Skip to main content
A- A+

Como prevenimos fraudes por voz? Desafios e aprendizados

A Minds Digital desenvolveu algoritmos próprios de machine learning para identificar pessoas pela voz e mapear comportamentos suspeitos em canais de atendimento. Neste podcast, você vai descobrir como prevenimos fraudes...

A Minds Digital desenvolveu algoritmos próprios de machine learning para identificar pessoas pela voz e mapear comportamentos suspeitos em canais de atendimento. Neste podcast, você vai descobrir como prevenimos fraudes por voz e quais aprendizamos extraímos até agora.


 

Se você já teve o seu cartão de crédito fraudado, te damos as boas-vindas ao clube! O constante vazamento de dados sensíveis tem tornado cada vez mais difícil bloquear as ações de fraudadores que conseguem se passar por você. Para dar conta de tantas ameaças, a inteligência artificial tem sido uma forte aliada no trabalho de gestão de risco e prevenção de fraudes em empresas, por exemplo, com produtos e serviços financeiros. Afinal, a IA escala ações e processos em um volume humanamente impossível!

Aqui, na Minds Digital, desenvolvemos uma IA que identifica e autentica pessoas por meio da biometria de voz, justamente com o objetivo de aumentar a segurança no ecossistema financeiro. Para desvendar como acontece essa mágica, Open Your Minds com Vitor Rodrigues, nosso Cientista de Dados, e com o Igor Hufnagel, nosso CTO. Pegue o seu café e acesse este conteúdo completo no podcast ou leia os principais pontos no texto a seguir!

Como é possível identificar fraudes de identidade por meio da biometria de voz?

 

Vitor Rodrigues (Cientista de Dados):

“Uma das maneiras mais intuitivas seria pensar: a gente vai gravar a voz de uma pessoa e considerar essa gravação a biometria dela. É semelhante quando a gente considera uma foto como a biometria facial ou até mesmo quando a gente coloca uma digital no nosso celular pela primeira vez. A partir desse momento, a gente consegue comparar novas gravações com essa biometria já cadastrada e chegar à conclusão se é ou não é a mesma voz.

Um cenário até um pouquinho mais complexo é quando a gente consegue comparar (…) essa gravação de voz com diversas outras gravações [de outras pessoas]. Como, por exemplo, comparar com o banco já conhecido de fraudadores. Então, a gente consegue chegar à conclusão se aquela voz especifica é a voz de um fraudador ou não.”

 

Como funciona a implementação desse mecanismo antifraude?

 

Vitor Rodrigues (Cientista de Dados):

“Por ser um modelo de inteligência artificial, a gente tem a etapa que consiste em pesquisa e entendimento do problema (…). Neste caso, fazemos o treinamento ‘teste’ até a avaliação da performance em cenário real deste modelo. A outra etapa consiste no desenvolvimento do sistema em si, que vai suportar esse modelo para ele ser utilizado neste cenário real. Entra nessa parte (…) a construção do sistema em si e do portal que o cliente consegue interagir e visualizar os seus dados.

Todas essas etapas já foram desenvolvidas aqui por parte da Minds Digital. A gente tem um time focado especificamente para evolução deste modelo de inteligência artificial e outra equipe específica para focar na parte do desenvolvimento deste sistema e deste portal.

Igor Hufnagel (CTO):

“Eu acho que é importante adicionar que a plataforma foi pensada desde o início para ser um SAS e exigir o mínimo de esforço em termos de integração. (…) Em termos práticos, o que a gente precisa é receber um pedaço do áudio do cliente para que a nossa API possa fazer uma análise e retornar o resultado: se é ali de fato uma fraude ou não, ou se tem um comportamento estranho ali ou não.

Hoje, a gente em apenas alguns segundos consegue validar, além da voz do usuário, se existe algum comportamento suspeito naquela conta. Por exemplo, se tem ligações de DDDs ou telefones diferentes, além de outras ações e insights suspeitos, que a gente consegue identificar através dos nossos algoritmos de machine learning e da integração com o CRM do cliente.”

 

Como vocês orientam as empresas a lidar com “falso positivo” ou “falso negativo” na identificação de uma pessoa?

