O uso da inteligência artificial no combate às fraudes financeiras

Vitor Precioso

24 setembro 2019 - 17:20 | Atualizado em 29 março 2023 - 17:48

Imagem de cadeado destravado com moedas ao redor

A luta contra as fraudes é diária em empresas de serviços financeiros. A cada dia, a mídia mostra casos novos e surpreendentes. Conforme os criminosos se sofisticam, os bancos também precisam fazer o mesmo. E a inteligência artificial (IA) é um recurso a ser considerado no contexto da transformação digital.

Essa forma de tecnologia funciona nas duas vias. Criminosos podem usá-la para ganhar acesso a contas e perfis de usuários, mas é preciso enfrentá-los para barrar tais ações. Então, as instituições financeiras também podem se beneficiar da IA para reforçar a segurança contra movimentos suspeitos nas contas.

Mas como exatamente a inteligência artificial ajuda o mercado financeiro no combate ao crime? Descubra a seguir!

Qual a importância da IA?

A inteligência artificial pode ser um instrumento interessante de combate a fraudes, phishing, lavagem de dinheiro e outros movimentos suspeitos. Ela contribui para aumentar a segmentação dos clientes, proporcionando mais qualidade aos dados para entender como o usuário se comporta.

Uma vez que o próprio sistema consegue identificar uma movimentação fora do padrão, a inteligência artificial trabalha automaticamente para combater as ações indevidas, protegendo contas e cadastros. Esse contexto é muito favorável para prevenir golpes por engenharia social, por exemplo.

A IA, então, age no sistema financeiro a partir das análises de transações e comportamentos padrões para identificar a fraude em uma operação, falhas no processo, perdas financeiras e muito mais. Identificando ações suspeitas em segundos, ela contribui para melhorar a experiência dos usuários na instituição financeira, evitando a necessidade de bloquear cartões e trocar senhas.

Como a inteligência artificial utiliza o machine learning na identificação de fraudes?

Se a IA consegue ter um movimento preditivo contra roubos e fraudes nos serviços financeiros, é porque o machine learning (ML) fornece a capacidade de aprendizado para o sistema. A análise e processamento das interações do usuário só podem ser definidos porque o ML atua para entender o comportamento.

Quando há uma ação que foge dos padrões identificados pelos usuários, o sistema consegue identificar o que está acontecendo. Então, a tecnologia utiliza um conhecimento adquirido previamente sobre os dados da conta para promover uma maior segurança aos clientes do banco.

A partir do contexto de ameaça, a máquina consegue desabilitar uma ação criminosa e evitar fraudes em tempo real, rapidamente. O sistema precisa ter inteligência para agir com imediatismo frente aos ataques, para evitar que os invasores tenham sucesso nos objetivos. Isso porque o bloqueio tem um curto período de tempo para ser realizado.

Outra vantagem é que se torna mais fácil de identificar os criminosos, já que há mais facilidade de localizar o ponto de acesso de onde os bandidos acessam os dados.

Os índices de fraudes no Brasil

O Brasil é um país bastante afetado por crimes e ataques financeiros, com tentativas frequentes de fraudes e números que crescem anualmente. Segundo o Serasa Experian é uma tentativa a cada 16 segundos.

O maior problema está no setor de telefonia com 36,5% dos casos, nos quais os criminosos criam números de telefones para gerar dados de consumidores e comprovar endereços. Então, eles utilizam as informações para abrir contas em bancos, entre outras ações ilegais.

Nas instituições financeiras, esses bandidos conseguem acesso a talões de cheque, cartões de crédito, empréstimos e outros produtos bancários em nome de terceiros, causando transtornos para os verdadeiros donos da identidade.

Outra pesquisa com dados relevantes foi levantada pela ACI, que trabalha com soluções de pagamentos e serviços financeiros eletrônicos. O Global Consumer Card Fraud analisa os riscos e índices de fraude com todos os tipos de cartão no mundo todo.

Segundo os resultados, o Brasil ficou em segundo lugar como país com mais tentativas de fraude. Foram 49% dos cidadãos que já vivenciaram alguma situação até cinco anos antes da pesquisa. O primeiro lugar ficou com o México.

A transformação digital no setor financeiro brasileiro

Uma pesquisa realizada pela GFT apontou alguns índices sobre o estado da transformação digital dos bancos brasileiros. Com a adoção de diversas soluções digitais, não só para evitar fraudes, mas para comunicação e acesso, 94% das instituições acreditam que as ferramentas de inteligência artificial entregam valor para os sistemas bancários.

A mesma pesquisa apontou que, no período, 47% dos bancos nacionais já se preparavam para adotar estratégias de transformação digital, enquanto 36% já haviam concluído o processo – vale lembrar que essa é uma mudança que requer atualização constante, de acordo com as mudanças frequentes das inovações.

Enquanto as soluções se dividem entre várias finalidades, a questão da segurança e redução de riscos para os clientes já era apontado com um dos três principais benefícios da adoção de tecnologias. 28% dos participantes da pesquisa enxergam esse ponto como destaque, perdendo apenas para 66% dos votos para maior engajamento do cliente e 55% para os custos operacionais mais baixos.

Nesse contexto, as principais soluções escolhidas foram o assistente virtual, que colabora para a comunicação e engajamento – 52% dos entrevistados escolheram essa opção – o RPA (Robot Process Automation) com 38% para melhorar a eficiência do back Office e o Robot Advisory com 31% dos votos.

A pesquisa ainda aponta outras informações, como os desafios na implementação da transformação digital, o andamento dos processos e os motivos de adoção das tecnologias.

Como referência de transformação digital e uso da inteligência artificial para combate às fraudes financeiras, temos o exemplo do Danske Bank, que aumentou a detecção das movimentações fraudulentas em 50% após a adoção de IA e machine learning. O banco tem filiais nos países nórdicos e chegou a reduzir os índices de falsos positivos em 60% logo nos primeiros meses da experiência.

Os dados coletados são importantes para mostrar uma tendência na segurança dos dados e a importância da adoção de inteligência artificial e machine learning nas instituições bancárias. Quer saber mais novidades sobre tecnologia e mercado financeiro? Então continue no blog e veja os nossos conteúdos!

Recomendados para você

tipos de zeragem compulsória
Tipos de zeragem compulsória de operações nas corretoras ...
Telas de computador com vários softwares sendo exibidos
JSON Bovespa, BM&F e B3 ...
Robô em posição pensativa com símbolo de rede de informação em segundo plano
Como funciona um robô com inteligência artificial ...