O avanço da inteligência artificial (IA) na prevenção de fraudes bancárias no Brasil desafia uma crença confortável do mercado: a de que controles tradicionais e autenticação robusta bastam para garantir segurança em operações financeiras. Segundo levantamento global da BioCatch, divulgado pelo IT Forum, 70% das instituições financeiras brasileiras já priorizam IA para detectar fraudes em tempo real, superando a média mundial de 60%. O dado revela uma mudança de postura forçada pelo contexto local, especialmente após a adoção massiva do Pix, que encurtou drasticamente o tempo disponível para identificar e interromper transações suspeitas.

Pix acelera adoção de IA e expõe novas vulnerabilidades

O sistema de pagamentos instantâneos Pix, lançado pelo Banco Central, alterou a dinâmica das fraudes no país. Com liquidação em segundos, a janela para análise de risco praticamente desapareceu. Isso exige que a detecção de anomalias e a resposta a tentativas de fraude ocorram em tempo real, sob pena de tornar-se inócua. O levantamento da BioCatch, citado pelo IT Forum, aponta o Pix como principal fator para a priorização de IA no setor bancário brasileiro.

Enquanto mercados internacionais ainda contam com etapas de processamento que permitem revisões manuais ou automáticas antes da conclusão de transferências, no Brasil, a urgência é regra. O resultado é uma pressão inédita sobre a infraestrutura tecnológica das instituições, que precisam de sistemas capazes de aprender padrões e identificar desvios em frações de segundo.

Fraude autorizada e análise de intenção: o novo campo de batalha

Outro ponto de ruptura é a predominância dos chamados golpes de fraude autorizada. Neles, o próprio cliente é manipulado a realizar a transação, tornando ineficazes os mecanismos tradicionais de autenticação. No Brasil, 43% dos líderes bancários entrevistados pela BioCatch priorizam a integração de análise comportamental e de intenção aos controles existentes, frente a 27% globalmente. A diferença de 16 pontos percentuais evidencia que o desafio brasileiro não é apenas tecnológico, mas também humano.

Diego Baldin, diretor de Global Advisory da BioCatch para a América Latina, explicou ao IT Forum que, nesses casos, “a autenticação confirma que é o cliente, mas não revela se ele está agindo por vontade própria ou sob orientação de um terceiro ao telefone”. A análise de intenção, baseada em padrões de comportamento, surge como complemento necessário para identificar operações potencialmente fraudulentas mesmo quando todos os sinais de identidade parecem legítimos.

Confiança nos modelos de IA e limites na detecção de golpes sofisticados

O levantamento revela ainda que 83% das instituições financeiras brasileiras consideram eficazes os modelos de detecção de anomalias baseados em aprendizado de máquina, enquanto a média global é de 72%. Isso sugere que o mercado brasileiro já incorporou essas ferramentas como parte consolidada de sua estratégia antifraude, superando a fase experimental.

No entanto, o cenário está longe de ser resolvido. A detecção de golpes de personificação, em que criminosos se passam por funcionários de bancos, advogados ou representantes de órgãos públicos, é apontada como o maior desafio: 60% dos líderes brasileiros classificam essa tarefa como muito ou extremamente difícil, ante 51% no mundo. O crescimento dos ataques de engenharia social, potencializados por IA, amplia a sofisticação e o alcance das fraudes, mas o vetor central segue sendo a manipulação do cliente.

Monitoramento do impacto: um elo fraco na cadeia de prevenção

Apesar do avanço tecnológico, o setor bancário brasileiro ainda carece de processos estruturados para medir o impacto das fraudes sobre a retenção e o engajamento dos clientes. Segundo o IT Forum, 62% das instituições monitoram essas perdas de forma informal ou pontual, enquanto a média global é de 49%. A ausência de métricas claras impede que o custo real das fraudes seja incorporado ao cálculo de retorno dos investimentos em prevenção, criando uma zona de incerteza sobre a eficácia das estratégias adotadas.

Esse ponto é particularmente sensível para empresas que dependem da confiança do cliente e da continuidade operacional. Sem dados precisos sobre o efeito das fraudes, decisões de investimento em tecnologia e processos podem ser subestimadas ou direcionadas para áreas menos críticas. O risco é duplo: perder clientes por insatisfação e não perceber o impacto financeiro até que ele se torne irreversível.

Contra-argumento: IA é suficiente para conter a escalada das fraudes?

Apesar do otimismo em relação aos modelos de IA, há quem questione se a tecnologia, por si só, é capaz de acompanhar a velocidade e a criatividade dos fraudadores. O próprio levantamento da BioCatch, citado pelo IT Forum, reconhece que ferramentas de IA também ampliam o alcance dos ataques, ao serem empregadas por criminosos para criar golpes mais convincentes e personalizados.

Além disso, a dependência de análise comportamental e de intenção traz desafios de privacidade e de acurácia. Falsos positivos podem gerar fricção para clientes legítimos, enquanto falsos negativos deixam brechas para perdas financeiras. O consenso entre especialistas é que IA é uma camada essencial, mas não suficiente. Processos de educação do usuário, integração de múltiplas fontes de dados e resposta rápida a incidentes permanecem indispensáveis.

Implicações para empresas e setor público: o que muda na prática

Para organizações que operam no ecossistema financeiro, sejam bancos, fintechs, empresas de meios de pagamento ou órgãos públicos que processam grandes volumes de transações, o cenário brasileiro exige uma revisão urgente da infraestrutura de conectividade e análise de dados. A necessidade de processar, correlacionar e responder a eventos em tempo real não se limita ao setor bancário: qualquer operação sujeita a fraudes instantâneas enfrenta desafios semelhantes.

No contexto de Manaus e do Polo Industrial, onde a digitalização avança e o acesso a sistemas financeiros é cada vez mais crítico para a competitividade, a capacidade de suportar cargas de dados variáveis, garantir disponibilidade e manter baixa latência são fatores decisivos. A ausência de monitoramento estruturado dos impactos das fraudes pode mascarar riscos operacionais e financeiros, comprometendo a sustentabilidade do negócio. Empresas que subestimam essa lacuna tendem a investir menos do que o necessário em prevenção e infraestrutura, tornando-se alvos mais fáceis para ataques sofisticados.

O que permanece incerto, e deveria preocupar quem decide, é até que ponto o setor conseguirá evoluir suas métricas e processos antes que os custos invisíveis das fraudes se tornem crises explícitas de confiança e resultado. O dado de que 62% das instituições ainda monitoram perdas de forma informal é um alerta: sem visibilidade, não há controle possível.

O avanço da IA no combate a fraudes bancárias no Brasil não elimina a necessidade de infraestrutura capaz de sustentar operações em tempo real e de processos que transformem dados em decisões. Para empresas e órgãos públicos que dependem da confiança digital, a diferença entre estar protegido e ser surpreendido está menos na tecnologia em si e mais na capacidade de medir, reagir e evoluir tão rápido quanto o risco. Em um ambiente onde cada segundo conta, o elo mais fraco não é o algoritmo, mas a ausência de visibilidade sobre o que realmente está em jogo.