por Matheus Raposo*
Prevenir
fraudes e chargebacks, aumentar a taxa de aprovação das transações e reduzir os
custos com ferramentas antifraude certamente são alguns dos principais
objetivos e resultados-chave presentes em praticamente todas as estruturas
antifraude de plataformas digitais, como e-commerces, fintechs e até mesmo
bancos digitais.
No
entanto, orquestrar um sistema de prevenção a fraudes que seja capaz de
garantir a superação das expectativas em todos esses quesitos pode ser uma
tarefa desafiadora. Isso porque, muitas vezes, as abordagens tradicionais das
ferramentas antifraude transacionais operam de modo a torná-los parte de um
trade-off. Por exemplo, para garantir um nível de controle de chargeback, as
taxas de aprovação geralmente costumam cair, o que pode gerar comprometimento
da experiência de usuários e até mesmo a frustração de clientes fiéis que não
conseguem concluir suas jornadas nas plataformas digitais.
Além
disso, a eficácia das avaliações fica comprometida nas abordagens transacionais
de antifraude, já que temos vivenciado cenários de mega vazamentos de dados,
sendo o maior deles de 223 milhões de brasileiros, que aconteceu no início de
2021. Como tais algoritmos basicamente comparam os dados cadastrais e transacionais
de usuários ao histórico de transações previamente realizadas pelo usuário para
direcionar a tomada de decisão quanto a aprovação ou reprovação da transação,
um fraudador, em posse de dados de usuários com bom histórico, pode burlar
estas camadas de proteção tradicionalmente utilizadas.
A
abordagem da biometria comportamental parte do pressuposto de que o indivíduo
mal-intencionado pode até conseguir fraudar os dados inseridos para efetuar
transações, mas não consegue enganar o comportamento adotado durante a sessão.
Sua conduta no decorrer de toda a jornada, desde o momento que começa a
interagir com a aplicação ou com a plataforma web, mesmo antes de efetuar seu
login, já começa a ser avaliada para identificar riscos de fraudes antes da
monetização, ou seja, quando aquela sessão se converte em uma transação.
Isso
aumenta o tempo para reação e permite, por exemplo, criar desafios para se
certificar de que realmente se trata do próprio titular da conta realizando uma
transação, e não um fraudador com o objetivo de se beneficiar financeiramente
com as transações. Tudo isso sem nenhum tipo de comprometimento da fluidez da
experiência do usuário na plataforma.
Pela
biometria comportamental, são avaliadas mais de 200 variáveis de comportamento
do usuário, desde a navegação e padrão de uso, passando pelos atributos de
dispositivo e da rede. Tudo por meio de um algoritmo de inteligência
artificial, que além de atribuir um score para o risco de fraude, oferece
insights que explicam o que disparou o alerta, permitindo conhecer casos e
modus operandi de fraude, além de facilitar a integração com outras soluções
desta esteira.
Outro
ponto que merece destaque é que geralmente o custo com as ferramentas
antifraude transacional é variável e depende da quantidade de transações
analisadas no ambiente da empresa, sejam elas aprovadas ou não. Assim, ao
adotar uma camada adicional de proteção que analisa as características da
sessão, é possível reduzir o volume de análises solicitadas para as soluções de
antifraude transacionais, reduzindo os custos totais, uma vez que a licença da
ferramenta de biometria comportamental é anual e tem um custo fixo acordado no
início do período, sem surpresa ou valores adicionais.
Recomenda-se
incialmente projetar uma redução de custos baseada naquelas sessões de score de
riscos mais elevados. Num segundo momento, com maior segurança na camada de
biometria comportamental e com o avanço do treinamento do algoritmo para
identificar transações com baixo risco de fraude, é comum que as empresas
passem a abrir mão também das análises de ferramentas transacionais para
aquelas sessões com risco de fraude muito baixos, otimizando ainda mais sua
estrutura de custos com antifraude.
Mesmo
para aquelas sessões com score de fraude mediano em que a abordagem mais
recomendada continua sendo a utilização de pelo menos mais uma camada de
proteção composta por uma ferramenta de antifraude transacional, existem
soluções cuja proposta é garantir a maior taxa de aprovação possível, se
comprometendo com a restituição de todo o chargeback em virtude da
aprovação de falsos positivos.
Desse
modo, por meio da orquestração de um sistema de prevenção a fraudes composto de
camadas integradas de proteção considerando toda a jornada, desde o início da
sessão, com a avaliação da biometria comportamental, e as análises otimizadas
de uma ferramenta de antifraude transacional que assegure os diagnósticos, é
possível vencer o desafio de aumentar a taxa de aprovação, controlar fraudes e
chargebacks e diminuir custos com ferramentas antifraude transacionais sem
comprometer a experiência de clientes em plataformas digitais.
*Matheus Raposo é consultor
master em Riscos e Performance na ICTS Protiviti, empresa especializada em
soluções para gestão de riscos, compliance, ESG, auditoria interna,
investigação e proteção e privacidade de dados.