הצד האפל של הדיגיטל

“מניעת פשיעה כלכלית היא תעשייה של מיליארדי דולרים”, אומר יובל מרקו, מנהל היחידה העסקית בחברת נייס אקטימייז (NICE Actimize). לדבריו, ב-2020 בלבד נקנסו שבנקים וארגונים פיננסיים על ידי הרגולטורים השונים ביותר מ-10 מיליארד דולר על כך שלא עשו מספיק או לא תפסו מספיק הלבנות הון. ההפסדים מהונאות משמעותיים עוד יותר – שם מדובר על 50 מיליארד דולר הפסדים רק מהונאות של בנקים במקרים של Identity frauds. כלומר, כשנוכלים לוקחים את זהותם של אנשים אחרים ומשתלטים על חשבונות הבנק שלהם או יוצרים זהויות פיקטיביות ופותחים חשבונות שדרכם מבצעים פעילות עבריינית. 

“המספרים מאוד גדולים והצפי שלנו הוא שהתעשייה העבריינית הזאת רק תלך ותגדל מכמה סיבות”, אומר מרקו. “הסיבה הראשונה היא שארגוני הפשיעה נעשים יותר ויותר מתוחכמים – והם גם משתמשים בבינה מלאכותית ולמידת מכונה”. 

הסיבה השנייה שמונה מרקו נעוצה בטרנד המוביל כבר כמה שנים – ויותר מתמיד בעקבות הקורונה –מעבר מואץ לעולם דיגיטלי. ארגונים המספקים שירותים פיננסיים אימצו אסטרטגיית מעבר לדיגיטל מהירה מאוד ותהליך שהיה אמור לקרות בכמה שנים טובות התרחש מהר מאוד. ארגונים פיננסיים מאפשרים היום ליותר לקוחות יותר אפשרויות דרך הדיגיטל. היום אפשר להירשם דיגיטלית לבנק חדש, בלי להיראות בו אפילו פעם אחת. “מצד אחד זה מציע תועלות ללקוחות, אבל מצד שני זה גם יוצר סיכון עבור המוסד הפיננסי”, אומר מרקו. “אנחנו רואים כבר את אותותיו של השינוי מבחינת פשיעה כלכלית וזה צפוי להמשיך בעתיד. 

טרנד משמעותי נוסף שמציין מרקו הוא תשלומים מהירים יותר. היום ניתן להעביר למישהו כסף ואיך שלוחצים על הכפתור, הבנק מעביר את הכסף והוא זמין בחשבון. כלומר, הזמן שיש לבנקים לנתח את הטרנסקציות (ההעברות) ולהבין האם יש סיכון לפשיעה התקצר משמעותית והפך לחלקי שניות בלבד. זה מצריך מעבר לטכנולוגיה מתקדמת שיודעת לנתח את הסיכון בחלקיקי שניות. 

כל התהליכים הללו גורמים לדברי מרקו לחוויית לקוח טובה יותר, הזדמנויות עסקיות רבות יותר לארגונים פיננסיים אבל גם ליותר פשיעה ויותר כסף שאנחנו רוצים להגן עליו. מה גם שבניגוד למוסדות פיננסיים הנשמעים לרגולציות, ארגוני פשיעה עושים שימוש בטכנולוגיות המתוחכמות ללא מעצורים מוסריים או רגולטוריים. 

שוק של פתרונות למניעת הונאה

נייס אקטימייז מספקת פתרונות לפשיעה כלכלית וכלי אכיפה לארגונים מכל הגדלים, כולל הארגונים הפיננסיים הגדולים בעולם, בניסיון למנוע הלבנת הון, הונאות ומניפולציה של השוק. החברה קיימת כבר קרוב לעשרים שנה ונרכשה על ידי נייס, שגם היא חברה ישראלית. “אם מסתכלים על נייס כחברת האם”, מסביר מרקו, “אקטימייז היא הזרוע שמערימה על פשיעה כלכלית באמצעות פתרונות חכמים. יש לנו מעל אלף עובדים ואנחנו משרתים לקוחות ביותר משבעים מדינות ברחבי העולם.

“כיום אנחנו מובילים את השוק ועובדים עם כ-750 ארגונים פיננסיים ברחבי העולם, כולל כל העשירייה המובילה”, אומר מרקו, “והפתרונות שלנו עונים למלוא קשת הצרכים, החל ממוצרי מדף שקלים לתפעול בסגנון SaaS וכלה בפתרונות מותאמים הכוללים יכולות לפיתוח עצמי עבור הארגונים הבשלים יותר.  

