Dock desenvolve 'Score Laranja' para antecipar sinais de risco e identificar contas suspeitas usando IA

Identificar uma conta laranja antes que ela seja efetivamente usada para fins ilícitos é um dos desafios mais complexos de prevenção de fraudes no sistema financeiro. A Dock, em colaboração com a Databricks e Indicium AI, desenvolveu o "Score Laranja", modelo de inteligência artificial criado para identificar, com antecedência, padrões de comportamento associados a contas de maior risco e ampliar a janela de atuação das equipes de prevenção. A iniciativa será apresentada durante o Febraban Tech, evento do setor financeiro que acontece entre os dias 24 e 26 de agosto, em São Paulo.

Testado em uma base de mais de 1,2 milhão de contas de pessoas físicas e jurídicas, o Score Laranja combina dados transacionais, IA, análise comportamental e redes de relacionamento. Ao todo, o modelo analisa 26 variáveis para atribuir a cada conta um nível relativo de risco. Em um dos casos avaliados, o Score Laranja sinalizou como suspeita uma conta 37 dias antes de a fraude ser registrada. 

O modelo foi desenvolvido com base na Databricks Data + AI Platform, que a Dock utiliza como base para suas iniciativas de dados e IA corporativa, desenvolvendo e implementando agentes de IA diretamente com a segurança e a governança necessárias para uma análise nessa escala.

“Nosso objetivo não é afirmar que um modelo consegue prever uma fraude com certeza, mas aumentar a capacidade de identificar com antecedência contas que merecem uma investigação mais aprofundada. Quanto mais cedo identificamos sinais de comportamento de risco, maior é a janela de atuação das equipes de prevenção”, afirma Thiago Cunha, VP Trust Security & Financial Crime para a América Latina da Dock.

O Score Laranja parte da premissa de que a identificação de uma conta suspeita não pode depender apenas da análise de documentos ou informações cadastrais. Uma conta pode ser aberta regularmente e, ainda assim, apresentar posteriormente um comportamento incompatível com o perfil esperado.

Mapeamento de sinais de risco

O modelo analisa características relacionadas à forma como os recursos circulam pela conta e às relações estabelecidas com terceiros. A abordagem considera aspectos como tempo de abertura da conta, velocidade de movimentação, permanência do dinheiro, características das transações e redes de relacionamento.

O Score Laranja atribui uma pontuação a cada conta a partir da combinação das características analisadas. Nos testes realizados, as pontuações obtidas permitiram ordenar as contas de acordo com o nível de risco relativo e priorizar a análise daquelas que demandam maior atenção.

Em um dos casos analisados, envolvendo uma conta PJ, a primeira movimentação via Pix ocorreu três dias após a abertura. No quarto dia, o Score Laranja já havia posicionado a conta em uma faixa de maior risco. A fraude foi registrada 37 dias depois. “A Dock está transformando sua experiência em infraestrutura financeira e dados transacionais em inteligência aplicada à prevenção de fraudes. Se a fraude opera em rede, o combate também precisa operar em rede”, afirma Cunha.

"O Score Laranja mostra o valor da IA de forma concreta: em poucas semanas, com dados reais, demonstramos o potencial de antecipar sinais de risco e ampliar a janela de atuação das equipes de prevenção. É esse tipo de evidência que dá a uma empresa a segurança para levar a IA adiante", afirma Matheus Dellagnelo, CEO da Indicium AI para América Latina.