Specialavsnitt med Higgs och enbart Klara. FICO, Feedzai, Featurespace/Visa, Mastercard och BioCatch jämförs per användningsfall, tillsammans med NICE Actimize, SAS, LexisNexis, Quantexa, Stripe, Sift och Riskified. Sex forskningsarbeten om realistisk utvärdering, kontinuerlig inlärning, grafer, tabellmodeller och språkmodellers robusthet. Lägesbild 7 november 2026. Produktbedömningarna är redaktionell analys av offentliga källor; vi har inte genomfört ett jämförande produkttest. Leverantörspåståenden och kundfall hålls isär från vetenskapliga studier. Featurespace ingår i Visa; BioCatch-förvärvet beskrivs som annonserat och villkorat. Syntetisk svensk röst.
Välkommen till Nordisk bedrägerikoll. Jag heter Klara. I det här specialavsnittet granskar vi systemen som ska upptäcka bedrägerier innan pengarna försvinner. FICO, Feedzai, Featurespace, Visa, Mastercard och BioCatch är huvudpersonerna. Vi tar också upp andra viktiga alternativ och vad forskningen faktiskt kan säga.
Lägesbilden är kontrollerad den sjunde november tvåtusentjugosex. Bedömningarna är redaktionell analys av offentliga källor. Vi har inte testat leverantörernas produkter mot varandra. Rösten är syntetisk och skapad med Higgs och Klara.
Vi börjar med ett tänkt bankärende. En kund loggar in från sin vanliga mobil och godkänner en överföring. Identiteten är korrekt. Ändå är betalningen ett bedrägeri. Kunden har blivit övertalad att flytta pengar till ett påstått säkerhetskonto. Ett system som bara frågar vem som använder kontot riskerar att missa att rätt person gör fel sak under manipulation.
Därför behöver vi skilja på tre uppgifter. Att upptäcka stulna kort och kapade konton. Att upptäcka när kunden själv luras att betala. Och att identifiera mottagarkonton och nätverk som tar emot brottsvinster. Samma leverantör kan arbeta inom flera områden, men ett starkt resultat på kortköp bevisar inte lika starkt skydd mot telefonbedrägerier.
Först FICO och Falcon Fraud Manager. FICO har lång erfarenhet av neurala nätverk för betalningsbedrägerier, riskmodeller och beslutssystem. Den senaste årsrapporten beskriver också fortsatt övergång från fristående produkter till FICO Platform. Falcon är fortfarande en namngiven produkt. Det är alltså viktigt att fråga vilken version och vilken driftmiljö en offert faktiskt gäller.
Min bedömning är att FICO är en stark kandidat för etablerad transaktionsövervakning, särskilt där banken redan har investerat i Falcon och kompetens kring systemet. FICO har dessutom särskild riskbedömning för överföringar där kunden själv blivit lurad. Men en äldre leverantörsuppgift om femtio procent fler upptäckta blufftransaktioner är ingen aktuell jämförelse med konkurrenterna. Kräv ett nytt test på bankens egna betalningar och kundgrupper.
Feedzai är särskilt intressant som sammanhållen plattform. RiskOps kombinerar transaktioner med beteende, enhetsinformation och nätverkssignaler. Partnerskapet med Mastercard, annonserat i februari tvåtusentjugofem, ska göra Mastercards Consumer Fraud Risk lättare att distribuera. Feedzai och Mastercard är därför både separata erbjudanden och möjliga delar av samma lösning.
Två nyare Feedzai-produkter förtjänar uppmärksamhet. RiskFM presenterades i mars tvåtusentjugosex som en grundmodell för finansiella data. Företaget uppger att den kan återanvända kunskap mellan institutioner och minska behovet av manuellt byggda modeller. Det är tekniskt lovande, men lanseringstexten beskriver också validering med tidiga användare. Den ger inte ett öppet underlag för att utse modellen till marknadens bästa.
Farol, lanserad i september samma år, hjälper bland annat analytiker att sammanfatta ärenden och analysera regler. Det kan vara värdefullt för arbetskostnaden. Men kortare handläggningstid och fler stoppade bedrägerier är olika resultat. Vi bör mäta båda, och kontrollera att en snabbare sammanfattning inte tappar avgörande fakta.
