Todo analista de fraude, responsável de compliance e subscritor terá uma equipe de analistas de IA para ajudá-los. Hoje estamos apresentando três deles.
As taxas de falsos positivos podem chegar a 90% em processos essenciais, como triagem de sanções e due diligence de clientes. Isso gera um volume excessivo de trabalho exaustivo para os agentes humanos, levando ao esgotamento (vivenciado por mais de 75% dos profissionais de compliance), com um alto nível de rotatividade de pessoal. Muitas instituições financeiras relatam dificuldade em contratar oficiais em número suficiente para combater o crime de forma eficaz. Esse problema prejudica a capacidade de gerir adequadamente as taxas de criminalidade financeira, à medida que o conhecimento institucional é rapidamente perdido.
As consequências são enormes: muitas vezes deixamos de identificar redes e quadrilhas criminosas, o que pode resultar em multas relacionadas a BSA/AML, e os bancos perdem milhões em receitas atrasadas ou abandonadas devido a uma experiência ruim do cliente. Este whitepaper apresenta o Agentic Defense Model (ADM) – uma estrutura que utiliza agentes de IA para fortalecer os controles de conformidade.
Além disso, isso afeta clientes que são falsamente sinalizados, têm suas transações atrasadas ou são descartados como clientes devido a um risco percebido (e não real). Isso representa perda de receita para a instituição financeira e pode resultar em possíveis ações judiciais (como no chamado debate sobre “debanking”).
Primeiro, precisamos entender a configuração atual de fraude, risco e conformidade na maioria das organizações para compreender como as equipes de Agentes de IA se tornarão possíveis.
O desafio de custos da conformidade com BSA/AML
Conheça o Seu Cliente tornou-se notoriamente intensivo em mão de obra, lento e caro. Pode-se argumentar que é em grande parte ineficaz devido à ineficiência em que se transformou.
- As taxas de falsos positivos em monitoramento de AML rotineiramente ultrapassam 90%
- Isso leva a esgotamento excessivo, rotatividade e dificuldade em contratar um número suficiente de oficiais de conformidade
- Os grandes bancos têm em média 307 funcionários dedicados apenas ao KYC mas ainda apresentam lacunas significativas em BSA/AML à medida que a complexidade do desafio aumenta
- 85% das empresas relatam experiências negativas com o onboarding bancário
- 12% mudaram de bancodevido a atritos no processo de onboarding
Um grande banco de investimento contratou centenas de funcionários e ainda assim tinha mais de 700 casos de onboarding presos no processo. Outra instituição viu seus prazos de resolução de disputas explodirem para 120 dias, apesar de aumentos significativos no quadro de pessoal. Em resumo, mesmo as instituições financeiras com o maior número de funcionários precisam de uma melhoria de outra ordem de grandeza, que os Agentes de IA podem ajudar a proporcionar.
Triagem de sanções, PEPs e mídia negativa.O monitoramento de transações para AML gera um volume avassalador de alertas que exigem investigação. Os sistemas legados baseados em regras frequentemente apresentam taxas de falsos positivos acima de 90%, o que significa que os analistas perdem tempo investigando alertas que acabam sendo benignos, quando um único alerta de triagem de sanções exige de 5 a 10 minutos de revisão manual, e as taxas de falsos positivos ultrapassam 90%.
Enquanto isso, o crime financeiro se torna mais sofisticado, as exigências regulatórias aumentam e os clientes passam a exigir experiências digitais instantâneas.
A esperança no horizonte é que a IA possa tornar as instituições mais eficazes e eficientes no combate aos crimes financeiros. De fato, as regras recentemente propostas pelo FinCEN para programas de PLD “eficazes e razoavelmente concebidos” enfatizam o uso de tecnologia orientada ao risco, e especialistas do setor observam que sistemas de IA explicável podem aumentar a eficiência ao mesmo tempo em que atendem à exigência de transparência por parte dos reguladores
Os melhores agentes de IA teriam acesso aos melhores dados
Na Sardine, temos orgulho de criar as ferramentas que gostaríamos de ter tido em nossas vidas passadas.
- Nós poupamos às equipes de risco tempo, esforço e frustração.
- Ajudamos as equipes de pagamentos a converter mais bons clientes.
- Ajudamos a impulsionar o comércio ao nos dedicarmos obsessivamente aos detalhes.
A Sardine se adapta à infraestrutura legada existente, mas é uma plataforma completa para prevenção de fraudes e conformidade.
Esta é a base ideal para agentes de IA.
Os agentes de IA podem integrar usuários, trabalhar em filas manuais e ser 10 vezes mais eficazes do que as equipes. Embora muitas empresas ofereçam casos de uso pontuais e agentes, o verdadeiro diferencial competitivo exige construir sobre os dados da equipe antifraude, plataforma e expertise.
Assim como os humanos, os agentes de IA se tornam 10 vezes mais eficazes quando têm os dados e as ferramentas certas.
Na Sardine, estamos construindo o melhor dos dois mundos.
Veja como pensamos sobre agentes de IA.
