Por que pagamentos agentivos desafiam todos os modelos de fraude

A infraestrutura de prevenção de fraudes em serviços financeiros foi construída em torno de modelos de transação tradicionais, onde a tomada de decisão humana e a autorização manual permanecem centrais no processo de pagamento. O surgimento de pagamentos agentivos — sistemas autônomos que executam transações sem intervenção humana em tempo real — está desafiando fundamentalmente esses paradigmas estabelecidos de detecção de fraude, de acordo com discussões entre líderes do setor no Money20/20 Europe.

Pagamentos agentivos representam uma mudança significativa na forma como as transações são iniciadas e executadas. Em vez de um usuário inserir manualmente os detalhes de pagamento e confirmar cada transação, agentes autônomos podem executar várias transações com base em instruções programadas ou padrões aprendidos. Essa automação cria novas superfícies de ataque e torna os sinais de fraude tradicionais menos confiáveis. Padrões comportamentais que os sistemas de fraude aprenderam a reconhecer — como tempo, valor ou frequência incomuns de transação — tornam-se mais difíceis de distinguir da atividade autônoma legítima.

O desafio é particularmente agudo porque os sistemas de detecção de fraude foram treinados em dados históricos gerados por transações iniciadas por humanos. Esses sistemas se destacam na identificação de anomalias em relação aos padrões de comportamento do usuário estabelecidos, mas os sistemas agentivos operam de acordo com uma lógica diferente. Um agente autônomo legítimo pode executar transações que pareceriam altamente suspeitas se iniciadas por um humano, criando uma incompatibilidade fundamental entre os modelos de detecção e o comportamento real da transação. Além disso, a velocidade e o volume das transações agentivas podem sobrecarregar a infraestrutura tradicional de monitoramento de fraudes projetada para atividades de menor frequência e ritmo humano.

Para instituições financeiras e processadores de pagamento, isso representa uma necessidade urgente de redesenhar os frameworks de prevenção de fraudes. Novos modelos devem levar em conta as características de transações autônomas, mantendo a capacidade de detectar atividades genuinamente fraudulentas. A indústria de iGaming, que processa grandes volumes de pagamentos e enfrenta ameaças de fraude sofisticadas, precisará adaptar sua infraestrutura de segurança de pagamento de acordo. Operadores e parceiros de pagamento devem colaborar para desenvolver abordagens de detecção de fraude que possam distinguir entre transações autônomas legítimas e fraudulentas, exigindo investimento em modelos de aprendizado de máquina treinados em dados de pagamento agentivo e novos mecanismos de autenticação adequados a ambientes autônomos.