Với tình trạng cứ 16 tài liệu thì có 1 là giả mạo và các kỹ thuật làm giả bằng AI tăng gấp 5 lần chỉ trong năm 2025, các tổ chức tài chính đang đối mặt với một thách thức khổng lồ. Inscribe, một công ty chuyên về phát hiện gian lận, đã xây dựng một hệ thống agentic AI (AI tác tử) trên nền tảng Amazon Bedrock, giúp phân tích và phát hiện tài liệu tài chính giả mạo trong chưa đầy 90 giây. Giải pháp này nhanh hơn 20 lần so với quy trình thủ công mà vẫn đảm bảo độ chính xác và khả năng giải trình theo yêu cầu của ngành tài chính.
Amazon Bedrock là dịch vụ được quản lý toàn phần của AWS, cung cấp lựa chọn các foundation models (mô hình nền tảng) hiệu suất cao từ các công ty AI hàng đầu như Anthropic, Meta, và Amazon thông qua một API duy nhất. Dịch vụ này cũng trang bị các công cụ cần thiết để xây dựng ứng dụng AI tạo sinh với tính bảo mật, riêng tư và có trách nhiệm.
Thách thức từ gian lận tài liệu quy mô lớn
Đối với một ngân hàng cỡ vừa, quy trình duyệt một hồ sơ vay vốn điển hình đòi hỏi chuyên viên phân tích phải xác thực sao kê ngân hàng, phiếu lương, giấy tờ thuế và giấy tờ tùy thân. Họ phải đối chiếu thông tin, kiểm tra dấu hiệu chỉnh sửa (bao gồm cả deepfake và giả mạo bằng AI ngày càng tinh vi), và nghiên cứu về công ty và địa chỉ của người nộp đơn. Tất cả phải được thực hiện nhanh chóng để không mất khách hàng vào tay đối thủ.
Quy trình thủ công này tạo ra ba thách thức lớn:
- Quy mô: Khi lượng hồ sơ tăng, các tổ chức phải tuyển thêm nhân sự, làm tăng chi phí nhưng không cải thiện độ chính xác.
- Khả năng thích ứng: Các quy tắc phát hiện gian lận tĩnh bỏ lỡ các chiêu thức tinh vi như deepfake, tài liệu giả do AI tạo ra, và các đường dây trộm cắp danh tính có tổ chức.
- Tính nhất quán: Các chuyên viên khác nhau có thể đưa ra kết luận khác nhau cho các trường hợp tương tự, gây ra rủi ro tuân thủ và lo ngại về tính công bằng.
Giải pháp AI tác tử: Vượt trội hơn quy trình thủ công
Inscribe đã xây dựng một giải pháp AI hoạt động song song với các nhóm quản lý rủi ro và thẩm định. Hệ thống này tự động hóa việc phân tích tài liệu thông thường và gắn cờ các trường hợp phức tạp để con người xem xét. Thay vì chỉ trả lời một câu hỏi đơn lẻ, một hệ thống agentic AI có thể nhận một mục tiêu, chia nhỏ thành các bước, sử dụng nhiều công cụ (mô hình AI chuyên biệt), gọi các API bên ngoài khi cần và tổng hợp mọi thứ thành một quyết định cuối cùng.
Đối với việc phát hiện gian lận tài liệu, hệ thống của Inscribe không chỉ gắn cờ một trường đáng ngờ. Nó nhận tài liệu, định tuyến qua các mô hình phù hợp, chạy kiểm tra pháp lý song song, tìm kiếm trên web để xác minh chi tiết về nhà tuyển dụng, đối chiếu dữ liệu trên toàn bộ bộ tài liệu và tạo ra một báo cáo gian lận sẵn sàng cho kiểm toán mà không cần sự can thiệp của con người, hoàn tất quy trình chỉ trong vài giây. Ý tưởng cốt lõi là điều phối đúng mô hình cho mỗi bước, thay vì áp dụng một mô hình cho mọi thứ, để mang lại kết quả tốt hơn với chi phí thấp hơn.
