Como a Asoview decidiu proteger a experiência do cliente sem concessões
A Asoview opera dois produtos: o "Asoview!", uma plataforma de reservas para consumidores voltada a atividades de lazer e experiências ao ar livre em todo o Japão, e o "Urakata", um SaaS de gestão de reservas para operadores de instalações. Juntos, eles atendem aproximadamente 6.000 empresas parceiras e 16 milhões de membros cadastrados. Quando ingressos muito procurados são colocados à venda e o volume de transações dispara em questão de segundos, qualquer atrito no fluxo de pagamento tem um custo direto. Foi essa realidade operacional que levou a Asoview a desenvolver um recurso de detecção de fraudes independente de seus provedores de pagamento.
O desafio: uma estratégia antifraude vinculada às decisões erradas
A Asoview vinha utilizando ferramentas de prevenção a fraudes incluídas nos serviços de seus provedores de pagamento. Esse modelo funcionou até que Junya Ebe, diretor executivo sênior e CIO, analisou o que isso realmente significava ao longo do tempo. Sempre que a Asoview trocava de PSP, sua estratégia de prevenção a fraudes era reiniciada. Dados acumulados, padrões identificados e regras ajustadas: nada disso era transferido. "Concluímos que vincular nossa estratégia de segurança às decisões comerciais de um provedor de pagamentos criava um risco estrutural no médio e longo prazo", afirmou Ebe.
Para uma plataforma em que a segurança é um princípio operacional declarado, essa dependência representava um problema estrutural. A Asoview define «segurança» em três áreas concretas: segurança da informação e gestão de dados, disponibilidade do sistema sob carga e experiências fluidas tanto para os consumidores como para os operadores das instalações.
Havia também uma preocupação específica com o desempenho. O volume de transações da Asoview é irregular. Quando os bilhetes para uma atração ou experiência popular são colocados à venda, a procura aumenta quase instantaneamente, e qualquer latência introduzida por uma verificação antifraude nesse momento prejudica diretamente o processo de pagamento. As ferramentas incluídas na solução existente não ofereciam garantias de desempenho relevantes nessas condições. Como explicou Ebe: "Quando os bilhetes mais procurados são colocados à venda e o tráfego aumenta acentuadamente, é essencial que as transações continuem a ser processadas sem interrupções."
A solução: sinais comportamentais na velocidade do checkout
A Asoview avaliou os fornecedores com base em seis dimensões: metodologia de detecção, latência e capacidade de processamento, esforço de implementação, cobertura seletiva por categoria de produto, estrutura de custos e evolução do produto a longo prazo. A velocidade de processamento recebeu o maior peso.
Velocidade sob carga
O tempo médio de resposta da Sardine, inferior a 0,2 segundos, aliado à capacidade de processar centenas de solicitações por segundo durante os picos de carga, cumpriu esse requisito. A Sardine também permite aplicar a cobertura de forma seletiva por categoria de produto, em vez de uniformemente a todas as transações. Para a Asoview, isso significou concentrar a detecção nas categorias de maior risco sem aumentar os custos operacionais nas demais, resultando em uma estrutura de custos mais justificável do que uma cobertura generalizada.
Biometria comportamental e inteligência de dispositivos
A abordagem de deteção que mais se destacou foi a combinação de biometria comportamental e inteligência de dispositivos. A Sardine analisa sinais comportamentais subtis, incluindo os movimentos do rato, o ritmo de digitação e a inclinação do smartphone, para distinguir a atividade automatizada da de utilizadores reais. «Numa era em que a IA generativa torna cada vez mais fácil fabricar informações pessoais, os padrões comportamentais inconscientes são muito mais difíceis de falsificar», afirmou Ebe. «É precisamente aí que esta abordagem de deteção se destaca.»
A capacidade da Sardine de identificar a verdadeira origem da conexão, mesmo quando os endereços IP são manipulados para fazer com que acessos do exterior pareçam domésticos, foi um diferencial prático. A Asoview observa regularmente esse tipo de falsificação nos dados de suas transações, e Ebe destacou que o impacto foi perceptível desde o início da implementação.
A arquitetura híbrida, que combina IA e lógica baseada em regras, preencheu uma lacuna que cada uma dessas abordagens, isoladamente, deixa em aberto. A IA pura leva tempo para alcançar uma precisão confiável diante de novos padrões. As regras, por si só, não conseguem se adaptar com rapidez suficiente à medida que as táticas mudam. As duas camadas se complementam, e é isso que importa em produção.
Implementação e operações contínuas
A equipa interna de desenvolvimento da Asoview ficou responsável pela integração, que entrou em produção em menos de um mês, mais rapidamente do que o previsto. A configuração inicial baseou-se sobretudo em regras, enquanto o modelo de IA aumentava a sua precisão à medida que os dados das transações se acumulavam. As alterações às regras são geridas pela DGBT, parceira de distribuição da Sardine no Japão. A Asoview transmite os dados e o feedback relativos a fraudes, e a DGBT trata dos ajustes sem exigir ciclos de desenvolvimento por parte da equipa interna. Quando é necessário bloquear imediatamente um padrão específico, a equipa de consultoria da DGBT converte-o diretamente em lógica de regras.
Os resultados: menos fraudes, falsos positivos estáveis
A Asoview entrou em operação em agosto, no auge da temporada de verão. As taxas de transações fraudulentas caíram significativamente já no primeiro mês, justamente nas condições que mais pressionavam o sistema.
"Agora, bloqueamos fraudes com precisão cirúrgica, usando parâmetros granulares, como sistema operacional, tamanho da tela e sinais comportamentais, sem prejudicar a experiência de compra dos clientes legítimos."
A Sardine está bloqueando fraudes por meio de sinais granulares, incluindo sistema operacional, tamanho da tela e padrões comportamentais, sem criar obstáculos para clientes legítimos no momento do pagamento. Os falsos positivos não aumentaram. Com a redução dos contatos relacionados a fraudes, a capacidade da equipe de suporte deixou de ser direcionada ao tratamento de incidentes e passou a se concentrar nas principais questões de atendimento.
Olhando para o futuro: escalar à medida que a superfície de ataque aumenta
A Asoview está expandindo sua atuação de atividades e lazer para eventos e categorias relacionadas a viagens, além de acelerar sua expansão internacional. Novas regiões geográficas e uma oferta mais ampla de produtos implicam uma superfície de ataque maior.
Os dados de fraude acumulados pela Asoview retroalimentam o modelo da Sardine, aumentando a precisão da detecção ao longo do tempo. O plano é recorrer cada vez mais a esse modelo de IA à medida que os dados se acumulam, avançando para uma detecção mais precisa e reduzindo a dependência de regras manuais. "Os dados de fraude que acumulamos contribuem para o aprimoramento do modelo da Sardine, o que, por sua vez, aumenta a precisão da nossa própria detecção", afirmou Ebe. "É uma relação cumulativa, em que ambas as partes se fortalecem mutuamente. É esse tipo de dinâmica sustentável e vantajosa para todos que pretendemos manter."