Mi történik a fizetés előtti másodpercben? – interjú Konstantina Kapetanidivel, a Visa adatmegoldásokért felelős európai alelnökével

Kívülről úgy tűnik, hogy egy fizetés szinte azonnal megtörténik. Mi zajlik valójában, mielőtt a rendszer engedélyez egy tranzakciót?

Egy kártyás érintés vagy online kártyás fizetés és a sikeres tranzakció visszaigazolása közötti pillanatokban az adatokból bizalom lesz.

A fizetési kérelem a kereskedőtől annak pénzforgalmi szolgáltatóján és a Visa hálózatán keresztül jut el a kártyakibocsátó bankhoz. Eközben több biztonsági ellenőrzés is lefut.

Az olyan technológiák, mint a Visa Advanced Authorization, ezredmásodpercek alatt akár 400 különböző adatpontot vizsgálnak meg annak érdekében, hogy kiszűrjék a gyanús tranzakciókat.

A bank ezeket az információkat a saját ügyfél- és számlaadatokkal együtt értékeli, majd meghozza a döntést arról, hogy jóváhagyja-e a fizetést.

Ez a rendszer nagyon szofisztikált, hiszen képes eldönteni, hogy egy tranzakció egyszerűen csak szokatlan, vagy valóban gyanús. A cél az, hogy az ügyfeleket megvédjük a csalásoktól, viszont a jogszerű vásárlásokat ne akadályozzuk feleslegesen.

Ez azért fontos, mert nemcsak a csalások jelentenek költséget, hanem az is, ha egy teljesen legitim tranzakciót tévesen utasítanak el.

A rendszerek teljesítményét olyan mutatókkal mérjük, mint a csalásokból eredő veszteségek, a jóváhagyási arány vagy a válaszidő. Az ügyfelek azonban mindebből leginkább annyit érzékelnek, hogy a fizetésük gond nélkül átmegy, folytathatják, amit éppen csinálnak.

A siker végső soron azt jelenti, hogy az emberek magabiztosan intézhetik mindennapi ügyeiket anélkül, hogy a fizetések mögött meghúzódó összetett folyamatokra kellene gondolniuk. Az intelligens technológia jórészt láthatatlan marad, a bizalom viszont minden zökkenőmentes pillanatban érezhető.

Nap mint nap adatokkal és mesterséges intelligenciával dolgozik. Van olyan terület, ahol továbbra is inkább az intuíciójára, mint az adatokra támaszkodik?

Igen, például annak eldöntésében is, hogy mely kérdéseket érdemes egyáltalán feltenni.

Az adatok azt tükrözik, amit már megmértünk, olyan körülmények között, amelyek már léteztek.

Önmagukban nem feltétlenül mutatják meg, mit hagytunk figyelmen kívül, kinek a tapasztalata hiányzik, vagy mit fogadnának szívesen az emberek, ami ma még nem létezik. Ehhez kíváncsiságra, empátiára és olykor arra a magabiztosságra is szükség van, hogy megkérdőjelezzünk egy nagyon meggyőzőnek tűnő adatelemzést.

Az intuíciómra támaszkodom egy-egy lehetőség felvetésében, majd bizonyítékok segítségével tesztelem azt. A tapasztalat pontosabbá teheti az ítélőképességünket, ugyanakkor azt is elérheti, hogy túlságosan kényelmesen érezzük magunkat a saját feltételezéseink között.

A görög énemnek ritkán nincs véleménye. Az adattudós énem viszont mindig azt kérdezi: mi bizonyítaná, hogy tévedek?

Mi lepte meg leginkább abban, ahogyan a vállalatok az elmúlt években alkalmazni kezdték a mesterséges intelligenciát?

Az, hogy milyen szívesen vezetünk be rendkívüli technológiákat olyan folyamatokba, amelyeket egyébként vonakodunk újragondolni. A generatív mesterséges intelligencia jóval több ember számára tette elérhetővé a kísérletezést, ami rendkívül értékes.

Egy asszisztens beépítése egy munkafolyamatba azonban önmagában nem javítja azt. Ugyanazt a felesleges jelentést lényegesen gyorsabban is elkészíthetjük.

Úgy gondolom, hogy ahogy a nagy teljesítményű modellek egyre szélesebb körben elérhetővé válnak, a versenyelőny egyre inkább az adatok minőségétől, az üzleti működés megértésétől és a döntéshozatali folyamatok átalakításának képességétől függ. A mérés terén is nagyobb fegyelemre van szükség. Az időmegtakarítás hasznos, de az határozza meg a valódi értékét, hogy mire fordítjuk a felszabaduló időt. Jobb ügyfélkiszolgálásra, többletbevétel elérésére vagy nagyobb kapacitás megteremtésére?

