A valós idejű fizetések térnyerése alapjaiban alakította át a pénzforgalmat. Az utalások ma már másodpercek alatt célba érnek, ezzel azonban a pénzügyi intézmények egy fontos biztonsági hálót is elveszítettek: az időt. Ha egy csaló megszerzi a pénzt, azt az esetek többségében már nem lehet visszahívni. A bankok ezért arra kényszerülnek, hogy a hagyományos megelőzés mellett új eszközökkel is felvegyék a harcot a pénzügyi visszaélések ellen. Egyre több intézmény fordul olyan mesterséges intelligenciára épülő rendszerekhez, amelyek már nemcsak a tranzakció előtt, hanem annak teljesülése után is képesek feltárni a csalások nyomait.
Egyre több pénzt visznek el a csalók
A PYMNTS Intelligence kutatása szerint a pénzügyi intézmények 40 százaléka tavaly nagyobb veszteséget szenvedett el csalások miatt, mint egy évvel korábban, miközben 38 százalékuk a csalási esetek számának emelkedéséről számolt be.
Különösen látványosan nőtt az úgynevezett scam (átverés) típusú csalások aránya. Ezek már a pénzügyi intézmények által jelentett csalárd tranzakciók közel negyedét adják, számuk egyetlen év alatt 56 százalékkal emelkedett. Ennél is aggasztóbb, hogy az ilyen csalások során elveszített pénzösszeg 121 százalékkal nőtt.
Az egyik legnagyobb kihívást az authorized push payment (APP) csalások jelentik. Ezekben az esetekben nem ellopott bankkártyával vagy feltört számlával történik a fizetés, hanem maga az ügyfél indítja el az utalást, mert a csalók megtévesztik. A bank szemszögéből minden rendben zajlik: a hitelesítés sikeres, az ügyfél jóváhagyja a tranzakciót, az utalás pedig teljesül. Mire kiderül az átverés, a pénz gyakran már több köztes számlán is áthaladt.
Az Egyesült Királyságban tavaly az APP-csalásokból származó veszteségek 576,4 millió fontra emelkedtek, ami 19 százalékos növekedést jelent. Az esetek kétharmada valamilyen online platformon indult.
Már nem elég eldönteni, hogy átmenjen-e egy utalás
A csalásfelderítő rendszerek hosszú ideig egyetlen kérdésre keresték a választ: engedélyezni kell-e az adott tranzakciót?
A valós idejű fizetések elterjedésével azonban új megközelítésre van szükség. Ha egy gyanús utalás már teljesült, sokkal fontosabbá válik annak feltérképezése, hogy milyen más tranzakciókhoz kapcsolódik, kik vesznek részt benne, és merre halad tovább a pénz.
Erre a problémára kínál megoldást a Nasdaq Verafin új Agentic AI Workforce platformjának két legújabb fejlesztése. Az Agentic Fraud Analyst a gyanús ACH-tranzakciók automatikus előszűrését végzi, míg az Agentic AML Analyst a pénzmosás egyik legismertebb módszerére, az úgynevezett cash structuringra koncentrál. Ilyenkor a bűnözők a nagyobb összegeket több kisebb befizetésre bontják, hogy elkerüljék a kötelező hatósági jelentéseket.
A későbbi fejlesztések során ezek a rendszerek már a pénz útját is követni tudják majd különböző számlák és nemzetközi tranzakciók között. A két új megoldás 2026 harmadik negyedévében válik széles körben elérhetővé.
Több ezer bank adata segíti a csalások felderítését
A Nasdaq Verafin szerint már több mint 650 pénzügyi intézmény használja a platformot, amely egy több mint 2800 bankot és pénzügyi szolgáltatót összekötő adathálózatra épül.
Ennek jelentősége abban rejlik, hogy a rendszer nem csupán egyetlen bankon belül képes összefüggéseket keresni. Ha ugyanazok a számlák vagy szereplők több intézménynél is megjelennek, az AI ezt is figyelembe tudja venni a kockázatok értékelésekor.
A vállalat szerint az eddig bevezetett AI-ügynökök már jelentős időmegtakarítást eredményeztek. Az Agentic Sanctions Analyst akár 90 százalékkal csökkentette a szankciós riasztások átvizsgálásához szükséges munkát, míg az Agentic EDD Analyst a fokozott ügyfél-átvilágítás idejét akár a felére rövidítette.
Indiában már havi húszezer pénzmosó számlát találnak meg
A probléma természetesen nemcsak Európában vagy Észak-Amerikában van jelen. Indiában az Indiai Központi Bank innovációs központja fejlesztette ki a MuleHunter.AI rendszert, amely jelenleg 26 banknál működik.
A megoldás havonta körülbelül 20 ezer úgynevezett mule számlát azonosít. Ezek olyan köztes bankszámlák, amelyeket a bűnözők arra használnak, hogy az ellopott pénzt több állomáson keresztül mozgassák, mielőtt készpénzben felvennék vagy továbbküldenék.
Az Indian Cyber Crime Coordination Centre adatai szerint 2025 végéig már 2,65 millió elsődleges mule számlát azonosítottak. A hatóságok becslése alapján ezek a hálózatok közel 200 milliárd rúpiányi, vagyis mintegy 2,4 milliárd dollár értékű csalásban játszottak szerepet. Ebből nagyjából 980 millió dollárt sikerült visszaszerezni és visszajuttatni a károsultaknak.
A bankok egyszerre védekeznek a tranzakció előtt és után
A JPMorgan Chase és az ACI Worldwide nemrég bejelentett együttműködése jól mutatja, milyen irányba halad a piac. A két vállalat a JPMorgan Kinexys Liink számlaellenőrzési rendszerét építi be az ACI csalásmegelőzési platformjába, hogy még az utalás előtt kiszűrhetők legyenek a gyanús tranzakciók.
Ez azonban már önmagában nem elegendő. A valós idejű fizetések világában a pénz pillanatok alatt elhagyja a számlát, így a tranzakció utólagos visszafordítására gyakorlatilag nincs lehetőség.
Éppen ezért a bankok ma már két fronton védekeznek. Egyrészt igyekeznek megakadályozni, hogy a gyanús utalások egyáltalán teljesüljenek. Másrészt olyan rendszereket építenek, amelyek képesek gyorsan feltérképezni a pénz útját, összekapcsolni az egymással összefüggő tranzakciókat, és még azelőtt azonosítani a csaló hálózatokat, hogy az ellopott összegek végleg eltűnnének. Ez a kettős megközelítés válhat a következő évek egyik legfontosabb fegyverévé a pénzügyi csalások elleni küzdelemben.
(Forrás: PYMNTS)
(Címlapkép: Depositphotos)
