似乎大多数支付处理的AI解决方案都集中在这方面欺诈识别和预防。一些公司声称也提供直通式处理软件。下面，我们详细介绍了四家公司，它们都声称为银行和支付处理商提供人工智能，并在两个关键领域寻找解决方案:
- 欺诈识别
- 付款优化
以下是这篇文章中所分析的供应商企业的可视化表示：
我们将从支付处理中的AI背景信息开始，然后我们将分别深入探讨供应商的用例。
支付处理公司和银行的商业领袖应该知道什么
在这份报告中讨论的公司在人工智能人才密度上各不相同，这是其中之一三条经验法则当我们决定一个公司是否真的在利用人工智能时，我们使用使用它更多用于营销目的.我们首先寻找的是那些拥有人工智能人才的公司，但或许同等重要的是该公司聘用的数据科学家的数量。
如果该公司最多只聘用一到两名数据科学家，那么其所谓的人工智能解决方案目前不太可能是基于机器学习的。在某些情况下，一家公司可能会利用人来训练它的机器学习软件，这是可以接受的，但在许多情况下，该公司实际上并没有雇佣真正与人工智能打交道所需人才的意图。
具体而言，我们希望看到在人工智能，认知神经科学，计算机科学与主服务器的数据科学家或博士，或者至少是，硬科学或统计学领域。学士学位的营销或企业管理是不会提供必要的数据的企业往往有大量的工作教育，更不用说建立一个机器学习软件旨在使这一切的感觉达到某种目的。
综上所述，Kount是一家向支付处理器和银行提供欺诈检测和管理软件的公司。他们雇佣了一些数据科学家和“机器学习工程师”，尽管值得注意的是他们的高级数据科学家于2018年9月加入公司，当时公司成立11年，本报告发表前3个月。
他拥有应用数学博士学位，这表明他可能有能力构建机器学习软件并处理大数据。该公司还雇佣了几名拥有计算机科学硕士学位的机器学习工程师。因此，我们认为Kount很有可能提供真正的基于ai的欺诈检测。
Feedzai采用了不同的凭据许多数据科学家。看来，虽然他们最近开始在2018年聘请博士级人才，其中之一拥有听觉神经科学博士学位/大脑计算机接口和另一个认知神经科学博士学位。今年之前，该公司的许多数据科学家似乎是在2016年被聘用的，他们的平均资历比最近聘用的人要低。也就是说，这些数据科学家拥有统计学和计算机科学的硕士学位，其中之一2014年完成了金融领域的机器学习实习。这对公司来说是个好兆头。
该公司的首席技术官也是卡耐基梅隆大学葡萄牙分校的科学主任。他在2003年获得了Coimbra大学的信息学工程博士学位;这不一定是一个表明人工智能能力的学位，但他在卡内基梅隆大学的职位肯定能说明这一点，因为这所大学可能拥有世界上最著名的人工智能程序。因此，我们认为Feedzai实际上很有可能提供机器学习软件。这对公司和那些选择与它做生意的人来说是个好兆头。
在光谱的另一端，Pelican.ai和Forter似乎不使用任何特命数据科学家都节省一个堡垒他拥有理论粒子物理学博士学位。2016年，也就是该团队成立三年后，他加入了该团队，并被任命为数据科学团队的负责人，这意味着在他被聘用之前，公司可能缺乏数据科学家来填补这一空缺。Forter声称提供了一种基于人工智能的欺诈检测服务，但他们缺乏数据科学家，这可能会使这项工作变得困难。它可以很好地为客户处理欺诈检测，但也有可能是公司的员工在做——而不是机器。
Pelican.ai，它提供了一个优化的支付解决方案，从王牌软件解决方案更名，是成立于1993年，许多IT企业的IT公司更名自己作为专业AI才能在人工智能炒作的时代赢得业务。他们中许多人也把“AI”在他们的公司名称。企业领导者应该知道，但是，仅仅因为一个公司有“AI”在它的名字并不意味着他们采用必要做AI人才。Pleican.ai很可能为它的客户提供的结果，但它是不可能的，他们正在使用AI做。他们似乎没有采用根据LinkedIn的任何数据科学家。
他们的首席执行官有一个乔治亚理工学院的人工智能硕士学位，但是这个学位是1987年的，在发展之前很久机器学习.八十年代期间，专家系统为主的AI的讨论，虽然一些研究人员仍可能会考虑专家系统AI，它们是与机器学习有根本的不同.他们的首席执行官很有可能一直在学术界和商界跟上人工智能的发展，但整个公司似乎仍然没有雇佣真正利用机器学习所需的人才。
欺诈识别
Feedzai
Feedzai报价一个同名软件它声称能帮助什么零售商和银行防止欺诈使用欺诈识别.
