A Anthropic acabou de anunciar um lançamento de agentes financeiros. Entre as novidades que colocaram no ar: um sistema de triagem KYC.
Se você trabalha com KYC, provavelmente viu as manchetes. Elas foram grandes. Mas eu quero fazer algo mais útil do que apenas amplificá-las.
Este artigo faz duas coisas. Ele explica o que a Anthropic realmente lançou, separado de como isso foi noticiado. E ajuda você a entender se o que eles lançaram se encaixa no problema que você está tentando resolver ou se você precisa de algo diferente.
A versão curta: o lançamento da Anthropic é uma boa notícia. Ele confirma o que já suspeitávamos: que fincrime é um encaixe natural para IA agente. Neste ponto, a questão não é se usar IA em KYC. Isso já está decidido. A questão é qual forma de IA realmente se encaixa na sua operação.
Vamos entrar nesse assunto.
O que a Anthropic realmente lançou
É um ponto de partida, não um produto final. Quando você deixa de lado a conversa sobre arquitetura, é isso que vem na caixa.
A capacidade
Ele executa um fluxo de trabalho de quatro etapas em cada registro de onboarding. Um leitor de documentos extrai campos estruturados do seu pacote de KYC. O motor de regras aplica as regras de KYC da sua empresa a esses campos. Em seguida, uma etapa de triagem verifica todas as partes nomeadas, incluindo sanções, PEP e mídia adversa, por meio de um MCP de triagem que você conecta.
O escalator reúne tudo o que precisa de atenção humana em um pacote de compliance. A saída é um JSON estruturado, com itens como classificação de risco, decisão, documentos ausentes, motivos de escalonamento e resultados de regras, que é fácil de inserir em uma fila de revisão.
Como você o implementa
Duas versões a partir do mesmo modelo. Um plugin do lado do analista que roda no Microsoft Office e dá suporte a um revisor humano. Ou um Agente Gerenciado no servidor que funciona de forma autônoma, com um cofre de credenciais, permissões de ferramentas com escopo definido e um registro de auditoria completo embutido. Mesmo prompt, dois ambientes de execução. Essa parte é realmente muito bem projetada.
Você pode começar com supervisão humana e depois avançar para o modo autônomo à medida que ganha confiança, sem precisar reescrever o agente.
Esse é o lançamento. Uma camada de raciocínio com um contrato de saída claro, feita para se conectar a qualquer stack que você já tenha. Mas a parte do “qualquer stack que você já tenha” está carregando muito peso nessa frase.
O que não vem na caixa
Qualquer coisa que exija ferramentas desenvolvidas especificamente para KYC.
O template não inclui recursos de perícia de documentos. A detecção de adulteração de identidade, como análise de fontes, verificação de hologramas, checagem de microtexto e detecção de renderização fraudulenta, é um problema especializado de ML que exige seus próprios dados de treinamento. O agente da Anthropic lê documentos usando a visão e o OCR do modelo de base. Isso é ótimo para responder “o que este documento diz”. Não é a mesma coisa que responder “este é um passaporte verdadeiro ou uma montagem no Photoshop?”.
Detecção de vivacidade, deepfakes, replay de selfie, verificações com máscaras 3D? Nada disso está incluído aqui. Se você estiver fazendo onboarding de consumidores e um deepfake passar pela sua porta da frente, o modelo de base não vai detectar.
A inteligência do dispositivo também está ausente. Desde biometria comportamental até IP real, sistema operacional real e idade real, o modelo não foi projetado para enxergar nada disso. O fato de um usuário ter entrado a partir de um emulador em um proxy residencial, compartilhando um dispositivo com outras três contas? Esse sinal simplesmente não existe aqui.
Sem KYB. Sem UBO. Sem verificações na Secretaria de Estado, sem EIN/TIN, sem análise de endereço, sem classificação de setor, sem verificação de presença online. A integração de empresas é um problema à parte, já que este modelo trata de identidade individual.
A habilidade de regras de KYC formaliza sua política; ela não vem com uma biblioteca de regras CIP pré‑construída nem com uma estrutura de backtesting que você possa rodar em janelas de 30/60/90 dias. O que você trouxer é o que você terá.
