Considere uma transferência que passa por todos os controles de um banco moderno. O titular é quem diz ser, o dispositivo é conhecido, a biometria confere e o valor está dentro do padrão da conta. Nenhum desses sinais foi violado.

E ainda assim é um golpe.

Essa é uma das assimetrias que melhor define a fraude financeira atual. Em muitos golpes, não há uma invasão ao sistema ou uma identidade roubada. Existe uma decisão legítima tomada dentro de um contexto manipulado, muitas vezes construído fora do ambiente bancário por alguém capaz de convencer a vítima a realizar voluntariamente aquela operação.

A inteligência artificial está tornando esse processo mais barato, rápido e escalável. Até pouco tempo, convencer uma vítima exigia esforço humano para escrever, ligar, improvisar e sustentar uma narrativa. Hoje, modelos generativos podem criar mensagens personalizadas, vozes sintéticas, imagens, documentos e perfis plausíveis em grande escala, adaptando a abordagem ao perfil de cada vítima e permitindo que múltiplas campanhas sejam conduzidas simultaneamente.

A transformação, portanto, não é apenas tecnológica. É também econômica: a IA reduziu drasticamente o custo de fabricar contexto convincente.

Leia mais: GitHub se reposiciona como sistema completo de entrega de software para era dos agentes de IA

Uma guerra assimétrica de IA contra IA

Os dois lados têm acesso a tecnologias cada vez mais sofisticadas, mas operam sob condições muito diferentes. Uma instituição financeira que coloca um modelo em produção precisa responder por explicabilidade, auditoria, proteção de dados, mitigação de vieses, validação e supervisão humana. Essas obrigações existem por uma boa razão: proteger o consumidor e manter a confiança no sistema financeiro. O criminoso, por outro lado, pode testar centenas de abordagens, abandonar rapidamente o que não funciona e mudar sua estratégia sem processos formais de governança.

Modelos defensivos também precisam ser continuamente monitorados quanto à eficácia e mudanças no comportamento observado, enquanto atacantes testam limites e adaptam suas estratégias ao que aprendem sobre os controles existentes. Por isso, a instituição formal dificilmente vencerá essa guerra apenas tentando igualar a velocidade de iteração do atacante.

Sua vantagem está em algo que o crime dificilmente consegue reproduzir na mesma escala: a capacidade de combinar inteligência confiável produzida por diferentes participantes do ecossistema.

Observe a jornada de um golpe. A abordagem pode começar em uma rede social, aplicativo de mensagens ou chamada telefônica. A construção da confiança acontece fora do banco, a autorização ocorre em segundos e, depois dela, o dinheiro pode passar por contas receptoras e diferentes mecanismos de dispersão. Cada etapa dessa jornada é visível para alguém, mas nenhuma instituição enxerga tudo sozinha.

É por isso que a prevenção a golpes deixou de ser apenas um problema de monitoramento transacional. Comportamento, dispositivo, identidade, histórico transacional, contraparte e relacionamentos entre contas precisam ser combinados. E essa inteligência começa a ultrapassar as fronteiras do banco: telecomunicações, plataformas digitais, processadores de pagamento, reguladores e forças de segurança possuem sinais capazes de enriquecer a compreensão do risco.

A dificuldade, portanto, não será apenas obter mais dados, mas conseguir interpretá-los e transformá-los em uma decisão útil. O setor já se move nessa direção: a Juniper Research projetou que os gastos globais com plataformas de detecção e prevenção de fraude financeira habilitadas por IA passariam de pouco mais de US$ 6,5 bilhões em 2022 para mais de US$ 10 bilhões em 2027. A questão é converter esse investimento em capacidade real de compreender o contexto antes que a decisão se torne irreversível.

Contexto é mais do que dados

Contexto não é simplesmente a soma dos sinais disponíveis. Importam também os relacionamentos entre eles e a sequência em que os acontecimentos ocorrem.

Essa lógica pode ser observada em diferentes categorias de fraude. Em uma invasão de conta, trocar o dispositivo, aumentar o limite ou cadastrar um novo favorecido podem ser eventos legítimos quando observados isoladamente. Quando aparecem em determinada ordem, dentro de uma janela curta e seguidos por uma transferência de alto valor, passam a formar outro contexto.

