PT
Iniciar sessãoComeçar agora
Glossário

Deteção de fraude

O que é Deteção de fraude?

A deteção de fraude abrange métodos que identificam precocemente transações, encomendas, contas ou candidaturas suspeitas. Regras e modelos de aprendizagem procuram sinais de alerta como endereços de entrega e de faturação diferentes, quantidades invulgares, pressão de tempo evidente ou endereços de e-mail descartáveis. É utilizada no comércio eletrónico, na banca, nos seguros e nos serviços de pagamento. Como os falsos alarmes podem afetar clientes genuínos, os casos detetados devem ser analisados por pessoas em vez de rejeitados automaticamente.

Como o KI.ordo ajuda

O modelo KI.ordo «Verificar uma encomenda suspeita» enumera sinais de alerta e recomenda «sem suspeitas» ou «verificar» – não rejeita nada automaticamente; a decisão cabe a uma pessoa.

Saber mais : Deteção de fraude

Modelos correspondentes

Temas

  • Prevenção de fraude
  • Gestão de risco
  • Comércio eletrónico

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração
← Todos os termos

Termos relacionados

Deteção de fraude financeira

A deteção de fraude financeira abrange métodos que descobrem atividades fraudulentas em pagamentos, cartões de crédito, seguros ou contabilidade. Os modelos de IA aprendem os padrões típicos das transações legítimas e assinalam desvios – como montantes, locais ou horas invulgares –, muitas vezes em tempo real. É essencial encontrar o equilíbrio certo entre fraude detetada e falsos alarmes. Os casos suspeitos devem ser revistos por pessoas antes de contas serem bloqueadas ou pagamentos recusados.

  • Deteção de fraude
  • Finanças
  • +1
Modelo

Deteção de anomalias

A deteção de anomalias encontra pontos de dados, eventos ou padrões que se afastam claramente da norma. Podem ser transações invulgarmente elevadas, saltos súbitos nas leituras de sensores, registos duplicados ou atividade de rede suspeita. É utilizada nas finanças, na segurança informática, na produção e no controlo de qualidade. Os métodos vão desde simples limiares estatísticos até modelos de aprendizagem; os resultados são indícios que uma pessoa deve avaliar.

  • Análise de dados
  • Controlo de qualidade
  • +1
Modelo

Análise preditiva

A análise preditiva utiliza dados históricos, estatística e aprendizagem automática para estimar acontecimentos futuros prováveis. Responde a perguntas como: que clientes estão prestes a cancelar? De quanto stock será necessário no próximo mês? Quando é provável que uma máquina avarie? Os resultados são probabilidades, não certezas. O seu valor depende muito da qualidade dos dados e de as previsões se refletirem efetivamente em decisões e processos.

  • análise de dados
  • previsão
  • +1

Human-in-the-loop

Human-in-the-loop descreve fluxos de trabalho em que as pessoas intervêm num processo de IA em pontos definidos: revêem resultados, aprovam-nos ou corrigem-nos, ou assumem os casos difíceis. O princípio reduz o risco de saídas erradas e mantém a responsabilidade nas pessoas, sobretudo em decisões que afetam indivíduos, dinheiro ou assuntos jurídicos. Exemplo: um agente de IA redige respostas a pedidos de clientes e um colaborador verifica-as antes de serem enviadas.

  • Aprovação
  • Supervisão
  • +1