Agentes de IA Autônomos na Gestão de Fraudes e Riscos

Última atualização: outubro de 2026

Os agentes autônomos de IA estão saindo das demonstrações para atuar em operações de fraude, AML, integração e crédito, e a palavra "autônomo" é onde a maior parte da confusão começa. Na gestão de fraudes e riscos, um agente de IA é um executor delimitado: busca uma meta definida ao longo de várias etapas, reúne e organiza as provas, recomenda um resultado e mostra o porquê, e uma pessoa toma a decisão. O quanto um agente pode fazer sem revisão é um escopo que a instituição estabelece, tipo de decisão por tipo de decisão, e que pode comprovar a um auditor. Este guia aborda o que um agente é e o que não é, onde os agentes atuam hoje, o que a autonomia deve significar em um processo regulamentado e como as equipes passam do projeto piloto para a produção.

Resumo (TL;DR)

• Um agente autônomo de IA no trabalho de fraude e risco planeja e executa várias etapas em direção a uma meta e entrega um caso concluído para uma pessoa. Uma regra é acionada, um modelo gera uma pontuação e um único comando responde uma vez; o agente realiza uma tarefa dentro de limites definidos.

• O agente recomenda e mostra suas provas, e um analista decide. Muitos compradores aceitam agentes exatamente sob essa condição.

• Hoje, os agentes realizam trabalhos úteis em investigações de fraudes, revisão de alertas de AML, coleta de provas para integração e operações de crédito. As equipes continuam mais conservadoras em decisões de crédito, decisões de casos e relatórios de atividades suspeitas (SAR).

• A autonomia deve ser um escopo que a instituição concede, comprova e pode retirar. A orientação de risco de modelo interinstitucional revisada em abril de 2026 coloca a IA de agentes fora do seu escopo, de modo que as próprias instituições estão definindo esses limites.

• O caminho para a produção passa por procedimentos sólidos, integração com os sistemas existentes, testes comparativos com as decisões de analistas, execução em paralelo e controle de mudanças.

O que é um agente autônomo de IA na gestão de fraudes e riscos?

Um agente autônomo de IA na gestão de fraudes e riscos é um sistema voltado para metas que executa várias etapas de uma investigação por conta própria: ele extrai dados, verifica fontes, compara o que encontra com as políticas e elabora uma recomendação. Em seguida, ele entrega um caso concluído para uma pessoa decidir, com as provas e justificativas anexadas.

Quatro tipos de automação costumam ser confundidos:

• Uma regra é acionada quando uma condição é atendida. Ela faz uma única coisa, do mesmo jeito todas as vezes.

• Um modelo produz uma pontuação ou uma classificação. Ele não reúne provas nem monta um caso.

• Um único comando para um modelo de linguagem responde uma vez. Ele não deixa um registro confiável de como chegou à resposta e não define limites para o que considera.

• Um agente realiza uma tarefa dentro de limites definidos. Ele escolhe o próximo passo, usa os dados e ferramentas que recebeu e para onde uma pessoa precisa decidir.

A diferença entre um comando comum e um agente é importante na prática. Um gerente de TI de uma gestora de ativos descreveu um piloto anterior que tratava alertas de crimes financeiros com um comando de modelo de linguagem de uso geral. Nada nele era auditável ou explicável, os resultados eram incorretos e o piloto foi desativado após um curto teste.

O mesmo gerente descreveu a estrutura que funciona: "você precisa de barreiras determinísticas na entrada. Precisa do LLM no meio e precisa de barreiras determinísticas na saída". Verificações fixas decidem o que chega ao modelo de linguagem, e verificações fixas testam o que sai dele. O modelo faz a leitura e a síntese em que é bom, e as regras mantêm os resultados consistentes de um dia para o outro.

O que um agente autônomo não é: o tomador de decisão

Um agente autônomo não é o tomador de decisão. Ele recomenda um resultado e mostra as provas por trás dele, e um analista ou investigador toma a decisão final.

Os compradores testam isso antes de qualquer outra coisa. Um diretor de operações de um banco perguntou, logo no início de uma avaliação, se o agente age sobre uma decisão por si só ou se alerta alguém para agir, e qual permissão ele recebe.

Para muitas equipes, a resposta define se os agentes são aceitáveis ou não. Um responsável pela conformidade (BSA) em um banco comunitário colocou a condição de forma simples: "Não se trata fisicamente de redigir a resolução. Trata-se de dar recomendações sobre como tratar o alerta?"

