างแม่นยำ ปัจจุบันสถิติพบว่า
ประเทศไทยนำแมชชีนเลิร์นนิง (ML)
เข้ามาใช้อย่างแพร่หลายถึงร้อยละ 69 รองจากอินโดนีเซีย ที่อยู่ร้อยละ
<a href="https://www.macaubusiness.com/growing-fraud-incidents-in-asia-driving-fis-to-prioritise-technology-risk-management-strategy-and-capabilities-new-survey-shows/">71</a>
จึงเป็นที่น่าสนใจว่า AI และ ML นั้นสามารถนำมาใช้ในการจัดการกับการตรวจจับการฉ้อโกงได้อย่างไรบ้าง

โมเดลเพื่อการทำนายข้อมูล
(Predictive Model) 

เป็นหนึ่งในการนำ AI และ ML มาประยุกต์ใช้งานได้อย่างมีประสิทธิภาพที่สุด
โมเดลประเภทนี้สามารถทำนายความน่าจะเป็นที่จะเกิดการฉ้อโกงขึ้นในอนาคตโดยอาศัยข้อมูลในอดีต
โมเดลเพื่อการทำนายข้อมูลจะทำงานโดยการวิเคราะห์รูปแบบและความผิดปกติที่เกิดขึ้น ทำให้สามารถตรวจจับการฉ้อโกงได้ก่อนที่จะเกิดขึ้นจริง

การตรวจจับความผิดปกติ (Anomaly Detection) 

เป็นอีกหนึ่งรูปการประยุกต์ใช้งาน
AI และ ML ในการตรวจจับการฉ้อโกง
(Fraud Detection) ที่มีประสิทธิภาพ โดยโมเดลจะระบุรูปแบบของพฤติกรรมที่มีความผิดปกติและส่อให้เกิดการฉ้อโกง
ตัวอย่างพฤติกรรมต้องสงสัยว่าเกิดการฉ้อโกงขึ้น เช่น เมื่อจู่ๆ ลูกค้ารายหนึ่งตรงเข้าสั่งซื้อสินค้าจำนวนมากๆ
จากร้านค้าในสถานที่ที่ไม่เคยไปใช้บริการมาก่อนโดยโมเดลนี้จะสามารถติดตามดูธุรกรรมเหล่านี้เพื่อนำไปตรวจสอบได้

การประมวลผลภาษาธรรมชาติ
(Natural Language Processing; NLP) 

กระบวนการที่คอมพิวเตอร์สามารถทำความเข้าใจภาษาของมนุษย์มีประโยชน์อย่างมากในการตรวจจับการฉ้อโกง
โดย NLP สามารถใช้ในการวิเคราะห์การสื่อสารผ่านตัวอักษร
เช่น อีเมลหรือบันทึกข้อความสนทนา เพื่อระบุพฤติกรรมต้องสงสัย ตัวอย่างเช่น พนักงานเริ่มใช้ภาษา
รวมถึงส่งคำขอที่ผิดปกติ อาจเป็นสัญญาณถึงพฤติกรรมการฉ้อโกง

แมชชีนวิชัน (Machine vision) 

เป็นเทคโนโลยีที่ใช้คอมพิวเตอร์วิทัศน์
(Computer Vision) วิเคราะห์ภาพและวิดีโอ
เทคโนโลยีนี้นำมาใช้เพื่อตรวจจับพฤติกรรมการฉ้อโกงในหลากหลายสถานการณ์ได้ ตัวอย่างการนำไปใช้งานคือ
การนำไปตรวจจับสินค้าลอกเลียนแบบ หรือระบุตัวตนจากภาพวิดีโอของกล้องวงจรปิด

ปัจจุบัน โมเดลการนำเทคโนโลยีตรวจจับการฉ้อโกงเข้ามาใช้งานทำได้
2 วิธีด้วยกัน คือการสร้างโมเดลจากนั้นเทรนขึ้นมาด้วยตนเอง
และการซื้อเทคโนโลยีสำเร็จรูปที่มีจำหน่ายอยู่ ซึ่ง VISAI มีบริการ
AI Solutions ในการสร้างและเทรนโมเดลระบบ Fraud
Detection ที่เหมาะสมกับชุดข้อมูลที่มีอยู่ของคุณ โดยสามารถดูรายละเอียดเพิ่มเติมได้ที่นี่ <a href="https://visai.ai/th/ai-solutions">บริการ
AI Solutions</a>