Så till Featurespace och Visa. Visa slutförde köpet av Featurespace i december tvåtusentjugofyra. De ska alltså inte räknas som två helt oberoende leverantörer i en konkurrensanalys. Featurespace är känt för ARIC Risk Hub, som bygger profiler av normalt kundbeteende och reagerar på avvikelser.
Det finns ett konkret nordiskt exempel. Visa rapporterade att norska Eika Gruppen minskade sina nätfiskeförluster med nittio procent under tvåtusentjugofyra jämfört med året före, efter införandet av ARIC. Det är relevant erfarenhet från banker i Norden. Men det är ett kundfall publicerat av leverantören, inte ett kontrollerat experiment. Förändrade angrepp, andra bankåtgärder och utgångsläget kan också ha påverkat resultatet.
I september tvåtusentjugosex lanserade Visa en uppdaterad A2A Protect med en gemensam risksignal som använder Featurespace-teknik. Den är riktad mot kontoöverföringar och kan komplettera befintliga kontroller. Min analys är att kombinationen av beteendeprofiler och information utanför den egna banken är lovande. Bankens faktiska datatäckning, betalningssystem och tillgång till nätverkssignaler måste ändå verifieras före ett köp.
Mastercard har två olika spår som är viktiga här. Decision Intelligence Pro stöder riskbedömning vid kortauktorisation och använder bland annat relationer mellan transaktionernas aktörer. Consumer Fraud Risk är inriktat på kontoöverföringar och bedrägerier där kunden luras. Där kan relationen mellan avsändare och mottagare ge information som en enskild bank saknar.
Min bedömning är att Mastercard är särskilt intressant som ett extra lager av nätverksinformation, snarare än som ett automatiskt skäl att ersätta bankens hela plattform. Fråga vilka länder, konton och betalningsflöden som verkligen täcks. En global räckvidd för företaget betyder inte att varje lokal produkt har samma räckvidd. Leverantörens beställda lönsamhetsstudier ska också hållas isär från oberoende effektstudier.
BioCatch angriper framför allt frågan om vad som händer under kundens digitala session. Connect och Scams360 kombinerar beteende, enhetsinformation och transaktionssignaler. Tanken är att avvikande interaktion kan ge ledtrådar om exempelvis kontokapning eller manipulation. BioCatch Trust tillför riskinformation om mottagarkonton genom samarbete mellan banker.
Det gör BioCatch till en särskilt intressant specialist när rätt kund är inloggad men håller på att bli lurad. Samtidigt är beteendesignaler sannolikheter, inte tankeläsning. Stress, hjälpmedel, ny telefon eller en ovan användare kan också förändra beteendet. Produkten behöver därför utvärderas på verkliga kunder och tillsammans med de åtgärder som banken använder efter en varning.
Ägarbilden håller dessutom på att förändras. Visa meddelade i augusti tvåtusentjugosex ett avtal om att köpa BioCatch. Enligt det beskedet är affären villkorad och väntas avslutas under Visas andra räkenskapskvartal tvåtusentjugosju. Vi beskriver därför köpet som annonserat, inte som bekräftat slutfört. Möjliga framtida integrationer är heller inte samma sak som tillgängliga funktioner i dag.
Vilka andra bör vara med? NICE Actimize och SAS erbjuder breda lösningar för bankernas övervakning, analys och utredningsarbete. SAS har även Fraud Decisioning på sin molnbaserade Viya-plattform. De är relevanta att pröva när integration, modellstyrning och befintlig kompetens väger tungt.
LexisNexis ThreatMetrix och BehavioSec är intressanta för digital identitet, enheter och beteende. Quantexa är särskilt relevant när fragmenterade uppgifter måste kopplas till rätt personer, företag och nätverk. Att två konton delar en adress är dock inte i sig bevis för brott. Kvaliteten på kopplingarna och analytikerns möjlighet att granska dem är avgörande.
För e-handel bör även Stripe Radar, Sift och Riskified jämföras. Här handlar nyttan mycket om fler godkända köp, färre kapade konton och mindre missbruk. Riskifieds garanti för vissa kortreklamationer ändrar också vem som bär kostnaden. En sådan garanti måste läsas tillsammans med pris, undantag och vilka legitima köp som nekas. Den är inget bevis på högst detektionsförmåga i banköverföringar.
