A inteligência artificial (IA) está mudando a forma como instituições financeiras combatem fraudes, mas a transformação não está apenas nos sistemas usados para identificar operações suspeitas. Com transações cada vez mais rápidas, os bancos também precisam decidir em um intervalo menor se devem bloquear uma operação, submetê-la a uma análise adicional ou permitir que ela prossiga.
No Brasil, o Pix é um dos exemplos mais claros dessa mudança. Carlos Cruz, líder de Estratégia de Dados e Inteligência Artificial da IBM na América Latina, explicou em entrevista exclusiva ao Olhar Digital que os bancos estavam mais acostumados a utilizar tecnologias para se proteger de ataques que não aconteciam em tempo real. O sistema de pagamentos reduziu essa janela de reação e passou a exigir uma combinação de dados, inteligência artificial, automação e monitoramento transacional.
O cenário aparece também em uma pesquisa do IBM Institute for Business Value (IBV). 61% dos executivos entrevistados apontaram a detecção de risco de fraude como a aplicação de IA com maior potencial de gerar valor para o negócio, seguida por cibersegurança, com 52%, e KYC (Know Your Customer ou “Conheça seu Cliente”) e AML (Anti-Money Laundering ou “Prevenção à Lavagem de Dinheiro”), com 45%.
O levantamento foi realizado em parceria com a Oxford Economics e ouviu 100 executivos de bancos com responsabilidades em risco, compliance e validação nos Estados Unidos, Reino Unido, Austrália, Índia, Singapura e Alemanha. Os entrevistados foram divididos igualmente entre as funções de diretor de risco (CRO), diretor de compliance (CCO) e diretor de validação (CVO), e a pesquisa foi conduzida em maio de 2025.
Do alerta à ação em tempo real
O desafio agora está em transformar a identificação de um risco em uma resposta rápida do banco. Historicamente, sistemas de inteligência artificial e outras tecnologias podiam ser usados para gerar alertas depois que uma operação já havia acontecido, permitindo investigar o caso e tomar medidas posteriormente.
Com transações instantâneas, essa abordagem perde parte da utilidade. Cruz explica que o Pix reduziu o intervalo entre uma operação fraudulenta e o envio do dinheiro, fazendo com que os bancos precisem avaliar o risco em um espaço de tempo menor.
Nesse cenário, a instituição precisa equilibrar a capacidade de identificar uma fraude com o risco de bloquear operações legítimas. O executivo explica que esse desafio também representa uma mudança em relação ao uso histórico da tecnologia pelos bancos:
O desafio das organizações é: ‘Como que eu regulo a minha régua de alertas para que eu capture o criminoso e não afete o uso dos recursos pelo cliente real?’ Esse é um grande desafio. Mudou bastante porque, no passado, os bancos usavam a IA ou outros recursos como uma ferramenta de reação, o pós-acontecer gera um alerta, o pós-ocorrido.
Carlos Cruz, líder de Estratégia de Dados e Inteligência Artificial da IBM na América Latina, ao Olhar Digital
Hoje, segundo Cruz, os bancos combinam estratégias de dados, inteligência artificial, automação inteligente e monitoramento contínuo. As tecnologias podem acompanhar tanto o comportamento do cliente ao longo do tempo quanto o caminho percorrido por uma transação antes que ela seja concluída.
A pesquisa da IBM mostra que a detecção de fraude é uma das áreas em que os executivos enxergam maior potencial para a IA, mas a adoção da tecnologia também exige mecanismos para validar modelos e controlar riscos. 61% apontam a validação como uma área crítica para investimentos em pessoas e habilidades, enquanto 46% fazem a mesma avaliação sobre controle de riscos.
Conhecer o cliente virou parte da prevenção
Para decidir rapidamente se uma operação é legítima ou suspeita, o banco precisa ter uma visão suficientemente completa de quem está realizando aquela transação. Cruz explica que esse é um dos principais desafios atuais das instituições: consolidar as informações necessárias para construir uma visão consistente da chamada entidade cliente.
Existe um desafio ainda que é fechar o conhecimento de uma coisa que nós chamamos de entidade, que é fechar o conhecimento do que é o cliente para o banco. Então, quando eu conheço, por exemplo, quem é a Ana, quem é o Carlos para o banco, fica mais fácil de eu entender aquilo que pode ser fraude, aquilo que pode ser um mau uso daquele canal ou daquele instrumento de pagamento ou de transferência financeira.
