Un recente studio pubblicato da Experian, azienda attiva nel campo dei dati e della tecnologia, esamina in maniera approfondita le modalità in cui l’Intelligenza Artificiale Generativa (GenAI) sta rivoluzionando il contesto delle frodi. L’analisi, effettuata su 499 decision maker specializzati nella lotta alle frodi, evidenzia un incremento delle perdite aziendali dovute ad attività fraudolente, con il furto di identità in prima linea, e sottolinea la necessità di implementare robuste misure di sicurezza basate sul machine learning (ML). L’indagine commissionata a Forrester Consulting ha coinvolto otto nazioni: Sudafrica, India, Norvegia, Danimarca, Spagna, Italia, Paesi Bassi e Germania.
GenAI e frodi: più sofisticati gli attacchi ma anche le difese
Il report rileva innanzitutto la transizione da azioni perpetrate da singoli truffatori a organizzazioni criminali ben coordinate e strutturate, una tendenza esacerbata dall’arrivo della Generative AI. Circa tre quarti (73%) degli intervistati in Italia e nel mondo concordano sul fatto che la GenAI abbia modificato in modo irreversibile il panorama delle frodi, rendendolo più intricato e sofisticato.
La GenAI ha anche permesso “l’industrializzazione delle frodi“, ovvero ha fornito ai truffatori gli strumenti per generare e applicare facilmente e su larga scala tattiche fraudolente come identità sintetiche e deepfake. Inoltre, il 56% delle imprese trova difficile identificare l’uso della GenAI in un attacco fraudolento e quantificarne l’impatto sulle perdite, una percentuale che sale al 69% in Italia.
Ne consegue che le aziende devono adottare un approccio ancor più proattivo alla prevenzione delle frodi facendo leva sull’impiego di soluzioni avanzate basate sull’intelligenza artificiale e sull’integrazione di diversi strumenti specifici gestiti tramite piattaforme di orchestrazione, al fine di valutare con maggiore precisione i rischi di frode, migliorare l’accuratezza del rilevamento e ridurre i costi.
Condivisione dei dati e tecnologie avanzate per alzare le difese
La crescente complessità delle minacce di frode rende ancora più essenziale la collaborazione con partner esterni e l’adozione di tecnologie avanzate. Quasi quattro decision maker su cinque ne sono consapevoli tanto che il 78% concorda sul fatto che la collaborazione con partner esterni è fondamentale per una prevenzione efficace delle frodi (il 73% in Italia).
Inoltre, il 63% delle aziende globali è convinto che la condivisione di dati e informazioni sulle frodi all’interno di un consorzio di organizzazioni sia un modo efficace per identificare le tendenze emergenti, con il 64% che ha registrato un ritorno positivo sugli investimenti (ROI) dalla propria partecipazione. Ciò sottolinea l’importanza di superare le sfide legate alla condivisione dei dati per migliorare gli sforzi di rilevamento e prevenzione delle frodi.
Si tratta di una posizione condivisa anche dalle imprese italiane con il 64% che ritiene efficace il ruolo dei consorzi e il 60% che ne ha tratto un ritorno positivo sugli investimenti. Tuttavia, la mancanza di standard condivisi sulla governance e sicurezza dei dati all’interno dei consorzi (58%) e i requisiti posti dalle normative nazionali (58%) sembrano porre un freno per sbloccare il pieno potenziale di queste reti. Per il 61% delle imprese italiane, è essenziale che i consorzi migliorino la propria abilità di condividere dati in maniera sicura e efficiente, anche tra settori industriali diversi.
Il machine learning come pilastro della prevenzione delle frodi
Di fronte alle crescenti minacce di frode e al ruolo critico del machine learning nella fase di prevenzione, l’introduzione di modelli basati su ML viene considerata una priorità assoluta dai responsabili aziendali intervistati. Al contempo, oltre la metà delle aziende ammette di avere difficoltà nell’implementazione di strumenti di ML a causa di dati di addestramento insufficienti (53% nel mondo, 55% in Italia) e mancanza di dati di qualità (54% nel mondo, 55% in Italia). Sviluppare modelli ML efficaci all’interno di ciascuna organizzazione richiede molte più risorse rispetto all’utilizzo di modelli pre-addestrati e verificati. Utilizzando modelli ML standard personalizzabili, le aziende possono accelerare l’implementazione e ottenere valore più velocemente.
“In Italia, l’impatto delle frodi sui settori finanziario e delle telecomunicazioni è particolarmente evidente, con il 58% delle aziende locali intervistate che hanno subito perdite dovute alle frodi negli ultimi 12 mesi e il 71% che ha sottolineato una generale crescita dei tentativi di frode – ha commentato Armando Capone, CEO Experian Italia – In Experian, siamo impegnati nello sviluppo e nel perfezionamento di strumenti basati sul machine learning, essenziali per identificare e mitigare le attività fraudolente. Incoraggiando l’uso di questi tool avanzati, consentiamo alle aziende di navigare nel complesso panorama della prevenzione delle frodi con fiducia, con l’obiettivo di garantire che le informazioni personali e finanziarie rimangano al sicuro, offrendo la possibilità di operare in tranquillità in un mondo sempre più digitale“.
Le ultime tecnologie per migliorare il rilevamento delle frodi
Shail Deep, Chief Operating Officer (COO), Experian EMEA & APAC, ha dichiarato: “Guardando al futuro, l’integrazione della prevenzione delle frodi basata su ML diventerà imprescindibile per contrastare le sofisticate minacce di frode di oggi. Secondo la nostra ricerca il 73% degli esperti ritiene che il panorama delle frodi sia stato radicalmente modificato dall’intelligenza artificiale generativa. Di conseguenza, oltre il 50% ha registrato un aumento delle perdite derivanti da attacchi fraudolenti nell’ultimo anno, cosa che rende l’adozione di nuove soluzioni flessibili per la prevenzione delle frodi assolutamente necessaria, oltre che urgente. In Experian, continuiamo a concentrarci sull’innovazione, integrando le ultime tecnologie per migliorare il rilevamento delle frodi. Il nostro obiettivo è creare un mondo digitale più sicuro per i nostri clienti e consumatori, garantendo la sicurezza delle loro informazioni personali e finanziarie”.
