AI’s Journey: From Early Chatbots to Cutting-Edge Technologies

Muitas pessoas veem a IA como algo novo, um produto dos recentes avanços tecnológicos. Mas, na realidade, a IA vem evoluindo há décadas. Minha primeira experiência com IA não foi com o ChatGPT ou qualquer outra ferramenta avançada — foi no final dos anos 90, durante a era em que FidoNet, uma rede descentralizada para compartilhamento de arquivos e mensagens que precisava daqueles barulhentos modems dial‑up, ainda era mais popular em algumas regiões do que a própria internet.

Lembro-me do que pensei ser uma conversa casual de 20 minutos com um administrador de sistemas local no FidoNet. Aparentemente, eu não estava falando com uma pessoa. No dia seguinte, o próprio administrador me contou que eu estava conversando com um dos primeiros chatbots — um sistema que, embora primitivo comparado à IA de hoje, autoaprendia e funcionava com algoritmos básicos baseados em regras.

Esse momento ficou comigo. Mesmo naquela época, as máquinas já eram capazes de aprender com interações, embora de forma muito mais limitada do que hoje. Avançando para os dias atuais, a IA evoluiu para algo muito mais poderoso, graças a tecnologias como deep learning, que permitem à IA processar enormes quantidades de dados e aprender com eles. A IA agora está transformando indústrias inteiras, mas mesmo com todo esse progresso, os fraudadores ainda parecem estar um passo à frente.

Isso levanta uma questão importante: se a IA primitiva já podia aprender com interações em tempo real há décadas, por que os sistemas de IA ainda têm dificuldade em superar os fraudadores? Por que a IA não é melhor em antecipar e prevenir fraudes, ou ao menos em acompanhar o ritmo dos fraudadores que agora também utilizam IA?

Neste artigo, vou analisar como a IA pode evoluir de apenas reagir a fraudes para se tornar uma força proativa, preditiva e preventiva — o que chamo de abordagem dos 3Ps. É hora de parar de deixar os fraudadores liderarem a dança.

The Current State: A Reactive Approach to Fraud

Fraude não é apenas um problema que afeta algumas empresas azaradas — é uma crise global que custa bilhões. Na verdade, o impacto econômico global da fraude está estimado em mais de $5 trillion anualmente, o que equivale a quase 70% do que o mundo gasta em saúde a cada ano. Em 2023, as perdas por fraude bateram recordes, ultrapassando $10 billion pela primeira vez. Fraudes de investimento sozinhas representaram mais de $4.6 billion disso — um aumento de 21% em relação ao ano anterior. Transferências bancárias e transações em criptomoedas também viram um aumento massivo de atividades fraudulentas, com consumidores relatando mais perdas nessas áreas do que em qualquer outra.

Essa onda crescente de fraudes destaca o quão sofisticados os fraudadores se tornaram, particularmente em fraudes de investimento e esquemas de criptomoedas. Ainda assim, apesar desses avanços, os sistemas atuais de detecção de fraude simplesmente não conseguem acompanhar. A maioria dos métodos de prevenção de fraude ainda é reativa, projetada para detectar fraudes apenas depois que elas já aconteceram. Esses sistemas dependem amplamente de reconhecimento de padrões e algoritmos baseados em regras, como:

• Monitoramento de transações, que sinaliza atividades suspeitas, como compras incomumente grandes ou transações de locais inesperados.
• Pontuação de fraude, que atribui pontuações de risco às transações com base em fatores como geolocalização, tipo de dispositivo e histórico de gastos.
• Análise de padrões históricos, que procura desvios no comportamento usual de um cliente para identificar possíveis fraudes.

Embora esses métodos sejam úteis para detectar tipos conhecidos de fraude, eles têm suas fraquezas:

• São lentos para responder: Quando esses sistemas sinalizam fraude, muitas vezes já está em andamento ou concluída.
• Muitos falsos positivos: Transações legítimas são frequentemente marcadas como fraudulentas, frustrando clientes e criando ineficiências para as empresas.
• Adaptabilidade limitada: Sistemas baseados em regras têm dificuldade de acompanhar as táticas em constante evolução dos fraudadores. Por exemplo, novos métodos como esquemas avançados de phishing ou fraudes em criptomoedas frequentemente escapam, pois os sistemas se baseiam em dados antigos e desatualizados.

