Entre as diversas possibilidades de utilização da inteligência artificial está a de identificação de fraudes e comportamentos de risco, algo que pode ser bastante útil para o mercado segurador.
O Ministério da Transparência, antiga Controladoria Geral da União, ou CGU, por exemplo, já utiliza um sistema de IA que consegue mapear o risco de servidores públicos federais se envolverem em casos de corrupção. O projeto da Diretoria de Pesquisas e Informações Estratégicas (DIE), que conta com a participação da Coordenação-Geral do Observatório da Despesa Pública e da Coordenação-Geral de Informações Estratégicas, tem um índice de acerto altíssimo.
Nos testes, os pesquisadores forneceram dados de servidores já expulsos da administração pública por corrupção junto com dados de outros servidores para saber se a máquina conseguiria identifica-los. Como resultado, a IA foi capaz identificar 90% desses ex-servidores como potencialmente corruptos e, conforme os ajustes são feitos, é possível que essa taxa de acerto continue subindo.
O sistema funciona com base em um algoritmo que analisa um gigantesco volume de dados e aprende, com base nos dados históricos e uso de estatística, quais são as características que aumentam ou diminuem a chance de uma pessoa ser expulsa da Administração Pública por motivos de corrupção. No final, há uma fórmula, com pesos diferentes para cada característica, que pode ser usada para calcular o risco de corrupção de qualquer servidor público.
Esse modelo também já foi utilizado para mapeamento de risco de fornecedores e contratos públicos. Ao invés de avaliar perfil de servidor, foram analisados os perfis dos fornecedores que foram punidos pelo governo e os perfis dos contratos que foram rescindidos por algum problema grave. Nos testes, os resultados também foram animadores: taxa de acerto de 85%. Assim, os contratos de fornecedores de Tecnologia da Informação (TI) já passaram pelo pente fino da IA.
Quem também está desenvolvendo projeto semelhante é a Receita Federal, com o objetivo de detectar exportações fraudulentas utilizadas para lavagem de dinheiro. Para isso, aplicando em redes neurais de computador uma técnica chamada AutoEncoder. “O AutoEncoder está presente em muitas aplicações nas quais é preciso descobrir uma anomalia, mas que não temos uma referência do que é anômalo”, diz Ebberth Lopes de Paula, auditor fiscal da Receita Federal e pai do projeto.
Bancos e outras instituições financeiras também apostam na inteligência artificial para mitigar as fraudes. A tecnologia analítica faz ganhar força um modelo em que os dados transacionais se convergem com informações adicionais dos clientes, como seus endereços IP ou os equipamentos pelos quais eles se conectam, seus hábitos e necessidades, permitindo reconhecer mais fácil e rapidamente como proceder diante de alguma possível anomalia.
Estes modelos respondem automaticamente a perguntas-chave no combate à fraude, tais como se o cliente se encontra em um país com risco de fraude, os horários mais comuns em que as transações são realizadas, os dispositivos usados no e-banking (é possível, inclusive, definir quais equipamentos são usados e para quais tipos de transações), entre outras.
Cruzar essas variáveis a todo instante também permite aos bancos estarem em modo de alerta com os clientes que têm maior potencial de risco à fraude financeira e identificar novas formas de fraudes ou de deficiências na cadeia de bancos eletrônicos, sem que para isso tenha que dispor de recursos adicionais.
Os benefícios da análise nessa área também passam por serviços como geolocalização, que permite aos bancos, por exemplo, cruzar uma transação feita com cartão com a localização atual do cliente e, dessa forma, saber se se trata de uma ação legítima ou de fraude.
Escrito por CNseg