Mastercard Desafia Convenções com Modelo Tabular para Fraude
A Mastercard revelou nesta semana um modelo de inteligência artificial treinado exclusivamente em dados transacionais — não em texto ou imagens — para combater fraudes em pagamentos digitais. O Large Tabular Model (LTM), desenvolvido sobre bilhões de transações com cartão, representa uma mudança fundamental na forma como sistemas de segurança processam informações financeiras em escala global.
Com fraudes em pagamentos digitais custando ao ecossistema global aproximadamente US$ 32,39 bilhões em 2022, segundo a Nilson Report, a pressão sobre redes de pagamento para desenvolver defesas mais sofisticadas nunca foi tão intensa. A entrada da Mastercard nesse segmento de modelos tabulares coloca a empresa em posição estratégica contra concorrentes como Visa, American Express e fintechs especializadas em segurança.
A Arquitetura Técnica: Por Que Modelos Tabulares Diferem de LLMs
Diferentemente dos Large Language Models (LLMs), que processam sequências de tokens textuais, os LTMs operam diretamente sobre estruturas de dados tabulares — tabelas com colunas de valores numéricos, categóricos e temporais. Segundo a Mastercard, o modelo foi alimentado com "centenas de bilhões" de linhas de dados transacionais, capturando padrões de comportamento de consumo, geolocalização, horários e valores típicos por comerciante.
"A fraude não é uma frase a ser completada — é um padrão statistical anômalo em milhões de variáveis," explicou um porta-voz da Mastercard durante o anúncio.
As principais características técnicas do LTM incluem:
- Capacidade de processamento de múltiplas features simultaneamente: O modelo analisa até 100+ variáveis por transação em milissegundos
- Aprendizado de representações latentes: Captura correlações não-lineares entre variáveis que análises tradicionais baseadas em regras não conseguem detectar
- Adaptação contínua: O modelo é retreinado periodicamente com novos dados, permitindo identificação de novas modalidades de fraude em evolução
- Explicabilidade: Gera scores de confiança e explicações para cada decisão, facilitando auditorias regulatórias
Impacto no Mercado: A Guerra da Detecção de Fraude em Tempo Real
O mercado global de prevenção de fraudes em pagamentos foi avaliado em US$ 26,3 bilhões em 2023, com projeção de alcançar US$ 56,7 bilhões até 2032, segundo a MarketsandMarkets. Nesse cenário, a abordagem da Mastercard visa consolidar sua posição como líder tecnológica, competindo diretamente com:
- Visa — que já utiliza modelos de machine learning em sua plataforma Visa Advanced Authorization
- American Express — com seus sistemas proprietários de detecção em tempo real
- Fornecedores especializados — como Feedzai, Signifyd e Sift, que oferecem soluções de terceiros
A movimentação da Mastercard ocorre em contexto de crescente regulamentação de IA nas Américas. Na União Europeia, o AI Act impõe requisitos de transparência para sistemas de decisão automatizada em serviços financeiros. No Brasil, a LGPD já força empresas a documentarem como utilizam dados e algoritmos em decisões que afetam consumidores.
Relevância para a América Latina
A região representa um mercado de 850 milhões de cartões ativos segundo dados do BIS, com taxas de fraude que variam entre 0,05% e 0,15% do volume transacional — acima da média global em alguns países. O México, o Brasil e a Colômbia lideram a adoção de pagamentos digitais, tornando-se alvos prioritários para fraudadores.
Para comerciantes e instituições financeiras latino-americanas, a promessa de modelos tabulares mais precisos significa:
- Redução de falsos positivos: Menos transações legítimas recusadas erroneamente
- Diminuição de chargebacks: Economia estimada em US$ 117 bilhões anuais globalmente
- Melhor experiência do consumidor: Checkout mais fluido com segurança invisível
O Que Esperar: Próximos Passos e Tendências do Setor
A Mastercard indicou que pretende expandir o LTM para cobertura de centenas de bilhões de transações nos próximos 18 meses. A empresa também sinalizou parcerias com emissores de cartões e adquirentes para licensing da tecnologia via sua plataforma Decision Intelligence.
Especialistas antecipam uma onda de investimentos em modelos tabulares pelo setor financeiro. A Feedzai, startup portuguesa com forte presença na América Latina, já desenvolve soluções similares, enquanto a Serasa Experian no Brasil integra modelos de IA em seus serviços de autenticação.
Para consumidores, a implication prática é dupla: maior segurança sem fricção — mas também maior coleta de dados comportamentais. Questões sobre privacidade e uso de dados históricos de transações permanecerão no centro do debate regulatório.
Palavras-chave: Mastercard, LTM, fraude, pagamentos digitais, inteligência artificial, machine learning, segurança financeira, América Latina, modelos tabulares.