ตัวอย่างธุรกิจที่ใช้ Fraud Detection

การฉ้อโกงที่เกิดขึ้นอย่างต่อเนื่องทำให้บริษัทต้องเริ่มมองหาโซลูชันอย่างเทคโนโลยีตรวจจับการฉ้อโกง
(Fraud Detection) รวมถึงบริการที่จะช่วยปกป้องบริษัทได้เข้ามาใช้งานในองค์กร
โดยเฉพาะธุรกิจการธนาคาร บริการทางการเงิน และประกันภัย ตัวอย่างธุรกิจในภาคอุตสาหกรรมต่างๆ
ที่มีการนำเทคโนโลยีตรวจจับการฉ้อโกงมาใช้งานแล้ว ได้แก่

1. ธนาคาร โดยจะนำซอฟต์แวร์มาใช้เพื่อระบุตัวตนที่ถูกสวมรอยจากอาชญากร
รวมถึงธุรกรรมที่มีการฉ้อโกง และแอปพลิเคชันที่ไม่ปลอดภัย

2. ผู้ให้บริการเทรดคริปโต มีการใช้มาตรการให้ผู้เทรดยืนยันตัวตนเพื่อป้องกันการฉ้อโกง
ซึ่งมีการต่อยอดพัฒนาจนทำให้ธุรกิจให้บริการเทรดคริปโตกลายเป็นผู้ให้บริการการระบุตัวตนและพิสูจน์ทราบตัวตน
(KYC) ไปด้วย

3. บริษัทประกันภัย บริษัทเหล่านี้จะใช้อัลกอริทึมมาช่วยตรวจจับความผิดปกติที่อยู่ในการเรียกร้องค่าสินไหมทดแทน
เพื่อป้องกันการฉ้อโกง

4. ภาครัฐบาล หน่วยงานต่างๆ จะรวบรวมข้อมูลระหว่างแผนกต่างๆ และนำข้อมูลมาใช้งานเพื่อระบุหาการฉ้อโกงภาษีและพฤติกรรมที่ผิดปกติ
โดยภาครัฐจะทำงานร่วมกับหน่วยงานที่มีหน้าที่บังคับใช้กฎหมาย หรือหน่วยงานที่เกี่ยวข้องกับความมั่นคงทางชายแดน
และการบริการสังคม

5. องค์กรที่ให้บริการด้านสุขภาพ องค์กรเหล่านี้จะมุ่งเน้นในเรื่องการตรวจจับการฉ้อโกงเมื่อมีการเรียกร้องค่าสินไหมประกันสุขภาพ ซึ่งหากมีการฉ้อโกงเกิดขึ้นอาจจะก่อให้เกิดความเสียหายมูลค่านับพันล้านบาท

6. ธุรกิจ E-commerce ในธุรกิจนี้มีการใช้เทคโนโลยีการยืนยันตัวตนเข้ามาป้องกันการฉ้อโกง
นอกจากนี้การยืนยันตัวตนยังทำให้ธุรกิจทราบที่อยู่ที่ถูกต้องของลูกค้า ลดโอกาสส่งสินค้าผิดที่อยู่และถูกร้องขอเงินคืนจากลูกค้า

โมเดลของ VISAI ช่วยพัฒนาระบบตรวจจับการฉ้อโกง
(Fraud
Detection) ได้อย่างไร

วิสัยมีโมเดล AI และ ML ที่ล้ำสมัย ซึ่งสามารถช่วยพัฒนาระบบ Fraud Detection สำหรับติดตั้งในแอปพลิเคชันหรือระบบ
IT ที่องค์กรมีอยู่ได้อย่างมีประสิทธิภาพ ตัวอย่างเช่น

1. โมเดลจำแนกประเภท (Classification Model)


สำหรับทำนายหมวดหมู่ของข้อมูล การพัฒนาโมเดลจะต้องใช้เฉลยหรือผลลัพธ์ที่ต้องการจากโมเดลให้โมเดลได้เรียนรู้
และคาดคะเนผลลัพธ์ต่างๆ ได้อย่างแม่นยำมากขึ้น
โมเดลจำแนกประเภทสามารถนำมาประยุกต์ใช้กับ Fraud Detection ได้
โดยนำมาใช้เพื่อช่วยทำนายว่าข้อมูลที่ได้รับมาว่าเข้าข่ายการฉ้อโกงหรือไม่

สามารถนำไปพัฒนาเป็นฟีเจอร์
คือ

-
ทำนายว่าข้อมูลที่ได้รับมาเข้าข่ายการฉ้อโกงหรือไม่

2. โมเดลการแบ่งกลุ่มข้อมูล (Clustering Model)