Melyik jelenlegi fejlesztés izgatja a leginkább, és miért?

Adattudósként különösen érdekelnek azok a modellek, amelyek a tranzakciók megértésére, valamint a kereskedelem tényleges működése mögött álló összefüggések és mintázatok feltárására készülnek. A Visa idén bejelentett Large Transaction Model nevű modelljét több milliárd tranzakció adatain tanították, és úgy tervezték, hogy javítsa a csalások felismerését, miközben csökkenti a téves elutasítások számát, amely a fizetések egyik alapvető kihívása.

Számomra az a legizgalmasabb, hogy a fejlettebb intelligencia mérhető eredményekkel kapcsolódik össze.

Egy valódi vásárlás jóváhagyása, a kereskedő nem veszít el egy értékesítési lehetőséget, az ügyfél bizalma pedig megmarad. Ahogy az AI-ügynökök vásárlásokat fognak kezdeményezni, a kontextus megértése még fontosabbá válik. Különbséget kell majd tennünk a jogszerű új viselkedési formák és a tényleges kockázatok között.

A tegnapi „normális” viselkedés definíciója nem lehet a holnap teljes csalásmegelőzési stratégiája.

Ha öt évre előre tekintünk, a fizetési élmény mely része változhat meg teljesen a maihoz képest?

Arra számítok, hogy az egyes lépések jóváhagyásától egyre inkább olyan keretek meghatározása felé mozdulunk el, amelyeken belül a technológia önállóan cselekedhet. Egyre gyakrabban fogjuk meghatározni a kívánt eredményt, a költségkeretet és a preferenciáinkat, majd egy AI-ügynökre bízzuk a keresést és a fizetést.

A Visa Intelligent Commerce jelenleg az ehhez az átalakuláshoz szükséges fizetési adatok, hitelesítési megoldások és kontrollmechanizmusok kialakítását segíti. A feladatok delegálásához azonban bizalomra van szükség.

A Visa szeptemberben közzétett, amerikai fogyasztók körében végzett kutatása szerint a fogyasztók mindössze 23 százaléka bízna meg a generatív mesterséges intelligenciában a fizetések kezelésével.

Ugyanebben a kutatásban a megkérdezett amerikai fogyasztók 61 százaléka bízná a Visára az AI-ügynökök által kezdeményezett tranzakciókat, és a válaszadók a Visát jelölték meg az AI-alapú fizetések biztosításában leginkább megbízhatónak tartott márkaként.

Számomra ez a különbség jól mutatja, miért fontos a megbízható fizetési szakértelem a kereskedelem fejlődésével párhuzamosan.

Az élményt a megfelelő kontroll fogja meghatározni: egyértelmű engedélyek, átlátható költések és az egyszerű beavatkozás lehetősége.

Például egy repülőjegy lefoglalását rábízhatom egy AI-ügynökre, de a „döntsd el belátásod szerint” nem jelent korlátlan költési felhatalmazást.

Mit jelent mindez a bankok és a pénzügyi szolgáltatók számára? Mire érdemes már most felkészülniük?

Én egy olyan világra készülnék, amelyben a bank továbbra is központi szerepet tölthet be a tranzakcióban, még akkor is, ha nem ő biztosítja azt a felületet, amelyen az ügyfél meghozza a döntését.

Ehhez három képesség válik különösen fontossá: a döntéseket valós időben támogató, megbízható adatok; olyan szolgáltatások, amelyekhez más platformok biztonságosan kapcsolódhatnak; valamint egyértelműen igazolható információ arról, hogy ki, milyen műveletet és milyen korlátok között engedélyezett.

Érdemes azt is tesztelni, hogyan működnek a csalásmegelőzési kontrollok, az ügyfélszolgálat és a vitás tranzakciók kezelése akkor, ha egy AI-ügynök is részt vesz a folyamatban. A Visa Agentic Ready program ellenőrzött környezetben támogatja ezeknek a fizetési folyamatoknak a tesztelését, és segít azonosítani a működési hiányosságokat, mielőtt azok nagyobb léptékben jelentkeznének.

Számomra az lenne a legfontosabb, hogy ezeket a beruházásokat konkrét eredményekhez kapcsoljuk: több jogos tranzakció jóváhagyásához, alacsonyabb veszteségekhez és jobb ügyfélélményhez.

A stratégiai kérdés az, hogy az ügyfelek akkor is az adott szolgáltatást választják-e, és megbíznak-e benne, amikor már a mesterségesintelligencia-asszisztensük végzi helyettük a keresést és a tájékozódást.