Você não precisa de mais dados. Precisa de dados certos, que agem no momento certo. No Money20/20, a palestra “KYCustomer, Evolved” colocou o dedo na ferida: KYC não é um formulário, é uma arquitetura viva que combina dados classificados por confiança com IA agente (Agentic AI) capaz de validar, decidir e justificar — continuamente.
Palestra
KYCustomer, Evolved
Participantes: Nikki Cross (Nova Credit), Will Charnley (Liminal), Kyle Mack (Middesk)
Moderação: Kristie Han (Canapi Ventures)
-
Três camadas de dados (Classe 1 oficial, Classe 2 governamental complementar, Classe 3 alternativa) estruturam decisões seguras e auditáveis.
-
IA Agente transforma onboarding e verificação em fluxos contínuos: integra fontes, valida, solicita evidência e explica o porquê.
-
Tendências: menos dispositivo, mais software/API, detecção de bots por comportamento e interoperabilidade como regra.
-
Prioridade: governar qualidade, autenticidade e integridade das Classes 1 e 2; usar Classe 3 como sinal contextual, não como base de confiança.
Por que “KYCustomer, Evolved” importa para seu roadmap
Empresas estão saindo do KYC estático (um clique, um upload, um “aprovado/negado”) para um KYC contínuo, com consentimento, revalidação e explicabilidade. Isso reduz fraude invisível, acelera receita e diminui atrito regulatório — sem inflar custos de operação.
KYC não é coleta. É coordenação inteligente entre dados confiáveis e IA que age com trilha de auditoria.
O modelo de três camadas (e como usar)
Classe 1 — Oficial/Autoritativa: declarações fiscais, registros do IRS/Receita, certificados oficiais.
Classe 2 — Governamental complementar: licenças, autorizações, registros estaduais/municipais.
Classe 3 — Alternativa: sinais digitais, perfis públicos, listas setoriais, reputação/aval.
Aplicação prática
-
Decisão base = Classe 1 + Classe 2 (provas fortes) → minimiza falsos positivos/negativos e fortalece compliance.
-
Classe 3 como contexto → priorização, risk scoring dinâmico, triagem e roteamento (jamais “substituto” da prova).
-
Política de qualidade por classe → cobertura, frescor, completude, autenticidade (SLA interno).
IA Agente (Agentic AI): do onboarding ao relacionamento contínuo
A transição proposta no palco foi clara: IA Agente executa tarefas com autonomia supervisionada, em loop fechado.
O que o agente faz
-
Descobre & reconcilia fontes (APIs, documentos, cadastros públicos).
-
Valida & cruza evidências (Classe 1/2), pedindo step-up só quando necessário.
-
Decide & explica (por que aprovou/negou, quais sinais pesaram).
-
Monitora & revalida continuamente (mudança societária, licença vencida, divergência fiscal).
Ganhos
-
Menos atrito (coletar o mínimo necessário).
-
Menos fraude (detecção de bots por comportamento e inconsistências entre fontes).
-
Mais governança (todas as ações com trilha de auditoria e explainability por decisão).
Tendências tecnológicas: menos hardware, mais interoperabilidade
-
Menos dispositivos, mais software e APIs: orquestração substitui “pontos” de verificação.
-
Bot-behavior analytics: modelos que capturam padrões de clickstream/teclado/rede para separar humano de automação maliciosa.
-
Interoperabilidade por design: políticas de dados legíveis por máquina (escopo, duração, finalidade) e catálogo de APIs com metadados.
Boas práticas operacionais (direto do palco)
-
Data minimization inteligente: colete apenas o que suporta a decisão.
-
Consent governance: escopo claro, duração definida, revogação 1 clique, prova de uso.
-
Testes contínuos: back/forward, regressão; monitore Gini/AUC, lift, drift, impacto por segmento (PME, thin-file).
-
Fallbacks dignos: alternativa a quem não consente (upload estruturado) sem perder controle de risco.
Como isso conversa com o que já cobrimos no Money20/20
🎧 DoTheMATH (podcast)
Outubro 31, 2025