Hoje a Sardine oferece 3 agentes de IA para compliance
Cada dashboard, interface e planilha tem o potencial de se tornar 10 vezes mais eficaz com um agente auxiliando o profissional de risco. Estamos apenas começando e já disponibilizamos de forma geral nossos primeiros 4 agentes de IA.
1. Agente de Onboarding KYC
Para um onboarding em conformidade com BSA/AML, é necessário coletar e verificar nome, endereço, data de nascimento e SSN. Quando forem encontradas divergências, isso pode significar que o cliente não forneceu corretamente seu nome, endereço ou data de nascimento no formulário de onboarding. Ou pode ser indicativo do uso de uma identidade roubada/sintética. Nesses casos, a melhor prática é elevar automaticamente o nível de verificação do cliente, solicitando que ele envie um documento de identidade (Passaporte, Carteira de Identidade Nacional, Carteira de Motorista) juntamente com uma selfie e uma verificação de prova de vida (liveness check). Recomenda-se garantir que o rosto na selfie corresponda ao rosto no documento de identidade. Além disso, recomenda-se garantir que o nome, o endereço e a data de nascimento no documento de identidade correspondam às informações coletadas durante o onboarding.
KYC está repleto de casos extremos. Os nomes aparecem em ordens diferentes entre culturas, os formatos de data variam e as divergências causam fricção desnecessária. A Sardine automatiza esses desafios. Nós automatizamos milhares de casos extremos de onboarding.
Missão: Simplificar e acelerar a devida diligência do cliente (KYC/KYB) durante a integração, garantindo que nenhuma etapa de conformidade seja ignorada.
Processo: O agente de IA é inicialmente treinado com um conjunto de sessões de onboarding do processo CIP, conforme seguido pelo banco. O resultado desse treinamento é então uma estrutura agentic, que representa as etapas que executamos e sua ordem. Essa estrutura agentic representa, essencialmente, as listas de verificação que um responsável de compliance segue como parte dos procedimentos de CIP do banco.
Depois de implantado, o agente de IA avalia correspondências usando o contexto de múltiplas fontes de dados. Ele pode identificar automaticamente falsos positivos (como correspondências de nomes com datas de nascimento incompatíveis).
Resultados: Nos testes, a Sardine conseguiu usar fluxos de resolução automatizados em mais de 50% dos casos de onboarding. À medida que as pessoas continuam aprovando/recusando esses casos, o modelo se torna mais eficiente. Isso se traduz em uma redução de 75% na carga de trabalho de casos “rotineiros”, em que o desfecho tinha grande probabilidade de ser um falso positivo. Para atualizações contínuas de KYC (revisões periódicas), o agente pode direcionar o setor para “KYC perpétuo” – monitorando e atualizando continuamente os dados dos clientes em segundo plano, em vez de executar projetos de correção ou remediação de tempos em tempos.
2. Agente de Triagem de Sanções
Nomes comuns como "John Doe" frequentemente acionam falsos positivos, atrasando a integração. A IA da Sardine garante que usuários legítimos não fiquem presos em filas de revisão manual.
Missão: Fazer uma triagem rápida de transações e clientes em listas de sanções, PEP e mídia negativa, com maior precisão e menos falsos positivos.
Processo: O agente é treinado com base nos procedimentos operacionais padrão utilizados pelas equipes de compliance. Ao revisar um alerta, um analista de compliance pode ter uma lista de verificação das ações que deve executar:
- Comparar o nome, o endereço e a data de nascimento fornecidos no onboarding com o nome que consta em um documento,
- garantir que a idade do cliente esteja de acordo com os seus Termos de Uso,
- traduzir os nomes de línguas estrangeiras para o inglês quando necessário,
- comparar o estado e os endereços do cliente com os resultados para garantir que se trata do mesmo indivíduo, etc.
O Agente apresenta suas conclusões e deixa sua recomendação – Aceitar o Cliente, Recusar o Cliente – para que o Diretor de Compliance tome a decisão final.
Validação do Modelo: A matriz de decisão utiliza o framework ADM para correlacionar as recomendações da IA com os julgamentos do Oficial de Compliance e, dessa forma, pode ser considerada uma Validação de Modelo dinâmica.
Casos Limite: Os Compliance Officers passam a maior parte do tempo lidando com casos limite. Por exemplo, um nome comum que usamos em testes gera mais de 60 ocorrências de PEP e 1 ocorrência de Sanções. No entanto, essa ocorrência de Sanções leva a uma página do LinkedIn e a um artigo que afirma que a pessoa com esse nome está morta (o que nos permite encerrar com segurança essa ocorrência de Sanções em particular). Esses são os tipos de percursos de links que o nosso framework Agentic consegue descobrir e executar automaticamente.
Resultados
- A Sardine consegue usar caminhos de resolução automatizada para mais de 50% dos casos de sanções. À medida que as pessoas continuarem aprovando ou rejeitando esses casos, o modelo se tornará mais eficiente.
- Uma empresa global de investimentos que implementou essa abordagem viu a produtividade dos analistas aumentar em 80%, permitindo que eles se concentrassem em casos complexos que realmente exigiam expertise.
