Kan AI stoppa kärleksbedragaren innan det är för sent?

Bedragarna har blivit proffs — nu svarar bankerna med AI

Det finns något nästan bisarrt med kärleksbedrägerier: de är tekniskt sett enkla, men psykologiskt avancerade. En bedragare behöver varken avancerad kod eller nolldagsexploater — bara tålamod, en fejkad identitet och förmågan att låtsas bry sig. Månaderna av falsk romantik, de försiktiga pengafrågorna, känslan hos offret att de faktiskt hjälper någon de älskar. Det är svårt att stoppa med traditionella transaktionsregler.

Det är precis det problemet som Starling Bank nu adresserar med sin nya AI-funktion, rapporterar Finextra. Systemet analyserar transaktionsmönster och beteendedata i realtid och kan flagga misstänkta överföringar i tre specifika kategorier: romantikbedrägerier, bedrägliga investeringserbjudanden och så kallade djupfalska nätfiskeförsök — där avancerad bildmanipulering används för att utge sig för att vara betrodda personer eller institutioner.

Varför just dessa tre hotbilder?

Det är ett medvetet val, och ett klokt sådant. De tre kategorierna delar en gemensam nämnare: de är svåra att fånga med regelbaserade system. En kund som frivilligt skickar pengar till någon de tror sig känna utlöser inga uppenbara larm — det ser ut som en vanlig betalning. Det krävs kontextuell förståelse för att förstå att något är fel.

Djupfalska nätfiskeförsök är särskilt oroande ur ett tekniskt perspektiv. Med tillgängliga verktyg kan bedragare idag skapa övertygande videor eller röstklipp av i princip vem som helst — en banktjänsteman, en VD, till och med en familjemedlem. Att en bank nu aktivt bygger försvar mot den hotbilden signalerar att vi har nått en punkt där AI-genererat innehåll inte längre är ett hypotetiskt problem utan ett operativt sådant.

Starling Bank har sedan grundandet 2014 profilerat sig som en teknikdriven utmanare snarare än en traditionell bank, och det syns i hur de prioriterar. Det här är inte en funktion som lagts ovanpå ett gammalt system — det är ett nativt digitalt svar på ett digitalt hot.

Realtidsanalys som spelregel

Det tekniskt intressanta med Starlings tillvägagångssätt är tidsaspekten. Att analysera transaktioner i efterhand har länge varit standard — banker granskar mönster, flaggar anomalier, kontaktar kunder. Men då är pengarna ofta redan borta, och återhämtningsgraden är låg.

Att flytta den analysen till innan en transaktion genomförs ställer helt andra krav på systemet. Latensen måste vara låg nog att inte störa normala betalningar, men modellen måste vara tillräckligt komplex för att skilja på en genuin gåva till en partner och en utpressad betalning till en bedragare. Det är en svår avvägning, och det finns reell risk för falska larm som skapar frustration hos ärliga kunder.

Men det är rätt riktning. Bedrägeribekämpning som enbart lever i efterkant är strukturellt underlägsna mot aktörer som kontinuerligt anpassar sina metoder.

En branschtrend tar form

Starlings lansering är inte ett isolerat initiativ — det speglar en bredare förflyttning i finanssektorn. Banker investerar just nu kraftigt i sina digitala plattformar och inbyggda säkerhetsfunktioner. Det handlar inte längre om att lägga till ett lager av skydd utanpå befintliga system, utan om att baka in intelligens direkt i transaktionsflödet.

Det är en logisk konsekvens av att bankerna rör sig mot alltmer mobilcentrerade upplevelser där kunderna förväntar sig att allting bara fungerar — inklusive skyddet. Säkerhet som är osynlig för användaren men aktiv i bakgrunden är den mogna formen av det här arbetet.

För den som drabbats av ett kärleksbedrägeri kommer ingen teknisk lösning att vara tillräcklig. Men för den som är på väg att drabbas kan ett system som hejdar betalningen och ställer rätt fråga i rätt ögonblick faktiskt göra skillnad. Det är värt att bygga.