Falsos positivos para fraudes podem assustar e afastar os clientes. 32% deles nunca mais voltam (Aleksandr Zubkov/Getty Images)
Plataforma de conteúdo
Publicado em 6 de agosto de 2025 às 15h00.
Última atualização em 6 de agosto de 2025 às 15h07.
Por Thiago Bertacchini*
Imagine tentar comprar um celular novo, uma passagem internacional ou um presente especial — e ter sua transação sinalizada como suspeita e bloqueada por um sistema de prevenção a fraudes, sem qualquer explicação plausível. Esse é o lado negativo das compras online. Embora esses sistemas tenham sido projetados para proteger contra fraudes e garantir uma experiência de compra satisfatória, eles também podem causar frustração e prejuízos.
Com o aumento exponencial da coleta e do compartilhamento de dados, a rápida digitalização dos sistemas e táticas de fraude cada vez mais sofisticadas, o mercado endureceu suas defesas. Mas esse movimento criou um paradoxo: tentar proteger demais está saindo caro — não apenas em receita, mas também em reputação. É o que chamamos de falsos positivos, quando uma transação legítima é identificada erroneamente como fraudulenta.
Fraudadores modernos operam como empresas: são rápidos, organizados e alimentados por grandes volumes de dados. Técnicas como o “phishing como serviço” simulam identidades a partir de informações vazadas e exploram brechas comportamentais nos sistemas. Eles não seguem mais padrões óbvios, tornando modelos tradicionais obsoletos e forçando as empresas a buscar camadas de segurança mais robustas.
Enquanto os fraudadores inovam, muitos serviços financeiros e empresas de varejo ainda dependem de regras fixas para reagir. É um modelo rígido e ineficaz — a experiência de compra é comprometida, as taxas de conversão despencam e a fidelidade do cliente é perdida.
E o impacto vai além: 32% dos consumidores que passam por um falso positivo abandonam o lojista para sempre. Uma única falha no sistema antifraude pode significar a perda definitiva de receita e de reputação. Segundo a Javelin Strategy & Research, esses erros já custam aos varejistas dos Estados Unidos US$ 118 bilhões por ano — 13 vezes mais do que as perdas reais com fraudes. A conta não fecha.
Para lidar com esse cenário, a nova era da prevenção exige inteligência, e não rigidez excessiva. Isso significa usar uma combinação de inteligência artificial (IA), dados em tempo real e análise comportamental para tomar decisões precisas sem comprometer a experiência do usuário.
Com algoritmos que aprendem continuamente, é possível entender padrões individuais: localização, horário, dispositivo, histórico de compras e método de pagamento. O comportamento fala mais alto do que qualquer regra pré-programada.
Não se trata apenas de dizer “sim” ou “não”, mas de interpretar o contexto. Um mesmo cliente pode comprar algo em São Paulo pela manhã e no Rio de Janeiro à noite. Ele pode trocar de celular, mudar de navegador ou atualizar o sistema operacional do dispositivo. O sistema antifraude precisa entender isso — e não bloquear a transação.
Aplicando técnicas de machine learning, as empresas conseguem criar modelos que aprendem com os dados históricos e reduzem os falsos positivos ao longo do tempo. O objetivo é entender o que é normal para cada usuário e identificar desvios — sem depender apenas de regras pré-definidas. Um estudo do MIT com dados de um banco europeu mostrou que essa estratégia reduziu os falsos positivos em 54%, gerando uma economia equivalente a US$ 220 mil.
A combinação de IA e perfis de usuário para oferecer recomendações mais precisas — aliada ao uso de dados para equilibrar segurança e conversão — abre portas para novas tecnologias. Uma delas é o identificador vetorial: uma solução capaz de detectar fraudes mesmo quando a tentativa parte de dispositivos com cookies limpos ou em modo anônimo. Mas usuários legítimos também podem agir dessa forma.
E quando tanto fraudadores quanto bons usuários se escondem atrás da mesma máscara, como diferenciá-los? Ao combinar dados vetoriais com a “impressão digital” do dispositivo, o sistema consegue entender o comportamento típico daquele usuário e detectar melhor as anomalias. Isso aumenta consideravelmente a precisão, evitando bloqueios desnecessários sem comprometer a segurança.
Nesse modelo, pequenas variações são tratadas com inteligência contextual – usada para detectar anomalias com base no padrão esperado do usuário. Mudanças sutis (como uma atualização de software) não disparam alertas, mas alterações significativas (como troca de sistema operacional ou mudança de geolocalização) podem ser sinalizadas se estiverem fora do comportamento usual. Essa é a nova fronteira da segurança: atuar nos bastidores, sem atrito. O melhor sistema antifraude é aquele que o cliente nem percebe.
As empresas tendem a acreditar que é melhor recusar algumas transações legítimas, mesmo que isso reduza um pouco as taxas de conversão, do que sofrer as consequências de uma fraude. Mas elas não precisam adotar essa postura se tiverem as ferramentas certas.
Por isso, adotar uma solução de prevenção a fraudes que equilibre segurança e conveniência é uma real necessidade de mercado. Segurança e experiência do usuário não precisam ser forças opostas – elas devem andar juntas. Para isso, o segredo está na precisão, não na rigidez.
A era dos falsos positivos exige que as empresas invistam em tecnologias inteligentes, como IA, análise comportamental e ferramentas avançadas de detecção de fraudes. Essas inovações reduzem perdas sem sacrificar vendas legítimas – e, o mais importante, sem afastar os clientes.
Segurança e experiência do cliente não são opostos – quando bem feitas, andam de mãos dadas. Oferecer proteção é obrigatório. Mas fazer isso sem comprometer a experiência é o que realmente faz a diferença no mercado cada vez mais competitivo de hoje.
*Thiago Bertacchini é diretor de Vendas da Nethone
Siga a Bússola nas redes: Instagram | Linkedin | Twitter | Facebook | Youtube