Também não há interface de gerenciamento de casos. O template “empacota as escaladas” e as repassa. Para quê? Para qualquer sistema de revisão que você já tenha construído. Se você não tiver um, vai ter que construir um.
E além da integração inicial, não há nada aqui para o ciclo de vida do cliente: sem nova triagem, sem atualizações de classificação de risco, sem monitoramento contínuo. Sem dados de consórcio, sem grafo de conexões entre bilhões de dispositivos e consumidores.
Isso não é uma crítica ao lançamento. É uma explicação do que o lançamento é. A Anthropic está entregando a camada de raciocínio. O banco, ou o fornecedor vertical de KYC que o banco está usando, fornece os dados, sinais, análises forenses e o substrato operacional sobre o qual o raciocínio é executado.
Capacidade | Verificador de KYC da Anthropic | Agente KYC do Sardine Doc |
Fator de forma | Arquitetura de referência; plugin ou agente gerenciado | Agente produtizado na plataforma da Sardine |
Análise forense de documentos | OCR e visão com modelos de base | Detecção de adulteração de IDs desenvolvida para esse fim |
Prova de vida / deepfake | Fora do escopo | Nativo |
Sinais de dispositivo e comportamento | Nenhum nativamente | TrueIP, TrueOS, biometria comportamental |
Listas de observação (OFAC/PEP/SDN) | Não incluído | Triagem integrada + reavaliação de sanções + resolução automatizada de alertas. |
KYB / UBO | Fora do escopo | Incluído |
Biblioteca de regras pré-configuradas | Traga o seu próprio | Centenas de regras CIP + backtesting |
Gestão de casos | Não fornecido | Integrado |
Resolução automática | Dependente da firma | 88% declarado; mais de 95% da triagem de sanções automatizada em um banco patrocinador |
A camada de raciocínio é apenas a base
Há algo que quero dizer de forma bem clara, porque a maior parte da cobertura está ignorando isso.
Modelos de raciocínio estão se tornando commodities. E rápido.
Há cinco anos, o modelo que conseguia ler um arquivo de entidades, fazer a correlação de cinco regras e explicar sua decisão em inglês fluente era uma vantagem competitiva. Hoje, três laboratórios entregam algo que consegue fazer isso, e a diferença entre o líder e o terceiro lugar é pequena o suficiente para que os clientes troquem de fornecedor.
O modelo é apenas uma das entradas em uma decisão de KYC. Ele não é o sistema.
Se você pegar um LLM, mesmo um excelente como o Opus 4.7, e o apontar para um conjunto de documentos de clientes sem qualquer calibração, vai perceber algo rapidamente: ele tende a achar que muitas coisas parecem suspeitas. Variações na qualidade dos documentos, nomes que se transliteram de forma estranha, datas que seguem convenções não americanas, endereços com números de apartamento em formatos incomuns — tudo isso é interpretado como anomalia por um modelo que não foi treinado para reconhecer como é o “normal” na sua base de clientes.Abordamos esse tema em um blog recente.
Eu mesmo tenho três contas no PayPal porque já morei em três países. Para um modelo sem contexto, isso é um grande sinal de alerta. Para quem já fez esse tipo de trabalho e conhece sua base de clientes, isso é algo bem normal.
A solução é a calibração: alimentar o modelo com um conjunto de verdadeiros positivos e verdadeiros negativos vindos de produção, rigorosamente rotulados, para que ele aprenda a diferença entre fraude e algo que apenas se parece com fraude. Nós construímos um Framework de Supervisão Agente em torno disso; o whitepaper descreve o ciclo de validação em detalhes. A questão não é que só nós conseguimos fazer isso. A questão é que este é o trabalho, e ele não vem de graça junto com um ótimo modelo de base.
A questão da supervisão
Você não pode implantar um agente autônomo para lidar com KYC e simplesmente se afastar. A Anthropic sabe disso, e é por isso que o caminho de Managed Agents deles vem com um cofre de credenciais por ferramenta, permissões com escopo definido e um log de auditoria completo. Isso é concreto. É uma melhoria significativa em relação às infraestruturas anteriores de agentes autônomos.