Os fraudadores estão aproveitando essas lacunas, mantendo-se um passo à frente. Essa abordagem reativa deixa uma vulnerabilidade significativa na luta contra fraudes e demonstra por que precisamos de algo melhor. O futuro da prevenção de fraudes reside na capacidade da IA de não apenas reagir, mas prever fraudes antes mesmo que aconteçam. Ao identificar ameaças potenciais cedo, a IA pode bloquear ataques antes que os fraudadores sequer comecem, devolvendo a vantagem aos defensores.

A New Paradigm: The 3Ps of Fraud Prevention—Proactive, Predictive, and Preventive

A prevenção de fraudes não é mais sobre reagir a atividades fraudulentas depois que elas ocorreram. Hoje, a verdadeira chave para ficar à frente de fraudadores cada vez mais astutos é aproveitar a IA para criar uma abordagem Proativa, Preditiva e Preventiva. Essa estratégia em camadas muda o jogo de simplesmente reagir à fraude para antecipá‑la, dando às empresas a vantagem de superar os fraudadores antes que eles tenham a chance de agir.

Para conseguir isso, precisamos entrar na mentalidade dos fraudadores — entender como eles pensam, prever seus próximos movimentos e cortar suas operações antes que possam sequer começar. Ao mergulhar nos mesmos espaços digitais onde os fraudadores prosperam — como a dark web ou redes subterrâneas — a IA pode ficar um passo à frente, detectando tendências e novas táticas à medida que surgem. Essa abordagem proativa de imersão no mundo dos fraudadores mantém as defesas afiadas e capazes de se adaptar rapidamente.

Mas a prevenção de fraudes não é algo que apenas instituições financeiras podem enfrentar sozinhas. É uma responsabilidade compartilhada, e os indivíduos também precisam desempenhar um papel crucial na proteção de si mesmos. À medida que a IA evolui, ela deve capacitar tanto empresas quanto consumidores, oferecendo a todos as ferramentas e o conhecimento necessários para permanecer seguros diante de ameaças emergentes.

Mais fácil dizer do que fazer, claro. Então, vamos analisar como podemos tornar isso realidade.

1. Proactive: Anticipating Fraud Before It Strikes

A prevenção de fraude proativa é crucial para instituições financeiras (FIs), e não se trata apenas de ter sistemas robustos — também envolve educar os usuários para impedir golpes antes que eles comecem. A IA desempenha um papel fundamental nisso, aprimorando a segurança ao prever o comportamento dos fraudadores, identificar padrões e impedir tentativas de fraude antes que possam escalar. Com inteligência de ameaças impulsionada por IA, as FIs podem monitorar espaços digitais como fóruns da dark web para captar alertas precoces e bloquear fraudes antes que ocorram. A IA também pode simular alvos prováveis que os fraudadores possam visar, proporcionando às empresas a oportunidade de agir preventivamente.

Além disso, AI-driven honeypots podem enganar fraudadores, fazendo-os expor suas táticas, permitindo que as instituições aprendam e aprimorem suas defesas ao longo do tempo. Contudo, essa estratégia não está isenta de risco — se mal administrada, pode abrir vulnerabilidades ou até gerar complicações legais para a empresa.

Os consumidores também têm um papel crucial na prevenção de fraudes. Eles podem usar ferramentas alimentadas por IA para monitorar suas contas em busca de atividades suspeitas, especialmente antes de fazer login em plataformas financeiras. Ferramentas como scanners de e‑mail, aplicativos de bloqueio de golpes e filtros anti‑phishing são indispensáveis para impedir ataques antes que cheguem ao usuário. Dito isso, não basta apenas criar essas ferramentas — elas precisam ser integradas de forma fluida ao cotidiano das pessoas, sem sobrecarregá‑las com notificações constantes. Os desenvolvedores devem focar em soluções de IA que ofereçam segurança robusta sem causar “alert fatigue”, garantindo que a proteção funcione em segundo plano e não interrompa a vida diária.

