O número que ninguém possui
Por que parte da perda por fraude está contabilizada como inadimplência — e por que isso volta para dentro do onboarding
Existe uma pergunta de suma importância em uma reunião de orçamento: quanto a instituição perde com fraude?
A resposta habitual é um número. O que raramente acompanha esse número é a metodologia que o produziu — quais categorias de perda foram incluídas, quais foram para outra conta, e com base em que critério a separação foi feita. E é aí que mora um problema que não é de tecnologia nem de detecção: é de classificação.
Porque uma parte relevante da perda por fraude pode não estar necessariamente registrada como fraude.
Uma taxonomia mínima
Antes de qualquer coisa, é útil separar as categorias de fraude que a conversa cotidiana costuma juntar:
Fraude de terceira parte. Alguém usa a identidade ou a credencial de outra pessoa. É o caso canônico, o mais estudado e aquele para o qual existe mais controle maduro.
Fraude de segunda parte. O titular cede a conta a um terceiro, por pagamento ou por coerção. É o território das contas laranja, onde o problema é a logística de recebimento e a análise de rede.
Fraude interna. Praticada por quem tem acesso legítimo, com credencial própria.
Fraude de primeira parte. O titular é o próprio autor. Ele contrata em nome próprio, com dados verdadeiros, sem intenção de honrar o compromisso. No Brasil, o termo mais usado é autofraude.
Essa última categoria tem duas subcategorias reconhecíveis.
Uma delas, a inadimplência programada — o que o mercado internacional chama de bust-out — descreve quem constrói histórico com compras pequenas e pagamentos pontuais, aguarda o aumento de limite e desaparece no momento em que a exposição fica interessante. Há também a contestação indevida de transação legítima e a exploração sistemática de programas de benefício. O que une essas condutas é que, em nenhuma delas, existe um terceiro para culpar.
Por que a autofraude se disfarça de inadimplência
Um modelo de crédito é construído para responder a duas perguntas: este cliente pode pagar? e qual a probabilidade de ele atrasar ao longo do tempo? São perguntas boas, com décadas de refinamento estatístico por trás. Nenhuma delas é a pergunta relevante para autofraude, que é: este cliente pretendia pagar?
Capacidade e intenção são coisas diferentes, e o modelo de crédito só observa a primeira. Quando uma perda acontece, o que chega ao sistema como possíveis causas é: contrato não honrado, valor a provisionar, baixa contábil. Sem um critério que separe efetivamente “causa” de “intenção”, a perda vai para a conta que já existe — risco de crédito.
Segundo análises da Experian existe um sinal que ajuda a fazer essa distinção: o comportamento no início do ciclo de vida. Um tomador legítimo sob dificuldade financeira tende a atrasar mais tarde, com períodos de recuperação e recaída — o perfil de quem está lutando para pagar.
Já o padrão associado à autofraude é a inadimplência precoce sem recuperação: a conta entra em atraso severo nos primeiros meses e nunca volta. A Experian usa o first-payment default (inadimplência 90+ dias em até seis meses da contratação) como indicador principal desse recorte. A mesma análise aponta que, nos EUA, as baixas ocorridas nos primeiros seis meses após a abertura são materialmente mais altas do que as ocorridas depois de doze meses.
Não há estimativa pública equivalente para o Brasil, sobre a proporção da perda de crédito que corresponde à autofraude. A referência nacional existente é de outra natureza — a Serasa Experian apurou cerca de 3,5 milhões de tentativas de fraude no primeiro trimestre de 2025, alta de 22,9% sobre o mesmo período do ano anterior, com bancos e cartões concentrando 54% do total. São tentativas registradas, não perdas classificadas por categoria: os dois indicadores medem coisas diferentes e não são comparáveis entre si.
Vale dizer com clareza: a maior parte da inadimplência não é fraude. Gente que perdeu emprego, adoeceu, calculou errado, foi atropelada pela vida. O argumento deste texto não é que devedores são fraudadores. É que dentro de um agregado grande existe um subconjunto com natureza distinta, e que tratar tudo como uma coisa só produz decisões erradas nas duas direções.
O efeito imediato: um número torto nas duas pontas
Quando a autofraude é lançada como perda de crédito, acontecem duas distorções simultâneas e de sinais opostos.
A perda de crédito fica superestimada. A carteira parece pior do que é, a provisão é calibrada para um risco de pagamento que não é o risco real, e a leitura de performance do produto fica prejudicada.
No entanto, a exposição à fraude fica subestimada. E como orçamento de prevenção se justifica com número de perda, a área que deveria endereçar o problema recebe menos investimento precisamente porque o problema está sendo contabilizado em outro lugar. É um ciclo que se sustenta sozinho: sem número, não há verba; sem verba, não há capacidade de produzir o número.
É o vazamento contabilizado como consumo: a conta de água fecha todo mês, o valor não chama atenção de ninguém, e o cano continua vazando porque na planilha aquilo não é vazamento, é gente tomando banho.