“הפתרונות שלנו מותקנים בארגונים הפיננסיים עצמם או בענן והפלטפורמות שלנו מקבלות כל הזמן מידע על כל פעולה שהמוסד עושה”, מסביר מרקו. “בנוסף אנחנו מקבלים באופן שוטף מידע רלוונטי לזיהוי פשיעה כלכלית כמו רשימות של גורמים עבריינים או פתרונות משלימים שעוזרים במידע נוסף. למשל על המכשיר שממנו התבצעה הפעולה: למי הוא שייך ואם מותקנים עליו דברים מסוימים. 

“אנחנו מריצים את המודלים האנליטיים ואת הבינה המלאכותית, במטרה להגיד לארגון מהי רמת הסיכון של כל פעולה. “אם אנחנו מזהים סיכון להלבנת הון או הונאה אנחנו יכולים לשבש את העסקה, להגביר את דרישות האימות (למשל באמצעות שליחת סיסמה חד-פעמית למכשיר בטוח) ואנחנו מרימים דגל ומתריעים בפני הארגון שיש פה פעילות חשודה ועל ידי כך מספקים להם כלים חכמים ואוטומטיים להשלמת תהליך בדיקת החשבונות החשודים”, מבהיר מרקו. “תוצאת הבדיקה (כלומר, המסקנה שבוצעה הונאה או לא, ואם כן, איזה סוג) משמשת לטיוב מתמשך של המודלים שלנו ולשיפור הדיוק.   

“בעולם שבו אנו חיים, ככל שיש יותר נתונים, אפשר לעשות עבודה יותר טובה”, מסביר מרקו, “אבל להביא את הנתונים ממקורות שונים, לתרגם אותם ולבצע התאמה ואינטגרציה שלהם, לוקח המון אנרגיה וזמן. למעשה, מחקרים בנושא מראים שכארבעים אחוזים מעלויות מניעת ההונאות בארגון, הולכים על איסוף ושילוב מקורות המידע ועל הפיכתם לאופרטיביים עבורנו”.

מתוך הבנה של בעיה זו השיקה החברה את X-Sight Marketplace – אקוסיסטמה מבוססת ענן של  מוכרים ולקוחות קצה – ממש כמו הגוגל סטור . לקוחות יכולים לבחור את פתרון הנייס אקטימייז שהם רוצים להתחבר אליו.

“חלק מהחדשנות כאן הוא היתרון של השימוש בענן כדי לחסוך את כאבי האינטגרציה מהלקוחות. זה מפשט מאוד את היכולת של הארגונים האלה להוסיף מידע ואינטליגנציה לתוך הפלטפורמה שלנו כדי לשפר את הזיהוי שלהם”, אומר מרקו. “המרקט-פלייס הוא חלק מפלטפורמה יותר רחבה שנקראת אקסייט. מדי שבוע-שבועיים אנו משחררים פיצ’רים חדשים המאפשרים לנו לכסות עולם שלם של פתרונות משלימים למניעת הלבנת הון והונאות. כשראינו למשל פושעים שיוצרים חשבונות ומשתמשים בהם לאלף ואחד דברים, השקנו פתרון ספציפי. 

שיטת הונאה אחת שהתפתחה בקצב מהיר, בשנה האחרונה בארצות הברית, היא הונאת זהות סינתטית (Synthetic Identity Fraud) – כלומר, הנוכלים לוקחים זהויות שונות ויוצרים מהן תערובת, עם שם של אחד, כתובת של שני וכו’. על מנת לזהות מקרים כאלה, בודקים בנייס אקטימייז למשל מתי והיכן עוד נראתה זהות מסויימת ועד כמה היא אמינה? האם כתובת המייל של המשתמש נוצרה לאחרונה? האם אותה זהות מופיעה ב Dark web, הרשת האפלה – האינטרנט הנסתר המשמש גורמים מפוקפקים שבו אפשר לקנות זהויות? אנחנו עושים את זה דרך שותפות עם חברות המתמחות בדברים הספציפיים האלה.”

איך עוקפים את בעיית הפרטיות?

“בעולם האנליטיקס עולה השאלה איך משתמשים בבינה מלאכותית כדי לזהות סיכון. כאן המקום לציין שני מושגים: Federated Learning (למידה מאוחדת) ו-Online Incremental Learning (למידה מקוונת של יישומים) “, מציין מרקו.  