Algumas decisões continuam nas mãos de pessoas nos programas de AML atuais: determinações finais de SAR, aprovações de integração de alto risco e confirmações de correspondências exatas em sanções. O motivo é a responsabilidade. Independentemente do que for decidido, a instituição precisa mostrar a um auditor como a decisão foi tomada e quem a tomou, com um rastro de auditoria por trás. Um agente que monta o caso facilita a produção desse registro, mas não assume a responsabilidade pela decisão.

Onde os agentes de IA atuam hoje em fraudes, AML, integração e crédito

Os agentes de IA nos serviços bancários e financeiros fazem principalmente o trabalho de coleta de provas e elaboração de relatórios em operações de fraude, AML, integração e crédito. A decisão final fica com uma pessoa, e a rigidez com que essa decisão é revisada depende do risco envolvido.

A tabela descreve os tipos de trabalho dos agentes. O escopo de cada um depende da própria política da instituição.

Em fraudes, a detecção de fraudes com IA baseada em agentes geralmente significa suporte à investigação em torno de um alerta, e não o modelo de detecção em si. O agente extrai o contexto que um investigador normalmente coletaria manualmente, permitindo que ele comece a partir de um caso já preparado.

Em AML, a triagem de alertas de primeiro nível é o ponto de partida mais comum para as equipes, e cada processo tem suas próprias regras de revisão. Como esses processos mudam como um todo, desde a revisão de alertas até as decisões de SAR, é abordado em o que a IA muda em um programa de AML.

A integração mostra claramente o padrão de níveis de risco. Um líder de operações de conformidade para integração em um banco descreveu a manutenção de uma pessoa em cada avaliação de risco para investigações aprofundadas e setores de alto risco, enquanto busca maior automação para candidatos em setores de menor risco.

O crédito é onde as equipes mais recuam. O mesmo diretor de operações disse que o interesse depende do tipo de decisão: tarefas rotineiras e não críticas são uma coisa, mas do lado da tomada de decisão, especialmente em crédito, o banco está sendo bastante conservador por enquanto.

A velocidade é apenas parte do argumento. Um chefe de operações de triagem em um grande banco disse que o benefício mais importante é a consistência da execução, que é justamente o que os altos volumes de alertas tornam mais difícil para as pessoas sustentarem.

O que a autonomia deve significar em um processo regulamentado

Em um processo regulamentado, a autonomia é um escopo que a instituição concede, comprova e pode retirar, e não uma propriedade do software. Quatro controles tornam esse escopo real:

1. Autoridade definida. A instituição formaliza quais ações um agente pode realizar, para quais tipos de decisão e onde ele deve parar e repassar a tarefa.

2. Provas revisáveis. Cada recomendação traz consigo os dados e a justificativa por trás dela, para que um revisor ou auditor possa acompanhá-la.

3. Desempenho avaliado. As recomendações do agente são comparadas com as decisões de analistas experientes, antes e depois da entrada em operação.

4. Mudança governada. Qualquer alteração no que o agente faz passa por aprovação formal, da mesma forma que uma mudança de regra ou de modelo passaria.

O escopo segue o tipo de decisão e o risco. O mesmo diretor de operações descreveu o desenho de processos em torno de uma "bolha" que define "o que os agentes têm permissão para fazer ao longo do tempo". O objetivo é expandir essa bolha à medida que as provas se acumulam, sem ter que reestruturar o processo a cada vez.

A autonomia concedida cedo demais falha em escala. Um vice-diretor de conformidade (BSA) de um banco alertou que "a próxima onda de ordens de consentimento regulatório pode vir justamente das empresas que criam agentes internos de IA que encerram casos sozinhos, mas que têm dados ruins entrando e saindo deles". Um agente trabalhando com dados fracos ou procedimentos frágeis repete a falha mais rápido do que qualquer analista conseguiria.

O posicionamento regulatório ainda está em formação. A orientação interinstitucional de gestão de risco de modelos revisada em abril de 2026 deixa explicitamente a IA de agentes fora do seu escopo. As agências disseram planejar uma solicitação de informações sobre gestão de risco de modelos que considere o uso de IA pelos bancos, incluindo a IA de agentes, o que ainda não foi emitido até outubro de 2026. A proposta de regra de programa de AML/CFT da FinCEN de abril de 2026, que ainda é uma proposta, incentiva as instituições a avaliarem se novas tecnologias, incluindo aprendizado de máquina e IA generativa, poderiam ajudá-las a combater o crime financeiro de forma mais eficaz.

