---
title: Episódio Bônus - Construindo com Inteligência, Não com Esforço: Usando IA para Eliminar o Trabalho Mecânico na Prevenção de Fraudes, com Ben Graf
source_page: https://www.sardine.ai/pt/media/fraud-forward/episodes/episode-83-using-ai-eliminate-fraud-ben-graf
canonical: https://www.sardine.ai/pt/media/fraud-forward/episodes/episode-83-using-ai-eliminate-fraud-ben-graf
format: text/markdown
date: 2025-12-12T17:22:00.000Z
---
**Quick links:** [Human page](https://www.sardine.ai/pt/media/fraud-forward/episodes/episode-83-using-ai-eliminate-fraud-ben-graf) · [Home](https://www.sardine.ai) · [Customers](https://www.sardine.ai/pt/customers) · [Blog](https://www.sardine.ai/pt/blog) · [Demo](https://www.sardine.ai/pt/demo)
---
# Episódio Bônus - Construindo com Inteligência, Não com Esforço: Usando IA para Eliminar o Trabalho Mecânico na Prevenção de Fraudes, com Ben Graf
**Published:** 2025-12-12T17:22:00.000Z
Neste episódio bônus de Banking on Fraudology, apresentado pela Safeguard, Hailey Windham conversa com Ben Graf, um especialista autodidata em IA no setor de neobancos. Ben personifica a curiosidade e a coragem que impulsionam a próxima onda de transformação no combate a fraudes.
A conversa explora como é realmente aprender IA do zero, enfatizando que o futuro da prevenção a fraudes não é sobre substituir pessoas, mas sim sobre capacitá-las por meio da tecnologia.
### Principais aprendizados: IA, inovação e capacitação no combate à fraude
Usar IA para aprender IA
Ben explica como usou uma variedade de ferramentas de LLM, incluindo ChatGPT, Claude e Gemini, como treinadores ou mentores. Ele passou horas experimentando para entender suas capacidades, consistência e como instruí-las de forma eficaz.
Essa abordagem o ajudou a traduzir conceitos e práticas técnicas, como análise de dados, SQL e JavaScript, em conhecimento acionável para sua equipe, eliminando barreiras de comunicação.
A parte mais difícil foi saber por onde começar, mas a principal percepção foi que “algo é melhor do que nada” e que o conhecimento acumulado rapidamente reduz barreiras.
Aplicações práticas de IA para eliminar trabalhos repetitivos
Tornar as equipes mais eficientes: a IA deve ser usada para reduzir o trabalho manual e ajudar os profissionais a focar em atividades estratégicas de maior impacto.
Automatizando a verificação de documentos: a IA pode usar OCR para extrair dados, sinalizar inconsistências e gerar resumos de documentos de identidade, empresariais e de renda, que muitas vezes são as partes mais demoradas de uma análise.
Recuperação de dados e silos de sistemas: a IA pode ajudar os membros da equipe a escrever suas próprias consultas SQL para extrair dados de data warehouses, reduzindo drasticamente a dependência das equipes de dados.
Propostas de produtos e funcionalidades: ferramentas de IA podem criar protótipos completos de painéis e até gerar trechos de código, oferecendo aos engenheiros visuais mais claros e reduzindo o atrito entre as equipes de fraude e técnicas.
O poder do empoderamento e do comprometimento
A liderança desempenha um papel fundamental na criação de uma cultura em que os combatentes de fraude são incentivados a explorar e inovar.
O verdadeiro valor da economia de tempo vem de como esse tempo liberado é reinvestido, seja na redução de perdas por fraude, na melhoria da retenção de clientes ou na realização de novas iniciativas de alto impacto.
Recomenda-se que as equipes mantenham dados proprietários e informações pessoais identificáveis (PII) fora das ferramentas de IA e encontrem ambientes seguros para experimentação, lembrando que todos ainda estão aprendendo o que a IA pode ou não fazer.
Neste episódio bônus de Banking on Fraudology, apresentado pela Safeguard, Hailey Windham conversa com Ben Graf, um especialista autodidata em IA no setor de neobancos. Ben personifica a curiosidade e a coragem que impulsionam a próxima onda de transformação no combate a fraudes.
A conversa explora como é realmente aprender IA do zero, enfatizando que o futuro da prevenção a fraudes não é sobre substituir pessoas, mas sim sobre capacitá-las por meio da tecnologia.
Principais aprendizados: IA, inovação e capacitação no combate à fraude
Usar IA para aprender IA
Ben explica como usou uma variedade de ferramentas de LLM, incluindo ChatGPT, Claude e Gemini, como treinadores ou mentores. Ele passou horas experimentando para entender suas capacidades, consistência e como instruí-las de forma eficaz.
Essa abordagem o ajudou a traduzir conceitos e práticas técnicas, como análise de dados, SQL e JavaScript, em conhecimento acionável para sua equipe, eliminando barreiras de comunicação.
A parte mais difícil foi saber por onde começar, mas a principal percepção foi que “algo é melhor do que nada” e que o conhecimento acumulado rapidamente reduz barreiras.
Aplicações práticas de IA para eliminar trabalhos repetitivos
Tornar as equipes mais eficientes: a IA deve ser usada para reduzir o trabalho manual e ajudar os profissionais a focar em atividades estratégicas de maior impacto.
Automatizando a verificação de documentos: a IA pode usar OCR para extrair dados, sinalizar inconsistências e gerar resumos de documentos de identidade, empresariais e de renda, que muitas vezes são as partes mais demoradas de uma análise.
Recuperação de dados e silos de sistemas: a IA pode ajudar os membros da equipe a escrever suas próprias consultas SQL para extrair dados de data warehouses, reduzindo drasticamente a dependência das equipes de dados.
Propostas de produtos e funcionalidades: ferramentas de IA podem criar protótipos completos de painéis e até gerar trechos de código, oferecendo aos engenheiros visuais mais claros e reduzindo o atrito entre as equipes de fraude e técnicas.
O poder do empoderamento e do comprometimento
A liderança desempenha um papel fundamental na criação de uma cultura em que os combatentes de fraude são incentivados a explorar e inovar.
O verdadeiro valor da economia de tempo vem de como esse tempo liberado é reinvestido, seja na redução de perdas por fraude, na melhoria da retenção de clientes ou na realização de novas iniciativas de alto impacto.
Recomenda-se que as equipes mantenham dados proprietários e informações pessoais identificáveis (PII) fora das ferramentas de IA e encontrem ambientes seguros para experimentação, lembrando que todos ainda estão aprendendo o que a IA pode ou não fazer.