Coinbase Inova na Luta Contra Fraudes com IA: Menos Perdas, Mais Eficiência

Em um movimento estratégico para fortificar a segurança de suas transações, a Coinbase desvendou como superou o desafio dos Trade-offs inerentes à detecção de fraudes. A empresa implementou um agente de risco baseado em LLM (Large Language Model) para aprimorar seu serviço Onramp, que permite a compra de criptoativos em aplicativos parceiros, inclusive para usuários sem conta. O grande obstáculo era identificar fraudes que se manifestam em sequências de transações, e não em uma única operação isolada. A solução foi adicionar uma camada de revisão contextual, usando IA para analisar o histórico recente de atividades, algo que modelos tradicionais de Machine Learning (ML) e regras pré-definidas não conseguiam capturar com a mesma profundidade.

A Coinbase não apenas integrou essa nova camada, mas a otimizou. Inicialmente utilizando o Claude Opus, a equipe percebeu a necessidade de uma solução mais ajustada e pós-treinou o modelo Qwen3.5-9B com seus próprios dados de fraude. O resultado foi impressionante: o modelo personalizado superou o Opus 4.5 em todas as métricas de detecção, com uma latência 55% menor. Essa abordagem, que equilibra o uso de modelos de IA de ponta com a personalização para o domínio específico, é um case valioso para qualquer startup lidando com segurança e eficiência operacional.

A evolução da Coinbase na detecção de fraudes é um exemplo prático de como a estratégia de IA da empresa amadureceu. Em maio de 2026, o CEVIU News noticiou que a Coinbase estava reconstruindo suas operações de conformidade em torno da IA. Esta notícia mostra um avanço concreto: a implementação de um agente de risco LLM no serviço Onramp, indo além dos modelos de ML e regras existentes. A empresa não só adotou a IA, mas também a refinou, passando de modelos de mercado como o Claude Opus para uma versão pós-treinada do Qwen3.5-9B, adaptada aos seus dados proprietários. Essa personalização, que superou modelos de ponta, reflete a busca por soluções de IA cada vez mais eficazes e específicas para o contexto de negócio.

Para empreendedores e líderes de startups, este case da Coinbase é uma bússola. Ele demonstra que a IA não é apenas uma ferramenta de otimização, mas um escudo poderoso contra perdas financeiras, como fraudes. A capacidade de reduzir transações fraudulentas em 30% e o valor total das fraudes em 22% mostra o impacto direto no balanço. Mais importante, a história da Coinbase sublinha que a inovação muitas vezes reside em complementar sistemas existentes com novas tecnologias, e não em substituí-los. A customização de modelos de IA, como o pós-treinamento do Qwen3.5-9B, revela que a vantagem competitiva pode vir de adaptar soluções genéricas à realidade específica da sua empresa, entregando performance superior e eficiência operacional.