Pedro Sanzovo (*)
Quando uma pessoa se desloca a uma loja física em um shopping ou na rua, ela se preocupa com algumas questões específicas para que tenha uma boa experiência. A segurança do estabelecimento no pagamento e contra assaltantes é uma delas. Nos negócios digitais não é diferente, já que em 2020, o relatório da Akamai revelou que foram mais de três bilhões de tentativas de roubo de credenciais no Brasil.
Dessa forma, a cada ano as empresas se preocupam mais em implementar soluções antifraude baseadas em machine learning, não apenas para promoverem compras seguras, mas também evitarem travar o crescimento de vendas. eguemos como exemplo para análise a fraude do cartão de crédito.
Provavelmente, todos nós conhecemos um indivíduo que contestou uma cobrança indevida e pediu a devolução do valor pago ao seu banco. Posteriormente, a instituição solicita que o lojista devolva essa quantia, processo conhecido como chargeback.
Os chargebacks podem prejudicar lojistas de várias maneiras. Uma delas obviamente é financeira, visto que, quando uma contestação de cobrança acontece, o produto ou serviço já foi enviado ou o trâmite logístico já está a caminho. Isso significa que o lojista não só tem que devolver o valor da compra integralmente, mas ainda precisou entregar o pedido, gerando todos os custos associados a ele e à entrega em si.
Além desse custo direto e imediato, há também a possibilidade de multas e punições serem aplicadas pelas bandeiras de cartão, sendo uma delas a perda da possibilidade do estabelecimento ter o cartão de crédito como uma das formas de pagamento oferecidas.
Além disso, a imagem da organização como um todo pode ficar manchada, pois a partir do momento em que vários consumidores têm problemas com a segurança de suas compras, a loja fica caracterizada como um ambiente inóspito para se adquirir produtos e serviços.
É um cenário em que nenhum dos lados sai ganhando. A loja não deseja ter prejuízos nas vendas e na sua reputação, tampouco o cliente quer uma nova dor de cabeça e pedir a devolução do valor pago. Para evitar uma situação como essa, as empresas precisam recorrer a soluções que analisem o comportamento do usuário do aplicativo ou site de forma rápida.
Ou seja, o risco de fraude gera a necessidade da implementação de uma tecnologia capaz de antecipar e prevenir esses crimes. Os criminosos não precisam de grandes brechas. Eles acham espaços para agir em pequenas lacunas de segurança. Por isso, o processamento de informações sobre as características das transações precisa ser aprimorado todos os dias, com a análise comparativa de cada compra em relação às características usuais do consumidor.
O algoritmo de uma plataforma moderna consegue identificar ações suspeitas que métodos manuais jamais teriam a capacidade de antecipar, como divergências no tempo do fluxo de navegação; ou seja, se o padrão de interação do usuário com a plataforma muda. Está mais do que óbvio que sistemas antifraude são necessários para prevenir perdas financeiras.
Porém, essa empreitada não pode privar a escalabilidade dos negócios da empresa, o que infelizmente acaba sendo comum para soluções ineficazes, que barram transações legítimas por suspeitas infundadas – casos chamados de “falsos positivos”. Inteligência artificial precisa ser feita de forma inteligente.
O empreendedor tem de usar a tecnologia a seu favor, de maneira estratégica. Modelos de aprendizado de máquina são capazes de organizar uma multitude de informações pessoais do usuário no aplicativo, combinar com dados transacionais e de comportamento para aplicá-las em uma avaliação específica de uma transação.
Dessa maneira, oferece uma resposta dada em tempo real, que, ao mesmo tempo, identifica padrões fraudulentos e não deixa a companhia travar a sua conversão de vendas legítimas. Portanto, em plena era da expansão do e-commerce, não é mais possível apostar em plataformas antifraudes tradicionais.
Engenharia e ciência de dados de alto nível tornam viável a redução de danos causados por fraudadores – que a cada dia ficam mais articulados – e garantem o crescimento de empresas digitais. Sem uma estratégia que envolva a adaptabilidade, a companhia está deixando um desses quesitos de lado, ou, no pior dos cenários, os dois.
(*) – Engenheiro da Computação por Stanford, é cofundador e CEO da Legiti, plataforma antifraude transacional que usa inteligência artificial e modelos preditivos para tornar negócios digitais mais seguros (https://www.legiti.com/).