כשעבריינים רואים שפעולת הונאה או נוכלות עובדת הם משכפלים אותה בבנקים אחרים, ולכן יש ערך אדיר בשיתוף האינדיקציות בין הלקוחות שלנו כחלק מהבינה המלאכותית. “הדאטה של הלקוחות שלנו זורמת לענן, אבל בגלל רגולציה וגם בגלל דרישות אבטחת המידע שלהם, הדאטה של כל לקוח נשמרת בנפרד. שיטת ה-Federated Learning מאפשרת לנו לקחת מודל מלקוח A ולהשתמש בו כחלק ממודל שאנחנו מספקים ללקוח B, מסביר מרקו. “כך אנחנו יכולים לשתף מידע מבלי לחשוף את הלקוחות.” 

דני בוטביניק, מנהל הנתונים הראשי (chief data officer) בחברה, מוסיף: “מהתובנות שאנחנו לוקחים מכל לקוח, אי אפשר ללמוד מיהו הלקוח הספציפי. מדובר בפרמטרים בלבד, לא בשמות. על סמך המשתנים האלה אפשר לבנות מודלים שמשרתים את כולם. כך כל אחד נותן קצת ומקבל המון וכך כל לקוח של נייס אקטימייז בכל גודל חברה, יכול ליהנות מהשיטה”. 

לקוחותיה של נייס אקטימייז הם מוסדות פיננסיים: מנהלי כספים, בנקים מסורתיים או דיגיטליים ותעשיית הפינטק שנותנת שירותים פיננסיים ללקוחות פרטיים ומוסדיים שהם יעד לאותם פושעים. בתוך אותם ארגונים יש חטיבות שלמות שעוסקות בפשיעה כלכלית. יש להם צוותים הממונים על הונאות וצוותים הממונים על הלבנת הון. אחד הטרנדים שנייס אקטימייז מקדמת הוא סינרגיה בין שתי הקבוצות האלה כי יש קשר ישיר ביניהן. גם הארגונים הגדולים מתחילים להבין את זה.

“בנושא ההונאות, ההפסד ברור גם לבנק וגם ללקוח. בעולם של הלבנת הון, ארגונים פיננסיים חייבים לעמוד בדרישות הרגולציה אבל רוצים גם לתת שירות מיטבי ללקוחות שלהם ולמנוע בעיות חברתיות כמו סחר באנשים, בכלי נשק או בסמים ועוד, כי אלה בדיוק סוגי ארגוני הפשע שמבצעים בשבילם הלבנת הון. אם בנק לא ימלא את כל דרישות הרגולציה ולמנוע הלבנת הון, התוצאות בהמשך הן קנסות כבדים מאוד ונזק תדמיתי”. 

בוטביניק מספר על שיתוף פעולה מאוד הדוק עם רשות החדשנות, ומוסיף: “המטרה היא ליצור חדשנות שמבדלת אותנו מחברות אחרות. בנוסף, צריך שהחדשנות הזאת תתחבר ישירות לצרכים אנליטיים שלנו בחברה – חדשנות שנראה אותה בתוך המוצרים שלנו ואצל הלקוחות שלנו. אלו שני אספקטים מאוד חשובים שתורמים להצלחה בשיתוף פעולה עם הרשות. 

“למשל, השנה אנחנו עובדים על פרויקט חדשני של למידה דיגיטלית מקוונת ושואפים להגיע לכמה שיותר אוטומציה ומהירות. אנחנו שואפים לדעת על מגמות, סכנות ועל מידעים אחרים בזמן אמת בלא שיש על כך איזו אינדיקציה, כפי שזה נעשה ברוב החברות בעולם”.

“האסטרטגיה שלנו מאוד ברורה”, מסכם מרקו, “ויש לה שם: ניהול אוטונומי של סיכון אורח החיים של הלקוח בכל שלב במחזור שלו (Autonomous Customer Lifestyle Risk Management). המטרה היא לשנות את הפרדיגמה ממציאות שבה המלחמה בפשיעה כלכלית עשויה מיחידות שפועלות לבד, עתירה בעבודה, ומגיבות בלבד – עם המון צוותים שצריכים לתחזק ולתפעל את המערכות הללו – לעולם שבו אנחנו ממנפים את ההתקדמות בבינה מלאכותית, ענן ואוטומציה כדי להשתמש במכונות לבצע את ‘העבודה הכבדה’ של המלחמה בפשיעה הכלכלית ושבו בני אדם יבצעו רק תיקוני מסלול במידת הצורך. 

