Especializada em dados, inteligência artificial e hiperautomação, a Vert Analytics aplica inteligência artificial a um desafio que ganhou novas dimensões com a sofisticação das fraudes digitais: verificar a identidade de veículos com o mesmo nível de profundidade empregado na validação de pessoas e empresas. Em apenas dois meses deste ano, a Operação Fiat Lux, conduzida pela Polícia Federal e pela Polícia Rodoviária Federal, identificou cerca de 10 mil adulterações de veículos em diferentes estados, incluindo 3.300 casos envolvendo viaturas do Exército Brasileiro.
Esse cenário evidencia uma diferença importante entre a maturidade da verificação de identidade de pessoas e a identificação de veículos. A Vert Analytics desenvolve soluções próprias de inteligência artificial para validação de identidades, empresas e veículos. Entre elas está o ONDA, solução própria de IA que utiliza o cruzamento automatizado de diferentes fontes para ampliar a capacidade de identificar inconsistências antes que uma transação seja concluída.
Duas identidades, níveis diferentes de proteção
A validação da identidade de uma pessoa passou a combinar diferentes mecanismos de segurança em uma única decisão. Biometria facial, prova de vida e dados cadastrais podem ser analisados simultaneamente, permitindo que uma tentativa de fraude seja identificada sem depender exclusivamente da conferência de um documento.
Na identificação veicular, a situação ainda é diferente. Informações como chassi, placa, Renavam, histórico de propriedade e restrições podem estar distribuídas entre diferentes bases e processos de consulta. Quando esses elementos são analisados de maneira isolada, uma inconsistência existente entre eles pode passar despercebida.
A diferença é especialmente relevante diante da sofisticação das fraudes envolvendo clonagem de veículos, adulteração de chassi e falsificação documental. Quanto mais informações precisam ser conferidas e quanto maior o volume de processos, mais difícil se torna realizar manualmente uma análise abrangente de cada veículo.
Como a clonagem de veículos pode explorar falhas de verificação?
Entre as modalidades de fraude está a utilização de informações de veículos legítimos para atribuir uma identidade documental a outro veículo. Em determinadas situações, um automóvel roubado ou adulterado pode passar a utilizar dados correspondentes a um veículo regularizado, criando uma aparente consistência documental.
O problema é que a fraude pode não estar evidente em uma única informação. Ela pode surgir justamente da divergência entre diferentes elementos da identidade veicular.
É nesse ponto que o ONDA, solução própria de inteligência artificial da Vert Analytics, aplica uma abordagem baseada no cruzamento de dados. Informações relacionadas ao veículo, como modelo, ano, restrições e histórico, podem ser analisadas em conjunto para identificar sinais que dificilmente seriam percebidos quando cada consulta é realizada separadamente.
Por que cruzar múltiplas fontes aumenta a capacidade de detecção?
Consultar uma base isoladamente responde apenas a uma parte da pergunta sobre a autenticidade de um veículo. Uma análise mais completa precisa verificar se diferentes informações são coerentes entre si. Restrições judiciais, registros de roubo, histórico de propriedade e características documentais, por exemplo, podem apresentar relações que não aparecem em uma consulta individual. Quando esses dados são processados simultaneamente, torna-se possível identificar combinações de informações que indicam maior risco e merecem investigação.
Essa capacidade é especialmente relevante para órgãos de trânsito, que precisam processar grandes volumes de transferências, registros e emplacamentos. A análise manual detalhada de cada solicitação seria incompatível com essa escala, além de deixar o processo mais suscetível a inconsistências humanas.
O que a identidade veicular tem em comum com a identidade digital?
A lógica utilizada para verificar pessoas pode ser aplicada, com as devidas adaptações, a outros ativos que também possuem uma identidade própria. No caso de um indivíduo, diferentes dados precisam ser coerentes para confirmar que aquela pessoa é quem afirma ser. No caso de um veículo, placa, chassi, Renavam, histórico e características registradas precisam apresentar correspondência suficiente para sustentar a autenticidade daquela identidade.
Essa abordagem permite tratar a validação como uma análise integrada, em vez de uma sequência de consultas independentes. Para a Vert Analytics, é justamente essa capacidade de combinar diferentes fontes de informação que permite ampliar a confiabilidade de processos digitais relacionados à identidade.
O ONDA, com mais de 500 fontes integradas, faz parte do conjunto de soluções próprias de inteligência artificial da empresa, ao lado da CyndIA, voltada à operação jurídica com inteligência artificial, e do MAIN, desenvolvido para agentes autônomos de IA capazes de analisar contexto, decidir dentro de parâmetros e executar fluxos completos.
O que muda para quem compra ou transfere um veículo?
A principal mudança está na possibilidade de identificar inconsistências antes que uma operação seja concluída. Para quem compra um veículo usado, isso representa uma camada adicional de proteção contra problemas que podem aparecer apenas depois da transferência, quando a regularização já se tornou responsabilidade do novo proprietário.
Para os órgãos responsáveis pelo trânsito, a antecipação também representa uma mudança de abordagem. Em vez de depender principalmente da descoberta posterior de uma fraude, a inteligência artificial permite criar mecanismos capazes de sinalizar situações de risco durante o próprio processo de registro, transferência ou emplacamento.
Nesse cenário, o ONDA aplica inteligência artificial ao cruzamento de dados para apoiar processos de validação em escala. Para empresas e organizações que precisam combinar segurança, velocidade e análise de grandes volumes de informações, a experiência da empresa em projetos de IA e analytics permite estruturar soluções próprias de inteligência artificial voltadas a necessidades específicas. A identidade veicular, assim, deixa de depender apenas de consultas isoladas e passa a contar com uma camada integrada de análise.
