多年来，美国运通在人工智能和认知技术领域始终处于领先地位。作为一家拥有庞大忠实客户群的全球金融服务机构，保护客户账户安全一直是美国运通的重中之重。在过去的时间里，识别并阻止欺诈行为一直是公司的首要任务。而近年来人工智能的迅速发展，则将运通的欺诈检测能力提升到了一个新的高度。
最近，美国运通身份与认证策略全球负责人Rajat Jain分享了如何成功利用机器学习技术来检测和识别欺诈行为，以及如何通过人工智能和机器学习增强公司的整体客户体验。在此次访谈中，他阐述了美国运通在人工智能及机器学习应用方面的见解，展示了运通在欺诈检测领域的领先地位，同时分享了运通在应用人工智能技术时的一些重要思路。
美国运通在各类流程中运用人工智能与机器学习技术的历史有多长？
可以说，这一历程相当悠久。美国运通的管理层早已意识到数据分析与技术的重要性，这推动了我们在风险管理、市场营销和服务领域积极推进机器学习的转型。自2010年起，我们便开始研究机器学习技术，评估其在核心业务流程中的应用潜力，包括信用风险分析与欺诈检测。到2014年，我们成功进行了第一次大规模机器学习模型应用，从而显著提升了欺诈检测效率，提升幅度达到30%。
根据尼尔森报告，我们在防范欺诈方面的努力，使得运通连续13年保持着行业内最低的欺诈率——实际上，我们的损失率仅为其他主要支付网络的一半。
美国运通是如何利用先进的机器学习技术进行欺诈检测的？
我们致力于使用最新的机器学习技术，保护我们的支付卡用户和商户免受欺诈的侵害。我们的机器学习算法实时监控全球每一笔运通卡交易，年交易总额超过1.2万亿美元。更重要的是，我们能够在几毫秒内迅速做出欺诈判定。核心技术之一是有序RNN，通过对数据进行有序分析，我们能够理解各类交易之间的关系，从而更快地识别出可疑支出——或者说“异常”支出。简而言之，如果某位客户在早上10:00在纽约购买了一杯咖啡，而在10:05又在洛杉矶郊外为汽车加油，我们就会迅速判断其支付卡可能已被盗用。
人工智能与机器学习技术与以往的欺诈及风险管理方法有什么不同？
数十年来，金融服务公司一直在采用各种先进的分析方法，以保护客户的个人信息和账户安全，力求与快速变动的欺诈行为保持同步。在我看来，当前金融行业在防范欺诈方面的真正突破，源于机器学习技术。与传统的逻辑回归模型相比，机器学习具有三大核心优势：
· 更有效地捕捉非线性趋势及变量之间的相互关系，从而提高检测的准确性。
· 快速部署单一全局构建解决方案，灵活捕捉跨地域的趋势。
· 提高团队的工作效率，使他们能将更多精力投入到更重要的数据科学问题上。
人工智能与机器学习如何增强美国运通的整体客户体验？
美国运通的机器学习创新正在引领一场非技术性应用的优化，旨在创造世界一流的客户服务体验。我们的支付卡会员无疑是我们最重视的资产，而维持较低的欺诈率则是增强会员信任和留住用户的关键。每年有成千上万的数据点和数十亿的决策汇聚到同一系统中，这一系统为消费者和企业提供了当今世界上最重要的服务——安全的支付通道、更快的决策速度、实时的客户沟通，以及顶尖的欺诈保护与解决方案。
您如何看待人工智能与机器学习技术对整体客户体验的影响？
最关键的是将数据中的各个点连接起来，只有实现这一目标，我们才能为客户提供顶尖的日常使用体验。在当前的背景下，这意味着我们需要向客户证明我们了解他们的需求，并能在每一次数字互动中提供必要的支持。例如，我们利用机器学习技术检测欺诈活动，然后实时将数字通知发送给支付卡的注册者。通过这些警报（包括电子邮件、短信以及移动应用的实时推送），我们帮助持卡会员更轻松地监控账户可能遇到的欺诈行为。
您能否分享一些关于美国运通在人工智能技术应用方面的有趣或令人惊讶的故事？
美国运通的数据科学团队由一批拥有硕士及博士学位的数据科学家组成。他们永远不满足于现状，始终在提升自己的技能。在这个不断发展的数据科学领域，我们意识到成功的唯一途径是不断学习和尝试新技术。团队定期评估现有模型的优缺点，并寻找真正满足客户需求的创新方法。实际上，我们计划在下个月推出X世代欺诈模型，利用我们的最新技术捕获更多欺诈行为。
您认为目前对银行业务流程而言，最大的人工智能与机器学习应用限制是什么？
我们的一切努力都是为了服务客户，并获得他们的认可与支持。对于我们来说，将机器学习引入银行流程的最大限制在于如何证明这种新分析技术是否真的能帮助我们实现对全球无数客户的承诺。尽管最新的数据科学研究与进展确实令人振奋，但这些都只是理论和学术研究。我们在现实中的运作和决策会影响到每一位持卡会员的账户安全。因此，在应用新型人工智能技术之前，我们必须确保其能够在实际生产环境中取得客户所期望的结果。
您能否谈谈在构建机器学习模型时，运通公司需要重点关注的数据因素？
我们始终强调，各种机器学习模型之间存在显著差异，而我们的模型之所以与众不同，正是因为我们使用的数据。作为发卡行、商户收单行和网络运营商，美国运通在整个支付链中构建了庞大的全球业务体系。这一“闭环网络”将大规模数据集与我们训练有素的专业知识及顶尖机器学习算法相结合，使我们在打击欺诈行为方面具备强大优势。我们能够访问来自商家和持卡用户的大量数据，确保比其他网络和发卡机构更快地采取行动，及时发现并阻止潜在的欺诈行为。
在构建机器学习模型时，美国运通如何保障客户隐私与数据安全？
美国运通深知保持消费者信任的重要性，并对数据隐私和安全性有着坚定的承诺。我们将根据数据保护和隐私原则，以及具有法律约束力的内部规定，通过合同及其他政策要求来保护个人数据。
在未来几年，您对哪些人工智能技术最为期待？
简而言之，我认为在利用有序数据集进行预测方面，我们刚刚起步。人工智能尚未通过有序预测有效地将一系列事件联系起来，因此我们期待在这一领域迎来突破性进展，持续改善客户体验。关于未来几年的欺诈防范，我们将继续评估新兴技术，并应用切实有效的解决方案，努力增强主动与被动的防御能力，以更好地应对各种新威胁。
[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
