473 milhões de tentativas de fraude no primeiro semestre de 2026. Uma a cada 21 segundos. Uma em cada 100 transações. Se fosse dinheiro, R$ 573 milhões em prejuízo.
Esses foram os números que abriram o painel “Case: como decisões autônomas estão transformando a gestão de risco”, do Ideas To Move, com mediação de Cristiane Cajado, da Serasa Experian, e participação de Tatiane Pinheiro (gerente digital da L’Occitane) e Bruno Farinelli (diretor de Analytics da Serasa Experian). A conversa mostra por que a resposta a esse volume não pode mais depender só de regras fixas ou de análise manual e como a gestão autônoma de risco já está mudando os resultados na prática.
Assista ao painel completo no YouTube:
Neste conteúdo você vai ler (Clique no conteúdo para seguir)
O tamanho do problema, em números
Segundo o Mapa da Fraude Serasa Experian, no 1º semestre de 2026:
- 473 milhões de tentativas de fraude foram identificadas na base;
- isso equivale a uma tentativa a cada 21 segundos, ou 1 em cada 100 transações;
- em valores, o volume representaria cerca de R$ 573 milhões em prejuízo potencial.
No painel, o setor de beleza aparece como um dos mais visados: 33,7 mil tentativas de fraude só no primeiro semestre, refletindo a alta liquidez do produto e a diversidade de canais de venda (e-commerce, WhatsApp, loja física e revenda direta).
Fraude end-to-end contra pagamentos: por que reagir rápido importa mais que reagir certo uma vez
Um dos pontos centrais do painel é que fraude segue liquidez. Bruno Farinelli ilustra com um exemplo fora do varejo tradicional: uma plataforma de ensino de idiomas identificou fraude porque o processo de repasse (cash-out) para o "professor" era simples demais, o fraudador se cadastra como aluno e como professor, paga a aula com cartão roubado e recebe o dinheiro na hora. O produto real ali não era a aula, era o acesso rápido a dinheiro líquido.
É esse tipo de brecha presente em qualquer solução end-to-end contra fraude em pagamentos digitais, que motiva o mercado a perguntar cada vez mais: quais soluções cobrem toda a jornada de aprovação de pedidos sem aumentar o risco de fraude? e como equilibrar segurança e conversão sem travar a venda boa?
A resposta do painel tem três camadas:
- Comportamento por canal, não regra única: cada canal de venda (e-commerce, revenda direta, loja física) tem um padrão de risco próprio. No canal de revendedoras da marca de beleza citada no painel, por exemplo, o chargeback caiu para 0,03%, mesmo sendo um canal de crédito a prazo para clientes sem vínculo prévio, porque o modelo aprendeu o comportamento específico daquele canal.
- Agente autônomo com guardrails (mecanismo de segurança), não IA generativa decidindo sozinha, o painel é explícito: modelos de linguagem (LLMs) não são adequados para a decisão binária de aprovar ou reprovar uma transação. O agente de prevenção a fraude é uma camada de algoritmos estatísticos com regras de governança bem definidas, que ativa e desativa componentes de decisão em tempo real. O LLM entra depois, para explicar o que o agente decidiu, para o executivo ou, no teste citado por Bruno Farinelli, até para uma criança de seis anos.
- Reação contínua ao ataque, não só ao resultado final: chargeback demora até dois meses para se confirmar. Por isso, o agente monitora sinais antecedentes (variação de volume por região, por item, por bandeira de cartão) para conter um ataque em andamento e liberar a aprovação assim que o ataque cessa, sem esperar o dado de chargeback consolidar.
O resultado: aprovação sobe, fraude cai ao mesmo tempo
O dado mais forte do painel: antes da gestão autônoma, a aprovação girava em torno de 92%, com 8% indo para análise manual. Com o agente autônomo em operação, a aprovação sobe e o nível de fraude cai simultaneamente — porque a velocidade de reação do agente ordenado é maior que a de uma equipe humana, mesmo uma equipe muito boa. Um e-commerce de médio porte pode sofrer dezenas ou centenas de micro ataques por semana; o agente responde a todos, a equipe não teria capacidade de cobrir esse volume.
Um efeito colateral citado no painel merece destaque: os fraudadores reagem a incentivo e a repressão. Uma resposta rápida e consistente faz o fraudador desistir do alvo — além de bloquear uma tentativa, é desestimular a próxima.
Onde a decisão humana continua insubstituível
Autonomia não é ausência de governança. Os limites discutidos incluem:
- Apetite de risco é decisão de negócio: quanto a empresa quer arriscar em um pico sazonal é uma escolha humana, calibrada com dados históricos.
- Disciplina de acompanhar indicadores todos os dias, mesmo quando "está tudo bem" taxa de aprovação, chargeback, conversão do site, para identificar qualquer anomalia com rapidez.
- Contexto humano evita atrito desnecessário: no exemplo do painel, o agente identificou um BIN de cartão fora do padrão e sinalizou para revisão; o contexto humano revelou que era uma promoção legítima direcionada aquele cartão, não um ataque. Sem esse contexto, a reação automática poderia ter reprovado clientes bons.
- Conexão entre áreas: risco deixou de ser só uma pauta financeira; comercial, atendimento, operações e tecnologia precisam estar no mesmo processo para que a fluidez do negócio não seja comprometida.
O que muda daqui para frente
Como resumiu Bruno Farinelli, tecnologia é meio, não fim: o objetivo continua sendo aprovar mais, entregar a melhor experiência e reduzir fraude, os três ao mesmo tempo. A diferença é que, com uma decisão autônoma bem governada, esses três objetivos deixam de ser um trade-off e passam a reforçar um ao outro.
Quer ver no detalhe a visão de nossos convidados que lidam diariamente com o e-commerce?
Veja a conversa completa aqui:
