AI మోసాల దాడులు దూకుడు! వ్యాపారాల రక్షణ వ్యవస్థలు వెనుకబడుతున్నాయని Experian నివేదిక

AI దాడులు వ్యాపార రక్షణను మించిపోతున్నాయి

ఆర్థిక నేరాలపై పోరాటంలో సరికొత్త సవాలు ఎదురైంది. సరికొత్త టెక్నాలజీలు, ముఖ్యంగా జెనరేటివ్ AI (Generative AI) సాయంతో మోసగాళ్లు ఇప్పుడు మరింత వేగంగా, తక్కువ ఖర్చుతో, భారీ స్థాయిలో స్కీమ్‌లు అమలు చేస్తున్నారు. Experian, Forrester Consulting నివేదికల ప్రకారం, ఈ మోసాల వేగం వ్యాపారాల రక్షణ సామర్థ్యాన్ని మించిపోతోంది. భారతదేశంలో, 69% వ్యాపారాలు తమ మోస నివారణ టెక్నాలజీలకు భారీ అప్‌గ్రేడ్‌లు అవసరమని ఒప్పుకున్నాయి.

AI మోసపూరిత ఎత్తుగడలకు ఎలా బలాన్నిస్తోంది?

జెనరేటివ్ AI ఈ పోరాటంలో సరికొత్త ఆయుధంగా మారింది. సర్వేలో పాల్గొన్న 65% వ్యాపారాలు దీనినే అతిపెద్ద మోసం ముప్పుగా భావిస్తున్నాయి. ఏకంగా 74% మంది, ఈ అధునాతన టూల్స్‌ను ఉపయోగించి దాడులు పెరిగాయని చెబుతున్నారు. అసలు సమస్య ఏంటంటే.. ప్రస్తుత రక్షణ వ్యవస్థలు సరిపోవడం లేదు. 69% కంపెనీలు తమ కస్టమర్ నో యువర్ కస్టమర్ (KYC) మరియు గుర్తింపు ధృవీకరణ (Identity Verification) వ్యవస్థలు AI- రూపొందించిన డాక్యుమెంట్లను గుర్తించలేవని తెలిపాయి. మరో 57% మందికి GenAI వాడకాన్ని గుర్తించడం కష్టమవుతోంది. దీంతో, మోసగాళ్లు నమ్మశక్యంగా ఉండే నకిలీ ఐడీలు, డీప్‌ఫేక్‌లు, వాయిస్ క్లోన్‌లను సృష్టించి, సాంప్రదాయ డిటెక్షన్ పద్ధతులను దాటవేస్తున్నారు.

నైపుణ్యాల కొరత, నెమ్మదిగా టెక్నాలజీ స్వీకరణతో రక్షణకు ఆటంకం

బిహేవియరల్ (Behavioral) మరియు డివైస్ ఇంటెలిజెన్స్ (Device Intelligence) వంటి అధునాతన కౌంటర్‌మెజర్‌లపై ఆసక్తి ఎక్కువగా ఉన్నప్పటికీ, వాటిని వాస్తవంగా అమలు చేయడంలో నిర్ణయ ప్రక్రియల్లో ఆలస్యం, నైపుణ్యం కలిగిన సిబ్బంది కొరత అడ్డంకిగా మారుతున్నాయి. 74% భారతీయ వ్యాపారాలు ML-ఆధారిత సొల్యూషన్స్‌ను జోడించాలని ప్లాన్ చేస్తున్నప్పటికీ, 76% మందికి ఈ సంక్లిష్టమైన సిస్టమ్‌లను నిర్మించడానికి లేదా నిర్వహించడానికి అవసరమైన నైపుణ్యాలు లేవని అంగీకరిస్తున్నారు. డేటా నాణ్యత, మోడల్ ఇంటర్‌ప్రెటబిలిటీ, గోప్యత, ఇంకా సంక్లిష్ట అల్గారిథమ్‌లకు అవసరమైన కంప్యూటింగ్ పవర్ అధిక వ్యయం వంటివి ప్రధాన అడ్డంకులుగా మిగిలిపోయాయి.