Até que os auditores definam onde ficam os limites, muitas equipes preferem não arriscar. Um executivo sênior de conformidade de sanções em um banco interpretou as expectativas regulatórias atuais como a exigência de uma pessoa no processo, em vez da IA tomando a decisão final, embora admita que isso possa mudar nos próximos anos.

Um agente de IA deve encerrar ou encaminhar um alerta por conta própria?

Muitas equipes regulamentadas mantêm uma pessoa em cada resolução hoje, e consideram o encerramento de alertas sem revisão apenas para tipos de alertas específicos definidos por políticas estritas e após o agente demonstrar um histórico confiável. Na prática, as equipes se posicionam em algum ponto de um espectro curto:

• Apenas recomendação. O agente prepara o caso e recomenda um resultado; um analista revisa e decide cada alerta.

• Recomendação com confirmação rápida. Para alertas simples, o analista confirma ou ignora a recomendação em uma única etapa, com as provas já reunidas.

• Encerramento de uma classe específica sem revisão. A própria política da instituição define uma classe de alertas que pode ser encerrada sem a necessidade de um analista, e apenas após testes mostrarem que as recomendações do agente coincidem com as decisões dos analistas para aquela classe.

Os compradores discordam sobre a terceira opção, às vezes dentro de uma mesma instituição. Na avaliação de um banco, um gerente de BSA/AML perguntou se os alertas dentro de um limite estabelecido poderiam ser liberados sem que um analista precisasse olhar para eles. Um diretor de BSA/AML no mesmo banco adotou a visão oposta: "Não faz sentido gerar um alerta para deixar que o sistema o encerre". Um gerente de conformidade em uma cooperativa de crédito, por outro lado, conseguiu se ver confortável em encerrar o que a equipe considera alertas irrelevantes o quanto antes.

Onde as equipes traçam o limite é mais consistente do que o debate sugere. Um responsável pela conformidade em um banco não espera que um agente cuide de casos complexos e decisões de SAR em um futuro próximo, mas viu muitas instituições migrando para agentes na etapa de triagem. Um diretor de conformidade em um banco parceiro disse que, mesmo que a automação pudesse chegar ao envio de SAR, "só porque podemos, não significa que devemos", pois os reguladores esperarão barreiras muito rígidas de controle de qualidade.

Avançar nesse espectro exige provas primeiro. O banco cujo vice-diretor de conformidade alertou sobre as ordens de consentimento prefere uma abordagem de dar um passo de cada vez: o agente faz a maior parte do trabalho braçal e os analistas revisam, corrigem e aprovam cada alerta. Qualquer avanço em direção ao encerramento de alertas sem revisão viria apenas depois que a equipe construísse um histórico de alertas, realizasse testes paralelos que mostrassem que o agente funciona conforme esperado e o submetesse à própria revisão de modelos do banco. Um diretor de conformidade de AML em um banco descreveu o mesmo caminho, começando com o suporte e uma pessoa no processo, com qualquer etapa posterior sujeita a análises e testes de controle de qualidade (QA).

Os agentes também não devem aprender sozinhos. Um membro da equipe de conformidade na mesma cooperativa de crédito esperava que o sistema aprendesse com alertas repetidos e acabasse por encerrá-los por conta própria. Em um processo regulamentado, o comportamento de um agente só deve mudar por meio de uma alteração aprovada e assinada por uma pessoa, para que a instituição possa detalhar o que o agente fez em qualquer dia específico e o porquê.

O caminho do piloto para a produção

As equipes que conseguem levar agentes para a produção costumam seguir as mesmas seis etapas: ajustar os procedimentos, adaptar o agente ao sistema existente, decidir como fornecê-lo, testá-lo comparando com as decisões dos analistas, executá-lo em paralelo e controlar cada mudança.

1. Acerte os procedimentos primeiro. Um chefe de tecnologia de BSA/AML e garantia de programas em um banco parceiro descreveu a ordem nesse banco: o diretor de conformidade e o vice consolidaram os procedimentos primeiro e, só então, a equipe identificou agentes para assumir o trabalho de produção. Um agente aplica um procedimento; ele não consegue corrigir um procedimento fraco.

2. Adapte o agente ao seu sistema atual. O agente precisa ler dados dos sistemas que a equipe já opera e registrar suas recomendações de volta no processo de casos que os analistas usam. As questões de integração são abordadas em como adicionar agentes de IA a um sistema de risco existente.

