Intelligenza Artificiale e dati antifrode

Intelligenza Artificiale e dati antifrode

C’è una intelligenza artificiale antifrode nata come laboratorio di analisi sulle fake news e poi diventata un efficace strumento di business intelligence. Un’occasione per il mondo dell’editoria, specie in un momento in cui la lotta alle fake news è ormai questione fondamentale per garantire la stessa tenuta della democrazia. Si chiama Artificial Intelligence Analyst.

Ogni anno  si perdono circa 5 mila miliardi di dollari nel mondo a causa di frodi. Oggi però è possibile velocizzare e automatizzare le azioni di ricerca – la business intelligence – necessarie ad  aiutare gli utenti a prendere decisioni in sicurezza e minimizzando i rischi di operazioni economico/finanziarie da effettuarsi online .

Si tratta di uno strumento pensato per assistere l’analista esperto e non per sostituirlo, in quanto resta all’uomo il compito di controllare e verificare il risultato finale di ogni analisi. La soluzione però può rivelarsi utile soprattutto in caso di operazioni finanziarie, di equity crowdfunding e manovre finanziarie online per velocizzare le azioni di fast screening e individuare false informazioni nella fasi di raccolta dei capitali.

C’è una forte componente umana in questa intelligenza artificiale che sta proprio nel training effettuato sulla macchina. Le “informazioni” – appartengano esse alla categoria delle notizie o ad altra categoria – per loro natura possono essere verificabili. Ci sono molti fattori che vengono presi in esame per valutare un’informazione: dalla autorevolezza delle fonti, al confronto fra diverse sorgenti. Si passa quindi per un complesso processo di analisi dell’informazione che individua fonti e soggetti dell’informazione, cerca dati (o fatti) a supporto, cerca (o valuta) l’affidabilità delle fonti stesse e produce primi risultati. È a questo punto che intervengono gli analisti umani, valutando se il lavoro svolto dalla macchina fino a quel momento è stato corretto o fallace e in caso di errore provvedono a correggere , prima che la macchina prosegua. Ogni correzione modifica e migliora automaticamente gli algoritmi di analisi, ogni informazione acquisita, inoltre, aumenta la conoscenza della macchina stessa, creando un patrimonio di dati di base per analisi e valutazioni future.