A evolução da luta antifraude: Regulação e Inovação

Por Marcelo Clara, CTO da Quod

Há anos, o mercado financeiro investe no desenvolvimento de soluções para monitorar e identificar fraudes em transações. De sistemas baseados em regras fixas e limites predefinidos, evoluímos para sistemas especialistas, capazes de simular decisões humanas com base em conhecimento estruturado e regras complexas. Hoje, vivemos uma nova fase com a incorporação de técnicas de Inteligência Artificial, como Machine Learning e Deep Learning, que permitem a identificação proativa e adaptativa de padrões de comportamento atípicos.

Esses modelos não apenas detectam fraudes conhecidas, mas aprendem continuamente com os dados, reconhecendo tentativas sofisticadas que escapariam aos modelos tradicionais. A análise em tempo real, aliada a modelos preditivos de alta precisão, transforma as ferramentas antifraude em ativos estratégicos para a segurança e a integridade do sistema financeiro.

No mercado de fraude isso é especialmente importante, pois, apesar das máquinas conseguirem aprender de maneira rápida, elas ainda precisam ser tão rápidas quanto os fraudadores – que também têm acesso à essas inovações. Isso só pode ser atingido por meio de soluções que tenham como cerne uma cultura data-driven.

Fruto dessa necessidade de agilidade, em 2023, o Banco Central do Brasil, por meio da Resolução BCB nº 6, estabeleceu que as instituições autorizadas a funcionar pelo BC devem registrar, em uma base unificada, todas as ocorrências, tentativas e suspeitas de fraudes, viabilizando o compartilhamento dessas informações entre os participantes do ecossistema. Essa medida fortalece a atuação colaborativa e preventiva no combate ao crime financeiro.

Isso traz mais proteção para o público final, pois, ao compartilhar informações sobre suspeitas de fraudes, aquelas que forem confirmadas as instituições fortalecem a segurança do ecossistema como um todo, possibilitando a todos os envolvidos agirem de forma mais rápida, eficaz e conjunta na prevenção e detecção de atividades fraudulentas e protegendo os clientes de potenciais golpes. Assim, o ambiente financeiro começa a usufruir de uma percepção mais estável e confiável, gerando um impacto positivo nos investidores e na percepção de risco associada ao sistema financeiro do país.

Apesar dos avanços, ainda há uma grande oportunidade de adoção em larga escala dessas ferramentas em todo o setor financeiro. A combinação de tecnologias, dados compartilhados e modelos preditivos pode fortalecer de forma decisiva a resiliência do ecossistema, promovendo mais confiança, eficiência e proteção para todos os envolvidos.

*Marcelo Clara é formado em processamento de dados pela Universidade Mackenzie e em direito pela Faculdade de Direito de São Bernardo do Campo, com MBA pelo Insper, o CTO da Quod possui mais de 30 anos de experiência profissional e tendo liderado projetos de transformação digital em diversas empresas, atuando como Diretor de TI do banco Safra e Diretor de TI e Operações do Banco BV, dentre outras empresas. Ele também criou a startup openB, primeira plataforma de consolidação e análise de dados open finance do Brasil.

Leia também:

• Perdeu o prazo da DASN-SIMEI? Ainda dá para regularizar, mas a multa já começou
• Com o fim da escala 6×1 em debate, como fica o seu horário de almoço?
• CSLL: o impacto do tributo no caixa e na sobrevivência das microempresas
• Governo planeja reajuste gradual no limite do MEI até 2028
• EUA propõem novas barreiras alfandegárias que podem sobretaxar produtos brasileiros em até 25%