De “configure e esqueça” a sistemas dinâmicos: John Wiethorn, da Gusto, compartilha seu manual de IA para AML

John Wiethorn é uma figura de destaque na área de conformidade contra crimes financeiros, conhecido por desenvolver programas de combate à fraude e à lavagem de dinheiro baseados em IA que mantêm o rigor mesmo em grande escala. Na Gusto, John lidera a luta contra o crime financeiro com uma filosofia clara: fornecer aos investigadores ferramentas que revelem o contexto certo no momento certo, eliminem a sobrecarga operacional e mantenham as defesas em constante aprimoramento como um sistema vivo.

Em uma conversa com Maximilian Eber, cofundador e diretor de tecnologia da Taktile, John compartilha como é, na prática, administrar uma função de combate a crimes financeiros com o uso de IA. Ele explica como a IA pode eliminar atritos nas investigações, complementar controles baseados em regras ao detectar “incógnitas” e ajudar as equipes a se adaptarem às táticas de fraude em constante evolução.

“Se você conseguir permitir que os investigadores passem da coleta de dados para a análise”, diz John, “você estará basicamente dando a eles superpoderes”.

Essa ideia define a forma como a equipe de John aborda a IA na Gusto.

Ele explica: “O mais importante que podemos fazer é reduzir a burocracia, por isso utilizamos IA para lidar com tarefas manuais, como a agregação de dados e a recuperação de arquivos.”

Para equipes que lidam com grandes volumes e recebem milhares de alertas, essa é a diferença entre passar horas reunindo informações contextuais e passar apenas alguns minutos para tomar a decisão final sobre o que é ou não fraudulento.

Segundo John, ao eliminar o trabalho manual, os investigadores podem aprofundar suas análises. “A IA fornece aos nossos especialistas em cada área todas as informações de que precisam. Isso permite que nossas investigações sejam mais rápidas, mais completas e mais aprofundadas do que seria possível com recursos manuais.”

“Minha filosofia fundamental é que os melhores investigadores merecem as melhores ferramentas”, enfatiza John. “Encaramos a IA não como um substituto do julgamento humano, mas como um mecanismo para eliminar atritos.”

Para John, o valor da IA não reside apenas na redução do trabalho manual; ela também pode ajudar as equipes a identificar padrões dinâmicos de crimes financeiros que os controles estáticos não foram projetados para detectar.

“A IA consegue detectar o que não se sabe”, diz John, quando questionado sobre como a IA e os sistemas baseados em regras trabalham em conjunto para reforçar a cobertura da prevenção da lavagem de dinheiro. “[Ela consegue identificar] as anomalias nas regras estáticas ou os pontos em que essas regras não abrangem tudo.”

Mesmo assim, o reconhecimento de padrões da IA não torna os controles tradicionais obsoletos, explica John. “Como o crime [financeiro] está em constante evolução, um modelo de IA nunca está realmente concluído. Se você eliminar as regras estáticas dos seus controles, corre o risco de deixar passar oportunidades fáceis de identificar que deveriam ter sido detectadas.”

As regras ainda têm seu valor, especialmente no caso de tipologias conhecidas que não devem passar despercebidas devido a limites variáveis ou ao “desvio do modelo” — que é a queda gradual no desempenho de um modelo de IA à medida que os padrões do mundo real se afastam dos dados de treinamento. John observa: “Às vezes, você terá regras estáticas do tipo ‘se x, então y’, e elas continuarão sendo realmente eficazes na detecção de tipologias conhecidas”.

A lição a ser tirada é a defesa em camadas: mantenha regras para rastrear os padrões que você já conhece e use a IA para identificar aqueles que ainda estão surgindo.

John também destaca uma mudança de mentalidade mais ampla em relação à IA na área de combate à lavagem de dinheiro: as equipes devem encarar os controles antifraude como um sistema que precisa ser mantido continuamente.

“Acho que o equívoco mais comum é a falácia de ‘configurar e esquecer’. [...] Com um sistema de AML, implementar uma nova regra é apenas o começo.”

Como John explica, isso ocorre porque os criminosos podem descobrir as falhas do seu sistema. Muitas vezes, eles testam o que é detectado e o que passa despercebido, e depois se adaptam. Em resposta a isso, John define a automação bem-sucedida como um ajuste contínuo, em vez de uma implementação única.

Na Gusto, o trabalho se assemelha a um processo contínuo de experimentação e validação, e não a uma lista de tarefas trimestral. “Estamos constantemente testando e ajustando regras: testes de marketing de mídia, testes de marketing de relacionamento e testes de validação de modelos.”

E, na opinião de John, nada disso é possível sem que as pessoas certas sejam responsáveis pelo sistema do início ao fim.

“O que importa são as pessoas, não as plataformas”, diz ele , “acho que, no fim das contas, o sucesso se resume ao talento. Você pode comprar o melhor software, mas sem as pessoas certas, o programa vai fracassar sempre.”

Olhando para o futuro, John espera que a IA se torne a espinha dorsal operacional dos programas de combate à lavagem de dinheiro. As instituições financeiras podem usar a IA não apenas para melhorar a detecção, mas também para transformar a forma como as equipes investigam, documentam e supervisionam a qualidade das decisões no dia a dia.

Ele também acredita que a adoção da IA não permanecerá opcional por muito tempo, especialmente à medida que ela for se tornando parte integrante de toda a economia.

“Acho que os órgãos reguladores vão passar de uma postura de observação para orientações mais específicas sobre o uso da IA. Já estamos começando a ver isso.”

Essa tendência já é visível na forma como as expectativas em relação ao risco de modelos estão sendo incorporadas às funções de conformidade. Por exemplo, as estruturas da SR 11-7 são cada vez mais aplicadas aos sistemas de combate à lavagem de dinheiro, levando as equipes a adotarem uma governança mais rigorosa e uma validação mais rigorosa dos controles baseados em IA.

Além disso, em um mundo onde os invasores dispõem de ferramentas de IA, as equipes que não possuem essas ferramentas tornam-se o caminho de menor resistência. John explica de forma simples:

“Acho que as empresas que não aproveitam essas ferramentas vão ficar para trás [...] Vocês são um alvo muito atraente para os criminosos, pois não contam com essas defesas.”

A mensagem de John é clara: o futuro da conformidade em matéria de crimes financeiros não é totalmente automatizado, nem totalmente manual. É orientado por especialistas, complementado por IA e projetado para evoluir.

Líderes como John estão definindo o formato dos programas modernos de combate a crimes financeiros, à medida que a IA evolui rapidamente. Estamos ansiosos para acompanhar como John e outros diretores de conformidade continuam transformando os avanços da IA em controles mais rigorosos e investigações mais ágeis.