Ir para o conteúdo principal

Artigo

A IA está ajudando os bancos a economizar milhões ao transformar a prevenção de fraudes em pagamentos

Aproveitando a IA para reduzir perdas por fraude, aumentar as taxas de aprovação e fortalecer a confiança do cliente.

Publicado: 06/02/2026 | Atualizado: 03/11/2026

modelo

Artigo em resumo:

  • Em média, as organizações perderam $ 60 milhões globalmente com fraudes em pagamentos em um ano, de acordo com uma pesquisa de 2025 da Mastercard. 
  • Golpes de falsidade ideológica estão aumentando rapidamente, impulsionados pela IA generativa (IA gen) e resultando em fraudes.
  • Ferramentas de IA que usam dados e tendências em tempo real podem ajudar a interromper fraudes antes que ocorram — e reduzir perdas.
  • 83% dos líderes do setor afirmam que a IA reduziu os falsos positivos e o churn, marcando uma nova era na prevenção de fraudes.

O impacto de dois gumes da IA na fraude em pagamentos

A expansão das redes de pagamento em tempo real criou novas oportunidades para fraudes. As transações são processadas em segundos, tornando a janela para detecção e desvio menor. Enquanto isso, os criminosos criam ataques que movem o dinheiro rapidamente por várias contas antes de serem pegos.

Esses fraudadores usam IA generativa para aplicar golpes de engenharia social e organizar transações rápidas com mais precisão. De acordo com um relatório da Deloitte, a IA generativa pode impulsionar US$ 40 bilhões em perdas por fraude nos EUA até 2027 — mais que o triplo dos US$ 12,3 bilhões vistos em 2023. Ao automatizar o fluxo de fundos entre contas em diferentes instituições, os fraudadores podem obscurecer o rastro e complicar a recuperação.

Mas os bancos também estão intensificando — usando a IA para revidar mais rapidamente. No passado, as equipes de prevenção a fraudes definiam regras manuais para decidir quais transações aprovar ou bloquear. Agora, a IA pode analisar dados para detectar padrões incomuns e tomar decisões de autorização mais inteligentes em tempo real.

Essa mudança já está trazendo resultados. relatório de 2025 da Mastercard sobre prevenção a fraudes em pagamentos, produzido em parceria com a Financial Times Longitude, constatou que 42% dos emissores e 26% dos adquirentes ​​​​​​​​economizaram mais de $ 5 milhões em tentativas de fraude nos últimos dois anos graças à IA. Mas, para aproveitar ao máximo a IA na prevenção a fraudes, as organizações precisam de dados de alta qualidade que alimentem os modelos e permitam tomar melhores decisões sobre riscos.

Deepfakes, identidades sintéticas e outras formas como a IA está alimentando fraudes de pagamento

Uma pesquisa da Mastercard constatou que as organizações perderam, em média, $ 60 milhões com fraudes em pagamentos no último ano. E, à medida que a IA ajuda os fraudadores a criar golpes mais convincentes, espera-se que essas perdas continuem aumentando:

  • Criminosos utilizam IA para analisar grandes volumes de dados disponíveis publicamente e criar golpes altamente direcionados.
  • Com ferramentas de IA generativa acessíveis, os fraudadores podem criar mensagens de phishing convincentes e vitrines falsas, estabelecer contas de lojas de fachada ou fantasmas e gerar clones de voz sintéticos e vídeos deepfake em escala, facilitando a manipulação de vítimas para aprovar transações fraudulentas.

Ao mesmo tempo, à medida que os pagamentos em tempo real ganham popularidade, as instituições financeiras têm apenas uma pequena janela para identificar e bloquear tentativas de fraude impulsionadas por IA. É por isso que os líderes da indústria de pagamentos estão observando de perto uma variedade de riscos de fraude:

  • Os líderes veem a fraude de identidade sintética (61%), golpes de falsidade ideológica (60%) e fraude transfronteiriça (54%) como as ameaças que mais crescem no próximo ano. A fraude de identidade sintética, que envolve a combinação de informações pessoais roubadas com detalhes fabricados para criar uma identidade falsa, está aumentando à medida que os fraudadores usam IA para analisar grandes conjuntos de dados e criar perfis mais convincentes.
  • Outros riscos crescentes incluem fraude no comércio eletrônico (47%), abuso de Compre Agora, Pague Depois (BNPL) (42%) e deepfakes (21%). As preocupações com fraudes no comércio eletrônico e abuso de BNPL, quando agentes mal-intencionados criam contas ou transações BNPL não autorizadas, ressaltam a necessidade de proteções mais fortes ao cliente em todo o cenário de pagamentos digitais.

