Tecnologia: Aliada ou adversária no combate à fraude?

O avanço da tecnologia tem facilitado inúmeras situações do dia a dia, mas também tem sido usado de forma negativa, como em tentativas de fraudes. 

De um lado, temos golpes que se tornam cada vez mais complexos e realistas; de outro, soluções treinadas para identificá-los. Ambas situações utilizam tecnologia e, muitas vezes, inteligência artificial. Seriam elas aliadas ou adversárias no combate à fraude?

‍

Fatores negativos

‍

Não há como isolar uma tecnologia para usos apenas benéficos. Sempre haverá a possibilidade de usá-la com os dois vieses: positivo e negativo. 

Um dos casos mais conhecidos relacionados à tecnologia e a tentativas de fraude, e que vem se profissionalizando cada vez mais, é a Deepfake. A partir da manipulação de um vídeo ou áudio, é possível criar novos vídeos que parecem autênticos, o que por vezes é usado para abertura de novas contas.

Outro ponto importante, mas que tem recebido melhorias com o passar do tempo é a identificação de certos grupos de pessoas que nem sempre são identificados pela inteligência artificial, podendo trazer resultados injustos para determinados indivíduos ou comunidades.

Por outro lado, a tecnologia também é uma ferramenta potente no combate a fraudes, quando treinada e atualizada com frequência, podendo inclusive reverter os fatores recém citados.

‍

‍Destaques positivos

‍

Com a IA sendo treinada a todo momento, ela passa a detectar novos tipos de fraude à medida que surgem. Portanto, a detecção de fraudes pode melhorar ao longo do tempo, já que a IA se torna mais experiente e precisa.

Com ela sempre em aprendizado, analisando uma grande quantidade de dados, é possível:

‍

• Detectar fraudes de forma ágil: Como a tecnologia analisa grande quantidade de dados em tempo real e identifica anomalias rapidamente, ela consegue detectar fraudes antes que elas causem grandes prejuízos. 

• Identificar padrões: A identificação de padrões em dados ajuda a reconhecer fraudes que poderiam passar despercebidas em um trabalho manual.

• Identificar comportamentos suspeitos: por exemplo, tentativas seguidas de login com informações incorretas, atividades que diferem do padrão de comportamento do usuário...