Carlos Cruz, líder de Estratégia de Dados e Inteligência Artificial da IBM na América Latina, ao Olhar Digital
O problema se torna mais complexo à medida que os dados financeiros estão distribuídos entre diferentes instituições e serviços. Cruz cita o avanço do Open Finance como um fator adicional nessa equação, já que informações sobre um mesmo cliente podem estar relacionadas a diferentes organizações. Essa fragmentação dificulta que o banco tenha uma visão completa do comportamento financeiro.
A pesquisa também aponta KYC e AML como os processos mais difíceis de transformar com IA: 43% dos executivos consideram esses processos os mais difíceis de transformar com a tecnologia, à frente de detecção de fraude, com 36%, e cibersegurança, crédito e precificação e compliance reporting, todos com 33%.
Ao mesmo tempo, 45% dos entrevistados afirmam que a IA deve transformar significativamente os processos de KYC e AML. Os percentuais respondem a questões diferentes: os 43% medem a dificuldade de transformar esses processos, enquanto os 45% representam a expectativa de impacto da tecnologia sobre eles.
Para Cruz, uma estratégia de dados voltada a conhecer o cliente também permite monitorar os meios de pagamento e identificar comportamentos fora do padrão. A ideia é combinar essas informações com modelos de risco e tecnologias de investigação, formando uma cadeia que vá da identificação do problema à ação.
Diferentes tipos de IA têm funções diferentes
A estratégia de combate a crimes financeiros não significa necessariamente utilizar um único modelo de inteligência artificial para todas as etapas. Cruz explica que diferentes tecnologias podem ser posicionadas de acordo com a função que precisam desempenhar.
Em uma etapa de autorização em tempo real, por exemplo, Cruz cita o uso de recursos mais próximos da estatística e de modelos determinísticos para avaliar padrões e decidir se determinada operação pode ser autorizada. Já em atividades de investigação, outros tipos de modelos podem ser empregados.
A diferença, segundo o executivo, está também no grau de previsibilidade de cada tecnologia e na função que ela desempenha dentro da estratégia de combate aos crimes financeiros:
No caso da IA generativa, que não é determinística, ela apresenta respostas não tão previsíveis e, por isso, os bancos também estão interessados em entender melhor como essas tecnologias funcionam em cada etapa da esteira de combate a crimes financeiros, para que eles possam se sentir mais protegidos e entender onde pode usar melhor uma IA para poder se proteger, onde uma IA é melhor para investigar.
Carlos Cruz, líder de Estratégia de Dados e Inteligência Artificial da IBM na América Latina, ao Olhar Digital
Cruz acrescenta que a IA generativa pode ser particularmente útil para investigação, enquanto modelos determinísticos são mais eficazes para decisões sobre o que é ou não uma fraude.
Ferramentas de inteligência artificial generativa também podem ser usadas pelos criminosos para sofisticar os ataques. Cruz cita o uso dessas tecnologias para produzir deepfakes, simulações de voz e identidades sintéticas, inclusive em etapas como o onboarding de clientes.
A pesquisa também aponta mecanismos de controle como prioridades para ampliar o uso da tecnologia. 63% dos executivos consideram simulações de testes de estresse a principal prioridade de risco e compliance para escalar a IA em toda a empresa, enquanto 48% apontam os controles de risco em tempo real.
O levantamento também mostra uma diferença entre a importância atribuída ao monitoramento e sua aplicação. Apenas 25% dos profissionais entrevistados afirmam aplicar de forma consistente o monitoramento em tempo real a casos de uso de IA de alto risco.
Além da tecnologia, existe uma demanda por profissionais capazes de combinar conhecimentos de fraude financeira, dados, tecnologia, legislação e operação. Cruz afirma que esse perfil é difícil de encontrar justamente porque exige domínio de áreas diferentes.
É uma corrida bastante assimétrica. Os bandidos, a impressão que nós temos é que eles sempre estão à frente, considerando o baixo custo de algumas tecnologias. E o banco tem a dificuldade de encontrar pessoas capazes de lidar com esse tripé que é tecnologia, dados, toda a parte de legislação e toda a parte de operação. Esse tripé é um tripé difícil de operar.
Carlos Cruz, líder de Estratégia de Dados e Inteligência Artificial da IBM na América Latina, ao Olhar Digital
“Desde a parte de detecção até você tomar uma atitude, essa esteira tem que funcionar de forma integrada”, afirmou Cruz.
O post Pix reduz tempo de reação dos bancos e aumenta papel da IA contra fraudes apareceu primeiro em Olhar Digital.