2. Predictive: Using AI to Forecast Fraud

A IA não é fundamentalmente sobre previsão? Se ela pode antecipar a próxima palavra ou ação com base em padrões de dados, por que não aproveitar esse mesmo poder preditivo para prever fraudes antes que aconteçam? Embora tenhamos plataformas de IA geral poderosas como o ChatGPT, há uma necessidade crescente de sistemas de IA especializados focados exclusivamente na prevenção de fraudes. Imagine um “FraudPredictGPT”, uma IA treinada exclusivamente para monitorar ecossistemas financeiros, analisar ameaças e antecipar os próximos movimentos dos fraudadores. Tal sistema poderia revolucionar a forma como abordamos a detecção de fraudes, não apenas reagindo a ataques, mas prevendo e prevenindo‑os em tempo real.

Para prever fraudes de forma eficaz, as instituições financeiras devem aproveitar análises comportamentais, monitoramento da dark web e das redes sociais, e modelos preditivos baseados em dados do ecossistema de fraudes. A IA se destaca na análise do comportamento do usuário para detectar sinais precoces de fraude, como padrões de transação incomuns ou comportamentos de login atípicos. Ao monitorar continuamente esses sinais, a IA pode alertar as instituições sobre ameaças potenciais antes que os fraudadores ajam.

Várias empresas estão liderando o caminho com soluções de IA preditiva. Darktrace usa IA para identificar comportamentos anômalos e prever ameaças cibernéticas em tempo real. Kount aplica modelos preditivos ao fraude de e‑commerce analisando interações de clientes e sinalizando comportamentos de risco antes que resultem em fraude. Plataformas impulsionadas por IA, como Fraud.net, avaliam a probabilidade de ocorrência de fraude com base em dados atuais e históricos.

Ao adotar tecnologias preditivas e avançar para sistemas de IA especializados como o “FraudPredictGPT”, as instituições financeiras podem transitar de reagir a fraudes após o fato para prever e prevenir ativamente, aprimorando sua capacidade de superar os fraudadores.

3. Preventive: Cutting Off Fraudsters Before They Act

Então, agora estamos totalmente armados e preparados — medidas proativas nos mantêm alertas, e ferramentas preditivas nos dão insight sobre os próximos passos dos fraudadores. Mas estar pronto não significa que os fraudadores não tentarão atacar. A chave real é a Prevenção — impedir a fraude antes que ela tenha a chance de se consolidar. Quando os fraudadores atacam, a IA torna‑se a ferramenta crítica que garante que seus esforços sejam interrompidos em tempo real. A questão é, como a IA pode parar efetivamente os fraudadores antes que causem qualquer dano?

Ao longo da história, grandes líderes militares nos ensinaram o valor da defesa e da prevenção. Sun Tzu, em “The Art of War”, disse famosamente: “A suprema arte da guerra é subjulgar o inimigo sem lutar.” Essa ideia está no cerne da prevenção de fraudes — a melhor defesa é aquela que impede a batalha antes que ela comece. No mundo das fraudes, a IA serve como essa defesa preventiva, cortando os fraudadores antes que eles possam executar seus esquemas.

A capacidade da IA de analisar dados em tempo real permite bloquear transações fraudulentas e gerar alertas antes que a fraude ocorra. Ela sinaliza comportamentos anômalos, como transferências incomuns ou tentativas de login suspeitas, impedindo que a fraude escale. Sistemas como Elliptic e Chainalysis utilizam IA para monitorar redes blockchain em busca de atividades suspeitas, interrompendo transações ilícitas antes que se espalhem. Essas plataformas analisam enormes volumes de dados blockchain, detectando comportamentos de alto risco como criptomoedas roubadas e transações na dark web.

Para interromper ainda mais os fraudadores, a IA pode também mirar em suas cadeias de suprimentos, monitorando fóruns da dark web e repositórios de malware, permitindo que equipes de cibersegurança neutralizem suas ferramentas precocemente. Cortar esses recursos atrasa as operações de fraude, enfraquecendo sua eficácia e prevenindo ataques maiores.

A IA pode ainda criar sistemas de isca que atraem os fraudadores para alvos falsos. Parece que os fraudadores odeiam perder tempo, e lembrando como os primeiros chatbots eram bons em imitar uma pessoa real, a IA atual pode se tornar um instrumento eficaz para manter os fraudadores ocupados com algo que não gera valor.

Por fim, a colaboração é crucial na prevenção de fraudes. Redes de compartilhamento de dados em tempo real entre instituições e autoridades, como o Financial Services Information Sharing and Analysis Center (FS-ISAC), permitem que sistemas de IA consolidem inteligência e reforcem a defesa coletiva. Trabalhando juntos, as instituições podem impedir fraudes em escala maior e, mais importante, prevenir ataques futuros antes que aconteçam.

