O PicPay, um dos principais bancos digitais do Brasil, opera um programa de prevenção a fraudes em várias camadas. Nele, sua equipe de detecção de fraudes conta com gatilhos estatísticos de anomalia para sinalizar comportamentos incomuns de transações em tempo quase real — uma camada que, por design, prioriza a sensibilidade e, portanto, gera um alto volume de alertas para revisão humana. À medida que o monitoramento se expandiu para mais produtos, essa revisão se tornou um gargalo: a triagem é inerentemente sequencial e a fila crescia mais rápido do que podia ser liberada. A equipe de detecção de fraudes do PicPay recorreu ao Databricks Genie Agents para criar um sistema multiagente coordenado que avalia automaticamente o risco de cada anomalia sinalizada. Isso reduziu em 60% os falsos positivos que chegavam aos analistas e tornou os tempos de resposta em picos até 10 vezes mais rápidos, permitindo ações em tempo quase real contra fraudes potenciais.
Desafios da triagem manual de fraudes no PicPay
O PicPay busca tornar os serviços financeiros no Brasil mais simples e acessíveis. À medida que o PicPay expandiu o uso de AI, a equipe de prevenção a fraudes viu uma oportunidade de melhorar a avaliação de transações anômalas.
Antes de adotar o Genie Agents, a detecção de fraudes do PicPay dependia de gatilhos estatísticos de anomalia. Esses gatilhos comparavam o comportamento de transações anteriores com uma linha de base prevista. Quando o volume ou valor de uma determinada janela de tempo excedia as expectativas, o sistema gerava um alerta. No entanto, como os gatilhos avaliavam o desvio estatístico em vez de um contexto comportamental mais amplo, eles geravam um alto número de falsos positivos. Cada caso sinalizado exigia que um analista humano abrisse um dashboard e decidisse manualmente se deveria intervir.
"A triagem manual é inerentemente sequencial, um caso de cada vez, não importa quão experiente seja o analista", disse Flávio Arena, Gerente de Tecnologia no PicPay.
Isso criou três limitações cumulativas: tempos de resposta lentos; variabilidade no processo de análise devido a diferentes contextos de casos e sinais disponíveis; e um desafio de escala à medida que o monitoramento se expandia. Expandir o monitoramento para novos produtos exigiria dimensionar a equipe proporcionalmente, afastando os analistas de investigações de maior valor. Com a expansão do monitoramento, o volume de anomalias tornou-se insustentável, e a equipe de fraudes do PicPay começou a buscar uma alternativa autônoma.
O PicPay inicialmente prototipou um agente autônomo internamente. À medida que a equipe refinava a abordagem para implantação em produção, adotou o modo de Agente do Genie e migrou sua estrutura de regras e validação para o Genie Agents.
Implementando um sistema de quatro agentes para detecção de fraudes em tempo real
Para aprimorar a detecção de fraudes mantendo seus gatilhos de anomalia existentes, o PicPay projetou uma arquitetura coordenada de quatro agentes. A arquitetura avalia cada transação sinalizada em tempo quase real e retorna uma avaliação de risco consistente para a equipe de detecção.
A equipe de fraudes do PicPay projetou dois casos de uso baseados no Genie, ambos focados em transações na carteira do PicPay. Um abrange toda a base ativa e o outro se concentra especificamente em grupos de risco, que apresentam o maior risco devido à falta de histórico de transações. Quando uma anomalia estatística é detectada no volume ou valor da transação, o alerta é direcionado a um Genie Agent para avaliação.
"Temos um objetivo comum em ambos os casos de uso, que é a detecção preventiva de ataques de fraude", disse Michell Costalonga, Analista de Dados no PicPay. "O agente analisa variáveis de risco vinculadas ao comportamento do usuário no PicPay, bem como variáveis vinculadas às próprias transações, e depois compara tudo com o histórico para ver o quão distante essa anomalia está do padrão normal."
Agentes coordenados para análise abrangente
Em vez de depender de um único agente, a equipe criou quatro agentes coordenados para cada caso de uso:
- Um agente analisa as transações associadas à janela sinalizada.
- Um segundo agente recupera e analisa o comportamento histórico.
- Um terceiro agente consolida essas descobertas em uma pontuação de risco.
- Um quarto agente padroniza a saída antes que o caso chegue a um analista humano.
"Vimos que a consistência com um único agente era comprometida pelo tamanho do prompt e das instruções", disse Michell. Dividir a carga de trabalho em quatro agentes mais simples e focados padronizou as respostas. Também reduziu o tempo de processamento de 15–20 minutos para 3–7 minutos, executando partes da análise em paralelo.
