Bancos brasileiros lideram uso de IA para combater fraudes em tempo real

Sete em cada dez instituições financeiras brasileiras priorizam a inteligência artificial (IA) para detectar fraudes em tempo real. O índice supera em dez pontos percentuais a média global, que está em 60%. Os dados fazem parte de um levantamento global conduzido pela BioCatch com líderes do setor bancário, divulgado em agosto de 2026.

O principal fator por trás desse posicionamento é o Pix. Com o sistema de pagamento instantâneo, a liquidação ocorre em segundos, a qualquer hora e em qualquer dia da semana. A janela disponível para identificar e interromper uma operação fraudulenta se reduz a essa mesma escala de tempo, o que elimina o intervalo de processamento que, em outros mercados, ainda permite alguma análise antes da conclusão da transferência.

Análise de intenção como resposta à fraude autorizada

O levantamento da BioCatch mostra que o Brasil também se distancia da média global na priorização da análise comportamental e de intenção. No país, 43% dos líderes entrevistados apontam essa capacidade como prioridade de integração aos controles existentes; globalmente, o índice é de 27%, uma diferença de 16 pontos percentuais.

A explicação está no tipo de ataque que predomina no mercado brasileiro. Boa parte dos golpes atuais não envolve invasão de sistemas ou roubo de credenciais, mas a manipulação do próprio cliente para que ele execute a transação. São os chamados casos de fraude autorizada; a operação passa por todas as camadas de autenticação e conta com a confirmação do próprio titular, o que a torna tecnicamente legítima sob a ótica do banco.

O diretor de Global Advisory da BioCatch para a América Latina, Diego Baldin, explica que, nesse cenário, os sinais tradicionais de identidade e dispositivo deixam de ser suficientes. “Quando o próprio cliente autoriza a transferência, a autenticação confirma que é ele, mas não revela se ele está agindo por vontade própria ou sob orientação de um terceiro ao telefone. A análise de intenção funciona como complemento a essas camadas, olhando para o modo como a operação está sendo conduzida”, afirma Baldin.

Leia mais: Qualcomm e Amazon desenvolvem chips para centros de IA

Confiança nos modelos de detecção de anomalias

A pesquisa também aponta alta confiança nas ferramentas já implantadas. No Brasil, 83% das instituições financeiras consideram eficazes os modelos de detecção de anomalias baseados em aprendizado de máquina; na média global, o índice é de 72%.

O número coloca essa tecnologia como a mais bem avaliada entre as aplicações de IA analisadas no estudo e sugere que o mercado brasileiro já superou a fase de experimentação com esse tipo de recurso, tratando-o como camada consolidada dentro da estrutura de controles antifraude.

Golpes de personificação e lacuna de medição

Entre os desafios mapeados, a detecção de golpes de personificação é o mais complexo para o setor no Brasil. Sessenta por cento dos líderes brasileiros classificam esse desafio como muito ou extremamente difícil, contra 51% na média global. O crescimento dos golpes de engenharia social, em que criminosos se passam por funcionários de bancos, advogados ou representantes de órgãos públicos, é o principal motor dessa dificuldade. Ferramentas de IA têm ampliado o alcance e a sofisticação desses ataques, mas o vetor central segue sendo a manipulação humana.

O levantamento também expõe uma lacuna operacional relevante. Apesar da exposição a perdas de clientes decorrentes de fraude, 62% das instituições brasileiras monitoram esse impacto de forma informal ou pontual; na média global, o índice é de 49%. Sem medição estruturada, o efeito real dos golpes sobre retenção e engajamento permanece indefinido, o que impede que esse custo entre no cálculo de retorno dos investimentos em prevenção.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!