A verificação de identidade não é o produto. A tecnologia é.

Se você já avaliou fornecedores de serviços de verificação de identidade antes, provavelmente já ouviu as mesmas promessas repetidamente: alta precisão, tempos de resposta rápidos, cobertura global. Chega um momento em que tudo começa a soar igual.

Isso porque, em muitos aspectos, a verificação de identidade está se tornando um produto de uso comum. Hoje, é possível montar um fluxo básico de verificação usando APIs na nuvem, ferramentas prontas para uso ou até mesmo grandes modelos de linguagem. Vistas de fora, muitas soluções parecem muito semelhantes.

Mas, por baixo da superfície, as diferenças são significativas.

A pergunta que todo comprador acaba fazendo

Durante vários anos, trabalhei diretamente com clientes que avaliavam vários fornecedores de serviços de verificação de identidade ao mesmo tempo. Era comum que as organizações conversassem com três, quatro ou até cinco fornecedores antes de tomar uma decisão.

E, no fim das contas, sempre surgia a mesma pergunta: “Por que deveríamos escolher vocês?”

É uma pergunta pertinente, especialmente em um mercado repleto de grandes fornecedores, provedores de plataformas e empresas que integram diversas tecnologias de terceiros em uma única oferta.

Na Microblink, a resposta sempre foi direta: porque a tecnologia subjacente é importante.

Por que a propriedade da tecnologia é importante

Na Microblink, desenvolvemos e mantemos internamente nossa tecnologia principal de captura, extração e verificação de documentos. Nossas equipes criam os algoritmos, gerenciam os modelos de aprendizado de máquina e otimizam continuamente o desempenho em diversos dispositivos, ambientes e condições reais de uso.

Isso pode parecer uma distinção técnica, mas, na prática, faz uma grande diferença.

Quando as empresas dependem fortemente de modelos de agregadores ou revendedores, a resolução de problemas muitas vezes exige a coordenação entre vários fornecedores. Um caso extremo relacionado a documentos, um problema específico de um dispositivo ou uma inconsistência regional pode precisar passar por várias camadas antes que melhorias possam ser implementadas. Isso, naturalmente, retarda a iteração e limita a flexibilidade.

Possuir a pilha de tecnologia central proporciona um controle muito maior sobre a forma como os sistemas evoluem e respondem às condições do mundo real. Isso permite que as equipes reajam mais rapidamente a novos padrões de fraude, se adaptem a ambientes de implantação em constante mudança e priorizem o feedback dos clientes diretamente no roteiro do produto.

E, na verificação de identidade, os casos extremos não são exceções raras. Eles são a realidade dos ambientes de produção.

Verificação de produtos de base x diferenciação real

Há uma tendência cada vez mais forte de se considerar que a verificação de identidade, por si só, tenha se tornado uma mercadoria. Até certo ponto, concordo com isso.

Fluxos de trabalho básicos de verificação, como a captura de um documento, a extração de texto e a realização de verificações de validação padrão, estão se tornando cada vez mais acessíveis. No entanto, a tecnologia subjacente que sustenta esses fluxos de trabalho não é um produto comum.

É aí que ainda existe uma diferenciação significativa.

Por exemplo, na Microblink, oferecemos suporte a modelos de implantação no próprio dispositivo, no lado do servidor e híbridos, dependendo das necessidades dos clientes. Essa flexibilidade se torna extremamente importante em implantações no mundo real, onde a conectividade, a qualidade do hardware, os requisitos de privacidade e os ambientes regulatórios variam significativamente.

Essas decisões arquitetônicas costumam passar despercebidas durante uma demonstração do produto, mas tornam-se fundamentais quando se trata de escalabilidade.

A fraude tem evoluído mais rapidamente do que a maioria dos sistemas

Outra área em que o domínio da tecnologia se torna extremamente importante é a prevenção de fraudes.

O panorama da fraude mudou drasticamente nos últimos anos. Os invasores não dependem mais, principalmente, de ataques simples de apresentação, como fotos impressas ou máscaras estáticas. Hoje, ferramentas de IA generativa podem criar identidades sintéticas, documentos manipulados, fluxos de selfies injetados e deepfakes altamente convincentes em questão de segundos.

Isso cria um desafio técnico fundamentalmente diferente.

Para acompanhar esse cenário, são necessários sistemas capazes de evoluir continuamente, acompanhando as metodologias de ataque. Isso exige a capacidade de testar internamente novos cenários de fraude, retreinar modelos rapidamente, avaliar casos extremos e integrar inteligência contra fraudes diretamente aos fluxos de trabalho de desenvolvimento de produtos.

Quando as organizações dependem inteiramente de ferramentas externas, sua capacidade de adaptação fica limitada pelo plano de desenvolvimento e pelas prioridades de terceiros. Quando a tecnologia central é desenvolvida internamente, os ciclos de iteração tornam-se significativamente mais rápidos.

Os limites dos LLMs na verificação de identidade

Também há um debate crescente sobre se os grandes modelos de linguagem podem substituir completamente os sistemas tradicionais de verificação de identidade.

Em cenários controlados, os LLMs podem apresentar um desempenho surpreendentemente bom. Mas os ambientes reais de verificação de identidade revelam suas limitações muito rapidamente.

Em meus próprios testes, observei tempos de resposta inconsistentes, resultados alucinados — em que o modelo gera informações que não existem — e dificuldade em lidar de maneira consistente com casos extremos ou entradas de baixa qualidade.

Mais importante ainda, é difícil implementar os LLMs de forma a atender aos requisitos de verificação de identidade do mundo real. Eles exigem grande poder de computação, não são facilmente implantáveis no próprio dispositivo e seus resultados nem sempre são determinísticos ou auditáveis.

Na verificação de identidade, a consistência é extremamente importante. Se o mesmo documento for processado várias vezes, as organizações precisam obter o mesmo resultado todas as vezes. Esse nível de repetibilidade ainda é difícil de ser garantido de forma confiável por grandes sistemas generativos.

A situação atual da Microblink

É por isso que acredito que a propriedade da tecnologia subjacente continuará a ser importante, mesmo à medida que os fluxos de trabalho de verificação de identidade se tornem mais amplamente disponíveis.

Na Microblink, nosso foco continua voltado para a evolução contínua de nossa tecnologia central de documentos, oferecendo flexibilidade de implantação em dispositivos e ambientes reais e nos adaptando rapidamente às novas técnicas de fraude, especialmente aquelas que envolvem IA generativa.

Não estamos tentando sugerir que algum sistema seja perfeito. Toda tecnologia de identidade tem suas limitações. Mas compreender essas limitações, testá-las continuamente em condições reais e construir sistemas projetados para evoluir ao longo do tempo é, em última análise, o que gera confiança.