Se você é um líder de fraude ou compliance, o cenário regulatório neste momento parece estar avançando em duas direções ao mesmo tempo.
Os Estados Unidos estão sinalizando uma mudança em direção a expectativas baseadas em resultados, em vez de regras rígidas e prescritivas. Ao mesmo tempo, a União Europeia está reforçando requisitos detalhados e estruturados sob a Lei de IA. E, apesar de suas diferenças, ambos estão convergindo para a mesma exigência fundamental: os programas precisam ser mais eficazes, mais dinâmicos e mais claramente capazes de gerenciar os riscos que enfrentam.
Veja o que isso realmente significa para a forma como você vai estruturar e financiar seus programas em 2026.
Os EUA: Menos prescrição, expectativas mais altas
O recente aviso de proposta de regulamentação da FinCEN indica algumas mudanças significativas na forma como o aparato regulatório dos EUA está pensando sobre prevenção à lavagem de dinheiro (AML) e à fraude.
Uma mudança significativa envolve a possível exigência de avaliações de risco para todas as entidades obrigadas a reportar, não apenas para certas categorias. A expectativa também está deixando de ser por revisões anuais para passar a ser por atualizações feitas prontamente quando o cenário de risco mudar. Como mencionei durante o nosso recente webinar sobre Tendências em Fraude e AML, isso muda fundamentalmente o ritmo da gestão de programas de compliance. Abordagens estáticas, baseadas em ciclos anuais, não serão suficientes.
As regras propostas também destacam explicitamente o uso de sinais de risco não tradicionais, como dados de dispositivo, inteligência de telefone e e-mail e sinais relacionados a IP, como entradas legítimas para a avaliação de risco do cliente. Isso representa um reconhecimento significativo dos tipos de sinais adjacentes à fraude que as equipes de compliance historicamente trataram como estando fora de seu escopo.
Talvez o mais interessante: os reguladores estão demonstrando grande entusiasmo pelo compartilhamento de dados em nível de consórcio. Isso pode eventualmente envolver cooperação entre comerciantes e instituições de serviços financeiros, em vez de avaliar o risco de forma isolada. Espera-se um avanço significativo nessa frente nos próximos 12 meses.
Há também um sinal intrigante em relação à gestão de risco de modelos. O OCC parece estar se inclinando a considerar os frameworks tradicionais de gestão de risco de modelos como potencialmente excessivamente onerosos para aplicações de AML e de prevenção a fraudes. Isso sugere que a abordagem atual pode estar criando barreiras à adoção de IA em vez de garantir segurança. Embora isso ainda não esteja totalmente definido, vale a pena acompanhar de perto.
A UE: Estrutura e especificidade ao abrigo da Lei da IA
A UE está adotando uma abordagem diferente para alcançar um objetivo semelhante. Ao abrigo da Lei da IA, as soluções de AML e conformidade que utilizam IA são amplamente classificadas como de alto risco. Essa classificação acarreta um conjunto mais exigente de requisitos em matéria de documentação, testes, supervisão humana e transparência.
Para as instituições que operam ou prestam serviços em mercados da UE, isso significa uma fasquia mais alta para a implementação de IA em fluxos de trabalho de conformidade. Os requisitos são rigorosos, mas a questão subjacente é fundamental: essa estrutura realmente ajuda a criar soluções mais eficazes e escaláveis a longo prazo ou gera fricção que desacelera a adoção?
Embora tanto os EUA quanto a UE busquem maior clareza e eficiência, eles chegam lá a partir de pontos de partida diferentes. Os reguladores dos EUA estão removendo regras prescritivas e confiando nas instituições para inovar. Já os reguladores da UE estão estabelecendo diretrizes detalhadas e esperando que as instituições operem dentro desses limites.
Ambos esperam que você seja capaz de explicar e defender suas decisões.
O imperativo da explicabilidade
Independentemente da jurisdição, um tema é inegociável: explicabilidade.
Se você não consegue explicar uma decisão a um auditor, como por que uma transação foi aprovada ou por que uma determinada pontuação de risco foi atribuída, a qualidade do seu modelo é irrelevante. Isso se aplica a modelos de machine learning, sistemas baseados em regras e, cada vez mais, a qualquer automação orientada por IA na sua pilha de prevenção a fraudes ou de compliance.
Durante o nosso webinar, Matt Vega, Chief Fraud Strategist da Sardine, destacou um ponto importante sobre governança: grande parte da discussão regulatória atual se concentra em machine learning tradicional, em que explicabilidade e transparência são desafios bem compreendidos. No entanto, as novas fronteiras da IA generativa e agentiva introduzem o problema distinto das alucinações. E os frameworks regulatórios ainda não acompanharam essa distinção.
Para os combatentes de fraude, isso cria uma assimetria.
Do lado do atacante, a alucinação em modelos de IA é quase um recurso, criando variações imprevisíveis que funcionam como bolas curvas contra os sistemas de detecção.
Do lado da defesa, a alucinação nunca é aceitável. Isso significa que o padrão para implantar IA de forma defensiva é inerentemente mais alto do que o padrão enfrentado pelos atacantes, e seus frameworks de governança precisam levar isso em conta.
Para que construir
A direção regulatória, considerada como um todo, aponta para várias prioridades práticas em 2026.
Para se manter à frente dessas mudanças, priorize tornar suas avaliações de risco dinâmicas. Isso exige pipelines de dados e monitoramento de modelos que possam ser atualizados “prontamente”, como sugerido pelos reguladores dos EUA. Ao estruturar tudo para atualizações de alta frequência, em vez de ciclos anuais, você garante que sua infraestrutura responda imediatamente às mudanças no cenário de risco.
Isso não é uma revelação nova, mas ter sucesso nesse cenário exige que você desfaça os silos entre prevenção à fraude e prevenção à lavagem de dinheiro (AML). Os reguladores cada vez mais veem esses elementos como uma única superfície de risco e esperam que sua instituição forneça:
- Visibilidade compartilhada entre os departamentos.
- Conjuntos de dados unificados para pontuação de risco.
- Processos de tomada de decisão coordenados.
Investir agora em infraestrutura de explicabilidade evitará atritos em exames futuros.Cada decisão automatizada na sua pilha de prevenção à fraude e conformidade deve seguir fluxos de trabalho documentados, com limites claramente definidos e caminhos de escalonamento. Esse tipo de documentação continua sendo fundamental e fornece o rastro de auditoria que os examinadores agora esperam.
Por fim, concentre-se em construir sistemas flexíveis. A orientação regulatória ainda está evoluindo, e as plataformas que conseguem se adaptar a novas regras e exigências de reporte serão significativamente mais econômicas do que soluções pontuais sob medida.
O sinal regulatório de ambos os lados do Atlântico é que a IA não apenas é permitida, como também é esperada para as equipes de fraude e AML. Agora é a hora de avançar na adoção de IA. A FinCEN está perguntando abertamente como seria um mundo em que 100% das atividades são revisadas, não apenas as anomalias. Se você conseguir descobrir mais cedo como implantar IA de forma responsável e auditável, terá uma vantagem significativa tanto na gestão de riscos quanto no posicionamento regulatório nos próximos anos.