数字支付的蓬勃发展也伴随着金融欺诈的悄然变革。过去主要依赖凭证窃取或银行卡克隆的欺诈手段，如今已融合了社会工程学、合成身份和人工智能工具，使得攻击更具迷惑性和规模化。在此背景下，银行、金融科技公司和企业面临着日益复杂的挑战：如何在不牺牲数字支付速度和便捷性的前提下，保护用户安全。.
根据Datafolha研究所与巴西公共安全论坛（FBSP）联合开展的一项调查，2024年7月至2025年7月期间，约有2400万巴西人成为涉及Pix卡、信用卡和支付单据的金融诈骗的受害者，累计损失估计近290亿雷亚尔。此外，国家反腐败和反洗钱战略（ENCCLA）的信息显示，超过半数的巴西人已经遭受过某种形式的金融诈骗。.
“如今，三大趋势正在重塑金融领域的风险管理。一方面，欺诈行为增长迅速，且性质已发生变化，这主要得益于社会工程学和生成式人工智能的应用。另一方面，监管要求建立实时、透明且可审计的监控系统。最后，防御也越来越依赖于人工智能和低摩擦的身份验证机制，这些机制能够在保护用户的同时，又不影响支付体验。” 面向新兴市场的AI支付操作系统Akua的首席运营官兼联合创始人Rodrigo Rodrigues表示。
想象一下，一位顾客每天早上都在同一时间、同一家咖啡店买咖啡。突然，几分钟后，他的账户上出现了一笔高额消费，消费地点和设备都不一样。此时，最重要的问题不再是“密码是什么？”，而是“这种行为符合这位顾客的习惯吗？”。这就是反欺诈的新前沿：不再仅仅依赖密码或凭证，而是通过人工智能学习每个人的购物习惯，来识别付款人是否可能是本人。.
行业的回应表明，需要建立能够解读行为而非仅仅应用预设规则的模型。购买频率、通常金额、时间、地点、使用的设备以及商家类型等信息，都可以用来构建动态的消费者风险画像。当交易显著偏离这种模式时，系统能够识别异常情况，并在授权交易前评估风险等级。.
这一变化也是为了满足经济需求。除了打击欺诈之外，金融机构还需要减少所谓的误报，即因疑似风险而被拒绝的合法交易。对于银行、金融科技公司和企业而言，挑战不仅在于阻止欺诈活动，还在于如何在不造成不必要摩擦或影响合法支付的情况下做到这一点。.
在此背景下，像Akua这样的公司一直在整合机器学习模型、智能认证、令牌化和实时分析机制，以加强整个交易周期的风险管理。其目标不仅在于检测可疑操作，更在于更好地了解用户行为，并做出更准确、透明且可审计的决策。.
预计未来几年，该生态系统面临的压力将会增加。GlobalData 的一项研究估计，到 2028 年，通过 Pix 进行的诈骗造成的损失可能达到每年约 110 亿雷亚尔；而 Serasa Experian 的数据显示，到 2025 年，巴西商业领域平均每两分钟就会发生一起诈骗未遂事件。.
罗德里格斯总结道：“打击欺诈正在进入一个新阶段。如果说多年来工作的重点是保护凭证和数据，那么现在的挑战在于实时解读信号，并以尽可能小的阻力区分合法交易和可疑活动。预防措施正在从静态规则演变为更加动态和适应性更强的模型 。
随着数字支付的持续发展，以及不法分子不断利用新技术扩大攻击规模并提升攻击手段，如何在安全性、用户体验和信任之间取得平衡，已成为银行、金融科技公司和企业竞争的关键因素。在此背景下，风险管理将不再仅仅是一种保护机制，而将成为数字金融体验中不可或缺的战略要素。.