我们可以推断该软件背后的机器学习模型是针对数百万笔银行交易进行训练的。其中一些数据会被贴上欺诈或可疑的标签。这些标记的数据将通过软件的机器学习算法运行。这将在一定程度上训练算法，以确定哪些交易可能存在欺诈。
Feedzai的客户可以部署该软件，其背后的算法将能够标记欺诈交易，因为他们进入客户的系统。这些事务将继续训练软件的算法，当软件标记某些事务时，人们将接受或拒绝软件。因此，该软件可以在运行过程中“学习”新的欺诈方法。
Feedzai不提供任何的案例研究报告与他们的软件的成功，但他们列表列表可口可乐和爱立信作为一些他们过去的客户。
保罗品牌是首席技术官在Feedzai.他持有博士在信息学工程从科英布拉大学.在此之前,品牌担任过的卡耐基梅隆大学科学主任，葡萄牙。
Kount
Kount报价一个叫KountCentral的软件该公司表示，这可能会有所帮助支付处理公司检测和管理欺诈使用预测分析.
这可能是因为付款处理器可以将软件集成到他们的商户组合，标准物质，和其他大型数据存储库。
我们可以推断该软件背后的机器学习模型是针对数百万笔银行交易进行训练的。其中一些数据会被贴上欺诈或可疑的标签。这些标记的数据将通过软件的机器学习算法运行。这将在一定程度上训练算法，以确定哪些交易可能存在欺诈。
Kount的客户可以部署KountCentral，其背后的算法将能够标记欺诈交易，因为他们进入客户的系统。这些事务将继续训练软件的算法，当软件标记某些事务时，人们将接受或拒绝软件。因此，该软件可以在运行过程中“学习”新的欺诈方法。
我们找不到一个视频来演示怎么做KountCentral的工作原理。
Kount声称有帮助Bluesnap自动化欺诈探测进程.Bluesnap集成Kount的软件进入其整个客户投资组合。根据案例研究，Bluesnap将他们的退款率减至0.2%，并令交易数量增加50%。然而，应该注意的是，这可能不是一个重大的变化，因为下降的百分比还不清楚。此外，他们还能够消除数百个日常手工事务审查。
Kount还列出了Chase, Moneris和Paypal作为一些他们过去的客户。
戈登E.尤班克斯是董事会的成员在Kount.他拥有一个女士在计算机科学从海军研究生院.在此之前,尤班克斯担任董事会成员在同意技术.
Forter
Forter报价一个同名软件该公司表示，这可能会有所帮助零售企业和餐馆防止欺诈使用异常检测.
堡声称用户可以将软件集成到他们的数字商务平台。
我们可以推断这个软件背后的机器学习模型被训练了数百万人电子商务事务。其中一些数据会被贴上欺诈或可疑的标签。这些标记的数据将通过软件的机器学习算法运行。这将在一定程度上训练算法，以确定哪些交易可能存在欺诈。
Forter的客户可以部署他们的软件，其背后的算法将能够标记欺诈交易，因为他们进入客户的系统。这些事务将继续训练软件的算法，当软件标记某些事务时，人们将接受或拒绝软件。因此，该软件可以在运行过程中“学习”新的欺诈方法。
以下是短片2- 分为视频演示了如何Forter软件作品:
Forter声称有帮助T.G.I.Fridays防止欺诈行为，提高他们的退款率。T.G.I.Fridays集成Forter的软件进入其现有的数字商务平台。根据案例研究，星期五餐厅退款率下降了90%，他们的支持率上升了6%.
Forter还列出了Fiverr和Nordstrom作为一些他们过去的客户。
Iftah Gideoni是首席技术官和总经理在Forter.他拥有一个女士在物理，贝叶斯推理和决策从英属哥伦比亚大学.在此之前,Gideoni担任首席数据官在我的东西.
付款优化
Pelican.ai
Pelican.ai报价一个软件叫PelicanPayments该公司表示，这可能会有所帮助企业银行维修和航线支付使用自然语言处理.这款软件可以自动完成这一过程，这样一来，银行家就需要手动修复一个被拒绝付款的问题。这些问题包括支票上签名的缺失，付款金额的书写错误，客户的账户已经被关闭，或者客户要求停止支付订单。
我们可以推断该软件背后的机器学习模型进行训练数百种成千上万的公司银行交易涉及支付、异常和路由。这个文本数据会被标记为合法支付的例子或支付信息不完全矛盾的例子。例如，支票可能没有签名，或者要支付的书面金额可能与数字金额不同。
该数据也将通过路由号码标记。的标签文本数据然后将通过该软件的机器学习算法运行。这将有训练有素的算法来辨别文字链，到人类的大脑，可以解释为有合法的、不完整的或矛盾的信息的付款是显示在一银行交易。在这一点上，算法也将能够辨别这些钱需要路由。
然后，用户可以上传银行交易数据那是未标注成PelicanPayments.那么软件背后的算法将能够确定付款可以被处理或需要被拒绝.然后系统如果付款不完整，则拒绝付款;如果付款合法，则处理付款。
我们找不到一个视频来演示怎么做PelicanPayments作品，Pelican.ai不提供任何案例研究报告成功与他们的软件。同时,Pelican.ai不会列出任何企业客户在他们的网站上。不过，他们已经获得了SWIFT的现金管理和财务解决方案认证。以及来自EBAClearing的领跑者解决方案提供商的头衔。
Parth德赛是首席执行官和董事长在Pelican.ai.他拥有一个女士在人工智能从1987年毕业于乔治亚理工学院.在此之前,德赛担任创始人兼董事长在OneLinQ.
标题图片来源:Square44.com