Processamento eficiente e tratamento de erros
O sistema também lida com falhas de maneira robusta. "Se os dois agentes que executam as consultas reais falharem três vezes, nós tentamos novamente e, em uma quarta falha, a anomalia ainda vai direto para a equipe de detecção humana, para que nunca percamos um caso", explicou Michell.
A arquitetura processa até 10 anomalias simultaneamente. Cada caso leva de 7 a 10 minutos e consome cerca de 12.000 tokens, a um custo estimado de R$ 32 para cada 100 alertas analisados.
O desenvolvimento avançou rapidamente porque as regras de fraude subjacentes já haviam sido mapeadas em um protótipo anterior. "Precisamos de apenas quatro dias para preparar e estruturar toda a arquitetura", disse Michell, aproveitando três semanas de trabalho de design de regras feito anteriormente. "La parte mais demorada foi descobrir como dividir o trabalho entre os agentes e fazer isso funcionar bem com o Genie Agents."
Flávio observou que a conexão do Genie Agents com dados já governados no Databricks tornou o processo de criação transparente e simples. Os agentes foram disponibilizados para a equipe de detecção de fraudes como uma camada automatizada de pré-triagem, preparando cada anomalia antes que ela chegue a um analista. Não foi necessário nenhum treinamento adicional, pois o fluxo de trabalho diário dos analistas não mudou — os casos simplesmente chegam já contextualizados.
O fluxo de trabalho do Genie Agents da equipe de fraudes faz parte de uma mudança mais ampla no uso da plataforma Databricks pelo PicPay. Em toda a empresa, as equipes usam AI/BI Dashboards para monitoramento e análise de autoatendimento. Notebooks interativos também continuam fazendo parte do trabalho diário, tanto para análises exploratórias quanto para a criação de pipelines de dados. Essa base, combinada com o dashboard de matriz de confusão que a equipe criou para monitorar o desempenho do Genie Agents, significou que a equipe de fraudes não estava introduzindo uma nova plataforma. Estava adicionando uma nova camada de automação sobre ferramentas já integradas ao seu fluxo de trabalho.
Transformando tempos de resposta de horas em minutos com o Genie Agents
Com a pontuação de risco automatizada integrada à detecção de anomalias existente, o PicPay melhorou a velocidade e a precisão em seu fluxo de trabalho de triagem de fraudes, especialmente durante picos de volume de alertas.
O resultado mais significativo foi uma redução de 60% nos falsos positivos que chegavam à equipe de detecção humana, um ganho expressivo para uma instituição que opera na escala do PicPay. Uma única análise manual levava cerca de 10 minutos por caso. Isso significava que uma fila de 10 anomalias levava 100 minutos sequenciais para ser liberada. Agora, o Genie Agents processa as mesmas 10 anomalias simultaneamente.
Entre as anomalias direcionadas aos agentes, 93% do valor contestado posteriormente pelos clientes já havia sido classificado como de alto risco na triagem, validando a avaliação de risco dos agentes em relação a um resultado de negócios real. Os 7% restantes representavam um valor financeiro comparativamente pequeno. "Criamos um dashboard no Databricks para monitorar o desempenho da classificação, acompanhando a matriz de confusão, a taxa de divergência e o valor contestado associado a falsos positivos e falsos negativos", disse Michell.
A auditabilidade nativa do Genie Agents reforçou ainda mais a confiança no sistema. "O Genie permite que você entre na conversa do agente, veja a consulta exata que foi executada no banco de dados e verifique a resposta obtida", acrescentou Michell, dando aos supervisores visibilidade sobre cada decisão automatizada.
Olhando para o futuro, o PicPay planeja expandir o uso do Genie por meio de salas dedicadas do Genie. Essas salas permitirão que as equipes de negócios de toda a empresa consultem bases de conhecimento especializadas sem depender de equipes técnicas.
Flávio destacou que a plataforma melhorou a capacidade da equipe de operacionalizar a AI para prevenção a fraudes. "O Genie Agents tornou nossa gestão de risco mais ágil e eficiente", disse ele, "ampliando nossa capacidade de identificar e priorizar transações potencialmente fraudulentas."
FAQ: PicPay no Databricks Genie Agents
A camada de detecção de anomalias do PicPay é ajustada para sensibilidade, por isso gera um alto volume de alertas para revisão humana. A triagem manual de painéis não era escalável à medida que o monitoramento se expandia para mais produtos.