O efeito que ninguém vê: o rótulo volta para o onboarding
Modelo aprende com rótulo. O modelo que decide a abertura de conta e a concessão inicial de crédito é treinado com o histórico de como as contas anteriores se comportaram, e o rótulo que ele recebe é aquele que a contabilidade atribuiu. Se a autofraude foi registrada como inadimplência, o modelo de onboarding aprende que aquele caso foi um problema de capacidade de pagamento.
E o modelo vai ficar cada vez melhor em identificar quem tem dificuldade de pagar, e não vai desenvolver nenhuma sensibilidade à intenção — porque nunca recebeu exemplo rotulado como tal. O erro de classificação na baixa contábil não fica na contabilidade: ele sobe para a decisão de entrada e se reproduz em cada nova conta aberta.
Pior: como os dados sugerem que a autofraude tende a se apresentar com perfil de risco aparente bom, um modelo calibrado apenas em capacidade de pagamento aprova esses casos com folga. Ele não está falhando por imprecisão. Está acertando a pergunta errada com precisão crescente.
Isso reposiciona o cuidado no onboarding. A discussão sobre abertura de conta no Brasil tem se concentrado, com razão, em verificação de identidade — se a pessoa é quem diz ser, se o documento é autêntico, se o rosto na câmera é real. É um trabalho necessário, mas é insuficiente para caracterizar autofraude. Nela, a identidade é verdadeira, o documento é autêntico, a pessoa é quem diz ser. Nenhum controle de identidade é acionado, porque não há nada de falso a detectar.
O que sobra como sinal, no momento da entrada, é de outra natureza: comportamento durante o preenchimento da solicitação, características do dispositivo e do ambiente, coerência entre o que foi declarado e o que é observável, velocidade de contratação em múltiplas instituições no mesmo período. É informação que existe no momento do onboarding e que raramente é retida com a granularidade necessária porque, no desenho tradicional, o onboarding termina quando a conta é aberta.
Se a intenção é a variável que interessa, o onboarding deixa de ser um portão e passa a ser o primeiro ponto de uma série. E a série só tem valor analítico se o desfecho, meses depois, voltar com o rótulo correto.
O ponto cego é organizacional antes de ser técnico
Nada disso é difícil de entender. A pergunta é por que persiste — e a resposta não está na tecnologia.
O time de prevenção à fraude olha para ataque de terceiro: alguém de fora usando dados de outra pessoa. O time de risco de crédito olha para capacidade de pagamento: quem consegue honrar o compromisso. A autofraude cai exatamente na fenda entre os dois times. Não é ataque externo, então não é do primeiro. Não é incapacidade de pagar, então não deveria ser do segundo.
Quando nenhuma área é dona de uma categoria de perda, o número referente a ela não existe. Não por incompetência, mas por desenho.
E isso torna a saída mais institucional do que analítica. Uma taxonomia de perda declarada, com definição escrita do que entra em cada categoria. Um dono nomeado, com autoridade que atravesse fraude, crédito, produto e cobrança — porque um problema que vive na fenda não pode ser resolvido de dentro de um dos lados. Um critério de reclassificação com trilha, para que a mudança de rótulo seja auditável e não pareça manobra contábil. E o alinhamento de incentivo: enquanto a área de crédito for avaliada por um indicador que a autofraude infla e a área de fraude por outro que ela não toca, nenhuma das duas tem motivo para financiar a separação.
Para o conselho, a exigência correspondente também é modesta e desconfortável: não o número absoluto, que é fácil de produzir e difícil de interpretar, mas a tendência por categoria com a metodologia de classificação explícita. Um número de perda por fraude sem metodologia declarada não é informação — é um valor com aparência de informação.
Não existe controle capaz de endereçar uma categoria de perda que a organização não nomeia. E nenhum modelo de entrada vai aprender a reconhecer a intenção enquanto o desfecho voltar dela com o rótulo trocado.
A Duranium atua em prevenção à fraude e identidade digital no mercado financeiro brasileiro. Se este é um problema na sua operação, vamos conversar.
Fontes:
Experian Insights, How First-Party Fraud is Hiding in Banks’ Credit Losses (fev/2026) e material relacionado — mecanismo de misclassificação, distinção entre capacidade e intenção, FPD como indicador (90+ dias em até seis meses), perfil de atraso do tomador legítimo (atraso tardio com recuperação e recaída) vs. autofraude (atraso precoce sem recuperação). https://www.experian.com/blogs/insights/how-first-party-fraud-is-hiding-in-banks-credit-losses/
Análise Experian via MeridianLink (abr/2026) — baixas nos primeiros seis meses superiores às posteriores a doze meses; concentração em segmentos de melhor risco aparente. https://www.meridianlink.com/blog/fraud-or-financial-distress-revealing-credit-unions-clearest-lens-on-intent/
Serasa Experian — 3,5 milhões de tentativas de fraude no 1º trimestre de 2025, alta de 22,9%, bancos e cartões com 54%. Via Open Hub News / E-Commerce Brasil, artigo sobre autofraude. https://openhubnews.com/bn-autofraude-o-inimigo-invisivel-que-as-empresas-insistem-em-ignorar/
Adyen — terminologia em português das tipologias (inadimplência programada, contestação indevida, exploração de benefícios). https://www.adyen.com/pt_BR/centro-de-conhecimento/autofraude-transacao-legitima-suspeita