افزایش تقلب با هوش مصنوعی در درخواست‌های وام مسکن پس از افزایش نرخ بهره بانک مرکزی استرالیا
ظهور هوش مصنوعی مولد زمینه را برای افزایش سریع وام‌های مبتنی بر اطلاعات دروغین فراهم کرده است. خریداران مسکنی که زیر فشار افزایش نرخ بهره قرار گرفته‌اند، اکنون از جمله افرادی هستند که نرخ بالایی از تقلب در درخواست‌های وام را رقم می‌زنند.
نتایج یک نظرسنجی سراسری اختصاصی نشان می‌دهد نزدیک به یک نفر از هر پنج متقاضی وام در استرالیا، معادل حدود ۱۸ درصد، از هوش مصنوعی برای ساخت یا تغییر مدارک مورد استفاده در درخواست وام مسکن بهره گرفته‌اند.
بر اساس این نظرسنجی سراسری که به سفارش پلتفرم مقایسه خدمات مالی OurTop10 انجام شده است، صورت‌حساب‌های بانکی با سهم ۱۰ درصدی، رایج‌ترین مدارک دست‌کاری‌شده در درخواست‌های وام بوده‌اند.
مدارک شغلی با ۹ درصد و فیش‌های حقوقی یا مدارک اثبات درآمد با ۶ درصد، در رتبه‌های بعدی قرار داشته‌اند.
سه درصد دیگر از پاسخ‌دهندگان نیز گفته‌اند که برای ساخت یا تغییر پیشنهاد نرخ بهره یک وام‌دهنده رقیب از هوش مصنوعی استفاده کرده‌اند. شرکت‌کنندگان می‌توانستند بیش از یک گزینه را انتخاب کنند.
منصور سلطانی، مدیر OurTop10، گفت تقلب در وام‌های مسکن در حال گسترش است، زیرا ابزارهای هوش مصنوعی مولد ساخت اسناد جعلی و باورپذیر را آسان‌تر کرده‌اند.
او گفت: «افزایش نرخ بهره توان وام‌گیری را کاهش داده است؛ به‌ویژه برای خریداران خانه اول. همچنین برخی از وام‌گیرندگان فعلی در وضعیتی گرفتار شده‌اند که عملاً امکان خروج از وام مسکن خود را ندارند، زیرا دیگر شرایط لازم برای بازتأمین مالی وام را ندارند.»
«برخی افراد مدارک خود را تغییر می‌دهند تا درآمدشان را بیشتر از واقع نشان دهند یا هزینه‌هایشان را کمتر جلوه دهند. آن‌ها این کار را راهی برای عبور از این موانع و فرصتی برای دور زدن بانک‌ها می‌بینند.»
«مشکل اینجاست که ابزارهای هوش مصنوعی سریع‌تر از توان وام‌دهندگان برای شناسایی مدارک جعلی پیشرفت می‌کنند.»
«با بهتر شدن این فناوری، تشخیص اسناد ساختگی دشوارتر خواهد شد؛ حتی برای کارکنان آموزش‌دیده و سامانه‌های راستی‌آزمایی بانک‌ها.»
استرالیایی‌های جوان‌تر بیشتر از دیگران گزارش داده‌اند که برای تهیه یا تغییر مدارک درخواست وام مسکن یا مذاکره درباره شرایط آن از هوش مصنوعی استفاده کرده‌اند. ۵۶ درصد از نسل زد و ۳۶ درصد از نسل هزاره گفته‌اند که چنین کاری انجام داده‌اند.
صورت‌حساب‌های بانکی یا سوابق مالی، در هر دو گروه رایج‌ترین مدارک دست‌کاری‌شده بوده‌اند؛ این اسناد ۳۳ درصد از مدارک جعلی گزارش‌شده در میان نسل زد و ۲۳ درصد از موارد مربوط به نسل هزاره را تشکیل می‌دادند.
پس از آن، مدارک شغلی با سهم ۱۹ درصد در میان نسل زد و ۱۷ درصد در میان نسل هزاره قرار داشتند. فیش‌های حقوقی یا مدارک اثبات درآمد نیز به‌ترتیب ۱۹ درصد و ۱۱ درصد از موارد را شامل می‌شدند.
سلطانی گفت: «ممکن است نسل‌های جوان‌تر در زندگی روزمره راحت‌تر از هوش مصنوعی استفاده کنند. این آشنایی می‌تواند باعث شود برخی از آن‌ها با اطمینان بیشتری از این فناوری برای تغییر مدارک وام مسکن استفاده کنند، بی‌آنکه پیامدهای کار خود را به‌طور کامل در نظر بگیرند.»
او افزود: «وام‌گیرندگان باید بدانند که ارائه عمدی مدارک جعلی برای گمراه کردن وام‌دهنده می‌تواند به طرح اتهامات کیفری منجر شود.»
در مجموع، ۸۲ درصد از استرالیایی‌ها گفته‌اند که هرگز از هوش مصنوعی برای ساخت یا تغییر مدارک مربوط به درخواست وام یا استعلام درباره آن استفاده نکرده‌اند.
سلطانی گفت: «این موضوع ضرورت ایجاد سازوکار امن تبادل داده میان اداره مالیات استرالیا (ATO) و بانک‌ها را، با رضایت وام‌گیرنده، برجسته می‌کند.»
او افزود: «چنین سازوکاری به وام‌دهندگان امکان می‌دهد درآمد اعلام‌شده متقاضیان را از طریق یک منبع مستقل دولتی بررسی کنند و درباره اعطای اعتبار تصمیم‌های آگاهانه‌تری بگیرند.»
این مسئله در میان مؤسسات مالی و نهادهای ناظر نیز به موضوع بحث تبدیل شده است.
جو لونگو، رئیس کمیسیون اوراق بهادار و سرمایه‌گذاری استرالیا (ASIC)، اخیراً در جلسه‌ای با یک کمیته پارلمانی درباره فرایند سنتی ارزیابی درخواست‌های وام بر پایه مدارک کاغذی در بانک‌های بزرگ صحبت کرد و گفت این شیوه همچنان یکی از نقاط آسیب‌پذیر نظام بانکی است.
لونگو هشدار داد که تقلب در اسناد با کمک هوش مصنوعی به «مشکلی نوظهور و جدی برای بانک‌ها» تبدیل شده است. به گفته او، فیش‌های حقوقی و صورت‌حساب‌های دست‌کاری‌شده اکنون می‌توانند از نظر محتوای داخلی کاملاً با یکدیگر سازگار باشند و هنگام بررسی دستی، از خروجی‌های واقعی سامانه‌های سازمانی قابل تشخیص نباشند.
با این حال، ابزارهای هوش مصنوعی با وجود تولید اسنادی که هر روز واقعی‌تر به نظر می‌رسند، همچنان خطاهایی دارند که می‌توانند جعل‌کنندگان را به‌سادگی شناسایی‌پذیر کنند و زمینه پیگرد کیفری آن‌ها را فراهم آورند.
این ابزارها اغلب در محاسبات جزئی فرم‌های پیچیده اشتباه می‌کنند؛ اشتباهاتی که ممکن است با مانده‌های متوالی حساب هم‌خوانی نداشته باشند یا با تراکنش‌های ریزشده در صورت‌حساب مطابقت نکنند.
همچنین، بسیاری از نرم‌افزارهای تجاری ویرایش PDF و ابزارهای تولید تصویر، ردپاهایی در فراداده‌های دیجیتال فایل بر جای می‌گذارند که نشان می‌دهد سند با استفاده از نرم‌افزار تولید یا ویرایش شده است.