2026 Guide til opkaldsgodkendelse for kontaktcentre

Den Pindrops 2025-rapport om stemmeintelligens og -sikkerhed siger, at forsøg på deepfake-svindel i kontaktcentre steg med mere end 1.300% i 2024. 

Det er ikke engang overraskende, for alt, hvad et stemmekloningsværktøj behøver, er så lidt som tre sekunder af en lydkilde for at producere en overbevisende kopi af en hvilken som helst taler.

Det gælder også, 68% af kunder henvender sig til et telefonopkald, når de har et problem og brug for hjælp. Denne mængde af ægte opkald med stor betydning udgør kernen i det, som kontaktcentre er til for at betjene.

Men social engineering-scripts og AI-klonede stemmer når også dit kontaktcenter via den samme kanal som dine loyale kunder.

Opkaldsgodkendelse adskiller de to grupper af opkald, du modtager. Hvis du gør det rigtigt, betyder det, at du beskytter din kundeservicekanal uden at forringe oplevelsen for ægte opkald. 

I denne blog diskuterer vi, hvordan opkaldsverifikation i kontaktcentre skal se ud i 2026. 

---

Det vigtigste at tage med

• Opkaldsgodkendelse i 2026 skal forsvare sig mod en stigning på 1.300% i forsøg på deepfake-svindel ved at verificere både telefonnummerets oprindelse og den biologiske ægthed af talerens stemme.

• Moderne verifikation kombinerer aktive metoder som sikkerhedsspørgsmål og engangskoder med passiv AI-stemmeanalyse, der opdager syntetisk tale og stemmekloning i realtid.

• STIR/SHAKEN-frameworket fungerer som basislinje for netværkssikkerhed ved at forhindre spoofing af opkalds-ID og sikre, at det viste telefonnummer nøjagtigt afspejler opkaldets oprindelse.

• Effektiv forebyggelse af svindel indebærer overvågning af adfærdsmæssige uregelmæssigheder som f.eks. usædvanlige pauser eller social engineering-scripts og eskalering af mistænkelige interaktioner til seniorspecialister til out-of-band-verifikation.

• TruthScan giver et kritisk forsvarslag ved at bruge deep learning-modeller til at identificere AI-genereret lyd med 99%-nøjagtighed, hvilket beskytter kontaktcentre mod avancerede efterligningsværktøjer.

---

Hvad er en guide til opkaldsgodkendelse?

Alle indgående opkald, der når et kontaktcenter, har et opkalds-id. Opkaldsautentificering kontrollerer, om det nummer, der vises som oprindelsen til et opkald, rent faktisk er det nummer, hvorfra opkaldet blev foretaget. 

Det verificerer også, at den person, der ringer, er et rigtigt, tilsigtet kontaktpunkt og ikke en syntetisk stemme, der bruges til svigagtige formål.

Den STIR/SHAKEN-rammeværk er industristandarden for autentificering af opkalds-id.

Det er et sæt tekniske protokoller, der gør det muligt at autentificere og verificere opkaldsoplysninger for opkald, der overføres via IP-netværk (Internet Protocol). 

Opkaldsgodkendelse opretholder kontaktcentrets sikkerhed mod falske robocall-svindel, da falske opkaldere ikke kan forfalske deres viste numre.

Truecallers amerikanske spam- og Scam Report fandt ud af, at 78% af amerikanerne ville være mere tilbøjelige til at besvare et opkald, hvis det viste verificerede opkaldsoplysninger.

Trepartsgodkendelsesproces

Opkaldsgodkendelse er et fælles ansvar for kunden, kontaktcentrets driftsprotokoller og de agenter, der udfører verifikationen. 

Trin til kundebekræftelse

På netværksniveau evaluerer STIR/SHAKENs attestering opkaldets oprindelse på det tidspunkt, hvor det kommer ind i køen i kontaktcentret. Men den kan ikke adressere identiteten på den person, der foretager opkaldet.

Når opkaldet forbindes, bliver kunden bedt om at bekræfte sin identitet ved hjælp af sine legitimationsoplysninger. Automatisk nummeridentifikation (ANI) bruges til at krydsreferere det indgående nummer med den konto, der er registreret.

På samme måde beder vidensbaseret autentificering (KBA) den, der ringer op, om at bekræfte kontospecifikke oplysninger. 

Engangskoder kan leveres via SMS eller e-mail, der bekræfter, om en opkalder har adgang til en enhed, der er knyttet til den bekræftede identitet.

Protokoller for kontaktcentre

Kontaktcentret skal håndhæve politikker for verificering af opkalds-id for hver indgående interaktion.

