Alat penipuan dirancang berdasarkan bagaimana orang biasanya berbelanja: bagaimana mereka bergerak melalui situs, berapa lama mereka menjelajah dan apa yang mereka ubah sebelum mengklik beli. Sinyal-sinyal tersebut biasanya menentukan apakah sebuah transaksi sah.

Sistem penipuan modern sudah mampu mengidentifikasi perilaku bot tradisional. Tantangan dengan perdagangan agenik berbeda. Agen AI dapat dilatih untuk meniru pola manusia cukup dekat sehingga sinyal-sinyal tersebut menjadi lebih sulit dibedakan dari pembeli manusia.

Bahkan ketika sistem penipuan bekerja sesuai rencana, masalah terpisah muncul ketika AI mulai membuat keputusan pembelian.

Agen AI biasanya dibangun untuk mengoptimalkan harga dan kecepatan. Mereka tidak berhenti untuk mempertanyakan hal-hal yang mungkin dilakukan manusia, seperti harga yang terlihat sedikit terlalu rendah, penjual yang bukan retailer resmi, atau daftar yang tidak sepenuhnya cocok dengan merek. Mereka menjalankan instruksi. Efisiensi ini dapat meningkatkan tingkat konversi, tetapi juga menghilangkan lapisan penyaringan risiko informal yang secara alami diterapkan manusia.

Optimisasi harga memberi tekanan langsung pada bisnis kecil dan menengah. Jika seorang agen diperintahkan untuk “beli X di bawah $Y,” penjual dengan biaya terendah yang menang. Produsen besar dan operator pasar dengan volume tinggi terstruktur untuk bersaing dari segi harga. Banyak UKM bersaing dari segi layanan, spesialisasi, dan kepercayaan pelanggan. Pembelian otomatis melemahkan keunggulan tersebut.

Daftar palsu juga menjadi peluang yang dioptimalkan mesin. Sementara pembeli manusia akan mengenali bahwa produk yang sangat didiskon terlihat mencurigakan, agen AI tidak akan, kecuali telah diprogram secara eksplisit untuk menilai legitimasi merek dan pola harga. Penjual palsu tidak perlu menetapkan harga jauh di bawah pasar untuk menang. Bahkan potongan kecil sudah cukup untuk menangkap pembelian otomatis.

Domain dan situs web palsu menambah risiko lebih jauh. Jika agen bertransaksi secara otomatis, mereka harus menilai apakah sebuah situs sah. Situs yang dikloning dapat menyisipkan pesanan otomatis sebelum konsumen menyadari ada yang salah. Kerusakan reputasi jatuh pada pedagang asli. Bisnis kecil cenderung kekurangan alat pemantauan dan sumber daya keamanan yang digunakan perusahaan besar untuk mendeteksi dan menutup impersonasi dengan cepat.

Dari lapisan pembayaran, kita melihat betapa cepatnya eksposur bergerak saat perilaku transaksi berubah. Model chargeback, penilaian penipuan, dan proses sengketa dirancang berdasarkan perilaku pembelian manusia. Jika transaksi yang didorong AI meningkatkan sengketa produk palsu atau klaim pembelian tidak sah, UKM akan menanggung dampak keuangan terlebih dahulu.

Bahkan jika adopsi konsumen berlangsung perlahan, keputusan infrastruktur sedang diambil sekarang. Penyedia pembayaran dan perangkat lunak perlu menyesuaikan model risiko sebelum pembelian otomatis berkembang.

Itu berarti:

* Memperbarui model penipuan untuk mempertimbangkan perilaku yang dipimpin mesin
* Menerapkan standar verifikasi merchant yang dapat dibaca mesin
* Memantau situs web yang dikloning atau mirip
* Menjelaskan tanggung jawab dan penanganan sengketa untuk pembelian yang diprakarsai AI

Perdagangan yang didorong AI bisa lebih efisien. Tetapi tanpa perubahan di tingkat infrastruktur, hal ini juga akan mengalihkan eksposur penipuan dan tekanan harga ke pemain terkecil di pasar.

Jika pembeli berubah, model risiko dan kerangka tanggung jawab harus ikut berubah.

Tentang penulis

Stephanie O’Connor adalah Direktur Operasi dan Pengalaman Pedagang di Wind River Payments, di mana dia memimpin tim manajer hubungan yang bekerja langsung dengan klien untuk membantu mereka menavigasi kompleksitas pembayaran modern—dari pemrosesan transaksi hingga pencegahan penipuan dan pengalaman pelanggan. Dia membawa pengalaman lebih dari satu dekade di industri jasa keuangan yang bekerja sama dengan pedagang dan mitra pembayaran.

Lihat Asli

Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.