Como a IA ajuda os bancos a economizar milhões ao melhorar a prevenção de fraudes

Noventa por cento dos líderes de pagamento esperam maiores perdas financeiras nos próximos três anos se não aumentarem o uso de IA na prevenção de fraudes.

Felizmente, existem várias maneiras de aplicar IA para prevenção de fraude, desde a análise de padrões de transação até a redução de revisões manuais. Muitas instituições já estão gerando um alto retorno sobre o investimento (ROI) como resultado:

  • 85% dos entrevistados relatam ver retornos ao usar IA para triagem e investigação de casos de fraude, reconhecimento de padrões de transação e detecção em tempo real de transações suspeitas.
  • 83% dizem que a IA acelerou significativamente seu processo de investigação de fraudes e resolução de casos.

​​​Ainda assim, é importante lembrar que o investimento sustentado leva aos maiores ganhos. As organizações que usam IA há mais de cinco anos relatam uma economia de US$ 4,3 milhões em receita perdida, quase o dobro da economia média de US$ 2,2 milhões.

Simultaneamente, os líderes sabem que manter a IA atualizada à medida que as táticas de fraude evoluem é um obstáculo significativo. Para se defender de ameaças novas e emergentes, as ferramentas de IA precisam aprender e se adaptar em tempo real.

Como ferramentas avançadas de IA aceleram a detecção de fraudes, reduzem falsos positivos e melhoram a tomada de decisão

Com ferramentas de IA que incorporam dados quase em tempo real e insights contextuais, as organizações podem tomar decisões de autorização mais eficientes para aumentar as taxas de aprovação e manter os clientes satisfeitos.

Acelere a detecção de fraudes com insights em tempo real

O problema: Historicamente, os bancos têm usado sistemas baseados em regras para aprovar ou bloquear transações. Por exemplo, um banco pode definir uma regra para sinalizar compras acima de um determinado valor em dólares ou negar transações originadas de locais incomuns. Mas aqui está o problema: processos manuais rígidos podem retardar a detecção de fraudes, especialmente à medida que os golpes se tornam mais rápidos e complexos. Emissores e adquirentes não têm visibilidade igual nas carteiras uns dos outros, criando lacunas à medida que a fraude tem como alvo todos os estágios do ciclo de vida do pagamento, incluindo, cada vez mais, o nível da Loja, onde sinais de risco relevantes podem estar fora da visão de um emissor individual.

A solução: Soluções de IA podem superar facilmente essa limitação, analisando milhões de pontos de dados para avaliar rapidamente o risco da transação e oferecer insights em tempo real. Isso significa que os bancos podem identificar ameaças emergentes à medida que elas se desenvolvem e tomar decisões informadas rapidamente, minimizando o atraso na detecção.

Não é de surpreender que 80% das organizações relataram que a IA ajudou a eliminar revisões manuais desnecessárias. Esse potencial Become ainda mais poderoso quando a IA é combinada com a inteligência de rede global da Mastercard para gerar pontuações de risco e insights preditivos que ajudam a combater fraudes. A solução Decision Intelligence Pro (DI Pro) da Mastercard ajuda exatamente nisso: ela fornece uma pontuação de risco e insights em tempo quase real durante a autorização.

Complementando o DI Pro, o Loja Scam & Risk Indicator (MSRI) da Mastercard é uma nova ferramenta baseada em IA que também fornece uma pontuação de risco preditiva no nível do lojista e um código de motivo durante a autorização, ajudando os emissores a identificar lojas com risco elevado de golpes e fraudes mais rapidamente. Juntos, esses insights podem ajudar os bancos a tomar decisões mais fundamentadas durante a autorização, concentrando a revisão manual onde é mais necessária.

Reduzir os falsos positivos com o contexto dos gastos

O problema: como as regras de autorização estáticas carecem de nuances, elas frequentemente resultam em falsos positivos, isto é, quando transações legítimas são incorretamente identificadas como fraudulentas e recusadas ou sinalizadas para revisão. Além de criar trabalho extra para as equipes internas, isso também prejudica a experiência do cliente. 

A solução: modelos avançados de IA podem analisar diversos pontos de dados para avaliar o risco de fraude com precisão. Por exemplo, se um cliente que costuma comprar roupas de preço médio de repente compra vários itens de moda de luxo durante uma promoção sazonal, modelos avançados de IA podem analisar fatores como histórico de compras, credibilidade da loja e timing para determinar se esse aumento nos gastos é legítimo.