“אנחנו מתכוונים ליישם את זה לאורך כל מסלול חייו של לקוח – מההחלטה אם לקבל לקוח חדש, הניטור השוטף של חשבונות קיימים ועד למחיקת חשבון – כאשר קיימת ללקוח הזכות גם למחוק את כל המידע על החשבון. אנו מאמנים שמתן מבט הוליסטי על הלקוח ועל הסיכון הנלווה אליו חיוני להפסקת פשיעה כלכלית”. 

לחפש את ה-Unknown unknowns

ב-2013 ייסד פרופ’ אמיר אוורבוך את חברת הפינטק תטה-ריי (ThetaRay) ביחד עם פרופ’ רונלד קויפמן מאוניברסיטת ייל. כיום הוא משמש כ-CTO של החברה. תטה-ריי שמה לה למטרה למנוע פשיעה פיננסית על ידי איתור אנומליות בביג דאטה של הבנקים וארגונים פיננסים, שיכולות להצביע על פשעים כמו הונאות פיננסיות, הלבנת הון, מימון טרור וסחר בסמים ובבני אדם. 

“האנומליות שאנחנו מזהים יכולות להגיע משלושה ורטיקלים: מסוג של IOT (האינטרנט של הדברים), מסוג של סייבר או מסוג פיננסי”, מסביר פרופ’ אוורבוך. “אנחנו מתמקדים כיום בתחום הפיננסי וקהל היעד שלנו הוא מוסדות פיננסיים שבהם יש העברות כספים, כמו בנקים וחברות בלוקצ’יין. הרבה בנקים גדולים בעולם הם לקוחות שלנו. אנחנו יודעים לתת פתרון לבנקים ומוסדות פיננסים גדולים וגם לתעשיית הסוויפט, כלומר, לבנקים קטנים ולארגונים פרטיים שמציעים העברות כספים בינלאומיות כמו למהגרי עבודה ששולחים כסף הביתה. כשמעבירים כסף למישהו, לכל בנק יש מספר סוויפט ולפי המספר הזה הכסף עובר מבנק לבנק”.

תטה-ריי בנויה על שלוש רגליים: אלגוריתמים, פלטפורמה ומדעני דאטה. שלוש הרגליים האלו מאפשרות לחברה להציע פתרונות מלאים עבור כל סוגי המוסדות הפיננסים שמחויבים על ידי הרגולציה להטמיע פתרון שיאתר פשיעה פיננסית. 

האלגוריתמים שפיתחה החברה הם לב המערכת והם מתאימים לשלושת הוורטיקלים. אלגוריתמים אלה משתמשים בשיטות גיאומטריות, אלגבריות, ובעיקר בטכנולוגיות למידה עמוקה ((Deep Learning ובינה מלאכותית מאוד מתקדמות. “היינו בין החברות הראשונות שבנו מערכת לזיהוי פשיעה פיננסית על גבי תשתית של בינה מלאכותית, אומר פרופ’ אוורבוך. “המערכת שלנו היא היחידה בעולם שמדמה אינטואיציה או תחושת בטן אנושית. אנחנו קוראים לה ‘Artificial Intuition’

“היתרון הגדול שלנו הוא בפיתוח אלגוריתמים שלא משתמשים בחוקים (rules). למעשה, אנחנו לא יודעים מראש מה אנחנו מחפשים. בעוד שבאלגוריתמים הצמודים לחוקים צריך לדעת מה מחפשים כדי לכתוב חוק, אנחנו מחפשים את ה-Unknown unknowns. חיסרון נוסף של העבודה על פי החוקים הוא יצירת המון התרעות שווא”. 

הפתרונות של תטה-ריי מגיעים בשלוש תצורות עיקריות: בבית הלקוח (On prem), בענן פרטי (Private Cloud) וצריכה כשירות (Saas). הם מציעים תפיסת אנומליות אמת ברמה של 95% לעומת הפתרונות הישנים שמציעים 5%-30 בלבד. כמות התראות השווא של פתרונות תטה-ריי קטנה ב-95% מהכלים הישנים ובהתאם הם מורידים את זמן חקירת ההתראות ב-50% לפחות. זמן ההטמעה הממוצע של פתרון כזה עומד על שישה שבועות בלבד לעומת 12-6 חודשים. 

