Den amerikanske fintech-startup, Datavisor, benytter sig af kompleks AI for at komme finansielle svindelforsøg i forkøbet.
Datavisor, som Yinglian Xie og Fang Yu startede i 2013, buldrer derudaf.
Virksomhedens indtægter steg med 67 procent i 2024, hvorved de landede på 50 millioner dollar for året, og Datavisor er også at finde på Forbes’ liste over de 50 mest innovative fintech-startups i USA i 2025.
Og det er der måske en god grund til.
Datavisor har nemlig fundet en niche i markedet, hvor de benytter yderst kompleks AI til at opdage finansielle svindelforsøg.
Nichen
Datavisors brug af AI er ikke den klassiske af slagsen, hvor man fodrer maskinen med input og data. I en artikel til Forbes udtaler Yinglian Xie således.
”Med typisk maskinlæring træner man modellen for at blive bedre. Man reagerer og prøver at lokalisere svindelforsøg fra måneder tilbage. Her har tingene måske nået at ændre sig,” udtaler hun.
Datavisors våben for at agere fremfor at reagere er ’maskinlæring uden opsyn’. Her benytter de sig af avancerede algoritmer til at analysere datasæt og opdage korrelationer – helt uden menneskelig indvirken.
De to grundlæggere, som begge har en Ph.D-grad og skrevet afhandlinger om internetsikkerhed, vil ikke gå i nærmere detaljer om, hvordan deres AI-model fungerer, men Fang Yu prøver at forklare det i brede termer.
”Vi er i stand til at analysere data i real tid. Dét er ret unikt, da de fleste svindelnetværk opererer i nutiden,” forklarer hun således i Forbes-artiklen.
Brug for eksempel?
Svindelforsøg tager mange former, og her er svindelnetværkene dygtige til konstant at finde nye måder at overtage brugerkonto på, udnytte databrud hos kreditforeninger, udarbejde falske låneansøgninger, narre uvidende forbrugere til at betale for ikkeeksisterende produkter og meget, meget andet.
For bedre at kunne forstå, hvordan Datavisors ’maskinlæring uden opsyn’, kan bruges til at dæmme op for disse svindelforsøg, kommer der her et eksempel.
Forestil dig, at et svindelnetværk får adgang til bankdata, hvorved de kan identificere mulige ofre. Her finder de en ældre kunde, hvis gennemsnitlige transaktioner ligger i den højere ende. Vedkommende har begrænset digitalt kendskab.
Svindlerne sender et fiktiv tilbud – eksempelvis over mail eller via et decideret telefonopkald – for at høre, om vedkommende ønsker at købe et gavekort eller lignende. Beløbet, svindlerne kræver, er mindre end den gennemsnitlige transaktion, vores ældre kunde normalt overfører.
I og med at beløbet er mindre, er det svært for bankens eget svindelfilter at opspore svindelforsøget, men her kan Datavisors ’maskinlæring uden opsyn’ altså opsnuse svindelforsøget og sætte en stopper for det.
