A transformação provocada pela inteligência artificial (IA) no setor financeiro está revolucionando a maneira como os bancos lidam com fraudes. Essa mudança vai além das tecnologias destinadas à identificação de transações suspeitas, uma vez que a velocidade das transações exige que as instituições decidam rapidamente se devem bloquear, investigar ou permitir que uma operação prossiga.
Um exemplo notável dessa evolução é o sistema de pagamentos instantâneos brasileiro, o Pix. Em uma entrevista exclusiva, Carlos Cruz, responsável pela Estratégia de Dados e Inteligência Artificial da IBM na América Latina, destacou que os bancos estavam habituados a utilizar tecnologias para se proteger contra fraudes que não ocorriam em tempo real. Com o Pix, essa janela de resposta foi reduzida drasticamente, exigindo uma combinação eficaz de dados, automação e monitoramento transacional.
Uma pesquisa realizada pelo IBM Institute for Business Value (IBV) reforça essa tendência. Segundo o levantamento, 61% dos executivos entrevistados mencionaram a detecção de risco de fraude como a aplicação mais promissora da IA para agregar valor aos negócios. Outras áreas destacadas foram cibersegurança, com 52%, e processos relacionados ao KYC (Know Your Customer) e AML (Anti-Money Laundering), ambos com 45%.
A pesquisa foi conduzida em colaboração com a Oxford Economics e ouviu 100 executivos de instituições financeiras nos Estados Unidos, Reino Unido, Austrália, Índia, Singapura e Alemanha. Os participantes incluíram diretores responsáveis por risco (CRO), compliance (CCO) e validação (CVO), sendo a coleta de dados realizada em maio de 2025.
Da detecção à ação imediata
Atualmente, o desafio consiste em transformar a identificação de um risco em uma resposta rápida por parte do banco. Historicamente, as tecnologias de inteligência artificial eram empregadas para gerar alertas após a ocorrência de uma transação suspeita, permitindo investigações posteriores.
No entanto, essa abordagem já não é tão eficaz diante da agilidade das transações. Cruz enfatiza que o Pix encurtou o tempo entre uma operação fraudulenta e o envio do dinheiro, obrigando os bancos a avaliar riscos em prazos muito menores.
Neste contexto, as instituições precisam encontrar um equilíbrio entre identificar fraudes e evitar bloqueios indevidos de operações legítimas. Segundo Cruz:
A grande questão para as organizações é: ‘Como posso ajustar minha régua de alertas para capturar criminosos sem afetar os clientes reais?’ Isso representa um desafio significativo. A abordagem mudou bastante porque anteriormente os bancos utilizavam a IA como uma ferramenta reativa; agora é necessário agir antes que algo aconteça.
Carlos Cruz, líder de Estratégia de Dados e Inteligência Artificial da IBM na América Latina
Hoje em dia, conforme Cruz observa, as instituições combinam diversas estratégias envolvendo dados, inteligência artificial e automação contínua. Essas tecnologias permitem acompanhar tanto o histórico comportamental dos clientes quanto o trajeto das transações antes da sua finalização.
A pesquisa da IBM também sugere que embora a detecção de fraudes seja vista como uma área com alto potencial para implementação da IA, sua adoção requer mecanismos robustos para validar modelos e gerenciar riscos. 61% dos executivos consideram a validação essencial para investimentos em pessoal e habilidades; por outro lado, 46% fazem essa mesma avaliação sobre gestão de riscos.
Compreender o cliente como estratégia preventiva
Para realizar escolhas rápidas sobre a legitimidade das operações financeiras, os bancos precisam ter um entendimento abrangente sobre quem está realizando cada transação. Cruz ressalta que esse é um dos principais desafios enfrentados pelas instituições atualmente: consolidar as informações necessárias para formar uma visão coesa da “entidade cliente”.
Ainda existe um obstáculo significativo em compreender completamente quem é o cliente para o banco. Por exemplo, ao conhecer melhor indivíduos como Ana ou Carlos no contexto bancário, torna-se mais fácil identificar possíveis fraudes ou usos inadequados dos canais financeiros.
