Opinião: nova fronteira das fraudes corporativas com IA exige soluções analíticas

Comprovantes digitais manipulados elevam o risco nas empresas e mostram que conferência visual não é mais o suficiente, demandando novas tecnologias para controle e mitigação

 

 

A fraude sempre esteve no processo. Agora ela ganhou escala

A fraude em despesas corporativas não é um fenômeno recente. Ela sempre existiu, ainda que em formatos menos sofisticados: quilometragens superestimadas, recibos ajustados manualmente, despesas fora de política que passavam por falta de conferência mais rigorosa.

A inteligência artificial não criou esse problema. Ela ampliou sua escala, aumentou a sofisticação dos mecanismos e reduziu o custo de execução. Hoje, é possível gerar comprovantes altamente realistas em segundos, com aparência legítima e difícil distinção a olho nu.

O resultado é um deslocamento relevante no risco: a fraude deixa de ser pontual e passa a se diluir dentro de processos aparentemente normais.

 

O crescimento dos deepfakes financeiros

Os números ajudam a dimensionar esse cenário. As fraudes com deepfakes cresceram 126% no Brasil em 2025, segundo a Sumsub, com o país concentrando cerca de 39% dos casos na América Latina.

Ao mesmo tempo, dados da Grant Thornton indicam que 63% das empresas brasileiras sofreram algum tipo de fraude recentemente, sendo que quase metade registrou perdas superiores a R$ 500 mil.

Esse avanço não está apenas na quantidade, mas na qualidade das tentativas. Os indícios de manipulação deixam de ser visíveis e passam a exigir leitura técnica dos arquivos.

 

O limite do modelo tradicional de auditoria

Durante décadas, o controle de despesas corporativas se apoiou em dois pilares: conferência visual e auditoria por amostragem.

Esse modelo funcionava em um ambiente de menor volume e menor sofisticação. Hoje, ele se mostra insuficiente.

Quando a fraude pode ser gerada com aparência perfeita e replicada em escala, analisar apenas parte das despesas significa aceitar um nível estrutural de exposição. E confiar exclusivamente no olhar humano passa a ser uma estratégia limitada diante de evidências que não são visíveis.

A mudança necessária é estrutural: sair de um modelo reativo, baseado na conferência posterior, para um modelo contínuo, que valida cada etapa do processo.

 

Comprovantes deixam de ser imagens e passam a ser evidências

O ponto de inflexão está na forma como os comprovantes são tratados.

Tradicionalmente, eles eram avaliados como imagens: legibilidade, coerência de valores, compatibilidade com a despesa. Hoje, isso não basta.

A análise precisa considerar a “impressão digital” do arquivo. Metadados, histórico de edição, certificação de origem e padrões como o C2PA (Coalizão para Proveniência e Autenticidade de Conteúdo) passam a ser fundamentais para identificar manipulações invisíveis, como edições em ferramentas de design ou geração sintética de documentos.

Essa abordagem transforma o processo: o comprovante deixa de ser uma representação visual e passa a ser uma evidência técnica, com nível de confiabilidade mensurável.

 

O controle precisa acontecer durante o fluxo

Outro deslocamento importante está no momento da validação.

Quando o controle ocorre apenas no fechamento, a empresa já está lidando com um fato consumado. A investigação se torna mais custosa, a recuperação de valores é limitada e o esforço operacional aumenta.

Por outro lado, quando a validação acontece ao longo da jornada (do registro ao pagamento) o cenário muda. Quilometragens podem ser verificadas por GPS, duplicidades identificadas por padrões, e pagamentos autenticados no momento da transação.

Na prática, isso significa reduzir a dependência de autodeclaração e aumentar a rastreabilidade desde a origem.

 

IA: parte do problema e da solução

A inteligência artificial ocupa hoje uma posição ambivalente nesse contexto.

Ela é, ao mesmo tempo, vetor de sofisticação das fraudes e principal aliada na sua mitigação. Sistemas baseados em IA conseguem analisar grandes volumes de dados, identificar padrões anômalos e atribuir níveis de risco a cada despesa.

Esse tipo de abordagem não elimina completamente o risco, mas altera a relação custo-benefício da fraude. Quanto maior a probabilidade de detecção, menor o incentivo para tentativas sistemáticas.

 

Compliance e eficiência passam a caminhar juntos

O combate à fraude tende a ser tratado como uma pauta de compliance. No entanto, há um impacto direto sobre eficiência operacional e financeira.

Processos com baixa rastreabilidade geram mais exceções, mais retrabalho e maior dependência de auditorias manuais. Já ambientes com validação automatizada reduzem o volume de conferência, aumentam a clareza do fechamento e liberam o time financeiro para atividades de maior valor agregado.

Nesse sentido, prevenir fraude não é apenas evitar perdas diretas, mas também reduzir desperdício operacional.

Um novo padrão de controle corporativo

O avanço das fraudes impulsionadas por IA aponta para uma conclusão clara: o modelo de controle precisa evoluir na mesma velocidade.

Planilhas, conferência manual e auditoria por amostragem não acompanham a complexidade atual. O novo padrão exige tecnologia capaz de operar em escala, analisar evidências técnicas e atuar dentro do fluxo.

Nesse novo cenário, plataformas de gestão de despesas corporativas deixam de atuar apenas como ferramentas operacionais e passam a contribuir de forma significativa para estruturar o controle, integrando análise de dados, validação técnica de comprovantes e monitoramento contínuo das transações.

Pedro Góes - CEO da Paytrack, onde lidera a estratégia de crescimento e inovação em soluções de gestão de despesas e viagens corporativas. Com trajetória construída na própria empresa, já passou pelas áreas de operações, marketing e sucesso do cliente, contribuindo diretamente para a expansão do negócio. Antes disso, empreendeu na área de experiência do cliente e atuou com desenvolvimento de negócios. Sua atuação combina visão operacional, foco em eficiência e uso de tecnologia para resolver desafios reais das empresas.