Se você perguntar a qualquer integrante da equipe de compliance o que ocupa seu tempo durante a semana, a resposta será basicamente a mesma: lidar com alertas que acabam sendo falsos. Então, em algum momento, alguém propõe uma solução simples: tornar as regras de correspondência mais rígidas, elevar os limiares e deixar o sistema mais seletivo.
Isso nunca funciona de verdade. Quando você torna as regras mais rígidas, o número de alertas diminui um pouco, talvez dez ou quinze por cento, mas a proporção de ruído não muda em nada. Os mesmos 95% de alertas sem fundamento agora se aplicam a um grupo um pouco menor, e sua equipe continua sobrecarregada, apenas em uma piscina um pouco menos funda. Na verdade, entre os alertas que você deixou de enviar, havia um importante, e você só vai descobrir qual era quando ele já tiver se tornado um problema.
A carga de trabalho causada pelos falsos positivos é enorme. No setor, entre 85% e 95% dos alertas de triagem são falsos positivos, o que significa que a grande maioria do trabalho dos seus analistas não identifica nenhum risco real. Isso tem um custo concreto: uma única instituição pode gastar dezenas de milhões de dólares por ano lidando com alertas que nunca representariam problema algum e, com isso, levar a equipe responsável à exaustão.
O que muda a forma de encarar o problema é o seguinte: você não está se afogando porque analisa coisas demais, mas porque a maioria dos seus alertas se baseia em correspondências de nomes sem contexto. Tentar resolver isso reduzindo a sensibilidade vai na direção oposta à necessária. Falsos positivos não são uma questão de volume, mas de contexto. Quando você enxerga o problema dessa forma, a solução deixa de ser “analisar menos” e passa a ser “analisar com mais inteligência”.
Por que você tem tantos falsos positivos
Falsos positivos não são fruto do azar. Eles resultam de um pequeno conjunto de causas específicas e previsíveis, a maioria ligada à forma como a triagem tradicional compara nomes.
Um sistema que apenas compara um nome com uma lista vai sinalizar qualquer pessoa que tenha o mesmo sobrenome de alguém sancionado. Vai incluir as outras quarenta pessoas chamadas Mohamed Ali. Vai identificar grafias diferentes do mesmo nome, já que um nome pode ser escrito de uma dúzia de maneiras. Vai trabalhar com dados insuficientes, sinalizando pessoas apenas por um nome parcial, sem data de nascimento ou país que permitam descartar correspondências. Também vai gerar novos alertas para casos que você já descartou no mês passado, pois não guarda memória da análise recente. Esse comportamento não é uma falha: é o sistema executando a única função de que é capaz, comparar sequências de caracteres, sem nenhum dos elementos de contexto que uma pessoa usaria para descartar a correspondência em segundos.
Essa é exatamente a razão. Faz sentido o sistema exibir esses resultados, porque ele não consegue distinguir uma correspondência real de uma coincidência. Por isso, entrega todas essas correspondências a você e deixa a separação por sua conta. Quando você considera a quantidade de listas de sanções, bases de PEP e fluxos de mídia negativa, cada um fazendo sua própria comparação, a duplicação cresce na mesma proporção. Assim, o mesmo cliente sem qualquer envolvimento pode aparecer em três lugares ao mesmo tempo.
O custo real da fadiga de alertas
O custo mais evidente de todo esse ruído é tempo e dinheiro: o tempo dos analistas, o número de profissionais que precisaram ser contratados apenas para dar conta da fila e o processo de onboarding que fica parado enquanto um cliente legítimo espera atrás de centenas de correspondências falsas. Esse é o aspecto que todos levam em conta e que costuma ser considerado o principal problema operacional de compliance, responsável por aumentar gradualmente a rotatividade em equipes que levaram anos para ser formadas.
O impacto do ruído sobre a detecção nunca aparece em um painel. O analista que chega ao ducentésimo falso positivo do dia já não está nas mesmas condições de quando tratou o primeiro. Descartar alertas vira um reflexo, porque, em noventa e nove de cada cem casos, essa é a decisão correta. O problema está no centésimo caso, o verdadeiro, que acaba sendo descartado com o mesmo automatismo causado pelo desgaste. A fadiga de alertas não apenas torna a equipe mais lenta: aos poucos, ensina as pessoas a deixar passar informações, exatamente o contrário da finalidade dos alertas.
