Verificações totalmente automatizadas x semiautomatizadas: a incorporação de pessoas no processo de verificação de documentos

O triângulo de compromissos: precisão, velocidade e custo

Não existe uma solução perfeita para a detecção de fraudes. Tanto os modelos automatizados quanto os seres humanos estão sujeitos a erros. Dedicar mais tempo a uma tarefa geralmente leva a uma maior precisão, mas nunca consegue eliminar completamente os erros. Portanto, qualquer sistema de verificação de documentos deve equilibrar três fatores cruciais:

• Precisão: A capacidade de identificar corretamente tanto documentos autênticos quanto fraudulentos.
• Velocidade: O tempo necessário para processar um documento.
• Custo: O investimento financeiro necessário para o processo de verificação.

A verificação de documentos de identidade se destaca pelo fato de que documentos fraudulentos são relativamente raros. No entanto, o custo de não detectar um documento fraudulento pode ser muito alto, dependendo do caso específico. Por outro lado, rejeitar documentos genuínos ou causar atrasos para clientes válidos gera atritos e perda de lucro.

Totalmente automatizado x semiautomatizado: os prós e os contras

• Os sistemas totalmente automatizados são extremamente rápidos, muitas vezes processando documentos em segundos. Embora a tecnologia de detecção automatizada de fraudes tenha avançado, os especialistas humanos continuam sendo a referência em termos de precisão. No entanto, depender exclusivamente de especialistas é caro e difícil de ampliar.
• Os sistemas semiautomatizados (também conhecidos como sistemas “human-in-the-loop”) oferecem um meio-termo. Eles aproveitam a automação para garantir rapidez e eficiência, mas incorporam estrategicamente a revisão humana para casos complexos ou de alto risco.

Avaliação de desempenho: BPCER e APCER

Dois indicadores-chave são utilizados para avaliar os sistemas de verificação de documentos:

• Taxa de Erro de Classificação de Apresentação de Boa-Fé (BPCER): A taxa na qual documentos genuínos são rejeitados incorretamente (semelhante à “taxa de rejeição falsa”).
• Taxa de Erro de Classificação de Apresentação de Ataque (APCER): A taxa na qual documentos fraudulentos são aceitos incorretamente (semelhante à “taxa de aceitação falsa”).

Diferentes parâmetros dentro do mesmo caso de uso (revisão de transações) podem priorizar uma métrica em detrimento de outra. Por exemplo, a aprovação de transações de pequeno valor pode favorecer um BPCER mais alto (aceitando mais documentos genuínos, mesmo que alguns fraudulentos passem despercebidos) para minimizar o atrito. Por outro lado, transações de grande valor exigem um APCER mais baixo, com foco na segurança, mesmo que isso signifique rejeitar mais documentos genuínos inicialmente.

Equilibrando a garantia e a conversão por meio da revisão humana

Os sistemas totalmente automatizados geralmente permitem que a configuração ajuste o equilíbrio entre:

• Alta garantia: Priorizar um APCER baixo (aceitação mínima de fraudes), mesmo que isso possa resultar em um BPCER mais alto (maior número de rejeições de documentos genuínos).
• Alta taxa de conversão: priorizar um BPCER baixo (aceitar a maioria dos documentos genuínos) mesmo correndo o risco de um APCER mais alto (maior aceitação de fraudes).

No entanto, mesmo com os ajustes, um APCER muito baixo pode resultar em um BPCER inaceitavelmente alto, afetando a satisfação do cliente.

Estratégias com intervenção humana

Os sistemas semiautomatizados oferecem várias maneiras de incorporar a experiência humana:

1. Análise de alto risco: Somente as transações de alto risco (por exemplo, valores elevados) são analisadas por pessoas.
2. Análise de suspeitas de fraude: Todos os documentos sinalizados pelo sistema automatizado como potencialmente fraudulentos são analisados por pessoas.
3. Classificação em três categorias: O sistema classifica os documentos como “definitivamente fraudulento”, “definitivamente autêntico” ou “incerto”. Os revisores humanos analisam apenas a categoria “incerto”. Isso permite um controle independente do APCER e do BPCER, garantindo tanto um alto nível de confiança quanto uma alta taxa de conversão.

Benefícios adicionais da revisão humana

Além de melhorar a precisão, a revisão humana pode:

• Validar o desempenho do sistema automatizado: Ao verificar manualmente uma amostra aleatória de decisões, as empresas podem confirmar a precisão do sistema automatizado com base em seus dados específicos.
• Avaliar o desempenho dos anotadores humanos: A mesma técnica de amostragem aleatória pode ser utilizada para avaliar o próprio desempenho dos revisores humanos.

Nesses casos, embora haja intervenção humana, tecnicamente não se trata de processos com participação humana.

Conclusão

A verificação de documentos exige uma abordagem diferenciada que equilibre rapidez, precisão e custo. Sistemas semiautomatizados, que incorporam estrategicamente a revisão humana, oferecem flexibilidade para se adaptar a diferentes níveis de tolerância ao risco e casos de uso, proporcionando o melhor dos dois mundos: a eficiência da automação e a precisão do julgamento humano.