Facing the Gaps: Mitigating AI’s Challenges in Fraud Prevention

A batalha contra fraudes não pode ser vencida por uma única instituição — é uma tarefa que abrange todo o setor. Instituições financeiras, provedores de tecnologia, reguladores e consumidores precisam colaborar para enfrentar as táticas em constante evolução que os fraudadores utilizam. Para avançar de forma significativa, devemos compreender as limitações da IA em cada nível e abordá‑las coletivamente.

Por exemplo, muitos sistemas de IA ainda dependem de dados que remontam a setembro de 2021 (corte de conhecimento do ChatGPT), resultando em capacidades de detecção de fraude desatualizadas. Manter os sistemas globais de IA atualizados é uma tarefa muito cara, o que sublinha a necessidade urgente de um sistema dedicado como o “FraudPredictGPT”, projetado especificamente para prevenção de fraudes e treinado de forma contínua, possivelmente em tempo real.

A superdetecção — quando os sistemas de detecção de fraude sinalizam muitas transações legítimas — pode levar ao bloqueio de clientes e danos reputacionais. Essa sensibilidade excessiva cria sobrecarga de recursos, já que equipes humanas precisam investigar manualmente um grande volume de atividades sinalizadas, dificultando a identificação de fraudes reais.

Os fraudadores também estão agora usando IA contra o sistema. Eles testam diferentes táticas contra modelos de aprendizado de máquina, identificando pontos fracos e explorando‑os. Ameaças comuns incluem golpes gerados por IA, deepfakes e identidades sintéticas.

Por fim, a complexidade e o custo de implementar IA são desafios significativos. Construir e manter sistemas de IA requer investimentos consideráveis e expertise, que muitas instituições menores frequentemente não possuem.

Para enfrentar essas limitações, as instituições devem re‑treinar continuamente os modelos de IA usando dados frescos e de alta qualidade. A superdetecção pode ser gerenciada refinando limites e envolvendo supervisão humana. Adotar treinamento adversarial — onde modelos de IA são testados contra fraudes simuladas — pode fortalecer as defesas. As instituições também podem explorar plataformas de IA como serviço (AIaaS) para tornar a prevenção de fraudes escalável e mais acessível. E, acima de tudo, a colaboração entre o setor é essencial. Compartilhando recursos e inteligência por meio de consórcios e órgãos governamentais, a IA pode tornar‑se uma ferramenta ainda mais poderosa na luta contra fraudes.

 Conclusion

Por muito tempo, pareceu que o mundo aceitou que os fraudadores estarão sempre um passo à frente. Mas agora, com a IA ao nosso alcance, a indústria tem a chance de mudar isso. No entanto, não podemos esquecer que os fraudadores também estão usando IA a seu favor. Eles exploram a mesma tecnologia, testando sistemas com tentativas automatizadas para encontrar vulnerabilidades. Isso cria uma corrida armamentista, com ambos os lados evoluindo constantemente. O verdadeiro desafio não é apenas usar IA — é usá‑la de forma mais inteligente que os fraudadores.

Os 3Ps — Proativo, Preditivo e Preventivo, que apresento neste artigo — não são ideias novas em geral, mas representam uma mudança real quando se trata de prevenção de fraudes. A IA nos dá a capacidade de prever e bloquear fraudes antes que ocorram e de ajustar às novas ameaças em tempo real. Esses três pilares são essenciais para construir uma estratégia que supere até as táticas de fraude mais sofisticadas.

Mas a prevenção de fraudes não cabe apenas às instituições financeiras. Os consumidores também têm um papel a desempenhar na proteção de si mesmos: precisam adotar ferramentas alimentadas por IA, manter-se informados e ser participantes ativos na luta contra fraudes. À medida que o mundo se torna mais conectado e a tecnologia passa a fazer parte cada vez mais do cotidiano, essa responsabilidade compartilhada entre empresas e indivíduos é mais importante do que nunca.

Com a IA liderando o caminho, e com um compromisso coletivo tanto de empresas quanto de consumidores, podemos expandir os limites da prevenção de fraudes e criar um futuro financeiro mais seguro.