Kontaktcentre etablerer differentierede adgangsmodeller, der matcher følsomheden af den ønskede handling. De er kodificeret forskelligt, så agenterne ved, hvilket niveau af bekræftet identitet der kræves, før en given handling kan godkendes.

Hvis opkaldsbekræftelsen ikke kan gennemføres, eskalerer opkaldet til supervisoren. Der er også indført sikre tilbagekaldelsesprocedurer, så en kunde kan gennemføre sin verificering via en alternativ kanal.

System- og agentroller

Automatiserede systemer håndterer stort set alle de dataintensive dele af autentificeringen. 

Interactive Voice Response (IVR) opfanger det første input fra opkalderen og matcher det med CRM.

Dataene kører gennem STIR/SHAKEN-attesteringsniveauer, hvor algoritmer til scoring af svindelrisiko evaluerer dem for potentiel svigagtig adfærd.

En agent i kontaktcentret skal bruge sin dømmekraft med vejledning i realtid fra autentificeringsplatformen.

Systemet vil generere en risikoscore, men det er op til agentens skøn at afgøre, om opkaldet kan fortsætte. 

Hvad opkaldere oplever under autentificering

Den, der ringer op, oplever ingen af de processer, der sker i STIR/SHAKEN-attestering, før et opkald når frem til køen i kontaktcentret.

I stedet bliver de mødt af en automatisk besked i det øjeblik, de får forbindelse til et opkald. Opkaldsbekræftelse kan være: 

• Aktiv, hvor den, der ringer op, bliver bedt om at bekræfte kontospecifikke oplysninger gennem nogle spørgsmål. Nøjagtigheden af deres svar afgør, om de bliver verificeret.

• Passiv, en mere avanceret form for verifikation, hvor den, der ringer op, ikke gør andet end at tale naturligt ind i IVR'en, og et stemmebiometrisk program verificerer dem.

Den Consumer Experience Report fandt, at 85% af kunderne bryder sig ikke om den aktive identifikations- og verifikationsproces og finder den frustrerende. Kontaktcentrene bryder sig heller ikke om den, fordi den er tidskrævende. 

Seks trin til effektiv opkaldsgodkendelse

Identitetsbekræftelse før opkald

En del af opkaldsautentificeringen sker ved hjælp af data, der er tilgængelige fra selve det indgående opkald, hvilket inkluderer: 

• Telefonnummerets omdømmescore
• Metadata for transportør
• Oprindelsessignal for opkald
• Enhedens fingeraftryk

Et IVR-system krydsrefererer det indgående nummer med en CRM-database. 

Matchende numre kommer til agenterne med et tillidssignal sammen med opkaldet, og dem, der ikke matcher, bliver markeret, så agenterne er opmærksomme på potentielle risici. 

Kontaktcentre med modne pre-call-systemer rapporterer om kortere gennemsnitlig håndteringstid. 

Kontrol af multifaktor-autentificering

Når et opkald forbindes, bruges multifaktorautentificering (MFA) til talekanaler til at verificere opkaldet. 

Vidensbaseret autentificering (KBA) er den grundlæggende metode, hvor den, der ringer op, bliver bedt om at svare på sikkerhedsspørgsmål. 

Det er altid bedst at kombinere KBA med en engangskode (OTP), der sendes til en registreret enhed, og som den, der ringer op, bekræfter mundtligt eller med et tastetryk under opkaldet.

MFA kan også integrere biometrisk verifikation af opkalderens stemme. Opkalderens aktuelle stemmeegenskaber sammenlignes med historiske interaktionsdata, der fastslår, hvordan en legitim version af denne kunde faktisk lyder, når han ringer ind.

AI stemmeanalyse

AI-stemmeanalyse er en passiv form for opkaldsverificering. Den bruger AI-godkendelsesløsninger, der undersøger akustiske signaler fra et live-opkald for at kunne skelne mellem en levende menneskestemme og et syntetisk opkald.

Stemmebiometriske motorer er trænet på deep learning-modeller. De bekræfter, at stemmen på linjen produceres i realtid i stedet for at blive afspillet fra en optagelse. 

AI'en sporer grundlæggende resonansmønstre i stemmelæberne, vejrtrækning og formantfrekvenser, som er forskellige for hver enkelt person. 

Generativ AI har gjort det muligt at udvikle over 350 værktøjer til kloning af stemmer. Så barren for efterligning er faldet til blot et par sekunders lyd, som enhver kan skrabe fra en telefonsvarer eller en video på de sociale medier.

AI-stemmeanalyse i opkaldslaget er den primære modforanstaltning mod generative AI-stemmeværktøjer. 