Vad säger då forskningen? En central studie av Dal Pozzolo och medförfattare, publicerad i tidskriftsvolymen tvåtusenarton, använder mer än sjuttiofem miljoner verkliga korttransaktioner. Den lyfter tre problem: bedrägerier är sällsynta, mönstren förändras och facit kommer ofta sent. Ett test där modellen får veta bedrägeriet tidigare än banken kunde ha vetat det ger en missvisande bild.
En studie från tvåtusentjugofyra om kontinuerlig inlärning visar varför anpassning också måste bedömas tillsammans med risken att modellen glömmer äldre mönster. Att lära sig det senaste angreppet räcker inte om skyddet mot tidigare angrepp samtidigt försämras. Den praktiska slutsatsen är att mäta utvecklingen över tid, med realistiskt fördröjd återkoppling.
Grafanalys har också stöd i forskning. BRIGHT, presenterat på forskningskonferensen CIKM tvåtusentjugotvå av forskare och medarbetare från bland annat eBay, visar hur relationer kan användas för snabb bedrägeridetektion. Studien är noga med att framtida händelser inte får läcka in i tidigare beslut. Resultaten stödjer teknikspåret, men bevisar inte att en viss bankprodukt är bäst. En marknadsplats och en nordisk bank har olika data och uppgifter.
Sedan kommer frågan om stora modeller. En bred jämförelse på NeurIPS tvåtusentjugotvå fann att trädmodeller var starka på de medelstora tabeller som studerades. Nature publicerade däremot tvåtusentjugofem lovande resultat för grundmodellen TabPFN på små och medelstora datamängder. Det visar att området utvecklas. Det är inte ett direkt test av Feedzais RiskFM eller av miljarder bankbetalningar.
Ytterligare en studie, i PNAS Nexus i juni tvåtusentjugosex, visar att språkmodellers tabellprediktioner kan påverkas av irrelevanta ändringar i hur data presenteras. Min slutsats är att språkmodeller är intressanta som stöd för utredning och förklaringar, men att beslut om betalningar kräver separat validering. En välskriven motivering är inte bevis för en korrekt riskbedömning.
Vilka produkter verkar då mest lovande? Min redaktionella bedömning är följande. För en bred modernisering bör Feedzai och Visa med Featurespace finnas högt på testlistan. För en bank med en fungerande Falcon-miljö är FICO en självklar jämförelsepunkt innan ett kostsamt byte. NICE Actimize och SAS bör prövas utifrån samma krav på integration och faktisk effekt.
För manipulerade kunder är BioCatch särskilt intressant att testa som beteendelager. För mottagarrisk och samordnade nätverk är Mastercard Consumer Fraud Risk, Visa A2A Protect och relevanta samarbetslösningar lovande komplement. Quantexa kan bidra när kopplingarna mellan aktörer är huvudproblemet. Det här är en lista över kandidater per uppgift, inte en vetenskapligt fastställd prispall.
Banken bör låta kandidaterna möta samma historiska tidsperioder och samma befintliga skydd. Mät hur mycket ytterligare bedrägeribelopp som upptäcks vid samma nivå av felaktiga stopp och samma granskningskapacitet. Mät därefter utfallet i en kontrollerad pilot. En varning i efterhand ska inte bokföras som ett förhindrat bedrägeri.
Ta också med kundernas väntetid, utredningskostnad, driftstabilitet och hur skyddet fungerar för olika kundgrupper. Pröva vad som händer när signaler saknas eller en tjänst ligger nere. Kontrollera rättsliga förutsättningar för databehandlingen och hur felaktiga flaggor kan rättas. Mer information ger bara bättre skydd när den kan användas korrekt och i tid.
Min starkaste slutsats är därför att den mest lovande lösningen förenar transaktionsrisk, beteende och mottagarnätverk med bra mänskliga ingripanden. I den öppna genomgången har jag inte hittat en oberoende jämförelse som utser en vinnare bland alla de här leverantörerna. Låt därför verkligt undvikna förluster och färre felaktiga stopp avgöra, snarare än antalet gånger ordet artificiell intelligens förekommer i presentationen.
Du har lyssnat på ett specialavsnitt av Nordisk bedrägerikoll med Klara. Källor, forskningsreferenser och manus finns i avsnittsbeskrivningen. Tack för att du lyssnade.