Mastercard, uma das gigantes dos pagamentos globais, acaba de dar um passo significativo na segurança digital. A empresa revelou o desenvolvimento de um Large Tabular Model (LTM), um tipo de inteligência artificial treinado especificamente com dados de bilhões de transações. Diferente dos modelos de linguagem que dominam as manchetes, este LTM visa aprimorar a detecção de fraudes e a autenticidade em pagamentos digitais, trazendo uma nova abordagem para um problema antigo e crucial no setor financeiro.
O que é um Large Tabular Model (LTM)?
Enquanto os famosos Large Language Models (LLMs) são treinados em texto e imagens para prever a próxima palavra ou gerar conteúdo, um LTM opera de maneira distinta. O modelo da Mastercard examina as relações entre os campos em tabelas de dados multidimensionais, como informações de transações, localização do comerciante, fluxos de autorização e incidentes de fraude. Essa arquitetura o aproxima mais do machine learning puro do que da inteligência artificial generativa, focando em identificar padrões anômalos que as regras pré-definidas talvez não consigam capturar.
A Mastercard descreve o LTM como um ‘motor de insights’ projetado para ser integrado a produtos existentes, otimizando os fluxos de trabalho. A infraestrutura técnica para este modelo é fornecida pela Nvidia, que cuida da plataforma de computação, e pela Databricks, responsável pela engenharia de dados e desenvolvimento do modelo.
Segurança e Privacidade no Centro da Inovação
Um dos pontos cruciais do LTM da Mastercard é seu compromisso com a privacidade. O modelo foi treinado em bilhões de transações de cartão – com planos de expansão para centenas de bilhões – mas todos os identificadores pessoais são removidos antes do treinamento. Em vez de focar em identidades individuais, o LTM analisa padrões comportamentais, reduzindo significativamente os riscos de privacidade que são frequentemente associados a outras formas de IA no setor financeiro, conforme detalhado pela própria empresa em uma publicação recente.
Apesar da anonimização remover alguns sinais que poderiam ser úteis na avaliação de risco, a Mastercard argumenta que o volume massivo e a riqueza dos dados comportamentais compensam essa perda, permitindo que o modelo infira padrões de grande valor comercial. Isso demonstra um equilíbrio estratégico entre eficácia na detecção e a proteção rigorosa dos dados dos usuários.
Aplicação Prática: Onde o LTM Atuará?
A primeira área de implantação ativa do LTM será na cibersegurança da Mastercard. Atualmente, muitas instituições utilizam sistemas de detecção de fraude que exigem intervenção humana para definir comportamentos suspeitos, como aumentos súbitos na frequência de transações ou compras em diferentes partes do mundo em pouco tempo. Os resultados preliminares do LTM indicam uma melhora significativa em comparação com as técnicas convencionais em casos específicos.
Por exemplo, em situações de compras de alto valor e baixa frequência – que geralmente disparam alertas em modelos tradicionais – o LTM demonstrou ser capaz de distinguir eventos legítimos com maior precisão. A Mastercard planeja implementar sistemas híbridos, combinando seus procedimentos estabelecidos com o novo modelo, refletindo a cautela necessária em um ambiente regulatório rigoroso. A empresa reconhece que nenhum modelo único será perfeito para todos os cenários, posicionando o LTM como uma ferramenta complementar e poderosa.
Além da detecção de fraudes, o modelo poderá ser aplicado em programas de fidelidade, gestão de portfólio e análises internas – áreas que geram grandes volumes de dados estruturados. A capacidade de um único modelo base ser ajustado para diferentes tarefas pode simplificar processos e reduzir custos, ao invés de implantar múltiplos modelos especializados para cada função.
Riscos e o Futuro dos Modelos Tabulares
Naturalmente, a abordagem de um LTM multifuncional traz seus próprios riscos. Uma falha em um modelo amplamente implementado poderia ter consequências sistêmicas. É por isso que a Mastercard adota uma estratégia de aplicação da tecnologia em conjunto com os sistemas de detecção existentes, pelo menos por enquanto. A empresa também planeja expandir a escala dos dados utilizados e a sofisticação geral do modelo, além de oferecer acesso via API e SDKs para que suas equipes internas possam desenvolver novas aplicações.
O foco na responsabilidade dos dados, privacidade, transparência, explicabilidade do modelo e auditabilidade é constante. Dada a influência que esses sistemas podem ter em decisões de crédito e resultados de fraude, a supervisão regulatória é algo esperado. Os Large Tabular Models, como o da Mastercard, podem estar na vanguarda de uma nova geração de sistemas de inteligência artificial para o setor bancário e de pagamentos, mostrando o poder dos dados estruturados em um mundo dominado por texto e imagens.
Conclusão
O LTM da Mastercard representa um avanço estratégico na segurança dos pagamentos digitais. Ao focar em dados transacionais anonimizados e padrões comportamentais, a empresa não apenas fortalece suas defesas contra fraudes, mas também estabelece um novo padrão para a aplicação da inteligência artificial no setor financeiro com um forte foco em privacidade. Com a integração a sistemas existentes e planos ambiciosos de expansão, o LTM está pronto para redefinir a forma como o mercado combate ameaças e garante transações seguras e eficientes, inaugurando uma nova era para a IA em dados estruturados.
Gostou da notícia?
Inscreva-se na nossa newsletter para receber as principais novidades sobre inteligência artificial diretamente no seu e-mail.
