Naganowski: Nadchodzi biometria behawioralna

Pracujemy nad biometrią behawioralną. Dziś potwierdzać naszą tożsamość może nie tylko odcisk palca czy tęczówka oka, ale także nasze zachowanie. Na przykład to, jak piszę na klawiaturze, czy pod jakim kątem trzymam telefon – mówi w rozmowie z PRNews.pl Aleksander Naganowski, dyrektor ds. rozwoju nowego biznesu w polskim oddziale Mastercard Europe.

Wojciech Boczoń: Mija właśnie 10 lat odkąd na rynku pojawiła się pierwsza karta zbliżeniowa. Jak będziemy płacić za kolejne dziesięć lat?

Aleksander Naganowski: Dziś 78 proc. wszystkich transakcji kartami Mastercard w Polsce to transakcje zbliżeniowe. Technologii tej nie postrzegamy już jako innowacji, bo stała się standardem. Otworzyliśmy sobie też perspektywy do zastosowania płatności zbliżeniowych w kolejnych urządzeniach. Teraz zaczynamy płacić telefonami, ale równie dobrze mogą to być zegarki czy okulary, czyli  cały obszar wearables. Do tego w niedalekiej przyszłości dojdzie obszar płatności związanych z tzw. internetem rzeczy. Będzie pojawiać się coraz więcej urządzeń takich jak lodówki Samsunga z aplikacją Groceries by Mastercard, które same robią zakupy. Są już przecież samochody, które potrafią zdalnie zdiagnozować usterki, czy zamówić naprawę.

Możemy zaryzykować stwierdzenie, że karty znikną?

Tak samo można się zastanawiać, czy zniknie gotówka. Spójrzmy na kraje skandynawskie – tam udział płatności bezgotówkowych dochodzi do dziewięćdziesięciu kilku procent. Ale jakoś nikt nie zdecydował się do tej pory na to, by wyłączyć gotówkę z obiegu. Pytanie, czy w ogóle da się całkowicie bez niej funkcjonować? I tak samo jest z plastikowymi kartami. Być może niedługo okaże się, że nie musimy nosić karty czy dowodu, bo wszystko mamy w telefonie. Ale przy wyjeździe za granicę czasami karta nadal będzie niezbędna – są kraje, gdzie nieprędko zapłacimy telefonem. Na dodatek karta ma pewne elementy związane z prestiżem, estetyką czy nawet sentymentem. Może na co dzień będziemy nosić tylko telefon, ale karta będzie leżała w domu i czekała na specjalne okazje.

Jak w tym kontekście wygląda przyszłość biometrii i płatności biometrycznych?

Na 12 europejskich rynkach udostępniliśmy już rozwiązanie ID Check Mobile nazywane potocznie „Selfie pay”, a aktualnie pracujemy nad dodaniem do niego biometrii tęczówki oka. Nowy trend to również biometria behawioralna. W tym roku Mastercard kupił spółkę NuData, która specjalizuje się w tym obszarze. Dziś potwierdzać naszą tożsamość może nie tylko odcisk palca czy tęczówka oka, ale także nasze zachowanie. Na przykład to, jak piszę na klawiaturze, czy pod jakim kątem trzymam telefon.

Jak to działa? Weźmy na przykład znane internautom kody „captcha”. Najpierw trzeba było przepisywać literki, by potwierdzić, że nie jesteśmy robotem. Później klikać w rysunek znaku drogowego czy samochodu. Dziś wystarczy zaznaczyć haczyk, że nie jesteśmy robotem. Na pierwszy rzut oka może się to wydawać bez sensu – przecież robot bez trudu nauczy się klikać, że nie jest robotem. I właśnie tu wkracza biometria behawioralna. Google mierzy geometrię ruchu myszką albo sposób, w jaki dotykamy ekran. Robot zrobi to szybko, automatycznie. Człowiek ma mniej pewną rękę.

Jak można to wykorzystać w bankowości?