Amazon Bedrock – Nền tảng cho hệ thống AI đa mô hình
Việc sử dụng Amazon Bedrock mang lại cho Inscribe nhiều lợi thế chiến lược:
- Lựa chọn mô hình đa dạng: Inscribe có thể chọn foundation model phù hợp nhất cho từng tác vụ mà không cần quản lý cơ sở hạ tầng riêng biệt.
- Mở rộng serverless: Tự động xử lý các biến động lớn về khối lượng xử lý tài liệu, từ giờ thấp điểm đến giờ cao điểm, mà không cần cấp phát hạ tầng chuyên dụng.
- Bảo mật và tuân thủ cấp doanh nghiệp: Đáp ứng các tiêu chuẩn bảo vệ dữ liệu nghiêm ngặt của ngành dịch vụ tài chính, với mã hóa dữ liệu và kiểm soát truy cập chi tiết qua AWS IAM.
Tối ưu hóa chi phí và tốc độ với các mô hình phù hợp
Inscribe đã đánh giá nhiều mô hình trên Amazon Bedrock để chọn ra lựa chọn tối ưu cho từng tác vụ:
- Anthropic Claude Haiku 4.5: Được sử dụng cho các hoạt động khối lượng lớn như phân tích cú pháp, trích xuất trường và kiểm tra sàng lọc ban đầu. Mô hình này giúp giảm khoảng 40% chi phí inference so với Claude Sonnet cho các tác vụ thông thường mà không làm giảm tốc độ.
- Meta Llama 3.1 70B và Meta Llama 4: Dùng để làm giàu giao dịch và trích xuất thực thể. Ivo, Giám đốc Kỹ thuật tại Inscribe, giải thích: “Chất lượng của Llama cho các tác vụ đó ngang bằng với những gì chúng tôi mong muốn, vì vậy việc chọn Llama cho phép chúng tôi giảm chi phí mà không phải hy sinh chất lượng.”
- Anthropic Claude Sonnet 4 và 4.5: Đóng vai trò là lớp điều phối, xử lý các tác vụ phức tạp nhất như phân tích gian lận chéo tài liệu, các luồng suy luận đa bước, tích hợp tìm kiếm web để xác minh nhà tuyển dụng và tạo báo cáo gian lận bằng ngôn ngữ tự nhiên. Context window mở rộng của Sonnet cho phép nó duy trì nhận thức trên toàn bộ bộ tài liệu.
Kiến trúc phát hiện gian lận của Inscribe trên AWS
Hệ thống của Inscribe được xây dựng trên hạ tầng AWS để mang lại tốc độ, độ tin cậy và tuân thủ ở quy mô lớn. Kiến trúc agentic của nó điều phối các mô hình chuyên biệt, quyết định bước phân tích tiếp theo, gọi các API bên ngoài khi cần và tổng hợp mọi thứ thành một quyết định cuối cùng mà không cần sự can thiệp của con người.
Luồng xử lý hoạt động như sau:
- Tiếp nhận và lưu trữ: Tài liệu được tải lên qua API hoặc giao diện web của Inscribe, sau đó được lưu trữ trên Amazon S3. Một job xử lý được tạo và đưa vào hàng đợi Amazon SQS.
- Xử lý bất đồng bộ: Các worker Celery chạy trên Amazon EC2 lấy job từ hàng đợi. Kiến trúc này giúp xử lý các đột biến về lưu lượng truy cập mà không bị chậm trễ.
- Trích xuất văn bản: Amazon Textract cung cấp OCR cơ bản, nhưng Inscribe ngày càng chuyển các workload phân tích cú pháp sang các foundation model trên Amazon Bedrock để có độ chính xác cao hơn.
