A fraude documental está explodindo com a ajuda da própria IA: hoje, 1 em cada 16 documentos apresenta algum tipo de fraude, e as falsificações geradas por IA cresceram 5 vezes entre abril e dezembro de 2025. Para instituições financeiras que processam milhares de solicitações por dia, a revisão manual tradicional — que leva 30 minutos por aplicação — simplesmente não acompanha o volume.
A Inscribe, empresa que desenvolve detecção de fraude documental com IA desde 2017, acaba de revelar como construiu um sistema de IA agentiva usando o Amazon Bedrock que detecta documentos financeiros adulterados, fabricados e gerados por IA em menos de 90 segundos — uma melhoria de 20x em relação à revisão manual tradicional.
Agentes que pensam como analistas de fraude
O diferencial do sistema da Inscribe está na abordagem agentiva. Em vez de usar um único modelo para responder perguntas isoladas, o sistema coordena múltiplos modelos especializados que trabalham em sequência: submete um documento, roteia pelos modelos corretos, executa verificações forenses em paralelo, pesquisa na web para verificar dados do empregador, cruza informações entre todos os documentos do conjunto e gera um relatório de fraude pronto para auditoria — tudo sem intervenção humana.
“Pense em um sistema de IA agentiva como um analista especialista que trabalha do início ao fim”, explica a equipe da Inscribe. “Ele pega um objetivo, divide em etapas, usa múltiplas ferramentas e trabalha até a conclusão.”
A estratégia multi-modelo
Um insight crucial que moldou a arquitetura: nenhum modelo único é igualmente adequado para todas as tarefas. Coordenar o modelo certo para cada etapa, em vez de aplicar o mesmo modelo a tudo, entrega resultados melhores com custo menor.
A Inscribe usa três famílias de modelos no Amazon Bedrock:
- Claude Haiku 4.5 (Anthropic): para operações de alto volume — parsing de documentos, extração de campos, classificação inicial e triagem. Reduziu custos em aproximadamente 40% em comparação com Claude Sonnet, mantendo a velocidade.
- Llama 3.1 70B e Llama 4 (Meta): para enriquecimento de transações e extração de entidades. A qualidade foi equivalente a modelos mais caros, permitindo economia significativa sem sacrificar performance.
- Modelos de embedding e classificação: para busca semântica e matching de padrões.
“Não vimos muita diferença em termos de performance. A qualidade do Llama para essas tarefas estava no nível que queríamos, então escolher o Llama nos permitiu reduzir custos sem sacrificar qualidade”, explica Ivo, Engineering Manager da Inscribe.
Por que isso importa
Uma única fraude não detectada pode significar milhões em perdas diretas, exposição regulatória e danos à reputação. Enquanto isso, processos manuais demorados fazem clientes desistirem durante a aprovação. O sistema da Inscribe resolve os dois lados: velocidade para não perder o cliente e precisão para não tomar prejuízo.
O case é um exemplo prático de como a IA agentiva está saindo dos benchmarks e entrando em produção em setores regulados, com exigências reais de segurança, compliance e explicabilidade — exatamente o tipo de implantação que prova o valor da IA além do hype.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