Podczas prezentacji prezes NuData podłączył telefon do rzutnika, zalogował się na swoje konto w banku i podał publicznie swoje hasło. Następnie dał uczestnikom telefon, żeby spróbowali się zalogować. I nikomu się to nie udało. Dzięki biometrii behawioralnej widać bowiem nie tylko, jakie litery są wprowadzane, ale również to, jak są wprowadzane. System widzi, że hasło co prawda się zgadza, ale nie zgadza się sposób jego wprowadzania. Bo ktoś inaczej trzyma telefon, wpisuje hasło lewą, a nie prawą ręką lub robi za duże odstępy czasowe między wpisaniem kolejnej litery. Bo w innym rytmie wpisujemy hasło, które mamy w pamięci, a inaczej hasło, które spisujemy z kartki litera po literze.

Prowadzicie też zaawansowane prace nad sztuczną inteligencją i robotyką. Do czego w praktyce te obszary są wykorzystywane?

Sztuczna inteligencja jest kojarzona z rozwiązaniami, które same się uczą realizacji swoich zadań. Może znaleźć zastosowanie na przykład w obszarze operacji wykonywanych tak samo, niezależnie od tego, czy robią to ludzie czy robi to oprogramowanie. Często ze względu na ograniczone zdolności ludzi posługujemy się bardzo prostymi mechanizmami i algorytmami. Dzięki zastosowaniu maszyn można zastosować bardziej wyszukane metody, oparte na bardziej złożonych procesach i automatycznym uczeniu się.

Weźmy za przykład scoring kredytowy. Dziś bank żąda od firmy zaciągającej kredyt określonych dokumentów i na ich podstawie podejmuje decyzję. Wykorzystując robotykę i sztuczną inteligencję możemy wykorzystać zupełnie inne obszary – na przykład historyczne dane podobnych spółek, rankingi, statystyki itp. Ich analiza może wykazać, że wbrew danym z PIT czy ZUS, taka firma ma większe lub mniejsze szanse na sukces. Prezentowane „papierkowo” dane – mimo iż są zgodne ze sztuką –nie zawsze odzwierciedlają rzeczywistą kondycję firmy. Klasyczny przykład to kredyty hipoteczne dla osób prowadzących jednoosobową działalność gospodarczą. Przez długi czas tacy ludzie byli wykluczeni z rynku, mimo iż byli bardziej aktywni zawodowo niż zwykły pracownik na etacie z umową na czas określony i terminem wypowiedzenia trzy miesiące.

Inny obszar kojarzony ze sztuczną inteligencją to marketing. Sztuczna inteligencja przydaje się przy badaniu dużych zestawów danych. Na przykład szukając klienta w klasyczny sposób, analizujemy określony zbiór cech i ręcznie typujemy grupę docelową. Bierzemy pod uwagę zarobki czy miejsce zamieszkania. W przypadku wykorzystania sztucznej inteligencji, nie opieramy się już na danych deklaratywnych. Zamiast tego algorytm bazując na o wiele większym zbiorze danych posługując się kolejnymi przybliżeniami wyniku cały czas się uczy i może analizować bardzo złożone zależności między różnymi cechami osiągając bardziej finezyjną konstrukcję grup docelowych.

W naszym programie Mastercard Start Path Global pracujemy ze spółką Endor, która w ogóle nie analizuje danych w sposób klasyczny, opierając się na ich rzeczywistym znaczeniu. W miejsce poszukiwania osób charakteryzujących się konkretnymi cechami, Endor obserwuje podobieństwa w oparciu o dowolne cechy – intuicyjnie często zupełnie niezwiązane z celem poszukiwań. Wykorzystuje tzw. zasadę „social physics”, która w oparciu o podobieństwo dowolnych cech pozwala wyłowić grupy osób zachowujących się bardzo podobnie. Dzięki temu mamy szansę znaleźć nawet bardzo mało oczywiste, nowe grupy klientów, do których warto skierować odpowiedni komunikat marketingowy.

Sztuczna inteligencja w analizie i marketingu to jedno, ale wykorzystywane jest także w kwestiach związanych z bezpieczeństwem.

