Escolher o fornecedor certo de Machine Learning pode ser uma tarefa árdua. Afinal, a última coisa que os bancos ou instituições financeiras querem ser sobrecarregados com um investimento em Machine Learning que não atende completamente às suas necessidades.
Aqui estão nove perguntas que você deve fazer a um fornecedor de Machine Learning para ajudá-lo a evitar cometer um erro caro.
1) A plataforma é preparada para o futuro?
O espaço da Inteligência Artificial se move rápido e evolui rapidamente. Infelizmente, isso significa que algumas tecnologias em uso hoje se tornarão obsoletas amanhã. Por isso, é importante entender, como escolher o melhor fornecedor de Machine Learning para o seu negócio. Pense em como os hábitos bancários mudaram rapidamente para os canais digitais durante a pandemia. Qualquer sistema em que você investe deve ser flexível o suficiente para responder às mudanças nas atividades do mercado e aos novos hábitos bancários dos clientes.
Certifique-se de perguntar ao fornecedor de Machine Learning se a solução tem limites embutidos. Se a solução não puder se ajustar facilmente para atender às novas condições, ela pode se tornar um bloqueador para as prioridades de escala de sua empresa.
2) Quanto controle você terá?
Qualquer solução de Machine Learning que você implementar deve ser capaz de oferecer suporte a vários modelos e modelos personalizados. O suporte a vários modelos é importante porque os fraudadores se comportam de maneira diferente, dependendo de onde estão e o que estão fazendo. O modelo global, por exemplo, não refletirá as nuances dos padrões de fraude exclusivos de uma região específica, como as características da América Latina. Enquanto isso, os modelos personalizados consideram os padrões de fraude exclusivos que os setores bancário e de pagamentos enfrentam regularmente.
Pergunte ao fornecedor se seu produto oferece suporte para modelos personalizados e múltiplos. Por isso, mais uma vez, é importante saber qual o fornecedor é mais adequado ao seu negócio.
3) Você entende como o sistema chegou à sua pontuação de risco?
Você precisará confiar no sistema de Machine Learning que selecionar, mas como você pode confiar no sistema se você ou sua equipe de analistas de fraude não entendem como ele alcançou seus resultados? Isso será um problema se o sistema de Machine Learning depender de soluções de caixa preta que não revelam como uma decisão foi tomada.
Certifique-se de investir em soluções que, em última análise, mantém os humanos no controle e permitem que eles revisem as transações para tomar decisões informadas. Escolha um fornecedor que ofereça soluções de caixa preta apenas se estiver disposto a confiar totalmente nos resultados do sistema sem compreender seu processo de tomada de decisão.
4) O sistema permite dados omnicanal?
O Machine Learning não é uma solução do tipo configure e esqueça. A tecnologia precisa evoluir com as últimas tendências para fornecer os resultados mais confiáveis. Pergunte ao fornecedor de Machine Learning se a solução pode receber dados rapidamente de diferentes pontos de contato com o cliente, celular, online, caixas eletrônicos etc. Com esses pontos de dados, seu banco pode obter uma visão de 360 graus dos comportamentos do cliente, capacitando sua equipe para ajustar o modelo e consequentemente, para melhorar o seu desempenho. Lembre-se de que um bom modelo também pode extrair dados de fontes externas e internas.
5) É escalável?
Imagine que seu negócio se expande rapidamente com sucesso e você processa o dobro de transações que antes. Seu modelo de Machine Learning deve ser capaz de acompanhar sua nova carga de trabalho com apenas pequenos ajustes. Se o sistema não consegue acompanhar suas novas demandas, ele pode se tornar um bloqueador para o crescimento futuro da sua organização. Certifique-se de perguntar ao fornecedor de Machine Learning como o sistema responde aos novos desenvolvimentos. Eles devem listar diferentes opções sobre como o sistema pode ser ajustado. Enquanto isso, um fornecedor que afirma que seu sistema é “o único de que você precisa” deve levantar uma bandeira vermelha.
