A popularização da IA e de pagamentos instantâneos como o Pix transformou o combate a fraudes em uma corrida contínua no setor bancário. Diante de criminosos que usam tecnologias avançadas para criar identidades sintéticas e golpes em escala, as instituições financeiras precisam antecipar ações ilícitas em frações de segundo. O desafio exige integrar dados e ferramentas inteligentes em esteiras contínuas para validar identidades e barrar fraudes sem prejudicar a experiência dos clientes reais.
A inteligência artificial está alterando uma das disputas mais sensíveis do sistema financeiro: a corrida entre a velocidade com que criminosos conseguem criar e executar novos golpes e a capacidade dos bancos de reconhecê-los antes que o prejuízo aconteça.
Durante décadas, boa parte dos mecanismos antifraude foi construída para identificar desvios a partir de regras relativamente conhecidas, como uma compra incompatível com o histórico do cliente (feita em um local ou com um valor incomum, por exemplo), uma transferência fora do padrão ou uma sequência incomum de movimentações.
Esse modelo não desapareceu, mas começa a ser insuficiente diante de um ambiente em que pagamentos são liquidados em segundos, informações financeiras estão espalhadas por diferentes plataformas e os próprios fraudadores passaram a ter acesso a ferramentas de inteligência artificial capazes de produzir textos, imagens, vozes e identidades falsas em escala. Com o Pix, que é praticamente instantâneo, como fazer para bloquear uma transação fraudulenta em frações de segundo, antes que ela se concretize?
"A inovação melhora radicalmente a experiência do usuário, mas obriga os mecanismos antifraude a operar na mesma velocidade", destaca Carlos Cruz, especialista em Data Transformation e Inteligência Artificial da IBM Consulting, que apresentou o painel "Crimes Financeiros na Era da IA: da Detecção à Prevenção Inteligente", na manhã desta terça-feira, 25, no segundo dia do Febraban Tech, maior evento de tecnologia e inovação do setor financeiro da América Latina, em São Paulo.
Para as instituições financeiras, a questão deixa de ser apenas como detectar uma fraude e passa a ser como antecipar uma ação criminosa sem que, nesse processo, sejam bloqueados milhares de clientes legítimos - e que inclusive podem cobrar explicações das instituições.
Segundo o executivo, a sofisticação tecnológica do sistema financeiro trouxe ganhos evidentes para consumidores e empresas, mas também criou um ambiente no qual o crime acompanha a mesma velocidade da inovação. Isso resultou em uma espécie de corrida permanente: enquanto bancos incorporam novos modelos para reconhecer comportamentos suspeitos, criminosos encontram maneiras de explorar novos produtos, canais e tecnologias.
Para Cruz, isso significa que o combate aos crimes financeiros não pode mais ser encarado como um projeto tecnológico que termina quando determinado sistema entra em operação. "Isso nunca vai acabar, enquanto uma determinada organização estiver operante", afirmou ao defender uma estrutura que seja permanentemente atualizada, tanto do ponto de vista tecnológico quanto operacional e regulatório.
Por que o mercado brasileiro é desafiador para a prevenção
O Brasil torna essa equação particularmente complexa. Além de possuir um sistema financeiro altamente digitalizado, o País reúne bancos tradicionais, instituições de pagamento, fintechs, carteiras digitais, crédito, cartões, Pix, Open Finance e uma variedade crescente de serviços que ampliaram enormemente as possibilidades de movimentação de recursos.
Cruz explica que o ecossistema brasileiro reúne mais de 90 produtos e modalidades financeiras, uma diversidade que ajuda a explicar por que o mercado local é especialmente desafiador para os sistemas de prevenção.
"Quanto mais canais, produtos e possibilidades de relacionamento, maior é a superfície que precisa ser observada. Ao mesmo tempo, os dados capazes de indicar uma fraude podem estar distribuídos por diferentes sistemas e áreas de uma mesma instituição", diz. "A complexidade, portanto, não decorre apenas do volume de transações, mas da necessidade de compreender relações entre pessoas, contas, empresas, dispositivos e comportamentos que podem estar registrados em lugares diferentes".
Player de destaque no mercado da segurança digital de última geração voltada a instituições financeiras, a IBM propõe tratar esse problema como uma esteira contínua - e não só com soluções próprias, de acordo com o especialista. Quando um projeto é desenhado, "integramos tudo o que o cliente já tem dentro de casa com o que há de melhor no mercado, e não só tecnologias nossas".
Segundo Cruz, o combate aos crimes financeiros começa antes mesmo da primeira transação, no onboarding e nos processos de identificação e conhecimento do cliente, passa pela autorização de operações em tempo real, pelo monitoramento relacionado à lavagem de dinheiro, pela geração e triagem de alertas e pela investigação dos casos, até chegar a uma etapa de retroalimentação, na qual o resultado das análises volta para os sistemas.
O desafio da 'identidade sintética'
Nessa estrutura podem conviver técnicas tradicionais de análise de dados, machine learning, modelos de linguagem, análise de redes e sistemas de IA capazes de auxiliar investigações. A diferença fundamental é que esses recursos deixam de funcionar como ilhas. "Conectamos toda a cadeia, de forma que aquilo que o banco aprende ao investigar uma fraude possa melhorar a capacidade de reconhecer a próxima tentativa".
Essa mudança acontece justamente quando o outro lado também está se tornando mais tecnológico. Cruz chamou a atenção para o que definiu como "industrialização dos ataques", uma transformação na qual recursos tecnológicos disponíveis comercialmente ou em código aberto reduzem o custo e o conhecimento necessários para produzir determinadas fraudes, aos milhões.
Ferramentas de IA generativa podem ajudar na criação de mensagens de phishing mais convincentes e em grande quantidade, enquanto sistemas de geração de voz, imagem e vídeo ampliam as possibilidades de falsificação de identidade.
Em vez de uma tentativa artesanal enviada para algumas vítimas, torna-se possível automatizar partes do processo e testar abordagens em escala. "Você tem disponível todas as tecnologias para produzir identidade sintética, deepfakes, para produzir engenharia social assistida por IA", explica Cruz.
A chamada "identidade sintética" é um exemplo de por que os sistemas tradicionais podem encontrar dificuldades nesse novo cenário. Em vez de simplesmente roubar todos os dados de uma pessoa e tentar se passar por ela, um fraudador pode combinar informações reais e falsas para construir uma identidade aparentemente coerente. Fragmentos deixados por uma pessoa em diferentes ambientes digitais podem ser associados a outros dados para formar um perfil que, analisado isoladamente, não necessariamente dispara os mecanismos tradicionais de alerta.
A consequência é uma inversão importante na lógica de prevenção: antes de decidir se uma transação é fraudulenta, a instituição precisa ter segurança razoável sobre quem está por trás dela. E essa tarefa, segundo Cruz, continua sendo uma das mais difíceis para os bancos.