כדי להבין יותר כיצד פועלת המערכת של תטה-ריי, מוסיף פרופ’ אוורבוך: “צריך להבין כי פיתחנו מספר רב של אלגוריתמים. כל האלגוריתמים עוברים שלב של לימוד הדאטה. הם בונים מודל של נורמליות (normality) כאשר כל אלגוריתם בונה נורמליות מסוג אחר. אנחנו משתמשים באלגוריתמים רבים במטרה להגדיל את כמות התראות האמת ולהוריד את כמות התראות השווא. האנומליה לא נקבעת על סמך אלגוריתם אחד, אלא על סמך היתוך (Fusion) של הרבה אלגוריתמים.” 

הרגל השנייה של תטה-ריי היא הפלטפורמה שמיישמת את האלגוריתמים: “יש לנו שתי פלטפורמות – אחת גדולה שנמכרת לבנקים גדולים, ואחרת קטנה וקומפקטית שפועלת בענן ומתאימה לשוק של העברות כספים בינלאומיות באמצעות סוויפט (Cross Border Payments)”, מסביר פרופ’ אברבוך. “בנינו פלטפורמה עם התוכנה הכי מודרנית שיכולה להתחבר גם לענן וגם לא לענן, המפעילה את האלגוריתמים שלנו ומוצאת את כל האנומליות המצביעות על פשיעה פיננסית.

השיטה שפיתחה תטה-ריי מאפשרת למצוא דברים לא ידועים, שלא חשבת שהם קיימים בכלל, עם מעט מאוד התרעות שווא, כאמור 95% פחות ממערכות קיימות אחרות. השחזור החקירתי נותן למשתמש המון אינפורמציה שעוזרת לו במציאת הבעיה. הפלטפורמה מאחדת, היא יכולה גם להתקשר לענן וגם מכילה אפשרות לממשק משתמש גרפי, גם להכנסת הדאטה וגם לתוצאות, כך שאפשר לעשות אינטראקציה גיאומטרית גרפית עם הנתונים. 

הרגל השלישית של תטה-ריי היא מדעני הדאטה של החברה: “מדעני הדאטה שלנו עוזרים ללקוח להטמיע את המערכת, מתאימים את הפיצ’רים שכל לקוח זקוק להם ומכינים את הדאטה עבורו”, מסביר פרופ’ אוורבוך. “כשמדובר בבנקים גדולים יש לרגל הזאת  הרבה עבודה, ופחות כשמדובר במערכות סוויפט. בעתיד אנחנו מקווים להוציא לגמרי את ההתערבות של אנשי הדאטה בתחום הסוויפט ושהכול יהיה אוטומטי.” 

אם מסתכלים על זה כתהליך, אז האלגוריתמים של תטא-ריי גם מוצאים את התנועות החשודות, גם עושים להן היתוך וגם מצביעים על נקודות שהן אנומליות. כל זה נקבע על ידי הפלטפורמה. “אנחנו לא מסתפקים בלהגיד מהי האנומליה, אלא מוציאים הרבה מידע שמאפשר ללקוח לעשות את הניתוח הפורנזי ולהבין מה קרה באנומליה הזאת”, אומר פרופ’ אוורבוך ומוסיף: “וכמובן שהכול קורה בזמן אמת.

“מצאנו בהרבה מקומות אנומליות שסימנו את תחילתה של הלבנת הון, עוד לפני שהיא קרתה בפועל – ואכן אחרי כמה חודשים התברר שזה היה המצב. אנחנו מאתגרים מקומות שבהם התשתית של הפשע רק מתחילה להתארגן. 

“החדשנות של תטה-ריי מתבטאת באלגוריתמים המאוד מיוחדים שפיתחה, שחלק גדול מהם מוגנים בפטנט. הגישה שפיתחנו למציאת אנומליות היא גישה ייחודית, הכי חדשנית ומתקדמת שיש, שמנצלת את מגוון הכלים המאוד מתוחכמים שיש, מגוון הכלים שפיתחנו בעצמנו וצוות מהנדסי הדאטה המקצועני שלנו. 

ב-2013 הייתה החברה סטארט-אפ קטן שמנה כעשרים עובדים. היום יש לה כשמונים עובדים ומשרדים בישראל, בארצות הברית, באנגליה ובמקסיקו. גם הלקוחות הם גלובליים, בעיקר באירופה, בצפון אמריקה ובדרום אמריקה. 