TruthScan's AI stemme-detektor er et specialbygget værktøj til at identificere spoofing-forsøg gennem manipulation af opkalderens stemme i realtid.

Advarsler om uregelmæssigheder i realtid

Det er muligt, at et opkald, der er blevet verificeret før opkaldet og har bestået MFA-tjek, udviser unormal adfærd midt i samtalen. 

Signaler, der udløser anomaliadvarsler, omfatter: 

• Lange, usædvanlige pauser før besvarelse af sikkerhedsspørgsmål (som antyder, at den, der ringer, læser op fra et manuskript eller konsulterer stjålne optegnelser)

• Anmodninger om at ændre for mange kontoattributter i et enkelt opkald

• Geografiske uoverensstemmelser mellem den registrerede kontos placering og opkaldets tilsyneladende oprindelse

• Ordforråd eller formuleringer, der stemmer overens med social engineering-scripts

Igen, en AI-detektor i realtid bruges til at identificere sådanne uregelmæssigheder. Alarmsystemer, der henvender sig til agenter, viser disse flag som farvekodede risikoindikatorer, der får agenten til at stille yderligere verifikationsspørgsmål. 

Eskalering ved mistænkelige opkald

Protokoller til opkaldsgodkendelse har en eskaleringssti, når anomalisignaler overskrider en defineret risikotærskel.

Interaktionen kan overføres til en senior svindelspecialist. 

Det kan udløse en tavs overvågningstilstand, så et andet teammedlem kan observere interaktionen uden at advare den, der ringer op. 

Hvis det er nødvendigt, kan der iværksættes en yderligere verifikation uden for båndet, f.eks. ved at sende en bekræftelsesanmodning til kontohaverens registrerede e-mail eller sekundære telefonnummer. 

Hvert eskaleret opkald bør generere en hændelsesregistrering, der omfatter de udløsende signaler, agentens observationer, de gennemførte autentificeringstrin og resultatet. 

Revision efter opkaldet

Når et opkald er afsluttet, analyseres det for at identificere typen af interaktion og de beslutninger, der blev truffet. 

Audit reviews har to funktioner.

1. For at afgøre, om et afsluttet opkald involverede svindel, og i så fald hvordan det omgik tidligere godkendelseskontroller

2. For at identificere eventuelle huller i rammen for opkaldsgodkendelse, der muliggjorde omgåelsen

Data om kontoaktivitet efter opkaldet skal også overvåges nøje. Et opkald, der så rent ud under live-interaktion, kan afsløre sin sande natur gennem en nulstilling af adgangskoden eller svigagtige fondsbevægelser, der foretages umiddelbart efter opkaldets afslutning.

Sådan styrker TruthScan opkaldsautentificering

TruthScan har en række værktøjer til forebyggelse af opkaldssvindel, der verificerer tekst, billeder, stemme og multimedieindhold for originalitet. Vores AI stemme-detektor kan være en direkte del af dit workflow for opkaldsgodkendelse. 

Vores detektionsmotor er trænet til at identificere syntetisk tale skabt af ElevenLabs, Murf, Speechify, Descript og andre generative AI-værktøjer.

Den opdager også mere subtile former for stemmemanipulation som pitch shifting, hastighedsændring, accentændring og stemmemorphing.

Og på tværs af alle disse typer angreb opretholder TruthScan en detektionsnøjagtighed på 99%+.

TruthScan kan analysere MP3, WAV, FLAC, AAC, OGG, M4A og videoformater, herunder MP4, MOV, AVI og WebM til lydudtræk.

Alt i alt kontrollerer den, at opkaldet rent faktisk kommer fra den, der ringer, og om stemmen, der siger det, er ægte. 

Tal med TruthScan om forebyggelse af opkaldsbedrageri

TruthScan har behandlet over 2 milliarder dokumenter, hvilket giver vores detektionsmodeller en enorm mængde træningsdata, som afspejles i vores >99%-nøjagtighedsrater.

Systemet bruger et ensemble af specialiserede AI-modeller, der arbejder parallelt for hvert opkald. De analyserer akustiske fingeraftryk og bølgeformstrukturer for hvert opkald, du møder.

Når de er blevet sammenlignet med de spektrale egenskaber ved ægte menneskelig tale og AI-genereret lyd, angives en tillidsscore mellem 0 og 100 for et opkald.

Scoren fortæller dit team, hvor sandsynligt det er, at stemmen i røret er genereret (eller manipuleret) af AI.

Se vores demo eller tal med vores salgsteam på TruthScan i dag for at opbygge en autentificeringsstack, som dit kontaktcenter kan stole på.