สำหรับแบ่งกลุ่มของข้อมูล การพัฒนาโมเดลจะไม่ต้องใช้เฉลย แต่จะใช้วิธีหารูปแบบและความผิดปกติในข้อมูล
และพยายามแบ่งกลุ่มอัตโนมัติ โมเดลการแบ่งกลุ่มข้อมูลสามารถนำมาประยุกต์ใช้กับ Fraud Detection ได้ โดยส่วนมากนำมาใช้ทำการตรวจจับความผิดปกติ
(Anomaly Detection)

สามารถนำไปพัฒนาเป็นฟีเจอร์ คือ

-
แบ่งกลุ่มข้อมูลที่มีความคล้ายคลึงกัน
เพื่อนำไปใช้วิเคราะห์เพิ่มเติมว่าเป็นกลุ่มของข้อมูลที่เข้าข่ายการฉ้อโกงหรือไม่

- หาข้อมูลที่เป็น Outlier
หรือมีความผิดปกติแตกต่างจากข้อมูลอื่นๆ
เพื่อนำไปใช้วิเคราะห์เพิ่มเติมว่าเป็นข้อมูลที่เข้าข่ายการฉ้อโกงหรือไม่

ตัวอย่างโมเดลการตรวจจับการฉ้อโกง ที่ VISAI เคยพัฒนาให้กับธุรกิจ 

บริษัทการเงินมีปริมาณข้อมูล
Transaction เข้ามาเป็นจำนวนมาก ซึ่งโดยปกติจะมีพนักงานตรวจสอบและมีระบบเพื่อตรวจจับความผิดปกติของข้อมูล
เพื่อป้องกันการฉ้อโกงแล้ว แต่ยังเกิดปัญหาหลายด้านเนื่องจาก

เพื่อแก้ปัญหาดังกล่าว
ทีมงานวิสัยจึงได้พัฒนา AI เพื่อให้ใช้งานร่วมกับระบบตรวจจับความผิดปกติของข้อมูลที่มีอยู่เดิมของบริษัทการเงิน
โดยมีหัวข้อการพัฒนาดังนี้

ประโยชน์ที่บริษัทการเงินได้รับ

ในอนาคต
AI และ ML จะเข้ามามีบทบาทในการตรวจจับการฉ้อโกง (Fraud Detection) เป็นอย่างมาก เนื่องจากเทคโนโลยีเหล่านี้ปฏิวัติการรับมือกับการฉ้อโกงด้วยความสามารถในการประมวลผลข้อมูลขนาดใหญ่ได้อย่างรวดเร็วและแม่นยำ
ช่วยเพิ่มประสิทธิภาพในการตรวจจับการฉ้อโกง และเทคโนโลยีเหล่านี้จะยิ่งก้าวหน้ายิ่งขึ้นอีกทำให้การตรวจจับและป้องกันการฉ้อโกงยิ่งพัฒนายิ่งขึ้นไป
แต่อย่างไรก็ดี การใช้ AI และ ML ในการตรวจจับการฉ้อโกงก็ยังมีหลายสิ่งที่ต้องระวัง
เช่น ประสิทธิภาพของโมเดล ความเป็นส่วนตัวของผู้ใช้ และอคติที่อาจจะเกิดขึ้น
การเลือกพาร์ทเนอร์ที่มีความเชี่ยวชาญในการสร้างระบบอย่างแท้จริงจึงเป็นสิ่งจำเป็นอย่างยิ่งที่ต้องคำนึงถึง
หากบริษัทหรือองค์กรใดทสนใจบริการพัฒนาโซลูชันเพื่อการตรวจจับการฉ้อโกงกับ VISAI สามารถติดต่อเราได้ที่บริการ
<a href="https://visai.ai/th/ai-solutions">AI Solutions</a>

-&nbsp;<a href="https://www.pwc.com/gx/en/services/forensics/economic-crime-survey.html">PwC</a>

- <a href="https://www.theasianbanker.com/mediafeed-news/details?rkey=20230628AE44391&amp;filter=23792&amp;pd=28%20Jun%20%202023">The Asian Banker</a>&nbsp;

- <a href="https://www.macaubusiness.com/growing-fraud-incidents-in-asia-driving-fis-to-prioritise-technology-risk-management-strategy-and-capabilities-new-survey-shows/">Macau Business</a>&nbsp;