แพลตฟอร์มซื้อขาย Forex ของลูกค้าต้องมีกระบวนการยืนยันตัวตนที่เข้มงวดเพื่อป้องกันการฉ้อโกงและการหลอกลวง เนื่องจากลูกค้าได้ร่วมงานกับ Rikkeisoft ในการพัฒนาแพลตฟอร์มซื้อขาย Forex จึงเป็นเรื่องธรรมดาที่ Rikkeisoft จะร่วมแก้ไขปัญหาสำคัญนี้ในระหว่างการพัฒนาด้วยเช่นกัน
เกี่ยวกับลูกค้า
AIPythonBFSI
บทความนี้กล่าวถึงโครงการจริง อย่างไรก็ตาม เราไม่สามารถเปิดเผยชื่อลูกค้าได้เนื่องจากเหตุผลด้านความเป็นส่วนตัว
ลูกค้าเป็นบริษัทสตาร์ทอัพสัญชาติสิงคโปร์ ก่อตั้งขึ้นในปี 2017 โดยเน้นตลาดญี่ปุ่นเป็นหลัก เป้าหมายหลักของลูกค้าคือการช่วยเหลือโบรกเกอร์และเทรดเดอร์ในตลาด Forex, CFD และหลักทรัพย์ ผ่านโซลูชันต่างๆ ที่พัฒนาบนแพลตฟอร์ม MetaTrader 4 และ 5
ในระหว่างการพัฒนาแพลตฟอร์ม Forex ลูกค้าพบว่าจำเป็นต้องมีกระบวนการยืนยันตัวตนที่เข้มงวดเพื่อป้องกันการฉ้อโกงและการหลอกลวง ซึ่งรวมถึงการยืนยันชื่อ ที่อยู่ หมายเลขบัตรประจำตัว วันเดือนปีเกิด และใบหน้าของผู้ใช้ ตลอดจนการตรวจสอบความถูกต้องของบัตรประจำตัว ทั้งหมดนี้ต้องดำเนินการโดยอัตโนมัติเนื่องจากแพลตฟอร์มมีฐานผู้ใช้จำนวนมาก
ภาพรวมโครงการ
อุตสาหกรรม
BFSI
เทคโนโลยี
Python, PyTorch, FastAPI, OpenCV, NumPy, Hugging Face, Docker
ประเทศ
สิงคโปร์
ระยะเวลา
6 เดือน
ความท้าทาย
ความหลากหลายของรูปแบบบัตรประจำตัวและภาษา
ฐานผู้ใช้ของลูกค้ามีขนาดใหญ่และครอบคลุมหลายประเทศ ทำให้ต้องรองรับรูปแบบเอกสารบัตรประจำตัวที่แตกต่างกันจำนวนมาก ซึ่งมีเกือบ 300 รูปแบบ และมากกว่า 10 ภาษา ภาษาเหล่านี้ยังมีรูปแบบการเขียนที่หลากหลาย ทั้งแบบโลโกซิลลาบิก แบบพยางค์ และแบบตัวอักษร เป็นต้น รูปแบบเอกสารบัตรประจำตัวยังเปลี่ยนแปลงอยู่ตลอดเวลา เนื่องจากมีการนำรูปแบบใหม่มาใช้และยกเลิกรูปแบบเดิมไปเรื่อยๆรูปถ่ายเอกสารที่ไม่เป็นมาตรฐาน
ลูกค้าต้องทำงานกับรูปถ่ายเอกสารบัตรประจำตัวที่โดยปกติแล้วระบบคอมพิวเตอร์ไม่สามารถประมวลผลได้ เนื่องจากรูปภาพอาจเอียง บิดเบี้ยว หรือมีขนาดไม่เหมาะสม ซึ่งล้วนเกิดจากความผิดพลาดของผู้ใช้ ทำให้ต้องมีการเตรียมเอกสารเพิ่มเติมก่อนที่จะสามารถนำไปใช้ในการยืนยันตัวตนได้โซลูชัน
ระบบสกัดข้อมูลด้วย OCR และ Large Language Model
เพื่อช่วยเหลือลูกค้าในการยืนยันตัวตน Rikkei AI ได้พัฒนาเครื่องมือสกัดข้อมูลที่สามารถจดจำและดึงข้อมูลจากรูปถ่ายเอกสารบัตรประจำตัว หลังจากได้รับข้อมูลนำเข้าจากผู้ใช้ (รูปถ่ายเอกสาร) เครื่องมือจะจัดประเภทเอกสารในรูปภาพเป็นประเภท “บัตร” และ “กระดาษ” ก่อน โดยพิจารณาจากคุณสมบัติทางกายภาพที่ปรากฏ จากนั้นจะปรับเอกสารให้เป็นมาตรฐานตามความจำเป็นด้วยการปรับขนาดและ/หรือหมุนภาพ
หลังจากปรับให้เป็นมาตรฐานแล้ว เครื่องมือจะใช้ Microsoft’s Azure Optical Character Recognition Cognitive Service เพื่อตรวจจับฟิลด์ข้อความในเอกสาร จากนั้นฟิลด์ข้อความเหล่านี้จะผ่านกระบวนการของ Large Language Model ที่ Rikkeisoft ปรับแต่งขึ้นเอง (fine-tuned) ซึ่งคล้ายกับของ OpenAI เพื่อสกัดข้อมูล LLM นี้สามารถรองรับภาษาได้มากกว่า 100 ภาษา รวมถึงภาษาญี่ปุ่น จีน และเกาหลี
เมื่อเครื่องมือดำเนินการสกัดข้อมูลเสร็จสิ้นแล้ว จะเข้าสู่ขั้นตอนการยืนยันตัวตน ซึ่งขึ้นอยู่กับประเภทของเอกสาร โดยดำเนินการผ่านการยืนยันด้วยรูปภาพหรือหมายเลขบัตรประจำตัวอย่างใดอย่างหนึ่ง
ผลลัพธ์
ลูกค้าพึงพอใจอย่างมากกับโซลูชันสุดท้ายของ Rikkeisoft เนื่องจากช่วยลดความเสี่ยงจากกิจกรรมฉ้อโกงและการหลอกลวงที่พบได้ทั่วไปในอุตสาหกรรมการเงินและ FinTech นอกจากนี้ ลักษณะการทำงานอัตโนมัติของเครื่องมือยังช่วยให้ลูกค้าไม่จำเป็นต้องมีทีมงานเฉพาะสำหรับงานนี้ ลดความกังวลด้านเวลาและต้นทุนลงได้ เครื่องมือนี้ยังรองรับการใช้งานในอนาคต ทำให้กระบวนการเพิ่มรูปแบบบัตรประจำตัวใหม่สำหรับลูกค้าเป็นเรื่องง่ายขึ้น
โดยรวมแล้ว ระบบสกัดข้อมูลของ Rikkeisoft ได้พิสูจน์แล้วว่าเป็นประโยชน์อย่างมากต่อกระบวนการยืนยันตัวตนของลูกค้า และยังตอกย้ำศักยภาพของ Rikkeisoft ในการสร้างสรรค์โซลูชัน AI สำหรับบริษัท FinTech อีกด้วย