Carlos Cruz, líder de Estratégia de Dados e Inteligência Artificial da IBM na América Latina
A complexidade aumenta devido à fragmentação dos dados financeiros entre diferentes instituições e serviços. O avanço do Open Finance é mencionado por Cruz como um fator complicador adicional; informações sobre um único cliente podem estar dispersas por várias organizações diferentes. Essa divisão dificulta uma visão holística do comportamento financeiro do cliente.
A pesquisa também identifica KYC e AML como processos desafiadores à transformação via IA: 43% dos executivos consideram esses processos os mais complexos para serem reformulados com tecnologia, seguido pela detecção de fraudes (36%) e cibersegurança (33%).
Simultaneamente, 45% dos entrevistados acreditam que a IA deve impactar significativamente os processos relacionados ao KYC e AML. Os números refletem questões distintas: enquanto 43% medem a dificuldade dessas transformações, 45% esperam um impacto positivo da tecnologia nessas áreas.
Cruz defende que ter uma estratégia voltada ao conhecimento do cliente possibilita monitorar métodos de pagamento e identificar comportamentos anômalos. A proposta é integrar essas informações com modelos de risco e ferramentas investigativas para formar um ciclo completo desde a detecção até à ação empreendida.
Vários tipos de IA desempenham papéis distintos
A abordagem contra crimes financeiros não implica necessariamente na utilização de um único modelo de inteligência artificial ao longo do processo. Cruz esclarece que diferentes tecnologias podem ser alocadas conforme suas respectivas funções dentro desse contexto.
No momento da autorização em tempo real, por exemplo, ele menciona a aplicação de recursos estatísticos e determinísticos para analisar padrões e decidir sobre a autorização das transações. Em contrapartida, durante as investigações podem ser utilizados outros tipos de modelos.
A distinção também reside no nível previsível que cada tecnologia apresenta bem como seu papel na estratégia combatendo crimes financeiros:
No caso da IA generativa—cuja natureza não é determinística—ela pode oferecer respostas menos previsíveis. Por isso mesmo os bancos buscam entender melhor suas funcionalidades em cada fase do combate aos delitos financeiros; assim poderão se sentir mais seguros sobre onde utilizar essa tecnologia tanto na proteção quanto na investigação.
Carlos Cruz, líder de Estratégia de Dados e Inteligência Artificial da IBM na América Latina
Cruz acrescenta que enquanto modelos determinísticos são mais adequados para decisões sobre fraude ou não fraude, a IA generativa pode ser particularmente vantajosa durante investigações.
Tais ferramentas também podem ser aproveitadas pelos criminosos visando aprimorar seus ataques; ele menciona exemplos como deepfakes ou simulações vocais usados até mesmo durante etapas iniciais como o onboarding de novos clientes.
A pesquisa ainda sugere que mecanismos controladores são prioridades cruciais para expandir o uso dessa tecnologia. 63% dos executivos consideram simulações teste sob estresse essenciais para escalar IA nas empresas enquanto 48% citam controles em tempo real como igualmente relevantes.
No entanto há uma discrepância entre a importância atribuída ao monitoramento versus sua implementação prática: Apenas 25% dos profissionais afirmaram aplicar consistentemente monitoramento em tempo real nas aplicações críticas envolvendo IA.
Além das tecnologias disponíveis no mercado hoje existe também uma carência por profissionais capacitados que consigam unir conhecimentos sobre fraude financeira com dados tecnológicos legais operacionais. Cruz observa que esse perfil tem se mostrado escasso devido à necessidade multifacetada envolvida.
A luta contra fraudes financeiras apresenta-se bastante desigual; parece que os criminosos estão sempre à frente devido ao baixo custo das tecnologias disponíveis. Ao mesmo tempo os bancos enfrentam dificuldades significativas para encontrar profissionais qualificados capazes lidar com esse conjunto complexo formado por tecnologia dados legislação operacional — algo realmente desafiador。
Carlos Cruz, líder de Estratégia de Dados e Inteligência Artificial da IBM na América Latina
A continuidade desde a detecção até ações efetivas requer integração total nesse processo, afirmou Cruz.
O post A transformação do sistema Pix acelera reações bancárias através da inteligência artificial na prevenção contra fraudes apareceu primeiro em Olhar Digital.