6) A experiência do fornecedor de Machine Learning faz parte do negócio?
Um sistema de Machine Learning é sem dúvida uma das compras mais complicadas que seu banco já fez. É por isso que é importante não pensar em suas negociações com um fornecedor de Machine Learning como uma transação única. Você precisará acessar a experiência do fornecedor em Machine Learning e ciência de dados para aproveitar ao máximo seu investimento. Pergunte ao fornecedor se o acesso ao seu conhecimento faz parte do contrato de compra. Procure um fornecedor que esteja oferecendo uma parceria, não apenas uma venda.
7) Quão específica pode ser configurada a plataforma?
As plataformas de Machine Learning criam perfis de comportamento normal e, em seguida, sinalizam instâncias de comportamento incomum ou anormal. Mas algumas plataformas de Machine Learning podem ampliar em mais detalhes do que outras. Por exemplo, em vez de olhar para “mulheres com idades entre 30 e 35”, ele olha para “Susan”. Quanto mais específica uma plataforma for na construção de um perfil, mais fraudes ela pode prevenir. Pergunte como a plataforma do fornecedor cria perfis de clientes para estabelecer um comportamento “normal” de linha de base. Certifique-se de que o fornecedor não use os dados de maneira muito ampla. Se o fizerem, sua organização pode perder mais dinheiro com fraudes.
8) A plataforma oferece gerenciamento de casos flexível?
Se o seu banco opera em todo o mundo e funciona 24 horas por dia, 7 dias por semana, você pode ter várias centenas de pessoas logando no sistema em momentos diferentes. Procure sistemas de Machine Learning que ofereçam ferramentas flexíveis de gerenciamento de casos que permitam às suas equipes criar fluxos de trabalho autoconfiguráveis para suas prioridades. Você deseja ferramentas de gerenciamento de casos que distribuam automaticamente o trabalho com base em critérios diferentes, priorizem as transações por importância e ofereçam a vários membros da equipe (analistas de fraude, funcionários de filiais ou pessoal de atendimento ao cliente) exatamente o que eles precisam do sistema.
Pergunte ao fornecedor como o sistema distribui o trabalho entre os diferentes departamentos e como os membros da equipe podem usá-lo para priorizar as transações. Considere as perspectivas das diferentes equipes e como a plataforma funcionará para elas à medida que desempenham suas responsabilidades. Desconfie se o fornecedor não puder responder como o sistema funciona para diferentes departamentos.
9) É autoconfigurável?
Digamos que você queira medir a taxa de rotatividade de um departamento, produto ou membro da equipe específico. Normalmente, você teria que pedir ao fornecedor de Machine Learning para ajustar os relatórios de seu painel para atingir essas metas. Uma plataforma com painéis autoconfiguráveis, no entanto, permite que você personalize métricas específicas para se concentrar em seus KPIs de negócios preferidos. Em um mundo de carros movidos a gasolina, os sistemas de Machine Learning são os novos carros elétricos.
Uma plataforma que é autoconfigurável vai um passo além. Isso significa que você não está apenas comprando o carro; você está comprando a fábrica de automóveis. Pergunte ao fornecedor quanto tempo leva para ajustar o painel de acordo com sua preferência.
O sinalizador vermelho deve soar se eles não puderem garantir que você será capaz de configurá-lo de acordo com as necessidades específicas de sua organização de acordo com sua conveniência.
Investir em Machine Learning pode ser uma etapa intimidante. Mas você não precisa fazer isso sozinho. Use este guia para tornar seu processo de seleção de Machine Learning o mais tranquilo e informado possível.
Como você pode ter certeza de que está trabalhando com o fornecedor de Machine Learning certo para sua empresa? Simples, escolhendo o melhor fornecedor Machine Learning para o seu negócio. Baixe ou e-book: “Como escolher uma plataforma de Machine Learning para detectar e prevenir crimes financeiros” e aprenda os sinais de alerta a serem observados e muito mais.
