Riskified 推出 AI 反欺诈解决方案

导语

Riskified 于 2026 年 4 月 25 日宣布与 Outpayce 建立战略合作，推出一款以人工智能为驱动的反欺诈解决方案，双方表示该产品旨在应对商户对交易后保护和自动化拒付管理日益增长的需求（来源：Yahoo Finance，2026-04-25）。该合作加强了专项反欺诈平台将大型语言模型驱动的决策系统与基于网络的情报相结合的趋势，目标是在降低误判率的同时提高对合法订单的通过率。对于股东和支付团队而言，该公告表明 Riskified（股票代码：RSKD）在产品上的多元化，并相较于传统规则驱动系统扩大了可寻址市场。机构投资者将希望评估该产品在现有商户技术栈中的技术契合度、商业化上市节奏以及关键指标（例如新增通过率提升、误判率下降和拒付追回率）。本文把该合作置于市场背景中，利用可获得的第三方估算量化行业机会，并评估对支付与电商基础设施提供商的短期营收与竞争影响。

背景

Riskified 与 Outpayce 的合作正值商户与收单机构在防欺诈与收入保护之间承受越来越大压力之际。据 2026 年 4 月 25 日的 Yahoo Finance 报道，新解决方案被定位为一层以 AI 为先的体系，覆盖授权前决策与授权后争议解决；两家公司称该产品将强调自动化证据收集与自适应风险评分。这一做法延续了过去 24 个月来金融科技公司在合并与产品发布方面的潮流，这些公司倾向于采用机器学习/人工智能工具，反映出商户希望减少人工审核并缩短决策时间的需求。对于零售与旅游等利润率较低的企业而言，即便是微小的通过率改进也可对收入产生实质性影响：厂商披露的历史案例显示，1–3% 范围内的通过率提升对大型商户而言能带来数百万美元的新增交易额。

更广泛的支付生态系统在监管与卡组织规则的影响下持续演进，这些规则影响责任归属与拒付流程。近年来 Visa 与 Mastercard 对争议生命周期的更新将更多技术负担转嫁给商户与第三方服务商，提升了能够自动化证据整理并在缩短的时间窗口内响应的供应商的价值。该结构性变化提高了像 Riskified 这样的公司的押注：能够明显降低商户拒付成本并追回收入的解决方案，比仅在风险评分上有边际改进的方案具有更清晰的定价能力。该合作也契合了商户对集成化技术栈的偏好——许多企业客户倾向于更少的第三方供应商以便于合规、对账与技术集成的管理。

最后，该公告必须放在 Riskified 的公司轨迹及更广阔的供应商格局中解读。自 IPO 以来，Riskified 一直定位为以商户为中心的反欺诈平台；扩展到 AI 驱动的授权后补救服务为其服务主张增加了新层面。竞争对手——无论公开上市或私有——已通过专有机器学习模型与网络效应数据策略做出回应；Riskified-Outpayce 产品的成功将取决于数据广度、模型在对抗性欺诈场景下的验证能力，以及在试点项目中证明持久投资回报率（ROI）的能力。

数据深度解析

存在若干有限但可量化的数据点用以界定 AI 反欺诈解决方案的经济机会。首先，该合作已于 2026 年 4 月 25 日对外报道（来源：Yahoo Finance），为投资者提供了一个清晰的时间戳，用以推断后续季度的商业推广与潜在营收确认时间线。其次，第三方行业研究强调了在线欺诈的规模性成本：Juniper Research 先前预测 2023 年商户欺诈损失可能达到约 480 亿美元（Juniper Research，2020），该数据常被厂商在论证自动化与补救产品时引用。第三，针对欺诈检测与防范的市场规模报告显示出高速增长——多位分析师估计未来五年厂商营收的年复合增长率将超过 15%，由电子商务活动增长与监管复杂性推动（来源：Grand View Research、行业报告）。

从运营度量角度看，厂商以可衡量的改进进行销售：降低误判率、提高通过率的百分点以及拒付作为商品总交易额（GMV）百分比的下降。公开厂商披露与客户案例通常显示在试点项目中通过率提升在 0.5 至 3.0 个百分点范围内，具体取决于商户行业与基线成熟度。在拒付追回与争议自动化方面，当证据以结构化形式并在网络要求时间窗内提交时，宣称的争议胜诉率改善通常在 20–40% 左右——但这些数据随行业（高风险旅游 vs 低风险零售）与地域构成（因消费者保护规则差异）而大幅变化。

与同行比较也很重要：拥有更大专有数据集的公司往往能在原始 AUC（曲线下面积）等模型性能指标上表现更优，且误拒率更低。在该基准下，Riskified 能否借助 Outpayce 的工具提升其胜诉率、降低每千笔交易的人工审核工时并缩短补救时间表，将成为评判标准。这些是机构买家在商业试点与概念验证阶段会要求的具体关键绩效指标（KPI）。

行业影响

对于商户，t