Machine Learning em constante evolução no combate à fraude

A tecnologia está despertando o interesse de empresas de diferentes segmentos por oferecer importantes ganhos para o negócio, entre eles, eficiência, produtividade e segurança. Nesta entrevista, Mateus Munhoz e Joel Rodrigues, que atuam na área de Inteligência Estatística da Clearsale, nos contam mais sobre o impacto deste approach do negócio, até onde ele pode nos levar e como ele mudou a gestão de fraude no mercado.

Afinal, o que é Machine Learning?

De forma simples, podemos dizer que é a capacidade de aprendizagem da máquina ao reproduzir tarefas. Assim como acontece conosco. Quanto mais aprendemos sobre algo, melhor nos tornamos. O Machine Learning é um subcampo da inteligência artificial que emula essa habilidade por meio do desenvolvimento de algoritmos e técnicas que permitem que o computador analise os dados de uma atividade realizada, crie padrões mais refinados e aplique-os em novas oportunidades. Isso cria um ciclo permanente de aperifeiçoamento em velocidades muito maiores do que o ser humano consegue.

E como funciona o desenvolvimento do método, como ele evolui?

Com a atualização constante de dados, criação de padrões e, principalmente, com o aprendizado em si. Sempre que uma nova informação é atualizada, o computador cruza esse dado com toda a sua base de informações gerando uma nova descoberta e atualizando automaticamente o algoritmo que toma decisões. Ou seja, o aprendizado evolui.

Nos dê alguns exemplos de aplicação do Machine Learning.

Apesar de ter surgido já há algum tempo, nos últimos anos é que evoluímos rapidamente em Machine Learning, inclusive pela crecente capacidade de preocessamento dos computadores, e as aplicações são inúmeras. Hoje, por exemplo, uma aplicação bastante comum é a sua utilização para melhorar a experiência do usuário no e-commerce. Uma vez que suas preferências são identificadas, é possível personalizar ofertas, sugerir outras plataformas e tornar tudo mais atraente e interessante. Mas, quando falamos em capacidade de aprendizado, são inúmeras as possibilidades. Daqui a alguns anos, veremos pelas ruas carros que guiam sozinhos, pois teremos modelos que ensinam os computadores de bordo a dirigir. Outro ganho real para as pessoas já está ocorrendo na área de cuidados com a saúde. Com base em um reposítorio com milhares de imagens de exames com o mesmo diagnóstico, o computador pode reconhecer uma condição ou doença em um tempo muito menor e com mais acurácia que os olhos de uma médico especialista e agilizar as tomadas de decisão. Aliás está aí o grande ganho: com as sinalizações feitas pelo Machine Learning podemos indentificar rapidamente situações específicas num contexto em que muita informação é gerada agilizando tomadas de decisões em diferentes campos de atuação.

O que o Machine Learning agregou ao campo da gestão de fraude?

Estamos trabalhando com essa proposta desde 2014 e seguimos ampliando sua aplicação em diferentes segmentos de mercado. Com o Machine Learning podemos ajustar automaticamente os modelos estatísticos de acordo com a necessidade e risco de cada empresa. Veja por exemplo, uma rede de varejo com um alto volume de transações diárias. Com a tecnologia, podemos cruzar dados e comportamentos do comprador e identificar fatores de risco - como um exemplo simples, podemos citar o endereço de entrega em determinada região. Os níveis de risco de fraude em cada região são atualizados quase em tempo real. Isto é um feito único,

Esse fator é fundamental, pois o fraudador é muito dinâmico e está sempre mudando de estratégia, e as atualizações do ML conseguem acompanhar essa dinâmica. Hoje, um dos principais modelos estatísticos da ClearSale, por exemplo, tem mais de 900 fatores de risco e, com as atualizações, está rodando há 2 anos com uma performance única no mercado.

E como fica o papel do ser humano na Prevenção a Fraude com a chegada do Machine Learning?

Acredito que o ser humano terá sempre um papel fundamental no desenvolvimento de qualquer projeto ou atividade. Na ClearSale, por exemplo, pessoas e tecnologias caminham juntas. No caso do Machine Learning, desde a concepção de novos formatos de análise até o monitoramento e checagem da qualidade de novas informações, tudo depende do esforço de uma equipe altamente capacitada. Atuamos inclusive com o que chamamos de aprendizado supervisionado, situação em que partimos de uma base de dados com padrões já identificados e variáveis-resposta já validadas por pessoas, para que a máquina aprenda a partir destes exemplos. Mesmo no chamado aprendizado não-supervisionado, em que o computador parte do zero para identificar os padrões, sem dados históricos e treinamentos, a gestão e calibragem humana para as descobertas é fundamental, uma vez que a quantidade imensa de informações processadas pode levar um computador a tirar conclusões incorretas e “falsos positivos” para uma fraude. Este é um risco que não podemos correr, até porque lidamos com uma situação bastante crítica e sensível para nossos clientes. Por isso, o processo de combate à fraude com Machine Learning inclui, no nosso caso, um olhar humano para complementar o aprendizado e garantir o aperfeiçoamento, respeitando assim o bom comprador. Desta forma, podemos afirmar que em nossa cultura a análise humana é bastante valorizada e não será substituída.

Como a ClearSale enxerga o futuro do Machine Learning?

A inteligência artificial e o Machine Learning, especificamente, estão transformando o mundo. É uma forte e irreversível tendência de mercado, de tecnologia e, vale destacar, de gestão de combate à fraude. Os impactos são profundos, possuem desdobramentos em toda a economia e vida das pessoas, mas discutir isso merece uma conversa à parte. O que podemos afirmar é que, com a velocidade com que a tecnologia evolui, teremos cada vez mais assertividade e velocidade para detectar ataques de fraude. A construção de um legado de aprendizados dinâmicos, combinada com diversas tecnologias que estão amadurecendo, como a biometria facial e de voz, vai intensificar, nos próximos anos, a evolução do combate à fraude. Nosso objetivo é estar sempre um passo à frente, analisando não apenas o comportamento de compra, mas incorporando metodologias e tecnologias, e podemos dizer que estamos de fato na cola do fraudador. E o Machine Learning vai, cada vez mais e em maior escala, nos ajudar a antecipar e barrar a atuação desses criminosos para gerar mais confiança entre o mercado e o bom consumidor.