- Pipeline phát hiện gian lận đa mô hình: Tài liệu đi qua một chuỗi các mô hình trên Amazon Bedrock. Claude Haiku thực hiện phân loại ban đầu, các mô hình Meta Llama xử lý dữ liệu giao dịch, và Claude Sonnet thực hiện phân tích chéo tài liệu và tạo báo cáo cuối cùng.
- Mô hình độc quyền trên Amazon SageMaker AI: Song song đó, Inscribe chạy các mô hình machine learning (ML) độc quyền được lưu trữ trên Amazon SageMaker AI. Các mô hình này được huấn luyện trên hàng triệu hồ sơ để phát hiện các tín hiệu mà các LLM đa dụng bỏ lỡ, như phân tích pháp y cấp pixel để xác định hình ảnh bị chỉnh sửa.
- Lưu trữ và giám sát: Kết quả được lưu trữ trong Amazon RDS. Amazon ElastiCache for Valkey và Amazon MemoryDB được sử dụng để caching và hỗ trợ lớp cơ sở dữ liệu vector. Amazon CloudWatch theo dõi hiệu suất của mô hình.
Kết quả thực tiễn: Ngăn chặn hàng triệu USD thất thoát
Việc chuyển sang phát hiện gian lận bằng AI tác tử trên Amazon Bedrock đã mang lại kết quả rõ rệt cho khách hàng của Inscribe.
BHG Financial đã giảm hơn 90% thời gian đánh giá thủ công và ngăn chặn hàng triệu USD tổn thất tiềm tàng.
“Inscribe là bước ngoặt đối với chúng tôi. Nó đã biến việc phát hiện gian lận từ một quy trình thủ công, chủ quan thành một hệ thống có thể mở rộng, minh bạch mà chúng tôi có thể tin tưởng mọi lúc.”
– Michael Coomer, Giám đốc Quản lý Gian lận, BHG Financial
Logix Federal Credit Union đã ngăn chặn hơn 3 triệu USD tổn thất cho vay tiềm năng chỉ trong tám tháng sau khi triển khai Inscribe.
“Chúng tôi bắt đầu sử dụng Inscribe vào cuối tháng 4 năm ngoái. Và chỉ trong tám tháng, chúng tôi đã thấy khoản tiết kiệm từ gian lận cho vay tiềm năng hơn 3 triệu USD và vô số lần cứu vãn các vụ trộm cắp danh tính.”
– Matt Overin, Quản lý Rủi ro Gian lận, Logix Federal Credit Union
BCU, một hiệp hội tín dụng hàng đầu, đã ngăn chặn được 5,6 triệu USD tổn thất do gian lận nhờ khả năng phát hiện các mẫu hình gian lận có tổ chức của Inscribe.
“Một số khoản ngăn chặn tổn thất lớn nhất của chúng tôi trong vài năm qua đến trực tiếp từ các phát hiện của Inscribe. Chúng tôi đang nói về hàng triệu USD tổn thất được ngăn chặn, và điều đó đã tạo ra sự khác biệt có thể đo lường được trong việc chúng tôi có thể ngăn chặn gian lận nhanh chóng và tự tin như thế nào.”
– Nickie Christianson, Giám đốc Cấp cao, Nhóm Bảo vệ Tài khoản, BCU
Kết luận
Câu chuyện thành công của Inscribe cho thấy tiềm năng của việc áp dụng AI tác tử vào các quy trình phát hiện gian lận tài liệu. Doanh nghiệp không chỉ có được quy trình xét duyệt nhanh hơn mà còn sở hữu một hệ thống có khả năng suy luận, thích ứng và phát hiện các chiến thuật gian lận mới. Kiến trúc đa mô hình trên Amazon Bedrock cũng cung cấp một khuôn mẫu cho các doanh nghiệp khác đang đối mặt với những thách thức tương tự, giúp cân bằng giữa chất lượng, tốc độ và chi phí trong các workflow AI phức tạp.