ఫ్రాడ్ టెక్ మార్కెట్ వృద్ధి, మిశ్రమ వాల్యుయేషన్లు

మోసం గుర్తింపు మరియు నివారణ (FDP) మార్కెట్ వేగంగా అభివృద్ధి చెందుతోంది. రాబోయే సంవత్సరాల్లో 15.5% నుంచి 34.7% మధ్య వార్షిక వృద్ధి రేటుతో (CAGR) విస్తరించి, 2030 నాటికి వందల బిలియన్లకు చేరే అవకాశం ఉంది. Verisk Analytics, TransUnion, RELX వంటి ప్రధాన కంపెనీలు ఈ రంగంలో ఉన్నాయి. వీటి P/E నిష్పత్తులు (Price-to-Earnings ratios) పెట్టుబడిదారుల అంచనాలను ప్రతిబింబిస్తాయి. ఏప్రిల్ 2026 ప్రారంభం నాటికి, Verisk Analytics P/E సుమారు 25-28 ఉండగా, TransUnionది 19-29, RELXది 22-23 గా ఉంది. దీనికి విరుద్ధంగా, NICE Ltd P/E సుమారు 9-11 గా చాలా తక్కువగా ఉంది. ఈ వ్యత్యాసం వ్యక్తిగత కంపెనీ వాల్యుయేషన్లు, వృద్ధి పథాలు, మార్కెట్ స్థానాలు లేదా అంచనా వేయబడిన రిస్కులలో మార్కెట్ వృద్ధి సామర్థ్యాన్ని భిన్నంగా చూస్తున్నట్లు సూచిస్తుంది. Mastercard కొనుగోలు చేసిన Recorded Future వంటివి అధునాతన థ్రెట్ ఇంటెలిజెన్స్‌లో పెట్టుబడులను చూపుతున్నాయి.

వ్యాపారాలకు పెరుగుతున్న రిస్కులు

ప్రస్తుత పరిస్థితి వ్యాపారాలకు ఒక హెచ్చరిక. మెరుగైన డిటెక్షన్ ఖచ్చితత్వం కోసం ML వంటి అధునాతన టెక్నాలజీలలో పెట్టుబడులు పెడుతున్నప్పటికీ, నైపుణ్యాల కొరత, నెమ్మదిగా టెక్నాలజీలను స్వీకరించడం వల్ల ఈ సొల్యూషన్లు సమర్థవంతంగా ఉపయోగించబడటం లేదు. GenAI బెదిరింపులను ఎదుర్కోలేకపోవడం, నిరంతరం మారుతున్న మోసపూరిత నమూనాలను అడ్డుకోవడంలో ఇబ్బందులు.. ఈ పరిస్థితిలో వ్యవస్థీకృత నేరాల సమూహాలు వల్నరబిలిటీలను (vulnerabilities) మరింతగా ఉపయోగించుకుంటాయి. సైబర్ దాడుల వల్ల కలిగే ఆర్థిక, ప్రతిష్ట నష్టాలతో పాటు, ప్రత్యేక AI/ML టాలెంట్‌ను నియమించుకోవడం, నిలుపుకోవడం సవాలుగా మారడంతో రిస్క్ ఎక్కువగా ఉంది.

పటిష్టమైన ఫ్రాడ్ డిఫెన్సులు నిర్మించడం

ఈ ప్రమాదకరమైన వాతావరణంలో నిలదొక్కుకోవడానికి, భారీ మార్పు అవసరం. పరిశ్రమ నిపుణులు మెషీన్ లెర్నింగ్, బిహేవియరల్ అనాలిసిస్, షేర్డ్ ఫ్రాడ్ ఇంటెలిజెన్స్ (shared fraud intelligence) కలయిక వంటి బహుళ వ్యూహాల అవసరాన్ని నొక్కి చెబుతున్నారు. దీనిలో మోస నివారణ, క్రెడిట్ రిస్క్ అసెస్‌మెంట్‌ను లింక్ చేసే సిస్టమ్‌లు, సురక్షిత హబ్‌ల ద్వారా షేర్డ్ ఇంటెలిజెన్స్‌పై ఆధారపడటం వంటివి ఉంటాయి. కేవలం టెక్నాలజీని పొందడంతో ఆగిపోకుండా, నైపుణ్యాల అంతరాన్ని తగ్గించి, ఆధునిక ఆర్థిక నేరాలకు కారణమవుతున్న AI-ఆధారిత బెదిరింపులను చురుగ్గా ఎదుర్కొనే బలమైన, అనుకూలమైన (adaptable) రక్షణ వ్యవస్థను నిర్మించుకోవాలి.