A luta contra fraudes modernas exige uma evolução significativa das estratégias tradicionais. Por décadas, a defesa se baseou na criação de regras fixas: limites de transação, número de tentativas em um curto período, acessos de locais incomuns ou transferências para contas novas. Contudo, fraudadores sofisticados conseguem contornar esses mecanismos, pois a análise de uma transação isolada, mesmo que legítima em sua singularidade, pode mascarar um ataque orquestrado. A pesquisa do Gartner aponta que mais de um terço dos bancos detectam menos de 60% das transações fraudulentas antes que causem prejuízos, um cenário que não melhora mesmo com o aumento de 5% nos orçamentos de prevenção nos últimos três anos para 53% das instituições. O paradoxo é que 70% dessas mesmas instituições continuam a registrar crescimento nas perdas financeiras.
O limite das regras estáticas
A experiência de Rogério Sartori, engenheiro de vendas de Prevenção a Fraudes e Observabilidade na Cisco, com mais de 20 anos na área, ressalta que as fraudes contemporâneas raramente se limitam a um único sistema ou canal. Um ataque pode iniciar com a obtenção de dados externos, evoluir para a apropriação de identidade, envolver o uso de novos dispositivos, incluir pequenas movimentações de teste e, finalmente, culminar na fraude principal. Individualmente, cada etapa pode parecer inofensiva ou de baixo risco. No entanto, quando esses eventos são correlacionados e analisados em conjunto, revelam uma cadeia de comportamentos que denuncia uma tentativa de fraude. O desafio reside no fato de que os elementos dessa narrativa estão, tipicamente, fragmentados em diferentes plataformas: transações em um sistema, autenticação em outro, informações de dispositivos em uma terceira, além de dados de clientes, APIs, aplicações, redes e mecanismos antifraude.
A urgência da análise contextual
A questão central, portanto, transcende a quantidade de dados que uma organização possui; o que realmente importa é a capacidade de conectar esses dados com a rapidez necessária para compreender a totalidade do evento. Sartori ilustra isso com um exemplo de lavagem de dinheiro: uma conta inativa por mais de 30 dias que subitamente volta a movimentar recursos. Isoladamente, a reativação não é prova de fraude. Contudo, ao adicionar contexto, o cenário muda. Se, após a reativação, a conta começa a receber valores de diversas origens, e esses recursos são rapidamente movimentados ou sacados em operações de valores similares e em intervalos curtos, o risco aumenta. A velocidade com que o dinheiro sai da conta, a repetição de valores e a relação com outras entidades suspeitas compõem um padrão de comportamento que, em conjunto, indica atividade ilícita. A análise muda de transações individuais para a observação da entidade e seu histórico de riscos ao longo do tempo.
Implicações para a defesa e o futuro
Essa mudança de perspectiva é crucial para a próxima geração de prevenção à fraude e lavagem de dinheiro. Em vez de perguntar apenas se uma transação é suspeita, a pergunta passa a ser se a sequência de comportamentos da entidade conta uma história suspeita. Isso também impacta diretamente as equipes de investigação. Criar uma nova regra é relativamente simples; investigar milhares de alertas diários, não. Um analista de fraudes deveria receber, junto com um alerta, todo o contexto necessário para uma resposta rápida: quem é o cliente, quais contas estão relacionadas, quais dispositivos e IPs foram usados, se outras identidades usaram o mesmo dispositivo e qual o impacto financeiro potencial. Quanto mais tempo o profissional gasta buscando essas informações em sistemas distintos, maior o custo da investigação e a janela de oportunidade para o fraudador.
A discussão sobre inteligência artificial na prevenção à fraude, portanto, deve vir após a resolução de problemas fundamentais de dados e contexto. Modelos sofisticados de IA, quando alimentados apenas com informações transacionais, enxergam apenas uma fração da história. A verdadeira defesa reside na capacidade de correlacionar informações de forma ágil, transformando dados dispersos em inteligência acionável e contextualizada. A velocidade na conexão desses pontos é o novo diferencial competitivo na batalha contra o crime financeiro.
Com reportagem de Brazil Valley
Source · TIInside