Esse insight contextual impulsiona decisões de autorização mais precisas que evitam fraudes sem aumentar o atrito para os clientes. De fato, 83% dos entrevistados relatam que a IA reduziu significativamente os falsos positivos e as taxas de rotatividade de clientes no último ano. 

Tome decisões mais inteligentes com insights valiosos

O problema: Embora a IA possa oferecer suporte à detecção de fraudes em tempo real, ela requer dados de alta qualidade para permanecer eficaz. Os líderes compreendem essa demanda, com 64% dos entrevistados afirmando que precisam acelerar o acesso a fontes de dados novas e confiáveis para acompanhar as ameaças em evolução. Quarenta e um porcento consideram os dados de lista de observação e lista de bloqueio entre os conjuntos de dados mais importantes para atingir suas futuras metas de prevenção de fraudes, e quase um terço diz o mesmo sobre os dados de lojas.

A solução: Modelos eficazes de detecção de fraude por IA integram dados de todo o ecossistema de pagamentos, incluindo inteligência da rede de cartões, indicadores de risco em nível de loja e insights de identidades digitais dos consumidores.

Por exemplo, uma ferramenta de IA pode avaliar o risco de uma loja com base em taxas históricas de fraude, ao mesmo tempo em que analisa a contagem de velocidade do cliente, que rastreia a frequência com que ações como compras ou alterações de conta ocorrem em um curto período.

Usando IA avançada e o algoritmo Mastercard Loja User Connected Intelligence (MUCI), o DI Pro conecta padrões em usuários, lojas e transações para fornecer contexto, não apenas uma pontuação. O MSRI usa um modelo de rede neural de gráfico (GNN) para identificar lojas com risco elevado, baseando-se em relacionamentos entre lojas, cartões, grupos de violação e entidades comprometidas e informados pela rede da Mastercard e inteligência de ameaças cibernéticas.

No futuro, o sucesso das organizações com a detecção de fraudes por IA dependerá de dois fatores: a capacidade de um modelo de analisar grandes volumes de dados e sua habilidade de combinar padrões históricos e informações recentes para auxiliar na tomada de decisões.

Fortaleça as defesas contra fraudes e proteja a confiança do cliente com IA

A IA generativa está mudando o cenário de fraudes. Os fraudadores estão mais rápidos e adaptáveis com a IA — e as instituições financeiras também devem estar.

A solução Decision Intelligence Pro da Mastercard usa IA e insights orientados pela rede para analisar e pontuar transações com base no nível de risco. Complementando esses insights no nível da transação, o MSRI usa três modelos de IA preditiva para avaliar dimensões distintas do risco da loja, oferecendo uma única pontuação de risco da loja que pode ser usada no momento da autorização. Com insights mais ricos, você pode tomar decisões de autorização com confiança, aprovar mais transações genuínas e proteger a receita à medida que as táticas de fraude continuam a evoluir.

Pronto para transformar suas defesas contra fraudes com IA? Saiba como Decision Intelligence Pro e Loja Scam & Risk Indicator podem ajudar você a identificar riscos de fraude mais cedo e proteger os clientes.

Perguntas frequentes sobre IA generativa para deteção e prevenção de fraudes em pagamentos

A IA melhora a detecção de fraude em pagamentos ao analisar rapidamente os padrões de transação, as tendências dos clientes e a atividade das lojas. Ao contrário dos sistemas tradicionais baseados em regras, a IA pode detectar anomalias com maior precisão e sinalizar transações de alto risco antes que ocorram perdas. 

A IA pode ajudar a reduzir falsos positivos avaliando as transações no contexto. Ele analisa dados como preferências do cliente e perfis de lojas para fornecer decisões de autorização mais precisas, criando uma experiência mais fluida para os clientes. 

Modelos de IA que combinam dados históricos, sinais em tempo real e contexto de gastos suportam uma forte prevenção contra fraudes. Modelos ricos em dados podem avaliar o risco da transação com mais precisão em tempo real, uma vantagem chave à medida que os ataques de fraude crescem mais rapidamente e se tornam mais sofisticados.

Este blog apresenta insights de uma pesquisa da Mastercard e do Financial Times Longitude com 300 executivos de toda a indústria de pagamentos. As outras pesquisas citadas neste artigo não são afiliadas à Mastercard.

Contact sales

Talk to an expert to learn how Mastercard can enhance your business through our products and services.

Mastercard