數位支付的蓬勃發展也伴隨著金融詐欺的悄悄變革。過去主要依賴憑證竊取或銀行卡克隆的詐欺手段，如今已融合了社會工程、合成身份和人工智慧工具，使得攻擊更具迷惑性和規模化。在此背景下，銀行、金融科技公司和企業面臨日益複雜的挑戰：如何在不犧牲數位支付速度和便利性的前提下，保護用戶安全。.
根據Datafolha研究所與巴西公共安全論壇（FBSP）聯合進行的一項調查，2024年7月至2025年7月期間，約有2400萬巴西人成為涉及Pix卡、信用卡和支付單據的金融詐騙的受害者，累計損失估計近290億雷亞爾。此外，國家反腐敗和反洗錢策略（ENCCLA）的資訊顯示，超過一半的巴西人已經遭受某種形式的金融詐騙。.
「如今，三大趨勢正在重塑金融領域的風險管理。一方面，欺詐行為增長迅速，且性質已發生變化，這主要得益於社會工程學和生成式人工智能的應用。另一方面，監管要求建立實時、透明且可審計的監控系統。最後，防禦也越來越依賴於人工智能和低摩擦的身份驗證機制，這些操作系統能夠在保護用戶的同時，又不影響 力
想像一下，一位顧客每天早上都在同一時間、同一家咖啡店買咖啡。突然，幾分鐘後，他的帳戶上出現了一筆高額消費，消費地點和設備都不一樣。此時，最重要的問題不再是“密碼是什麼？”，而是“這種行為符合這位顧客的習慣嗎？”。這就是反詐騙的新前沿：不再僅僅依賴密碼或憑證，而是透過人工智慧學習每個人的購物習慣，來識別付款人是否可能是本人。.
業界的回應表明，需要建立能夠解讀行為而非僅僅應用預設規則的模型。購買頻率、通常金額、時間、地點、使用的設備以及商家類型等訊息，都可以用來建立動態的消費者風險畫像。當交易顯著偏離此模式時，系統能夠識別異常情況，並在授權交易前評估風險等級。.
這項變化也是為了滿足經濟需求。除了打擊詐欺之外，金融機構還需要減少所謂的誤報，也就是因疑似風險而被拒絕的合法交易。對於銀行、金融科技公司和企業而言，挑戰不僅在於阻止詐欺活動，還在於如何在不造成不必要摩擦或影響合法支付的情況下做到這一點。.
在此背景下，像Akua這樣的公司一直在整合機器學習模型、智慧認證、令牌化和即時分析機制，以加強整個交易週期的風險管理。其目標不僅在於偵測可疑操作，更在於更了解使用者行為，並做出更準確、透明且可審計的決策。.
預計未來幾年，該生態系統面臨的壓力將會增加。 GlobalData 的一項研究估計，到 2028 年，透過 Pix 進行的詐騙造成的損失可能達到每年約 110 億雷亞爾；而 Serasa Experian 的數據顯示，到 2025 年，巴西商業領域平均每兩分鐘就會發生一起詐騙未遂事件。.
羅德里格斯總結道：“打擊詐欺正在進入一個新階段。如果說多年來工作的重點是保護憑證和數據，那麼現在的挑戰在於實時解讀信號，並以盡可能小的阻力區分合法交易和可疑活動。預防措施正在從靜態規則演變為更加動態和適應性更強的模型 。
隨著數位支付的持續發展，以及不法分子不斷利用新技術擴大攻擊規模並提升攻擊手段，如何在安全性、使用者體驗和信任之間取得平衡，已成為銀行、金融科技公司和企業競爭的關鍵因素。在此背景下，風險管理將不再只是一種保護機制，而將成為數位金融體驗中不可或缺的策略要素。.