Em um golpe, a sequência é diferente porque quem opera é o próprio cliente. O dispositivo continua conhecido e a autenticação permanece válida. Ainda assim, uma sessão incomumente longa, consultas sucessivas de saldo ou limite, inclusão de um favorecido nunca utilizado, cliente em chamada ativa, e uma transferência próxima da disponibilidade da conta podem, em conjunto, alterar a leitura do risco. Nenhum desses sinais, isoladamente, prova que existe um golpe.

Podemos pensar nessa evolução de maneira simples. Analisar uma transação isoladamente é como observar uma fotografia: vemos aquele instante. Analisar o que aconteceu antes, durante e depois é como assistir a um filme: passamos a compreender a sequência. Incorporar sinais externos ao ciclo bancário é como assistir ao mesmo filme por diferentes câmeras: cada novo ângulo ajuda a reconstruir um contexto que nenhuma fonte conseguiria enxergar sozinha.

Essa mudança já se reflete na forma como pensamos analytics para prevenção. Além de modelos que avaliam uma transação ou entidade em determinado instante, ganham espaço abordagens de modelagem sequencial sobre fluxos de eventos, perfis comportamentais que se adaptam ao histórico e representações capazes de preservar informações sobre estados anteriores. Não basta perguntar o que está acontecendo agora. É preciso compreender o que aconteceu antes, em que ordem, em quanto tempo e como esses acontecimentos se relacionam.

É aqui que a inteligência artificial gera valor real para a defesa. Sobre uma base integrada, ela pode correlacionar sinais, identificar relacionamentos difíceis de perceber manualmente, interpretar sequências de eventos e transformar grandes volumes de dados em informações acionáveis. IA não é mais uma camada da arquitetura antifraude. Ela amplifica todas as demais.

Isso também permite superar a lógica binária de simplesmente aprovar ou bloquear. Dependendo do contexto, uma operação pode exigir autenticação adicional, confirmação contextual, redução temporária de limite, atraso controlado ou uma intervenção específica para aquele cenário. Mas existe uma condição importante: autonomia sobre contexto incompleto não é defesa. É a amplificação do ponto cego. Primeiro é preciso construir uma visão coerente do risco. Depois, automatizar decisões sobre ela.

Da inteligência à decisão

Nos pagamentos instantâneos, a velocidade torna esse desafio ainda mais evidente. No momento da autorização, o banco conhece muito sobre a transação: cliente, valor, dispositivo, horário, comportamento e beneficiário. Mas pode conhecer pouco sobre o contexto que levou o cliente até aquela operação. A manipulação pode ter começado minutos, horas ou dias antes, em um ambiente sobre o qual a instituição financeira possui pouca ou nenhuma visibilidade.

A inteligência necessária para compreender o risco também não está apenas do lado de quem envia o dinheiro. A conta receptora e a cadeia de dispersão produzem sinais importantes: perfil incompatível com os valores recebidos, múltiplas origens, saída imediata de recursos ou relacionamentos recorrentes com outras contas suspeitas. A inteligência de contraparte e de rede está se tornando tão importante quanto a análise do pagador. Quanto maior a colaboração entre instituições, maior a possibilidade de reconstruir o contexto enquanto ainda existe oportunidade de intervenção.

Mais inteligência e automação também tornam a governança mais importante. Quanto mais contexto e autonomia colocamos na decisão, maior a necessidade de reconstruir posteriormente como ela foi tomada: quais sinais e modelos participaram, que políticas foram aplicadas e se a decisão produziu o resultado esperado. Essa rastreabilidade não é apenas uma exigência regulatória. É também um mecanismo de aprendizado.

A guerra de IA contra IA, portanto, não será decidida simplesmente por quem tiver o modelo mais sofisticado. O atacante continuará se beneficiando da velocidade, da automação e da ausência de restrições formais. A defesa possui uma vantagem diferente: combinar sinais produzidos por diferentes participantes do ecossistema, compreender seus relacionamentos e sua sequência no tempo e transformar essa inteligência coletiva em contexto para decisões melhores.

Isso exige quebrar silos dentro das instituições e ampliar a colaboração fora delas. E, antes disso, enfrentar uma pergunta que o setor ainda responde de forma fragmentada: quem é, afinal, o proprietário da prevenção ao golpe, da abordagem à dispersão?

Mais dados, isoladamente, não significam necessariamente mais inteligência. O diferencial estará na capacidade de compreender o contexto antes que a decisão se torne irreversível.

A inteligência artificial tornou barata a fabricação de contexto. A próxima década será decidida por quem tornar igualmente barata a sua verificação.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!