A armadilha do ajuste de parâmetros
Isso nos leva de volta à solução simples e ao motivo pelo qual ela não funciona. Quando muitos alertas se acumulam, a resposta habitual é tornar as regras mais rígidas para que menos situações os acionem. O problema é que você está mexendo em um único controle, com falsos positivos de um lado e correspondências não detectadas do outro. Se reduzir a sensibilidade o bastante para diminuir significativamente o ruído, também começará a suprimir correspondências reais, porque o sistema não consegue se tornar mais preciso, apenas menos sensível.
Elevar os limiares não elimina o ruído: troca ruído por pontos cegos. Você pode se sentir um pouco menos sobrecarregado, mas, ao mesmo tempo, fica menos protegido sem perceber, uma das piores combinações possíveis em um sistema sujeito à regulação. Desenvolvemos esse argumento em mais detalhes em A falácia da cobertura: enquanto o sistema se limitar a identificar correspondências, cobertura e ruído serão controlados pela mesma alavanca.
A única conclusão razoável é que não há como eliminar apenas com ajustes um problema de falsos positivos causado pela configuração dos parâmetros. O sistema precisa passar a funcionar de outra maneira.
Falsos positivos são um problema de contexto
Se você observar alguém analisando um falso positivo, verá como essa pessoa procede. Ela não perde muito tempo: olha o alerta e considera possibilidades como uma data de nascimento ou um país que não correspondem, uma empresa quando o caso envolve uma pessoa física, um nome que já foi analisado e descartado na semana anterior ou uma notícia que, na verdade, é positiva. Em poucos segundos, com base no contexto, percebe que não há nada ali.
Todas essas decisões se basearam em um contexto que o sistema de correspondência tinha à disposição, mas ignorou. Se o sistema usar esse mesmo contexto, incluindo identificadores secundários como data de nascimento e endereço, jurisdição, relações entre entidades e memória do que já foi analisado, o ruído desaparece. Isso acontece porque ele passa a fazer o que o analista faz: eliminar possibilidades.
Esse ponto deve dissipar a principal preocupação de quem acompanha o tema. Adotar essa abordagem não significa assumir mais riscos. Um documento de trabalho do Federal Reserve de 2025 comparou a identificação de correspondências com uso de contexto à comparação aproximada tradicional em uma tarefa de triagem de sanções. O estudo constatou uma redução de aproximadamente 92% nos falsos positivos e, ao mesmo tempo, um aumento de cerca de 11% nas detecções. A abordagem consegue reduzir o ruído e identificar mais correspondências reais simultaneamente. A relação de troca que as pessoas presumem existir, em que menos falsos positivos necessariamente significariam mais casos não detectados, é uma limitação da comparação rudimentar, não uma regra da natureza. Isso muda toda a natureza do projeto. Seu objetivo não é reduzir o número de casos que precisam ser analisados. É dar à máquina capacidade de avaliação suficiente para lidar com os casos simples e garantir que as pessoas só precisem tratar os difíceis.
Como reduzir o ruído de fato
Então, qual é a solução se ajustar parâmetros não resolve? Na prática, reduzir falsos positivos exige dar contexto e memória ao sistema. As principais medidas são:
- Identifique a pessoa pelos seus identificadores secundários e compare data de nascimento, endereço, jurisdição e nome completo, em vez de apelido, sem se limitar à sequência de caracteres do nome. Assim, ter o mesmo sobrenome deixa de ser suficiente para estabelecer uma correspondência.
- Use o contexto relevante em vez de apenas comparar um nome com uma lista. Considere as relações entre entidades e os fatos ao redor do caso para que o sistema consiga distinguir uma correspondência plausível de uma simples coincidência.
- Elimine os casos que claramente não representam risco. Notícias positivas, registros evidentemente irrelevantes e correspondências com entidades incorretas devem ser descartados automaticamente, sem serem encaminhados para análise humana.
- Leve em conta o que já foi analisado. O monitoramento contínuo deve identificar novidades reais, sem gerar alertas para eventos já analisados e descartados no ciclo anterior. Reexaminar toda a carteira do zero a cada mês é uma fonte significativa de ruído.
