Simplificação e evolução das investigações de fraudes com IA

A Cogniware aproveita soluções de IA da IBM para impulsionar a eficiência no espaço de crimes financeiros

Escritório de investigação privada com quadro de investigadores e mesa à noite. Sala vazia de inspetor de polícia com fotos e pistas de suspeitos de caso de assassinato
Dados não estruturados e trabalho manual impedem a segurança pública

A Cogniware, fornecedora global de plataformas de investigação para agências de segurança pública, precisava atualizar seu sistema existente para atender melhor a seus clientes ao lidar com esses problemas. O sistema existente exigia esforço manual para marcação e análise, o que não era escalável para grandes volumes de dados. Esse processo manual também era propenso a erros humanos, podendo afetar a precisão.

Além disso, muitos dos investigadores e analistas de seus clientes não tinham as habilidades técnicas necessárias para utilizar totalmente as funcionalidades avançadas da plataforma. Com isso, esses funcionários gastavam tempo organizando dados em vez de se concentrar em análise e tomada de decisão, retardando investigações e levantando possibilidades de ameaças à segurança pública.

50% aumento na acessibilidade do usuário 60% processamento e análise de dados mais rápidos
Os resultados da nossa cooperação com a equipe da IBM são um divisor de águas em nosso caminho para entregar software de análise de autoatendimento a usuários orientados para negócios.
Martin Kovář Gerente de produtos IBM Business Partner Cogniware
Eficiência e facilidade por meio da inovação

A Cogniware visava transformar a análise de dados complexa para a segurança pública, ao integrar sua plataforma Argos com as soluções IBM® watsonx.ai e IBM® watsonx.data. Essa parceria lida com os desafios de dados não estruturados e acessibilidade do usuário, permitindo investigações rápidas e precisas — tudo isso por meio de recursos avançados de IA e armazenamento de dados.

A solução watsonx.data ajudou a armazenar e gerenciar vastas quantidades de dados, especialmente dados não estruturados. Enquanto isso, a IBM usou o watsonx.ai para aprimorar a plataforma com ferramentas, como processamento de linguagem natural (NLP), aprendizado de máquina (ML) e IA generativa (IA gen). Essas adições permitiram que a Argos realizasse análise de dados em tempo real, encontrasse padrões automaticamente e respondesse às perguntas em linguagem cotidiana.

A implementação foi um esforço colaborativo entre a Cogniware e as equipes de engenharia de clientes e vendas técnicas da IBM. Essas equipes trabalharam juntas para preparar dados, treinar modelos de IA e realizar testes de usuários. Para garantir a segurança de dados e evitar alucinações, as equipes implementaram protocolos de segurança sólidos, treinaram modelos de IA com dados específicos para fundamentação contextual e adicionaram mecanismos de verificação de fatos. Uma lição importante que a Cogniware aprendeu foi a importância do feedback contínuo do usuário para melhorar as funcionalidades da IA generativa.

Enfrentando o futuro dos crimes financeiros

A integração da IA generativa mudou fundamentalmente a forma como investigadores e analistas interagem com a plataforma Argos. Agora eles podem “conversar” com o sistema de forma mais natural, eliminando a necessidade de comandos complexos ou relatórios pré-fabricados. Essa capacidade libera a equipe investigativa para gastar menos tempo organizando dados e mais tempo em análises, o que tem como resultados uma identificação de crimes mais eficiente e abrangente.

A integração resultou em melhorias significativas e mensuráveis para os clientes da Cogniware.

  • Investigações mais rápidas: em um caso de fraude complexo, o que antes levaria meses para ser resolvido, foi resolvido em dias. A capacidade do sistema de encontrar padrões e conexões sutis levou rapidamente a um avanço.
  • Acessibilidade aprimorada: os novos recursos facilitam para usuários não técnicos a realização de pesquisas de dados complexas sem a necessidade de um analista de dados.
  • Detecção de fraudes aprimorada: No setor bancário, a plataforma agora pode encontrar automaticamente padrões de transações incomuns que sugerem crimes financeiros, levando a ações mais rápidas e a menos perdas financeiras.
  • Feedback positivo dos clientes: os clientes elogiaram a facilidade de usar a linguagem natural para fazer perguntas e a redução significativa no tempo gasto na análise de dados. Eles descreveram momentos “eureka”, em que insights anteriormente ocultos eram facilmente revelados.

Olhando para o futuro, a Cogniware planeja refinar ainda mais seus modelos de IA generativa para maior precisão e contexto. A empresa também pretende expandir o uso da IA generativa em outros módulos do Argos, como geração automatizada de relatórios e sistemas proativos de inteligência de ameaças. A parceria com a IBM faz parte de uma estratégia de longo prazo, com o watsonx.ai e watsonx.data servindo como o núcleo do conjunto de ferramentas de análise de dados do Argos para melhorar continuamente o processamento de dados e a experiência do usuário.

Sobre a Cogniware

A Cogniware é uma empresa de software com sede na República Tcheca e IBM Business Partner cuja missão é fornecer produtos analíticos inovadores baseados em IA e serviços profissionais de elite para clientes em todo o mundo. A base principal de clientes da empresa abrange os setores público e privado, desde agências de segurança pública e agências de inteligência nacional até bancos comerciais e outros.

Componentes da solução IBM® watsonx.ai IBM watsonx.data
Melhore suas ferramentas para atender às demandas de hoje

Explore o IBM watsonx.data para saber como a IA generativa pode trabalhar com seus dados para gerar mudanças impactantes em sua organização.

Saiba mais Experimente você mesmo
Legal

© Copyright IBM Corporation 2025

IBM, o logotipo da IBM, watsonx.ai, e watsonx.data são marcas comerciais da IBM Corp., registradas em muitas jurisdições em todo o mundo.

Os exemplos apresentados têm caráter apenas ilustrativo. Os resultados reais variam de acordo com as configurações e condições do cliente e portanto não é possível apresentar os resultados geralmente esperados.