 

Vitor Rodrigues (Cientista de Dados):

“Quando a gente fala do modelo de inteligência artificial em uma tarefa com dois possíveis cenários, os cenários são: é a mesma voz ou não é a mesma voz? A gente tem os possíveis casos: temos os acertos, quando o modelo conseguiu dizer se era ou não a mesma voz da forma correta, e temos os casos em que o modelo diz que é a mesma voz, é a mesma pessoa, mas na verdade não era — isso seria um caso de falso positivo. (…) O mesmo pode ocorrer do outro lado, quando as vozes eram da mesma pessoa e o modelo disse que eram vozes diferentes — isso seria um caso de falso negativo. Cada empresa (…) pode considerar um desses casos mais prejudiciais do que o outro.”

Igor Hufnagel (CTO):

“Exatamente! É importante saber que na biometria de voz, como o Vitor explicou, assim como qualquer outra biometria ou algoritmo, pode acontecer tanto um falso positivo quanto um falso negativo. Por isso, a gente trabalha no início muito próximo do cliente para calibrar o modelo de acordo com a situação de cada cliente. (…)

Além disso, a nossa plataforma, quando identifica algum comportamento suspeito ou que aquela voz não é o cliente, o que ela faz é abrir uma flag para o time de prevenção à fraude do cliente atuar, então, não necessariamente ela toma uma ação sozinha. É claro que isso pode ser configurado caso o cliente já queira trabalhar dessa forma, mas normalmente o que a gente vê nos clientes é que ela abre uma flag para a equipe de prevenção do cliente investigar e aí nossa plataforma oferece todo um histórico, com alguns insights ali para suportar essa análise (…). Aí cada cliente pode optar pela forma como se sente mais confortável em trabalhar. Tem alguns clientes que preferem abrir a flag para o time de prevenção e travar as operações lá no call center, como alteração de dados cadastrais ou emissão de segunda via de cartão, por exemplo. Já tem outros que preferem usar a biometria como um dos fatores ao lado de outro bureau. Aí vai depender de cada cliente.”

 

Quais foram os principais insights e aprendizados que vocês tiveram acompanhando o dia a dia e dando suporte às empresas?

Igor Hufnagel (CTO):

“Um episódio interessante foi quando a gente conseguiu identificar e mapear a atuação de uma quadrilha em um de nossos clientes. Era tão absurdo o que os fraudadores faziam, eles chegavam a imitar a voz de pessoas idosas para enganar os atendentes. Eles chegaram a utilizar mais de 1200 números de telefones diferentes para aplicar as fraudes.

Foi muito gratificante porque o nosso algoritmo conseguiu mapear toda essa rede de fraudes e a gente passou esses dados para o cliente para além de ajudar eles a evitar essas fraudes, proteger os próprios clientes que estavam sofrendo as fraudes, muitos deles idosos, que não tem uma situação financeira muito boa e ainda tem que passar por toda aquela dor de cabeça de sofrer uma fraude.

Além disso, falando sobre TI, a gente está aprendendo bastante sobre processamento, paralelismo e performance. Estamos trabalhando numa nova arquitetura para o produto, totalmente baseada em microsserviços, eventos e paralelismo para que a gente consiga suportar a escalabilidade do produto e otimizar a performance para retornar os resultados ainda mais rápidos para os clientes.”

Quais dicas dão para quem quer implementar a biometria de voz?

Vitor Rodrigues (Cientista de Dados):

“Eu acho que para mim o principal é entender como a biometria vai se encaixar naquela empresa. Como os resultados vão ser de fatos consumidos e utilizados ali no dia a dia ou até mesmo como melhorias para os próprios usuários daquela empresa, que é para tentar maximizar e tentar ter o maior benefício possível de ter implementado essa solução da biometria de voz.”

Igor Hufnagel (CTO):
“Assim, a dica que eu dou é começar! É uma tecnologia nova, mas ela tem mostrado que é bem eficiente e já estar ajudando aí as empresas, além de melhorar a experiência do cliente, evitar milhões de reais em prejuízos por causa de fraude. Então, assim, para quem tiver curiosidade, lá no nosso site tem um case bem bacana do banco BMG, a gente conta mais em detalhe como foi feito a integração com ele. Inclusive, um depoimento do Mazon, que é um dos diretos do banco. Vale a pena, quem tiver curiosidade, dar uma olhada. E claro, pode entrar em contato com a gente, pode adicionar a gente no LinkedIn, mandar pergunta e se quiser marcar uma demonstração que a gente vai ter maior prazer e mostrar como a solução funciona na prática.”

 

 

Confira o depoimento do Mazon, diretor do Banco BMG, sobre a autenticação por voz:

 

 

 

Close Menu