Falsos positivos em PLD são alertas que, após análise suficiente, não confirmam o cenário de interesse definido para a detecção. A calibração das regras busca tornar o monitoramento mais aderente ao risco e ao perfil da operação. Para isso, é preciso conhecer as causas dos alertas, testar ajustes e verificar se a mudança não enfraquece a cobertura.
Um alerta encerrado não é automaticamente um falso positivo. Ele pode ter sido pertinente e esclarecido por documentos ou por uma análise aprofundada. Antes de ajustar limites, defina como classificar os resultados e como distinguir ruído, detecção útil, falta de informação e falha de tratamento.
Como identificar o que gera falsos positivos
Comece pelos dados de gestão de alertas: regra, segmento, período, motivo do encerramento e evidências usadas. A triagem organiza a análise; a calibração examina se as condições de geração continuam adequadas. São trabalhos complementares, com decisões e registros próprios.
Agrupe as causas observadas. Podem existir duplicidades, dados de perfil incompletos, operações habituais de um segmento ou parâmetros incompatíveis com a atividade. Cada causa pede uma resposta distinta. Elevar o limite de uma regra não corrige um erro de integração que duplica transações.
Confira também a qualidade das classificações feitas pelos analistas. Se quase todos os casos recebem um motivo genérico de encerramento, a base oferece pouca evidência para calibrar. Padronize os motivos com exemplos e revisão de qualidade antes de tirar conclusões quantitativas.
Segmentação: compare perfis compatíveis
Um limite único pode gerar excesso de alertas em uma população e baixa sensibilidade em outra. Examine padrões por atividade, produto, canal e categoria de risco quando esses fatores forem pertinentes. A segmentação deve ter fundamento e dados suficientes para sustentar a escolha.
A matriz de risco em PLD/FT pode apoiar essa leitura, mas categorias cadastrais não explicam todo comportamento transacional. Preserve a possibilidade de detectar desvios do próprio perfil e combinações de sinais que não aparecem em um limite isolado.
- O segmento reúne atividades e operações comparáveis?
- O histórico contempla variações sazonais relevantes?
- Os dados de perfil estão completos e atualizados?
- A regra cobre o cenário que motivou sua criação?
- Há populações pequenas ou novas sem histórico suficiente?
O que medir antes e depois da calibração
Estabeleça uma linha de base com período, população e definição dos resultados. Compare volume de alertas, distribuição por segmento, motivos de encerramento e qualidade da análise. Use a mesma definição nas duas versões ou explique as diferenças.
Tempo de análise e tamanho da fila importam para a operação, mas não demonstram capacidade de detecção. Um ajuste pode aliviar a equipe e retirar casos relevantes. A decisão precisa considerar cobertura, sensibilidade e evidências de resultados úteis, além da redução do volume.
- Cobertura de operações e clientes previstos no escopo da regra.
- Alertas gerados por segmento e cenário, com denominadores definidos.
- Casos pertinentes à investigação e motivos de encerramento.
- Qualidade da evidência e consistência das análises.
- Casos conhecidos ou cenários de teste que deixariam de ser detectados.
Falsos negativos são difíceis de medir quando os casos não detectados são desconhecidos. Declare esse limite. Casos históricos relevantes e cenários controlados ajudam a testar a regra, mas não permitem prometer que todos os riscos serão capturados.
Como testar uma mudança de regra de monitoramento
Documente a hipótese: qual causa será tratada e que efeito se espera observar. Compare a regra atual com a proposta sobre dados históricos adequados. Reserve, quando viável, um período diferente daquele usado para escolher os parâmetros, reduzindo o risco de ajustar apenas ao conjunto analisado.
Examine os casos que deixariam de gerar alerta, os novos casos e os que permanecem detectados. A validação deve verificar a coerência desses resultados, a cobertura dos cenários e as limitações do conjunto de dados. A proposta pode ser recusada se o ganho operacional vier acompanhado de perda relevante de detecção.
Defina aprovação, responsável, data de entrada em vigor e condição de reversão. Mudanças de população, origem dos dados ou cenário de risco podem invalidar o teste anterior. Mantenha a versão da regra e dos parâmetros associada aos alertas gerados.
Exemplo fictício: limite inadequado para um segmento
Suponha uma regra que detecta variação de volume em relação ao histórico. Em um segmento fictício, um evento sazonal recorrente gera muitos alertas que recebem esclarecimento consistente. Em outro segmento, variações parecidas levaram a análises relevantes. Um aumento geral do limite poderia eliminar sinais importantes.
A proposta testa um tratamento específico para o primeiro segmento e preserva outros sinais. A equipe compara períodos com e sem o evento sazonal, examina casos que seriam excluídos e verifica se o histórico é suficiente. O teste inclui casos conhecidos relevantes para conferir a resposta da regra.
Os números deste exercício devem ser definidos com dados da própria instituição; não há um percentual padrão de redução a perseguir. Se os testes não sustentarem a alteração, a equipe mantém a regra ou formula outra hipótese. Reduzir alertas não é uma meta independente do risco.
Como acompanhar a regra depois da implantação
No monitoramento contínuo em PLD, acompanhe mudanças de volume, composição e qualidade dos alertas. Uma queda abrupta também pode indicar perda de dados ou falha de execução. Confira integridade das entradas antes de atribuir o resultado à calibração.
Use uma janela de acompanhamento definida, com responsáveis e critérios para reavaliar o ajuste. Registre incidentes e retornos dos analistas. Se houver mudança material no produto, canal ou perfil da carteira, verifique novamente se a regra continua coerente com o cenário de risco.
A análise deve ficar disponível para revisão: hipótese, bases usadas, resultados, limitações, aprovação e histórico de versões. Isso permite explicar por que a alteração foi adotada e o que a instituição fará se os pressupostos deixarem de valer.
Os registros da calibração também podem apoiar os testes de efetividade dos controles de PLD/FT. Preserve as bases, os critérios e os resultados para que a revisão do programa examine a cobertura da regra, sem depender apenas da quantidade de alertas.
Referência e cuidados regulatórios
O art. 40 da Circular BCB nº 3.978 é referência para documentação dos parâmetros de monitoramento nas instituições abrangidas. O processo de calibração descrito aqui é uma orientação prática; valide exigências, cobertura e governança segundo a norma aplicável à sua instituição.
Perguntas frequentes
Todo alerta encerrado é um falso positivo em PLD?
Não. Um alerta pode ser pertinente e depois esclarecido por análise. A classificação deve considerar o cenário de detecção, a suficiência das evidências e o motivo do encerramento.
Aumentar o limite da regra resolve falsos positivos?
Pode reduzir o volume, mas também retirar casos relevantes. Primeiro investigue a causa, a qualidade dos dados e a segmentação; depois teste a proposta e seus efeitos sobre a cobertura.
Como validar a calibração do monitoramento?
Compare versões com dados e períodos definidos, analise casos excluídos e incluídos, teste cenários pertinentes e registre limitações. A aprovação deve considerar detecção e risco, não apenas produtividade.
É possível garantir que a calibração não gera falsos negativos?
Não. Os casos não detectados podem ser desconhecidos. Testes e acompanhamento ajudam a avaliar a mudança, mas seus limites devem ser declarados e a cobertura revisada continuamente.




