Maskininlärning är ett värdefullt verktyg för bedrägeriupptäckt, men att enbart förlita sig på det kan vara kontraproduktivt på grund av de höga kostnaderna för falska avslag. Falska avslag kostar amerikanska handlare betydligt mer (118 miljarder dollar) än faktiska bedrägerier (9 miljarder dollar) och leder till förlorade kundrelationer (32 % av kunderna återvänder aldrig). En heltäckande lösning kräver att maskininlärningsalgoritmer kombineras med mänskliga analytiker som tillhandahåller avgörande insikter, validerar transaktioner och anpassar sig till nya bedrägerimönster. Mänskliga analytiker erbjuder segmentspecifik kunskap, upptäcker nya bedrägerier, ägnar sig åt kreativ problemlösning och kommunicerar med kunder, vilket gör de automatiserade systemen smartare.