A i betalningar: den upptäcker inte längre bara bedrägerier, den lär sig nu hur du handlar för att identifiera när det inte var du

Tillväxten av digitala betalningar har åtföljts av en tyst omvandling av finansiella bedrägerier. Det som en gång huvudsakligen förlitade sig på stöld av autentiseringsuppgifter eller kortkloning innehåller nu social ingenjörskonst, syntetiska identiteter och verktyg för artificiell intelligens som kan göra attacker mer övertygande och skalbara. I detta scenario står banker, fintech-företag och företag inför en alltmer komplex utmaning: att skydda användare utan att kompromissa med den hastighet och enkelhet som kännetecknar digitala betalningar.

Enligt en undersökning av Datafolha Institute i samarbete med Brazilian Forum for Public Security (FBSP) utsattes cirka 24 miljoner brasilianare för ekonomiska bedrägerier med pengar, kreditkort och betalningsavi mellan juli 2024 och juli 2025, vilket uppgår till uppskattade förluster på nästan 29 miljarder rand. Dessutom visar information från den nationella strategin för att bekämpa korruption och penningtvätt (ENCCLA) att mer än hälften av brasilianerna redan har drabbats av någon form av ekonomiskt bedrägeri.

Idag omdefinierar tre trender riskhantering inom finanssektorn. Å ena sidan växer bedrägerier snabbt och har förändrats i sin natur, drivet av social ingenjörskonst och användningen av generativ artificiell intelligens. Å andra sidan kräver reglering realtidsövervakningssystem som är transparenta och granskningsbara. Och slutligen blir försvaret alltmer beroende av artificiell intelligens och lättanvända autentiseringsmekanismer som kan skydda användaren utan att kompromissa med betalningsupplevelsen.

Tänk dig en konsument som köper kaffe varje morgon, vid samma tidpunkt och på samma kafé. Plötsligt, några minuter senare, dyker ett köp av högt värde upp, gjort på en annan enhet och i en annan stad. I det ögonblicket är den viktigaste frågan inte längre "vad är lösenordet?", utan "är detta beteende vettigt för den här kunden?". Detta är den nya gränsen för bedrägeriförebyggande åtgärder: istället för att enbart förlita sig på lösenord eller inloggningsuppgifter lär sig artificiell intelligens hur varje person handlar för att identifiera när personen som betalar kanske inte är de själva.

Branschens svar pekar på modeller som kan tolka beteenden, inte bara tillämpa fördefinierade regler. Köpfrekvens, vanliga värden, tider, plats, apparater som används och typer av etableringar är några av de signaler som möjliggör konstruktionen av dynamiska konsumentriskprofiler. När en transaktion avviker avsevärt från detta mönster kan systemen identifiera avvikelser och bedöma risknivån innan en operation godkänns.

Denna förändring svarar också på ett ekonomiskt behov. Förutom att bekämpa bedrägerier måste institutioner minska så kallade falska positiva resultat, det vill säga legitima transaktioner som avvisas på grund av misstänkt risk. För banker, fintech-företag och företag är utmaningen inte bara att blockera bedrägerier, utan att göra det utan att skapa onödiga friktioner eller påverka konverteringen av legitima betalningar.

Trycket på ekosystemet förväntas öka under de kommande åren. En studie från GlobalData uppskattar att förluster i samband med bedrägerier via Pix kan uppgå till cirka 11 miljarder rand per år år 2028, medan data från Serasa Experian visar att det år 2025 förekom ett bedrägeriförsök varannan minut inom brasiliansk handel. I detta scenario kommer riskhantering att upphöra att vara enbart en skyddande funktion och bli en strategisk del av den digitala finansiella upplevelsen.

*Rodrigo Rodrigues, COO och medgrundare av Akua