จับตา 'ข้อมูลเรียลไทม์' อาวุธใหม่สกัดกลโกง-ทุจริต แก้เกมภัยสแกม

ภัยทุจริตทางการเงินซับซ้อนขึ้นพร้อมกับความเร็วของธุรกรรม ทำให้ “เวลา” กลายเป็นปัจจัยสำคัญของการป้องกันความเสียหาย ขณะที่การประมวลผลข้อมูลแบบเรียลไทม์เข้ามาช่วยลดช่องว่างระหว่างการเกิดธุรกรรมกับการตรวจจับความผิดปกติ

สแกมไทยเสียหาย 1.15 แสนล้านบาทต่อปี

เคนนี่ ชิน ผู้อำนวยการภูมิภาคเอเชียตะวันออกเฉียงใต้ บริษัท คอนฟลูเอนท์ กล่าวว่า ภาคการเงินไทยจำเป็นต้องยกระดับมาตรการป้องกันการทุจริตเพื่อรับมือภัยคุกคามที่ขยายตัวและมีความซับซ้อนมากขึ้น

ข้อมูลประมาณการล่าสุดชี้ว่า ความเสียหายจากการหลอกลวงในประเทศไทยมีมูลค่าสูงถึงประมาณ 1.15 แสนล้านบาทต่อปี

กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคมสั่งระงับบัญชีม้ามากกว่า 1.18 ล้านบัญชีในช่วงเดือนพฤศจิกายน 2566 ถึงมกราคม 2569 พร้อมปิดกั้น URL ผิดกฎหมายกว่า 300,000 รายการ ซึ่งส่วนใหญ่เชื่อมโยงกับการหลอกลวงออนไลน์และการพนัน

รายงาน Thailand Scam Report ของ Global Anti-Scam Alliance (GASA) ระบุว่า 72% ของคนไทยเผชิญกลโกงออนไลน์เป็นประจำ และ 60% ยอมรับว่าเคยตกเป็นเหยื่อในช่วงปีที่ผ่านมา ขณะที่ผู้ได้รับผลกระทบ 14% ต้องเผชิญความเสียหายทางการเงิน โดยมีมูลค่าความเสียหายเฉลี่ยประมาณ 12,955 บาทต่อราย

ยกระดับการตรวจจับ ปิดช่องว่างธุรกรรมโอนเร็ว

ท่ามกลางสถานการณ์ดังกล่าว ธนาคารแห่งประเทศไทยได้ยกระดับมาตรการจัดการบัญชีม้า ทั้งการขยายเกณฑ์ระบุพฤติกรรมต้องสงสัยและเพิ่มความร่วมมือระหว่างสถาบันการเงิน โดยให้ความสำคัญกับความสามารถของธนาคารในการตรวจจับและตอบสนองต่อความเสี่ยงได้ทันท่วงที

อย่างไรก็ตาม ธนาคารหลายแห่งยังพึ่งพาการประมวลผลแบบกลุ่ม (Batch Processing) ซึ่งมักตรวจสอบธุรกรรมในช่วงสิ้นวัน ทำให้การตรวจจับความผิดปกติเกิดความล่าช้า ขณะที่ธุรกรรมทุจริตสามารถโอนข้ามบัญชีได้ภายในไม่กี่นาที

ช่องว่างด้านเวลานี้ทำให้สถาบันการเงินมีข้อจำกัดในการเข้าแทรกแซง เช่น การระงับธุรกรรมหรืออายัดบัญชี ก่อนที่เงินจะถูกโอนต่อไปยังบัญชีอื่น

'Data Streaming' ตรวจจับความเสี่ยงเรียลไทม์

เพื่อแก้ข้อจำกัดดังกล่าว สถาบันการเงินหลายแห่งเริ่มหันมาใช้การประมวลผลข้อมูลแบบเรียลไทม์มากขึ้น 

โดยสามารถใช้ข้อมูลเพื่อระบุพฤติกรรมผิดปกติ เช่น การโอนเงินที่รวดเร็วผิดปกติ การทำธุรกรรมจำนวนมากในช่วงเวลาสั้นๆ หรือการทำธุรกรรมร่วมกับบัญชีที่มีความเสี่ยงสูง

ในกรณีที่มีการอัปเดตรายชื่อบัญชีหรือบุคคลต้องสงสัย ระบบเรียลไทม์ยังสามารถนำข้อมูลดังกล่าวมาปรับใช้กับธุรกรรมที่กำลังดำเนินอยู่ได้ทันที

อีกความท้าทายคือข้อมูลที่เกี่ยวข้องกับการตรวจจับทุจริตมักกระจายอยู่ในหลายระบบ ทั้ง Core Banking ฐานข้อมูลลูกค้า และแพลตฟอร์มธุรกรรม

การเชื่อมโยงข้อมูลช่วยให้ธนาคารเห็นความเคลื่อนไหวของบัญชีได้ครอบคลุมขึ้น และตรวจจับรูปแบบที่อาจเกี่ยวข้องกับการทุจริต เช่น การทำธุรกรรมเป็นขบวนการ หรือเครือข่ายบัญชีม้า

AI ต้องอาศัยข้อมูลที่สดใหม่

AI มีบทบาทเพิ่มขึ้นในการตรวจจับการทุจริต แต่ประสิทธิภาพของโมเดลขึ้นอยู่กับความครบถ้วนและความสดใหม่ของข้อมูล

การใช้ Data Pipeline แบบเรียลไทม์ช่วยให้โมเดล AI วิเคราะห์ธุรกรรมล่าสุดควบคู่กับข้อมูลพฤติกรรมในอดีตได้ ส่งผลให้การตรวจจับมีความแม่นยำขึ้น และช่วยลดปัญหาการแจ้งเตือนผิดพลาด

นอกจากการป้องกันทุจริตแล้ว การประมวลผลข้อมูลแบบเรียลไทม์ยังนำไปใช้กับการดำเนินงานอื่นของสถาบันการเงินได้ ทั้งการสืบสวนการทุจริต การติดตามตรวจสอบธุรกรรม รวมถึงการประเมินสินเชื่อ ซึ่งได้ประโยชน์จากการเข้าถึงข้อมูลที่เป็นปัจจุบันมากขึ้น

เคนนี่กล่าวว่า ประสิทธิภาพในการตรวจจับทุจริตในปัจจุบัน ขึ้นอยู่กับความรวดเร็วในการเข้าถึงและจัดการกับข้อมูลของสถาบันการเงิน

ข้อมูลแบบเรียลไทม์ช่วยให้ธนาคารสามารถตอบสนองต่อธุรกรรมที่น่าสงสัยได้ทันทีที่เกิดขึ้น พร้อมทั้งช่วยให้การตัดสินใจมีความแม่นยำ และมอบประสบการณ์ที่ดีให้กับลูกค้า ซึ่งเป็นเรื่องสำคัญอย่างยิ่งในการสร้างสมดุลระหว่างการยกระดับมาตรการป้องกันภัยกับการอำนวยความสะดวกให้ลูกค้าที่ทำธุรกรรมอย่างถูกต้อง”

เมื่อกฎเกณฑ์และระเบียบข้อบังคับมีความเข้มงวดขึ้น ความสามารถในการประมวลผลและตอบสนองต่อข้อมูลแบบเรียลไทม์จึงเข้ามามีบทบาททั้งในด้านการบริหารความเสี่ยงและการสร้างความเชื่อมั่นต่อระบบการเงินไทย