Banco BMG previne R$ 4 milhões com a biometria de voz da Minds Digital

Nos últimos anos, o banco notou um aumento no volume de reclamações de fraudes no call center, especialmente no setor de cartão de crédito. Esse aumento acompanhou uma tendência nacional: segundo a Febraban, em 2021, os golpes contra clientes de bancos cresceram 165%.

Os responsáveis pelo setor de prevenção do Banco BMG sabiam que precisavam encontrar uma saída inovadora, especialmente por causa do alto volume de ligações diárias. Além disso, o processo de identificação tradicional realizado pelos atendentes já não era suficiente.

Outro problema percebido pela área de prevenção era de que os mesmos fraudadores ligavam para cometer várias fraudes em contas de clientes diferentes.

Por isso, era preciso ter uma solução escalável e eficaz. Nesse momento, os representantes decidem procurar uma solução que analisasse a voz de quem está ao telefone para tentar solucionar o problema. Mas, qual seria essa tecnologia?

Na parceria com a Minds Digital, inicialmente, foram testados alguns modelos tradicionais de speaker identification — ou reconhecimento de voz.

Contudo, o resultado não foi satisfatório pelas características do áudio de um call center. A qualidade do áudio por telefone é diferente da qualidade da gravação de um microfone. Nosso Cientista de Dados, Dalisson Figueiredo, explica:

“O áudio ou qualquer som é o que chamamos de sinal analógico contínuo. Quando são gravados, o que temos na verdade são amostras em intervalos regulares — essa é a taxa de amostragem, ou sample rate. Quanto mais trechos for possível registrar, mais próximo do original estará a versão gravada.”

Quando gravamos um áudio, captamos pequenos trechos daquela onda contínua — os pontos onde estão o símbolo “+” na imagem. Como se trata de uma fração de milissegundos de diferença, geralmente não percebemos os cortes, apenas uma variação na qualidade do som. Por isso, quanto mais amostras forem captadas por segundo, melhor a qualidade.

Nas gravações por telefone, há um sample rate de 8.000 Hz por causa da compactação realizada na transmissão — o que é bem baixo. Em áudios de WhatsApp, esse valor é de 16.000 HZ.

Por causa dessa limitação, foi preciso mudar a estratégia. A Minds, então, decidiu treinar uma rede neural específica para áudios com essa característica, adaptando a tecnologia à realidade do cliente. Como explica Vinícius Ferrari, Coordenador de Experiência do Cliente no Banco BMG:

“A forma prática de integração da solução e flexibilidade da Minds para se adequar à nossa plataforma de atendimento foram essenciais para o sucesso e rápida implementação do projeto.”

Os resultados mostraram que a estratégia estava correta. Com o novo modelo, a solução alcançou uma acurácia de 94% para os áudios do call center do Banco BMG. Ou seja, em 94% das análises dos áudios, a autenticação da voz indicava de forma correta se a pessoa que estava ao telefone era quem dizia ser. Atualmente, essa acurácia está acima de 98%.

Eduardo Mazon, do Banco BMG, fala sobre o sucesso da parceria:

Com o problema técnico resolvido, o fator humano é o próximo obstáculo a ser superado. Para que a biometria funcione, é necessário que o cliente já tenha ligado pelo menos uma vez para o call center, pois para realizar a comparação é necessário que exista a voz do cliente cadastrada.

Às vezes, o fraudador liga se passando pelo cliente que ainda não têm essa biometria registrada. Porém, mesmo que o fraudador seja capaz de enganar o sistema uma vez, a sua voz vai para a blocklist colaborativa de fraudadores e, nas próximas tentativas, ele não terá sucesso.

Ao analisar os dados do histórico de ligações dos clientes do BMG, com técnicas de machine e deep learning, a Minds Digital descobriu a atuação de uma quadrilha de fraudadores. O grupo realizava tentativas de fraude com dados vazados de mais de 400 clientes, utilizando cerca de 1.200 números de telefones diferentes.

Como foi possível descobrir esse esquema?

A nossa tecnologia identifica se a voz que está ao telefone é diferente daquela cadastrada na base de dados. Caso isso aconteça, o atendente do call center consegue incluir aquele número de telefone ou CPF na blocklist, para prevenir que a mesma pessoa ou telefone realize ataques futuros.
Com a identificação da quadrilha, percebemos que somente criar uma blocklist para vozes ou número de telefones não seria suficiente, pois os fraudadores são capazes de utilizar números de telefones dinâmicos para driblar esse tipo de processo. Então, ao aprofundar as análises, percebemos alguns padrões na atuação da quadrilha. Em seguida, construímos um modelo para identificar esses e outros padrões de comportamento suspeitos, em um grande volume de dados.

Logo no início, os resultados alcançados pela solução foram impressionantes. Em apenas 6 meses desde a implantação, o projeto atingiu um ROI de 4x o valor investido e economizou R$ 4 milhões.
Além de gerar um retorno financeiro expressivo, a reputação da marca é protegida contra a ação de pessoas mal-intencionadas e o índice de satisfação dos clientes aumenta consideravelmente.

Antônio Charles, um dos Especialistas em Prevenção à Fraude do Banco BMG responsável pelo projeto, falou sobre o sucesso da solução:

Cerca de dois anos depois, os números estão ainda melhores:

A nossa tecnologia está sempre em constante evolução. O algoritmo agora é capaz de reconhecer o histórico de ligações dos clientes mais fraudados, aumentando a capacidade de identificar uma ação fraudulenta. Além disso, a biometria de voz também pode ser feita em locais externos e com barulho ao fundo, garantindo a melhor experiência para os seus clientes.

Saiba mais: Como funciona a autenticação de voz em ambientes externos?

Assim como fizemos para o BMG, queremos levar a melhor tecnologia de prevenção à fraude para a sua empresa. Agende uma conversa e veja como a Minds pode ajudar o seu negócio.