Detecção de fraude em cartão em tempo real

Contexto

Emissor de cartões bancários (subsidiária de um grupo bancário, 1.200 funcionários). Fraude em cartões bancários em alta de 25%/ano, sistemas de detecção baseados em regras estáticas ultrapassadas. Perdas por fraude: 12 milhões de euros/ano. Os fraudadores se adaptam mais rápido do que as regras manuais. Necessidade de um sistema ML em tempo real.

Problema & Desafio

Perdas por fraude de 12M€/ano em alta de 25%: regras estáticas ultrapassadas. 800 regras manuais de detecção – 70% obsoletas, manutenção impossível. Taxa de falsos positivos de 15% → 50.000 transações legítimas bloqueadas/mês, fricção com o cliente. Tempo médio de detecção: 48h pós-transação. tarde demais para bloquear. Fraudadores se adaptam em 2 semanas às novas regras. sistema reativo, nunca preditivo. Equipe de fraude de 20 analistas saturada → 60% do tempo em revisão manual de falsos positivos.

Solução & Entregas

Modelo ML de detecção de fraude em tempo real ativado (<100ms por transação) sobre a totalidade do fluxo de cartões Detecção preditiva: identificação de padrões fraudulentos 24h antes vs 48h depois Taxade falsos positivos reduzida, passando de 15% para 3% → 45.000 clientes/mês desbloqueados Sistema auto-adaptativo: retreinamento semanal sobre novos padrões de fraude Perdas por fraude reduzidas em 40% no primeiro ano (12M€ → 7,2M€): ROI em 4 meses Equipe de fraude refocada na investigação: tempo de revisão manual reduzido em 60% Sistema operado e monitorado pela equipe Bomzai de forma contínua.

Tecnologias