A Vert Analytics enfrenta um dos pontos mais vulneráveis da conferência documental: a necessidade de analisar manualmente grandes volumes de documentos em processos de crédito, abertura de contas e validação cadastral, enquanto fraudes cada vez mais sofisticadas podem ser produzidas com ferramentas de edição acessíveis a qualquer pessoa com um computador comum e algum conhecimento básico de edição de imagem. Para este cenário, a empresa aplica o MAIN, a sua solução própria de inteligência artificial dedicada a agentes autónomos de IA e hiperautomação de processos.
Um analista humano, a rever dezenas de documentos por dia, tem tempo limitado para examinar cada detalhe: tipo de letra inconsistente, alinhamento ligeiramente deslocado ou metadados que não correspondem à data declarada. Os autores de fraudes exploram precisamente esta limitação de atenção repetida ao longo de uma jornada de trabalho, contando com o cansaço natural de quem revê documento após documento.
O MAIN resolve esta limitação ao combinar processamento de linguagem natural e visão computacional para examinar cada documento com o mesmo nível de atenção, milhares de vezes por dia, sem cansaço e sem perda de consistência ao longo do horário de trabalho.
Por que razão a fraude documental passa despercebida na conferência manual?
Os documentos fraudulentos modernos raramente são cópias grosseiras, fáceis de identificar a olho nu. As ferramentas de edição de imagem e texto permitem alterações subtis, como a troca de um número num comprovativo de rendimentos ou um ajuste discreto numa data de emissão, que podem passar despercebidos numa conferência visual rápida, feita sob pressão de tempo e de metas diárias de análise.
O volume de documentos processados diariamente por instituições financeiras e organismos públicos torna inviável uma conferência aprofundada de cada documento. Por esse motivo, os analistas humanos desenvolvem, naturalmente, atalhos mentais para acelerar o processo, o que aumenta a possibilidade de um documento fraudulento passar despercebido entre centenas de documentos legítimos.
Este problema agrava-se em períodos de elevada procura, quando o volume de análises aumenta rapidamente e a pressão por rapidez reduz ainda mais o tempo disponível para cada conferência individual, precisamente o momento em que os autores de fraudes tendem a concentrar as suas tentativas.
Como funcionam o NLP e a visão computacional na verificação de documentos?
O processamento de linguagem natural permite que um sistema leia e interprete o conteúdo textual de um documento, verificando a consistência entre informações declaradas em diferentes partes, como nome, data e valores que devem coincidir entre campos distintos do mesmo documento. A Vert Analytics indica que este tipo de verificação cruzada é precisamente aquilo que uma revisão visual rápida pode deixar passar.
A visão computacional, por sua vez, analisa o documento como imagem, identificando inconsistências visuais que podem indicar edição: variações de tipo de letra, padrões de compressão diferentes em partes distintas da mesma página ou marcas de manipulação invisíveis ao olho humano, mas detetáveis através da análise de píxeis.
Como aplica o MAIN este tipo de verificação automatizada?
O MAIN combina integração de dados, análise de contexto e atuação de agentes autónomos de inteligência artificial para apoiar diferentes etapas da operação, como antifraude, análise jurídica automatizada, validação documental, contestação de multas e atendimento inteligente. A partir da análise das informações e das decisões tomadas pelos agentes autónomos de IA, as ações necessárias são executadas automaticamente, ligando interpretação de dados, tomada de decisão e execução num único fluxo operacional.
A Vert Analytics destaca que esta dupla verificação reduz significativamente o volume de documentos fraudulentos que passam despercebidos, uma vez que uma fraude teria de enganar simultaneamente a análise textual e a análise visual, o que é muito mais difícil do que contornar apenas uma revisão humana.
Este tipo de automatização também acelera o processo para o cliente legítimo: a maioria dos documentos passa pela verificação automatizada sem qualquer atraso percetível, e apenas os casos que realmente geram um alerta chegam a um analista humano para uma revisão mais aprofundada, com o contexto já organizado pelo próprio sistema.
Este modelo altera a lógica da fiscalização documental: em vez de rever tudo superficialmente, o sistema permite analisar em profundidade apenas aquilo que realmente necessita de atenção humana qualificada.
O que muda esta automatização na prevenção da fraude documental?
As empresas que adotam este tipo de verificação automatizada tendem a reduzir de forma expressiva o volume de fraude documental que passa despercebida, ao mesmo tempo que diminuem o tempo médio de aprovação para o cliente legítimo, que deixa de ter de aguardar numa fila de conferência manual.
A Vert Analytics aponta que este tipo de resultado tende a tornar-se mais relevante a cada ano, à medida que as ferramentas de edição de documentos se tornam mais acessíveis e sofisticadas, exigindo que a verificação automatizada evolua ao mesmo ritmo das técnicas de fraude que procura identificar.