Mas um registro de auditoria não é um gestor de casos.
Um gerenciador de casos é a base onde vivem as decisões do agente, as intervenções do analista, as evidências do cliente, a linha do tempo das comunicações, os caminhos de escalonamento e o ciclo de feedback para a próxima versão do modelo. É para ele que um regulador aponta quando pergunta: mostre como você decidiu liberar este cliente.
Na Sardine, esta é a parte em que mais penso. Trabalhamos com um grande banco patrocinador, que apoia as principais fintechs, onde o agente resolve automaticamente mais de 95% dos alertas de triagem de sanções. Ele os resolve, deixa um comentário no case manager explicando o motivo e encaminha para escalonamento os casos que realmente precisam de um humano. A pessoa revisa o raciocínio do agente, concorda ou discorda e deixa seu próprio comentário. Tudo é registrado com carimbo de data e hora. Cada discordância é incorporada ao próximo ciclo de treinamento e ajuste do agente.
Esse ciclo é o produto. O modelo que faz a inferência dentro do ciclo é um de seus componentes, intercambiável e aprimorável. O próprio ciclo é o que importa para as equipes de compliance e os reguladores.
O modelo da Anthropic não inclui esse loop. Eles já fizeram a parte de execução auditável: o cofre de credenciais, as permissões por ferramenta, o registro de sessões de longa duração. A interface de gestão de casos, a intervenção manual do analista e o pipeline de discordância-para-retreinamento são responsabilidade do comprador construir.
As perguntas que você precisa responder antes de conectar uma IA pública aos dados dos clientes
Não se fala o suficiente sobre isso.
Se você está pensando em colocar um modelo de base público no fluxo de onboarding de clientes, você precisa de respostas claras para quatro perguntas. Não “o fornecedor disse que está tudo bem”. Respostas claras, por escrito, que o seu CISO e o responsável de compliance possam assinar.
- Quando o agente processa os dados de PII e de transações do seu cliente, para onde esses dados vão? Eles ficam restritos a um único locatário ou passam por um caminho de inferência compartilhado? Onde estão os logs?
- Você está carregando dados de clientes em uma plataforma de IA global e pública e, em caso afirmativo, o que o contrato diz sobre retenção, acesso e responsabilidade em caso de violação?
- Como você cumpre os requisitos de jurisdição em solo nacional? Se o seu órgão regulador exige que os dados não saiam do país e a sua inferência ocorre em outro país, você precisa ter uma resposta para isso. Qual é?
- A plataforma irá treinar com os seus dados? Os seus, os dos seus concorrentes e os dados que continuarão a circular amanhã? Se a resposta for não, você tem isso por escrito? Se a resposta for condicional, quais são as condições?
Essas não são pegadinhas. São perguntas padrão de compras para qualquer fornecedor que tenha acesso a dados de clientes. Elas ficam mais difíceis quando o fornecedor também é um laboratório de modelos de base. E ficam ainda mais difíceis quando o próprio modelo é um ativo competitivo que se beneficia de dados de treinamento.
O caminho de Managed Agents responde parcialmente a essas questões, e o cofre de credenciais e o modelo de sessão de longa duração foram projetados para esse nível de escrutínio. Mas respostas parciais não significam resolvido. Se você seguir por esse caminho, prepare-se para um verdadeiro ciclo de compras (procurement).
Então, para quem isso realmente é?
Agora chegamos à parte útil.
O template da Anthropic foi criado para um tipo específico de comprador. É um comprador com uma forte equipe de engenharia interna, uma base de dados já existente (fornecedores de KYC, dados de mercado, CRMs internos), uma operação de revisão estabelecida e disposição para controlar a camada de raciocínio de ponta a ponta. Os clientes que a Anthropic cita no anúncio, como Citadel, BNY e Carlyle, se encaixam exatamente nesse perfil. Eles não precisam de um produto KYC pronto para uso; precisam de uma camada de raciocínio flexível que possam compor dentro do próprio fluxo de trabalho.
