quả (từ chối một khoản phí lừa đảo là việc làm tốt, nhưng khiến khách hàng
tức giận với việc từ chối một giao dịch hợp pháp là việc làm không tốt).
Nếu các công ty thẻ tín dụng hoàn hảo trong việc dự đoán lừa đảo, tất cả sẽ
ổn thoả. Nhưng họ lại không như vậy. Ví dụ, công ty thẻ tín dụng của
Joshua (một trong những tác giả) từ chối những giao dịch khi anh ấy mua
sắm giày chạy theo định kỳ, đôi khi anh ấy mua mỗi năm một lần, thông
thường là ở trung tâm mua sắm khi anh ấy đi nghỉ. Trong nhiều năm, anh
ấy phải gọi đến công ty thẻ tín dụng để bỏ sự hạn chế đó.
Trộm cắp thẻ tín dụng thường xảy ra ở những trung tâm thương mại, và
một vài mua sắm lừa đảo đầu tiên có thể sẽ là những thứ như giày và quần
áo (dễ dàng để đổi thành tiền mặt khi trả lại hàng ở một chi nhánh khác
cùng chuỗi). Và từ khi Joshua không còn thường xuyên mua quần áo và
giày và ít khi đến trung tâm mua sắm, công ty thẻ tín dụng dự đoán rằng thẻ
có khả năng bị đánh cắp. Đó là một sự dự đoán hợp lý.
Một vài yếu tố ảnh hưởng đến việc dự đoán liệu một chiếc thẻ có bị đánh
cắp hay không bao gồm những yếu tố khái quát (loại giao dịch, ví dụ như
mua giày chạy), và những yếu tố khác cụ thể hơn đối với mỗi cá nhân
(trong trường hợp này, độ tuổi và tần suất). Sự kết hợp đó đồng nghĩa với
việc thuật toán ngăn chặn những giao dịch sẽ rất phức tạp.
Lời hứa của AI là nó có thể đưa ra dự đoán chính xác hơn, đặc biệt trong
những tình huống có sự kết hợp giữa những thông tin khái quát và thông tin
cá nhân hóa. Ví dụ, nếu có dữ liệu về những năm giao dịch của Joshua (một
trong những tác giả), máy dự đoán có thể học những mẫu của các giao dịch,
bao gồm sự thật rằng anh ấy mua giày vào thời điểm tương tự mỗi năm.
Thay vì phân loại sự mua sắm đó là sự kiện bất thường, nó có thể phân loại
sự mua sắm đó là sự kiện bình thường cho một người cụ thể. Máy dự đoán
có thể nhận ra những mối tương quan khác, ví dụ như mất bao nhiêu thời
gian để một người mua sắm xong, tìm hiểu rằng liệu những giao dịch trong
hai cửa hàng khác nhau có quá gần nhau không. Khi máy dự đoán trở nên
