Mastercard usa IA para combater fraudes em pagamentos digitais
Mastercard revoluciona segurança em pagamentos com novo modelo de IA treinado em bilhões de transações. Descubra como a tecnologia LTM combate fraudes e protege sua privacidade.
Em um cenário de transações digitais cada vez mais dinâmico e complexo, a segurança se tornou um pilar fundamental. A Mastercard, gigante global de pagamentos, anunciou uma inovação significativa em sua abordagem para combater fraudes: o desenvolvimento de um modelo de fundação tabular (LTM). Diferente dos modelos de linguagem que processam texto, este novo sistema é treinado com bilhões de dados de transações, com o objetivo de identificar e neutralizar atividades fraudulentas de forma mais eficaz e com maior respeito à privacidade do usuário. A iniciativa representa um passo adiante na aplicação prática da inteligência artificial para resolver desafios reais no setor financeiro, mostrando que a IA é uma ferramenta poderosa quando aplicada com foco em resultados tangíveis.
O que é um Modelo de Fundação Tabular (LTM)?
Enquanto os Modelos de Linguagem Grandes (LLMs), como os que impulsionam chatbots, são treinados em vastas quantidades de texto para prever a próxima palavra em uma sequência, os Modelos de Fundação Tabular (LTMs) operam em um domínio diferente: dados estruturados em tabelas. A arquitetura de um LTM é projetada para analisar e entender as complexas relações entre diferentes campos em conjuntos de dados multidimensionais. No caso da Mastercard, o LTM é alimentado com dados de transações financeiras, incluindo detalhes como localização do comerciante, fluxos de autorização, incidentes de fraude e atividades de fidelidade. O objetivo não é entender o conteúdo textual, mas sim identificar padrões e anomalias dentro dessas estruturas de dados.
Segurança e Privacidade no Foco da IA
Um dos aspectos mais cruciais da inovação da Mastercard é o seu compromisso com a privacidade. Antes do treinamento, todos os identificadores pessoais são removidos dos dados. Isso significa que o modelo não se concentra em identificar indivíduos, mas sim em analisar padrões comportamentais em larga escala. Ao excluir dados pessoais, a tecnologia mitiga riscos de privacidade inerentes a outras aplicações de IA no setor financeiro. Embora a anonimização possa remover alguns sinais que poderiam ser úteis para avaliações de risco individuais, a Mastercard argumenta que o volume massivo e a riqueza dos dados comportamentais compensam essa perda, permitindo inferir padrões comercialmente valiosos e, crucialmente, identificar atividades suspeitas sem comprometer a identidade dos usuários.
O que isso significa na prática
Na prática, o LTM da Mastercard funciona como um detetive digital incansável e altamente eficiente. Ele examina bilhões de transações, aprendendo com cada uma delas a distinguir o comportamento legítimo de atividades fraudulentas. Por exemplo, se um padrão de gastos incomum surgir em uma conta, ou se uma transação apresentar características que se desviam significativamente do comportamento usual do titular do cartão (mesmo sem conhecer os detalhes pessoais), o modelo pode sinalizar essa atividade para investigação ou bloqueio automático. Isso resulta em menos fraudes para os consumidores e comerciantes, maior confiança no sistema de pagamentos digitais e, potencialmente, redução de custos operacionais para as instituições financeiras ao prevenir chargebacks e perdas associadas a fraudes. A capacidade de analisar dados tabulares em escala permite que a Mastercard mantenha a segurança em um ambiente de pagamentos em constante evolução.
A adoção de modelos de fundação focados em dados tabulares demonstra a maturidade da IA aplicada ao mundo real. Em vez de focar apenas em texto ou imagens, a Mastercard está utilizando a IA para extrair valor e segurança de dados estruturados, que são a espinha dorsal de muitas operações financeiras. Essa abordagem não só fortalece a segurança dos pagamentos, mas também abre portas para futuras aplicações em análise de risco, personalização de ofertas e otimização de processos, sempre com a verdade dos dados como guia e a multiplicação de resultados seguros como objetivo.