Para esse comprador, o KYC-screener é uma melhoria real em relação ao que eles tinham. Eles passam a ter:
- Um modelo de raciocínio que lidera o benchmark Vals AI Finance Agent.
- Integração profunda com os ambientes do Microsoft 365, como Excel, Word e Outlook, onde seus analistas já trabalham.
- Uma arquitetura limpa e componível; habilidades, conectores e subagentes que podem ser trocados de forma independente.
- Tanto caminhos de implantação em desktop quanto no servidor a partir do mesmo template.
- Cofre de credenciais por ferramenta e registro completo de auditoria por meio de Managed Agents.
Se você for esse comprador, o passo certo provavelmente é levar o modelo a sério, fazer uma prova de conceito real com a sua stack atual e descobrir quais das peças que faltam (forense, dispositivo, listas de observação, gerenciador de casos) você vai suprir por meio de conectores best-of-breed, em vez de desenvolver internamente ou recorrer a parceiros.
A Sardine foi criada para um tipo diferente de comprador. É um comprador que precisa de um KYC em produção funcionando até o próximo trimestre, não no ano que vem, e sem antes contratar uma equipe de engenheiros para montar uma stack personalizada. Isso inclui fintechs, neobancos, grandes bancos, processadores de pagamento e corretoras de criptomoedas. Esse comprador se importa mais com os resultados (taxa de auto-resolução, taxa de falsos positivos, tempo de liberação) do que em possuir a camada de orquestração.
Para esse comprador, a Sardine oferece:
- Análise forense de documentos desenvolvida especificamente para detecção de adulteração de identidade
- Detecção de vivacidade e deepfakes
- Inteligência do dispositivo e biometria comportamental que alimentam a decisão sobre o documento
- Triagem em listas de observação com definição de limites e monitoramento contínuo
- Reavaliação contínua de sanções, não apenas verificações pontuais no momento da integração
- KYB/UBO incluído com KYC
- Uma biblioteca pré-configurada de regras CIP com edição sem código e backtesting de 30/60/90 dias
- Um gerenciador de casos desenvolvido para colaboração entre analistas e agentes, com um ciclo de discordância auditado
- Dados do consórcio Sonar em bilhões de dispositivos e consumidores
Essas não são capacidades hipotéticas. Em nossa própria rampa de entrada de cripto, nosso IDV Agent roda na mesma stack e atinge cerca de 95% de automação na verificação de identidade, a mesma taxa que vemos naquele cliente banco patrocinador executando triagem automatizada de sanções.
Há também uma terceira opção que é realmente interessante: usar as duas. Use o template da Anthropic na camada de orquestração para os casos em que a força do modelo de raciocínio é mais importante, como entidades complexas, escalonamentos com muita narrativa, redação regulatória, e chame a Sardine via conector MCP para as camadas de dados, forense e de dispositivos. Isso é uma parceria, não um confronto direto. Espero que vejamos clientes fazendo isso dentro de um ano.
O que isso significa
Vou encerrar com o que eu disse à minha equipe quando o anúncio saiu.
Isso é uma ótima notícia. O laboratório por trás do Claude acabou de validar publicamente que fincrime é uma aplicação natural para IA agente. O argumento que temos defendido há dois anos — de que agentes de IA reduzem falsos positivos, aceleram a resolução de casos e liberam analistas humanos para fazer o trabalho que realmente exige julgamento — agora é a posição consensual do laboratório de modelos mais influente do setor.
A camada de raciocínio vai continuar a melhorar e vai continuar a ficar mais barata. Tudo bem. A parte defensável de um produto de KYC nunca seria “temos o melhor modelo”. Sempre seria os dados, os sinais, a biblioteca de regras, a gestão de casos, o relacionamento com reguladores e o “couro duro” operacional que vem de rodar tudo isso em produção para clientes reais, em escala real.
Se você é um comprador, a pergunta certa não é qual modelo é o melhor, porque essa corrida é reiniciada a cada seis meses. A pergunta certa é: como o meu sistema estará daqui a um ano e qual formato (plataforma componível, produto vertical ou ambos) me leva até lá mais rápido?
Então construa para isso.
