A importância do aprendizado de máquina na prevenção de fraudes

A importância do aprendizado de máquina na prevenção de fraudes

Oscar Bello*

16 de abril de 2021 | 04h00

Oscar Bello. FOTO: DIVULGAÇÃO

O volume de vendas e transações eletrônicas aumenta gradativamente à medida que cresce a oferta de estabelecimentos, plataformas e meios de pagamento. De acordo com a Shopify, as vendas globais de e-commerce no varejo foram de US$ 2,3 trilhões em 2017, e estima-se que cheguem a US$ 4,9 trilhões no final de 2021.

Junto com esse crescimento, a fraude está se espalhando por todos os setores da economia mundial. Estima-se que a indústria do cibercrime represente mais de US$ 6 trilhões até o final de 2021 em todo o mundo. A boa notícia para empresas e consumidores é que as soluções de pagamento digital estão em constante evolução. No entanto, a má notícia é que os cibercriminosos estão encontrando novas maneiras de explorar o sistema.

As companhias que atuam na prevenção de fraude digital e soluções de aprimoramento de aprovação oferecem a empresas e comerciantes de todos os tamanhos soluções de prevenção baseadas em aprendizado de máquina (machine learning) e inteligência artificial (IA), permitindo que pequenos e grandes varejistas tenham muito mais controle sobre o impacto de transações fraudulentas em seus resultados financeiros.

O que é aprendizado de máquina?

O aprendizado de máquina em tempo real é uma ferramenta poderosa que os comerciantes podem usar para reduzir a incidência de transações fraudulentas. Baseia-se na ciência dos dados, inteligência artificial e processamento de informações para analisar todos os dados possíveis a fim de detectar padrões que identifiquem comportamentos e transações destinadas a fraudes.

O aprendizado de máquina se adapta gradualmente para melhorar sua própria eficiência com o passar do tempo. Isso é obtido através da análise de certos comportamentos e do reconhecimento de padrões entre diferentes instâncias de fraude.

Vantagens

  • Os sistemas de aprendizado de máquina têm a capacidade de processar grandes volumes de transações, em oposição à revisão manual e prevenção de operações.
  • O desempenho do aprendizado de máquina melhora progressivamente com o tempo, à medida que mais e mais transações são analisadas para gerar insights e respostas a possíveis fraudes.
  • As soluções de inteligência artificial se concentram na detecção de fraudes antes de concluir as transações. Isso reduz significativamente os custos operacionais para os comerciantes.
  • O aprendizado de máquina tem a capacidade de prevenir e combater fraudes com cartões não-presentes (CNP), estornos, apreensão de contas e lavagem de transações, entre outros tipos de fraude.

Tipos de aprendizado de máquina

Não supervisionado: é quando não há dados fornecidos anteriormente. Assim que o computador tiver tempo para coletar dados com base nos padrões do usuário, ele pode começar a implementar e ensinar coisas a si mesmo.

Supervisionado: este algoritmo depende da pessoa que treina o sistema para reconhecer padrões em um conjunto de dados. Ele fornecerá ao computador previsões e entradas específicas, bem como os resultados dos dados fornecidos.

Reforçar: usado após uma quantidade considerável de dados terem sido coletados; o algoritmo aprende continuamente com eles e evolui com o tempo para permanecer eficiente.

Semi-supervisionado: É a combinação de algoritmos de aprendizado de máquina supervisionados e não supervisionados. Na hora de criar um modelo específico que economize tempo e dinheiro, esse é o caminho ideal. Quando há uma quantidade significativa de dados de entrada e apenas uma pequena parte deles está corretamente rotulada, um algoritmo semi-supervisionado é muito útil.

Com um algoritmo de aprendizado de máquina, ter um grande histórico de transações disponível significa que há muitos dados disponíveis para analisar, e esta é a matéria-prima com a qual a inteligência artificial trabalha: quanto mais dados de transações estiverem disponíveis, mais precisos podem ser os modelos de aprendizado de máquina.

As plataformas de prevenção de fraude usam tecnologia de aprendizado de máquina para gerar pontuações de risco que permitem às empresas eliminar efetivamente as transações fraudulentas sem rejeitar as legítimas.

Quando uma transação é executada por meio da plataforma de prevenção de fraude, ela é verificada em várias linhas com um banco de dados cada vez maior de estornos e dados de terceiros. A plataforma de decisão de transações em tempo real está melhorando continuamente graças à natureza automatizada do aprendizado de máquina.

*Oscar Bello, vice-presidente sênior de Vendas para as Américas da Vesta

Tudo o que sabemos sobre:

Artigo

Comentários

Os comentários são exclusivos para assinantes do Estadão.