3. Decida se vai desenvolver ou comprar. Ambos os caminhos são escolhas reais e, de qualquer forma, a instituição assume o trabalho de validação do que for implantado.

4. Comprove a eficácia antes da produção. Execute o agente primeiro contra alertas históricos e, depois, de forma silenciosa e paralela aos analistas, comparando o que o agente recomendou com o que o analista decidiu e acompanhando a taxa de concordância ao longo do tempo. O método é apresentado em como avaliar um agente de IA de risco antes da produção, e um projeto piloto deve ser concluído com base em critérios de aceitação acordados antes do seu início. Para equipes de AML que avaliam uma plataforma completa em vez de um único agente, consulte como avaliar uma plataforma de AML baseada em IA.

5. Execute em paralelo para dar segurança aos auditores. Um líder de gestão de riscos em um banco parceiro descreveu a execução em paralelo para deixar os reguladores confortáveis ao longo do tempo. Um diretor de operações em um banco parceiro planejou substituir partes do processo caso a caso, de forma calculada, construindo confiança sem parecer descuidado.

6. Controle cada mudança. Garanta acessos restritos, um registro de auditoria para cada decisão e aprovação formal para qualquer mudança no escopo ou no comportamento do agente. Os detalhes estão em como governar agentes de IA em operações de risco.

Onde os projetos piloto de agentes falham

• id="85">

• Tratar um comando comum como um agente. Um modelo de linguagem respondendo a alertas sem verificações fixas ao seu redor gera um trabalho que ninguém consegue auditar.

• Conceder autonomia antes de medir a concordância. Encerrar alertas sem revisão antes que o agente tenha um histórico comprovado comparado com as decisões de analistas deixa a instituição sem argumentos para defender o resultado.

• Automatizar sobre dados ou procedimentos frágeis. O agente repete qualquer falha existente na base, em grande escala.

• Esperar que o agente aprenda sozinho. Comportamentos que mudam sem uma alteração aprovada são comportamentos que ninguém consegue explicar para um auditor regulatório.

Perguntas frequentes

Os agentes de IA na gestão de riscos são realmente autônomos?

Apenas dentro de limites. Um agente em um processo de risco regulamentado executa as etapas de uma tarefa sem precisar de comandos a cada passo, mas a instituição define o que ele pode fazer. Uma pessoa continua tomando as decisões que trazem consequências regulatórias ou para os clientes, ou seja, a autonomia está na preparação do trabalho, enquanto o julgamento continua com as pessoas.

Os agentes de IA podem funcionar com os sistemas de risco existentes de uma instituição?

Sim. Um agente pode atuar sobrepostos aos sistemas atuais de monitoramento de transações, gestão de casos e dados, lendo as informações e registrando suas recomendações de volta no fluxo de trabalho do analista, em vez de substituí-los. Os padrões de integração são abordados no guia sobre como adicionar agentes de IA a um sistema de risco existente.

Como são governados a revisão humana, a auditabilidade e o desempenho dos agentes?

Com as mesmas disciplinas que se aplicam a regras e modelos: permissões formais por escrito, registro de cada recomendação com as provas correspondentes, comparação contínua com as decisões dos analistas e aprovação para cada mudança. O controle de acesso, auditoria e mudanças para agentes são abordados no guia sobre como governar agentes de IA em operações de risco.

A orientação de gestão de risco de modelos cobre agentes de IA?

Não no momento. A orientação de risco de modelo interinstitucional revisada, emitida em 17 de abril de 2026 (Federal Reserve SR 26-2, OCC Bulletin 2026-13 e FDIC FIL-15-2026), é explícita no boletim do OCC: "Os modelos de IA generativa e de IA baseada em agentes são novos e evoluem rapidamente. Sendo assim, eles não estão no escopo desta orientação". As agências planejam uma solicitação de informações sobre gestão de risco de modelos que considere a IA, incluindo a IA de agentes, o que ainda não foi emitido até outubro de 2026.

Onde a Oscilar se encaixa

Os agentes da Oscilar podem rodar como uma camada independente sobre a infraestrutura que a instituição já possui ou como parte da plataforma unificada da Oscilar. Eles são desenvolvidos para que uma pessoa confirme cada recomendação, trazendo uma trilha de auditoria completa por decisão com justificativas armazenadas, mantendo o humano no processo por padrão de projeto. A instituição define os limites dentro dos quais cada agente atua.

Para conhecer os tipos de trabalho de investigação, revisão e elaboração de relatórios que eles apoiam, explore os agentes da Oscilar ou agende uma conversa com a nossa equipe.