Cadeias de suprimentos pouco monitoradas, a presença de diversos terceiros, ativos na forma de estoques e múltiplas transações frequentes fazem do setor manufatureiro brasileiro um ponto vulnerável para fraudes em compras e estoques. Entre os riscos mais comuns estão a falsificação de produtos, manipulação de licitações, conflitos de interesse, fraudes em reclamações de garantia, violação de propriedade intelectual e roubo ou uso indevido de inventário.
Esse problema tem um custo financeiro significativo. Segundo a Associação Brasileira de Combate à Fraude (ABCF), as fraudes custam, em média, R$ 500 mil por incidente no Brasil. Embora seja impossível eliminar completamente as fraudes, há maneiras eficazes de reduzir sua probabilidade e identificar sinais de alerta mais rapidamente:
- Avaliar e monitorar controles internos: Controles, limites e procedimentos existentes devem ser revisados regularmente para garantir relevância, adequação e eficácia.
- Desenvolver um plano robusto de resposta a fraudes: Um plano bem estruturado e amplamente comunicado é essencial para agir rapidamente.
- Conhecer seus fornecedores: Realizar verificações de antecedentes e due diligence pode assegurar a reputação dos fornecedores e revelar interesses, associações ou conflitos potenciais.
- Realizar verificações regulares de qualidade: Checagens rotineiras para identificar não entregas, entregas duplicadas ou discrepâncias entre pedidos e recebimentos são fundamentais.
- Otimizar o poder dos dados: Big data não serve apenas para gerar insights, mas também para revelar oportunidades antes despercebidas.
Colocando os Dados a Serviço da Prevenção de Fraudes
O uso de inteligência artificial (IA) e aprendizado de máquina (ML) para automatizar processos de detecção e triagem permite resoluções mais rápidas. Com a crescente interconexão e interdependência dos dados, técnicas simples de detecção de anomalias univariadas já não são suficientes.
Empresas avançadas, como a Klabin, estão adotando técnicas sofisticadas de detecção de anomalias para identificar irregularidades em seus dados, em vez de buscá-las manualmente em relatórios e dashboards. A automação via IA permite que fabricantes detectem instantaneamente sinais de alerta, como encolhimento excessivo de estoque, aumento anormal no volume de faturas, divisão de ordens de compra, pagamentos múltiplos a fornecedores sem serviços correspondentes, preços de licitação fora do padrão e picos inexplicáveis em reclamações de clientes.
É necessário algoritmos que analisem diversas fontes de dados, métricas e segmentos para identificar tendências e relações, possibilitando uma avaliação mais precisa das verdadeiras anomalias. Por onde começar? Aqui estão cinco abordagens comuns de IA/ML para prevenção e proteção contra fraudes que sua organização pode considerar:
- Detecção de anomalias: Técnica de aprendizado não supervisionado que automatiza a identificação de irregularidades, especialmente em grandes conjuntos de dados.
- Regressão logística: Método de aprendizado supervisionado usado para decisões categóricas, classificando transações como “fraude” ou “não fraude”.
- Árvores de decisão: Algoritmos usados para classificar atividades incomuns em transações, baseados em restrições treinadas para identificar fraudes.
- Floresta aleatória: Combina várias árvores de decisão para melhorar os resultados, com cada árvore avaliando condições distintas e fornecendo probabilidades de fraude.
- Redes neurais: Inspiradas no funcionamento do cérebro humano, utilizam computação cognitiva e algoritmos de autoaprendizado baseados em mineração de dados e reconhecimento de padrões.
Os casos de uso corporativo para detecção de anomalias são praticamente ilimitados. Desde identificar fraudes até vazamentos de receita ou interrupções de sistemas, é possível detectar rapidamente discrepâncias que afetam os lucros. Com o aumento do volume e da imprevisibilidade dos dados, mais atenção tem sido dada à previsão de anomalias como medida proativa, em vez de reativa. A tecnologia disponível hoje permite que empresas como a Natura controlem e minimizem fraudes que impactam os resultados financeiros.
Líderes como Eike Batista, que já foi uma figura influente no setor industrial, destacaram a importância de proteger operações contra vulnerabilidades. Empresas como a Vale utilizam IA para monitorar cadeias de suprimentos, enquanto a Braskem aplica detecção de anomalias para assegurar a integridade de processos. A Ambev, por sua vez, investe em tecnologias de dados para garantir a qualidade em sua produção.