Oczywiście. Te same modele analityczne możemy odwrócić i sprawdzić, jakie jest prawdopodobieństwo, że pan Iksiński aktualnie próbuje się do nas włamać. Lub jakie jest prawdopodobieństwo, że określona transakcja jest transakcją oszukańczą. Podam prosty przykład z zagranicy – w Wiedniu na lotnisku spotkałem niedawno biletomaty, które wysyłały transakcje płatnicze z użyciem paska magnetycznego na karcie. Jeśli klient wyjdzie z samolotu i od razu zechce kupić bilet, to system banku wykryje, że coś się nie zgadza. Na co dzień klient płaci chipem w Polsce, a tu nagle transakcja paskiem za granicą. W efekcie może zablokować kartę. Sztuczna inteligencja jest w stanie rozróżnić tego typu przypadki i wychwycić anomalie – nauczyć się, że akurat na tym lotnisku, taka konkretna transakcja zawsze ma taką formę, zatem, gdy klient skorzysta z biletomatu, to bank nie uzna tego za oszustwo. Ale jeśli za chwilę transakcja powtórzy się na przykład w kasynie, to nastąpi blokada. Oczywiście jest to bardzo duże uproszczenie.

W naszej sieci Mastercard mamy usługę strzegącą wszystkich transakcji, która się nazywa Safety Net. Opiera się o wielopoziomowe spojrzenie na bezpieczeństwo globalne, właśnie na bazie algorytmów uczących się i takich, które szybko adaptują się do tego, co się dzieje w sieci. Potrafi wyłapać mocno rozproszone transakcje oszukańcze. Jak oszust wykona 1000 oszukańczych transakcji w jednym banku, to ten bank się zorientuje. Ale jeśli rozproszy atak na 2000 banków po 5 transakcji, to banki tego nie wyłapią, a nasz system czuwając nad bezpieczeństwem z perspektywy ptaka jest to w stanie zrobić. Właśnie w takich obszarach wykorzystywana jest sztuczna inteligencja.

Inwestujecie też w chatboty.

Tak, w obszar całej komunikacji z klientem. Od wieków zakupy wyglądały tak, że człowiek szedł na targ, spotykał sprzedawcę i uzgadniali cenę i towar. Dziś to się już w dużej mierze zmieniło. Sprzedawca wystawia produkt w globalnym supermarkecie i mówi: bierz co chcesz. Jeśli przychodzisz pod coś konkretnego, to nie problem. Gorzej jeśli potrzebujesz się kogoś poradzić, bo sam do końca nie wiesz co ci będzie potrzebne. Stosując w chatboty, wracamy więc do tej pierwotnej, konwersacyjnej idei handlu. Z tą różnicą, że rozmowę poprowadzi robot, a nie człowiek.

Zaawansowane chatboty wykorzystując sztuczną inteligencję potrafią łączyć pytania, kojarzyć zagadnienia i budować kontekst rozmowy z klientem. Na przykład klient zgłasza się do banku, ale zamiast słowa „depozyt” mówi o „oszczędnościach”. Chatbot musi zrozumieć język mówiony, stworzyć ramy rozmowy i poprowadzić klienta za rękę. Sklepy czy banki nie są w stanie zatrudnić dla każdego klienta osobistego opiekuna, ale mogą zatrudnić komputery, które zajmą się rozmową i cierpliwie wytłumaczą nawet najbardziej skomplikowane kwestie finansowe. Bardzo dobrze sprawdzają się na przykład w obszarach edukacji produktowej – mogą z jednakowym entuzjazmem i cierpliwością tłumaczyć, co to jest fundusz inwestujący w akcje lub procesor wielordzeniowy w laptopie nawet jeżeli robią to tysięczny raz tego dnia.

Kiedy chatboty zastąpią ludzi na infoliniach?

To się zacznie dziać już niedługo. Współpracujemy z firmą Kasisto rozwijając bot oparty na platformie sztucznej inteligencji KAI Banking, który posiada dogłębną wiedzą w dziedzinie usług finansowych i pozwala na realizację zleceń i rozwiązywanie problemów klientów przy użyciu platform, takich jak Facebook Messenger czy SMS. Pierwsze instytucje uruchomiły już chatboty na infoliniach. Jedna z naszych spółek wdrożyła boty na infolinii HSBC. Boty pomagają wykonywać klientom operacje transakcyjne i świetnie sprawdzają się również w sektorze usług.

Dziękuję za rozmowę.

Obserwuj @wboczon