O roubo de dinheiro por meio de fraudes online e tentativas de golpes envolvendo instituições financeiras para lavar dinheiro ou apoiar transações fraudulentas são situações cada vez mais comuns na América Latina - no Brasil, segundo dados estimados pelo Datafolha e pelo Fórum Brasileiro de Segurança Pública, mais de 4.600 pessoas por hora são alvo de tentativas de crimes desse tipo. Por isso, a Lynx Tech, empresa de tecnologia que utiliza Inteligência Artificial (IA) para detectar e prevenir fraudes e crimes financeiros, elaborou um glossário para definir os cinco conceitos-chave que devem ser conhecidos e gerenciados para reduzir o risco dessas investidas.
“O avanço da bancarização na região trouxe bons resultados em termos de inclusão financeira, mas também aumentou a vulnerabilidade da população em relação às fraudes”, afirma Rogério Freitas, diretor-geral da Lynx Tech no Brasil. Segundo o relatório Omnichannel Fraud Report da TransUnion, a fraude digital cresceu 105% em transações suspeitas em todo o mundo entre 2019 e 2023.
Além disso, as perdas com fraudes de identidade sintética atingiram US$ 3,1 bilhões para os credores, enquanto 54% dos consumidores relataram tentativas de fraude nos últimos meses de 2023. “Nesse contexto, é fundamental que as pessoas se mantenham informadas e atualizadas sobre os tipos de golpes financeiros mais comuns, para terem as ferramentas para se preparar”, completa o executivo.
Na avaliação dos especialistas da Lynx Tech, os tipos de fraude mais comuns e para os quais é preciso estar alerta são os seguintes:
“Todos esses tipos de fraude podem ser combatidos de forma mais eficiente com a utilização de IA e machine learning por parte das instituições financeiras, de modo a detectar antecipadamente qualquer comportamento anormal em um produto bancário ou anomalias por parte dos seus usuários, bloqueando o problema em sua raiz, diminuindo os custos de reembolso para o banco e todas as dores de cabeça para as pessoas envolvidas”, finaliza Rogério Freitas.
Mín. 19° Máx. 29°
Mín. 19° Máx. 30°
Tempo limpoMín. 17° Máx. 25°
Tempo nublado