3. Agente de Risco de Comerciantes
À medida que mais comerciantes entram no mercado e podem aceitar pagamentos com seus dispositivos móveis existentes, os processos tradicionais de KYB não acompanham a escala necessária para lidar com o risco. PSPs e adquirentes de comerciantes projetaram seus sistemas para uma escala muito menor, e esse modelo precisa evoluir.
Missão: Automatizar a avaliação de risco e o monitoramento contínuo de clientes empresariais (comerciantes, parceiros fintech, etc.), especialmente para riscos de fraude e conformidade, em tempo real
Processo: Reúne dados sobre a empresa (registros, licenças, histórico dos proprietários, reputação comercial) e atribui uma classificação de risco (por exemplo, baixo, médio, alto risco) com base em fatores como setor de atuação, geografias de operação, padrões de transação previstos etc. Sinaliza características que possam indicar um comerciante fraudulento (por exemplo, divergência entre o tipo de negócio declarado e o conteúdo do site, ou envolvimento de geografias de alto risco). Em seguida, monitora em tempo real as transações do comerciante após a sua integração (onboarding).
O Agente também resume as reclamações. Eles estão enviando os produtos dentro do prazo? Estão emitindo reembolsos corretamente? Ele conecta esses dados com a atividade de transações para identificar sinais de lavagem de transações e fraude por conluio, como comerciantes passando milhares de cartões roubados para desviar fundos.
Agentes que cumprem as normas de Fair Lending, BSA/AML e SR 11-7
Nos Estados Unidos, os órgãos reguladores bancários e as agências de fiscalização – incluindo o Office of the Comptroller of the Currency (OCC), o Federal Reserve (Fed), a Federal Deposit Insurance Corporation (FDIC) e a Financial Crimes Enforcement Network (FinCEN) – estabelecem expectativas claras para o uso de tecnologia em conformidade regulatória. Um pilar central é a orientação de supervisão SR 11-7 do Fed/OCC, que institui uma estrutura abrangente de gestão de risco de modelos. A SR 11-7 se aplica a todos os modelos (incluindo modelos de IA/ML) usados por bancos e exige governança, validação e controles robustos para gerenciar o risco de erros ou uso indevido.
Além disso, as regras de crédito justo se aplicam a todas as decisões de crédito abrangidas pela Federal Housing Act (FHA) e pela Equal Credit Opportunity Act (ECOA).
Na prática, isso significa que os bancos devem manter inventários rigorosos de modelos, documentação e supervisão para qualquer ferramenta baseada em IA, assim como fazem com os modelos tradicionais, a fim de satisfazer os examinadores de que eles “compreendem e controlam” o comportamento de sua IA.
Essas áreas geralmente se traduzem em perguntas comuns de due diligence que os bancos fazem aos fornecedores de IA:
- Quão transparentes são as decisões do modelo?
- Com quais dados ele foi treinado e esses dados podem introduzir vieses?
- Como o modelo será monitorado e atualizado ao longo do tempo?
Os reguladores querem a garantia de que as instituições financeiras consigam responder a essas perguntas e tenham controles adequados em vigor antes de implantar IA em larga escala. Espera-se que os bancos implementem validação independente de modelos, testes rigorosos e monitoramento contínuo de desempenho para sistemas de IA.
Por exemplo, antes que um “agente de conformidade de IA” seja colocado em produção, os bancos devem fazer com que partes qualificadas revisem seu design e suas premissas para “desafiar efetivamente” o modelo e verificar se ele funciona conforme o esperado. Todos os resultados e limitações do modelo devem ser documentados em detalhe e precisam vir acompanhados de uma trilha de auditoria clara.
A SR 11-7 exige explicitamente documentação exaustiva de forma que até alguém não familiarizado com o modelo possa entender seu propósito, funcionamento e limitações. De forma encorajadora, os reguladores federais observaram que abordagens inovadoras “podem fortalecer a conformidade com BSA/AML” e fazer melhor uso dos recursos (Declaração Conjunta sobre Esforços Inovadores para Combater a Lavagem de Dinheiro e o Financiamento do Terrorismo). Eles ainda esclareceram que programas-piloto que utilizam IA não serão automaticamente alvo de críticas “mesmo que os programas-piloto acabem não sendo bem-sucedidos”, desde que o banco continue a cumprir suas obrigações.
Implemente os Agentes de IA da Sardine hoje mesmo
A abordagem tradicional de compliance – alocar mais recursos ao problema – é insustentável. O Modelo de Defesa por Agentes oferece um caminho comprovado para avançar, combinando a experiência humana com as capacidades de IA para acelerar a receita enquanto fortalece os controles.
O sucesso exige:
- Visão estratégica clara
- Alinhamento das partes interessadas
- Implementação disciplinada
- Mentalidade de melhoria contínua
As evidências são claras: as instituições que adotam o framework ADM obtêm uma vantagem competitiva por meio de uma realização de receita mais rápida, uma gestão de riscos mais robusta e uma experiência do cliente aprimorada. A questão já não é mais se deve adotar IA na área de compliance, mas quão rapidamente você pode iniciar essa jornada.
Quem se mover primeiro definirá o padrão para o setor. Quem esperar corre o risco de ficar permanentemente para trás. O momento de agir é agora.