- Ordene os alertas por materialidade. Atribua pontuações com base no risco e na gravidade para que sua equipe se concentre nos casos que realmente exigem uma decisão, em vez de seguir a ordem arbitrária da fila.
- Garanta que cada descarte esteja vinculado à sua fonte e seja registrado. Quando um alerta for descartado automaticamente, registre o motivo e as evidências que sustentam a decisão. Isso tornará seus registros mais auditáveis, e não menos.
Isso não tem a ver com analisar menos coisas. Em cada uma dessas medidas, o sistema assume uma parcela maior da avaliação que antes uma pessoa fazia manualmente. O efeito conjunto não é apenas incremental: quando essas medidas se somam, a fila que antes reunia milhares de casos passa a ter apenas alguns, embora a cobertura de detecção permaneça a mesma.
Reduzir o ruído não significa pular etapas
Para quem trabalha com compliance, a preocupação natural é a fiscalização: o regulador vai interpretar um volume menor de alertas como prova de que a análise não está sendo rigorosa o suficiente? Na verdade, ocorre o contrário quando o processo é bem conduzido.
Há anos, os reguladores defendem a eficácia, em vez do simples aumento do volume de atividades. Uma abordagem baseada em risco, conforme prevista nos padrões da FATF, significa concentrar esforços nas áreas de maior risco, em vez de produzir o maior número possível de alertas. A FCA já criticou diversas vezes sistemas de monitoramento de transações que geram muitos alertas, mas detectam poucos casos reais. Órgãos de fiscalização como a OFAC multam empresas por triagens ineficazes e por não identificarem o que deveriam ter detectado, não por terem uma fila de alertas sem pendências. Um programa que reduz o ruído, melhora a taxa de detecção e registra todos os descartes com suas evidências é mais defensável do que um em que riscos reais ficam escondidos sob centenas de milhares de alarmes falsos. Um fiscal prefere ver menos alertas, de melhor qualidade e com uma explicação clara para cada um. A trilha de auditoria é, de fato, o ponto central: um descarte com justificativa documentada e referência às evidências é uma decisão defensável; um alerta suprimido silenciosamente é apenas uma lacuna pela qual alguém terá de responder no futuro.
Conheça seus números
Como você não pode gerenciar o que não mede, é importante quantificar a situação antes e depois da mudança. Registre sua taxa de verdadeiros positivos, ou seja, a proporção de alertas que correspondem a casos reais; a relação entre alertas e investigações; e o tempo médio que sua equipe dedica a cada alerta. Se mais de 90% dos alertas são descartados como falsos e cada um exige vários minutos de análise, é nesse indicador que você deve se concentrar. A queda desse número permite demonstrar que o programa melhorou, em vez de apenas reduzir sua atividade. O objetivo nunca foi chegar a zero alertas, algo que bastaria desligar o sistema para conseguir. O objetivo é ter uma fila em que a maioria dos casos recebidos realmente precise de análise humana. Uma fila saudável não é vazia: deve ser pequena e composta, em sua maioria, por alertas corretos. Quando isso acontece, seus profissionais mais capacitados deixam de lidar com o ruído e passam a fazer o trabalho para o qual foram contratados.
Analise com mais inteligência, sem analisar menos
As equipes que conseguem escapar da armadilha dos falsos positivos não fazem isso analisando menos alertas. Elas fornecem ao sistema o contexto necessário para que ele elimine o ruído por conta própria e permita que as pessoas se concentrem no pequeno número de casos reais. O propósito de remover o ruído é transformar o papel da equipe: de tratar alertas para investigar riscos.
A Beady foi projetada dessa forma. Ela elimina cerca de 95% do ruído antes que ele chegue à sua equipe, como correspondências com a pessoa errada, alertas repetidos sobre fatos antigos, notícias positivas e duplicações. Para isso, usa resolução de entidades e contexto, em vez de depender de limiares rudimentares. O resultado é uma lista enxuta de sinais que realmente merecem análise, cada um vinculado à fonte original. Assim, sua equipe pode verificá-los, e um auditor consegue ver exatamente por que cada sinal foi gerado ou descartado. Todos os registros de mídia negativa, sanções e processos judiciais são reunidos em um só lugar, reduzindo o ruído e preservando as evidências.
Se você quer descobrir quanto do seu volume atual de alertas é ruído, agende uma demo para que possamos fazer essa análise na sua própria triagem.