יד ביד עם הרגולציה

“כדי להצליח במשימה המורכבת של הגנה  על מוסדות פיננסים מפשיעה – לא נדרש בהכרח להשקיע עוד משאבים, אלא לבנות מדיניות אחודה בין גופי הממשלה ורגולציה חכמה. תטא-ריי פועלת יד ביד עם הרגולציה בישראל בארצות הברית ובאירופה, כמו גם עם הבנקים כדי לבנות רגולציה מבוססת בינה מלאכותית, המתאימה לעידן של התפוצצות המידע. 

“תטה-ריי הכניסה טכנולוגיה חדשה לעולם וגם הרגולטורים שהיו רגילים לטכנולוגיה של אלגוריתמים מבוססי חוקים, צריכים להבין כי יש בידיהם טכנולוגיה מתקדמת יותר המאפשרת להם בקרה ומניעה אמיתיות להתפשטות הפשיעה הפיננסית. 

“כשבוחנים את המערכות מבוססות החוקים מגלים כי מדובר במחלקות עם אלפי אנשים שצריכים לבדוק כל התרעה והתאמה לכל חוק”, מסביר פרופ’ אוורבוך. “המחלקות האלו גדולות מאוד כי הרגולציה הישנה דורשת שכל דבר ייבדק. התוצאה היא תקורה גדולה מאוד לבנקים. תטה-ריי, לעומת זאת, מקטינה את התקורה של הבנקים ומעלה את איכות הבקרה והעמידה בדרישות הרגולציה וזאת בזמן הקצר ביותר”. 

איך נראה העתיד?

“אם לוקחים כדוגמה את חיזוי מזג האוויר, היום חזאים מסוגלים לחזות מזג אוויר ל-7-3 ימים קדימה בלבד”, אומר פרופ’ אוורבוך. הכלים הקיימים כיום משלבים את הנתונים המעודכנים בזמן אמת עם מודלים מדעיים של משוואות לשינוי מזג אוויר, לכן אנו יכולים לחזות בצורה טובה כמה ימים קדימה. השלב הבא יהיה המעבר לבניית תחזית עתידית אמיתית שאינה מבוססת על העבר אלא על ההבנה הפנימית של מה שמוביל את מזג האוויר. צריך להמציא אותו – וזה העתיד.

השלב הבא יהיה לדבריו הגדרה של יוצא דופן והגדרה של לא יוצא דופן בדיוק של 100% על מנת להגיע לדיאגנוסטיקה אמינה. אפשר לקחת לדוגמה מערכות נהיגה אוטונומיות, כמו מובילאיי. השלב הבא יהיה כאשר המכונית שלנו ‘תיבהל’ מחתיכת נייר שעופף בכביש, תבלום ותגרום לתאונה, אבל היא תעדכן את שאר המכוניות ותלמד אותן מהניסיון שלה וכך הן יהפכו לקהילה לומדת או קבוצה של מחשבים המדברים ביניהם אודות מצבים שהם תקועים בהם. 

תטה-ריי כבר יצאה לשלב הבא – היא פיתחה טכנולוגיה ייחודית: בינה מלאכותית אינטואיטיבית (Intuitive AI) כך שהיא יודעת להגדיר את המצבים המסוכנים, ולהתריע שמשהו לא תקין, כמו שאדם רגיל שומע רעשים ממנוע המכונית ויודע באינטואיציה שמשהו לא תקין.

“אם מדברים על רפואה, היום ניתן לקבל Second Opinion ממחשבים אבל לא את האבחון הראשוני. כדי להגיע למצב של אבחון ראשוני מדויק דרושות עוד שנים של פיתוח, להערכתי”, טוען פרופ’ אברבוך “בעתיד נראה יותר מערכות מבוססות בינה מלאכותית, שיעזרו לחברות להגן על עצמן. נראה אפילו פתרונות שנחשבו עד לאחרונה כבלתי אפשריים להשגה כמו בינה מלאכותית אינטואיטיבית המחקה את תהליך קבלת ההחלטות האנושי. מערכות כאלו נמצאות בשימוש, כבר עכשיו, במערכת הבנקאות העולמית כחלק מתוכניות המלחמה שלה בהלבנת הון, או חשיפת הונאות. השוק יבין שהדרך היחידה להגן על עצמו היא להשתמש בפתרונות המתקדמים ביותר האפשריים”.