La nueva solución utiliza inteligencia artificial para identificar desvíos de pagos.
La solución Payment Outlier Detection de Citi®, lanzada en 90 países, fue creada por la unidad Treasury and Trade Solutions de Citi. La herramienta utiliza análisis avanzado, inteligencia artificial y aprendizaje automático para ayudar a identificar proactivamente pagos atípicos (pagos que no corresponden a patrones de actividad pasada de los clientes) y permite a los usuarios revisar, aprobar o rechazar dichas transacciones, a través de las plataformas de banca electrónica de Citi, CitiDirect BE® y CitiConnect®.
El sistema ofrece servicios como mayor control y seguimiento de los pagos; potencial para reducir el riesgo asociado con pagos atípicos y las pérdidas resultantes; algoritmos de aprendizaje automático (machine learning) estadístico avanzado, en lugar de lógica basada en reglas heredadas, para analizar patrones de pago, y perfiles de clientes únicos y personalizados que permiten identificar patrones de pago individuales.
Además, aprendizaje constante impulsado por inteligencia artificial y basado en hábitos de uso del cliente, así como alertas en tiempo real antes de que los pagos atípicos se envíen al beneficiario.
Los ataques cibernéticos son más frecuentes y sofisticados, y los bancos deben estar más vigilantes que nunca, especialmente dado el creciente volumen de transacciones que implican la automatización y la digitalización.
Las funciones de tesorería corporativa de los clientes enfrentan los desafíos de estos cambios, y así como los pagos instantáneos crecen rápidamente, también crecen sus expectativas de una mayor velocidad en el procesamiento de los pagos.
La estrategia de Citi es crear soluciones integradas, inteligentes y eficientes que impulsen la tesorería del futuro. La tecnología de aprendizaje automático Payment Outlier Detection ajusta automáticamente los controles para monitorear las discrepancias y los cambios en el comportamiento de los pagos de los clientes, lo que permite el análisis y la identificación de posibles anomalías en los pagos afectados, antes de que se envíen para su compensación. Esto se hace al mismo tiempo que el sistema ayuda a garantizar que los pagos se procesen rápidamente.
“Citi se compromete a brindar a los clientes soluciones que ofrecen un mejor control, transparencia y eficiencia para sus pagos”, dijo Manish Kohli, director global de Pagos y Cuentas por Cobrar de Citi Treasury and Trade Solutions.
“Citi® Payment Outlier Detection brinda a los clientes herramientas que aprovechan la innovación y las nuevas tecnologías para obtener un valor único”, agregó.
Este lanzamiento sigue un extenso programa piloto mundial con 20 clientes, y se basa en principios de diseño que requieren de un esfuerzo mínimo de integración para los clientes. Un diferenciador clave de Payment Outlier Detection es su uso de algoritmos estadísticos avanzados de aprendizaje automático en lugar de la lógica basada en reglas heredadas, para analizar los patrones de pago.
Esto permite que el sistema se ajuste automáticamente en respuesta a los cambios en los patrones de pago a medida que las empresas evolucionan, se expanden y se globalizan.
La solución mejorada también tiene características de producto configurables por el cliente, como la capacidad de sincronizar la liberación de pagos con los tiempos de corte, análisis mejorados y una mayor selección de opciones de atribuciones.
“Lograr visibilidad en tiempo real y control del fraude sobre nuestro procesamiento de pagos es un objetivo importante para Xerox. Durante nuestra prueba piloto, nos impresionó el poder de Citi Payment Outlier Detection, ya que es muy intuitivo y fácil de usar, y apoya nuestra capacidad de realizar revisiones de fraude de pagos que brinden mayor transparencia y control a la Tesorería Corporativa”, comentó Gerry Maguire, tesorero adjunto de Global Cash & Banking en Xerox Corporation.
“Me ha impresionado la capacidad del servicio Citi Payment Outlier Detection para identificar anomalías en los pagos antes de que se procesen, y luego utilizar el aprendizaje automático para entrenar el sistema y mejorar las posibilidades de identificar anomalías reales para pagos futuros”, señaló David Thilthorpe, tesorero de Tetra Laval International.
