[Febraban Tech 2026] Contas laranjas: por que a nova infraestrutura da fraude exige uma nova inteligência de prevenção

Se antes parte importante da prevenção estava concentrada na identificação de fraudes de identidade, hoje o desafio do combate às contas laranjas vai além. A proteção da origem das transações avançou, mas a infraestrutura da fraude também evoluiu. Hoje, o dinheiro ilícito não busca apenas brechas de entrada: ele utiliza contas aparentemente legítimas para circular, ser pulverizado e sair do alcance das instituições. Nesse contexto, dados transacionais, análise comportamental e inteligência artificial ganham importância para identificar padrões suspeitos e fortalecer o combate à fraude financeira.

 Segundo relatório da Unico, 48,3% dos casos de fraude por identidade sintética analisados na América Latina estão associados a esse tipo de fraude, tornando a região um dos principais focos desse tipo de ameaça.o que destaca como a combinação entre novas tecnologias e estratégias fraudulentas vem elevando os desafios para instituições e empresas.

No Brasil, outro levantamento mostra a dimensão do problema das contas laranjas. Levantamento da Serasa Experian indica que mais de 2,6 milhões de indivíduos ou contas bancárias apresentaram indícios de atuação como perfis laranja em 2025, um crescimento de 62% em relação a 2023. O dado mais relevante, porém, é que apenas 3,2% desses perfis foram detectados pelas instituições, evidenciando a dificuldade de identificar esse tipo de comportamento em escala.

Além disso, uma pesquisa mais recente da Serasa identificou 1.495.696 tentativas de fraude em cadastro e validação de identidade entre janeiro e março de 2026, alta de 36,6% em um ano.

Diante dessa evolução, fortalecer a prevenção a fraudes exige ir além da validação de documentos e dados cadastrais. Uma conta aparentemente legítima também pode apresentar sinais de risco em seu comportamento, tais como a forma como os recursos entram, circulam e se relacionam com outras contas.

É essa mudança de perspectiva que coloca as contas laranjas no centro de uma nova abordagem antifraude. Mais do que identificar quem está por trás de uma conta, é preciso analisar seu comportamento, a circulação do dinheiro e os padrões que podem indicar uma operação suspeita.

Como veremos ao longo deste artigo, essa visão também está na base do Score Laranja, modelo desenvolvido pela Dock para identificar sinais de risco a partir de dados transacionais e comportamentais. A abordagem foi apresentada por Thiago Cunha, VP de Trust, Security & Financial Crime para a América Latina da empresa, no Febraban Tech 2026.

 

O que são contas laranjas e qual é seu papel na fraude?

 

Contas laranjas são contas bancárias ou de pagamento que podem ser utilizadas para receber, movimentar ou transferir recursos relacionados a fraudes ou outras atividades ilícitas.

Essas contas podem estar em nome de pessoas que participam conscientemente do esquema ou de indivíduos que foram enganados, coagidos ou tiveram seus dados utilizados indevidamente.

Na prática, esse instrumento ajuda a ocultar a origem e o destino dos recursos.  Isso porque o dinheiro obtido por meio de golpes pode circular por diferentes contas antes de chegar ao destino final, criando uma rede de movimentações que dificulta o rastreamento e a identificação dos responsáveis.

Fraude sintética e contas laranjas: como essas ameaças se conectam?

Fraude sintética e contas laranjas podem fazer parte de diferentes etapas de um mesmo esquema. Por exemplo, uma identidade construída com dados reais e falsos pode ser utilizada para abrir uma conta aparentemente legítima que, posteriormente, passa a movimentar recursos fraudulentos.

Assim, a identidade sintética pode ser utilizada para abrir uma conta que posteriormente seja empregada em uma operação fraudulenta.

Essa combinação torna a identificação mais complexa porque os sinais podem estar distribuídos entre diferentes informações e operações. O cadastro pode parecer regular, enquanto o comportamento da conta, suas transações e seus vínculos com outras contas revelam um padrão suspeito.

Por isso, combater essas ameaças exige ir além da validação cadastral. A análise conjunta de identidade, comportamento, transações e relacionamentos entre contas permite identificar padrões que controles isolados dificilmente conseguem detectar.

Por que os métodos tradicionais de prevenção precisam evoluir para combater as contas laranjas?

Os métodos tradicionais continuam importantes, mas foram desenvolvidos para identificar sinais pontuais de risco, como divergências cadastrais, documentos inválidos ou transações fora de determinados limites.

O problema é que as fraudes estão mais adaptativas e podem se distribuir ao longo do tempo, entre diferentes contas e operações.

Uma conta pode parecer legítima isoladamente, mas revelar riscos quando seu comportamento e seus relacionamentos são analisados em conjunto. Por isso, a prevenção precisa evoluir de regras isoladas para uma inteligência antifraude contextual e contínua.

Do KYC à inteligência comportamental: o que analisar além da identidade?

 

O KYC (Know Your Customer) é o conjunto de processos usados pelas instituições e empresas de serviços financeiros para identificar e verificar a identidade dos clientes antes e durante o relacionamento.

A prática envolve a validação de documentos, dados cadastrais e outras informações que ajudam a avaliar se uma pessoa ou empresa é quem afirma ser.

Essa etapa é fundamental para reduzir riscos, mas não responde a uma pergunta importante: como essa conta se comporta depois de aberta? É aí que entra a inteligência comportamental. Além de validar a identidade, é possível analisar:

• Padrões de movimentação: frequência, valores e horários das transações;
• Origem e destino dos recursos: de onde o dinheiro vem e para onde é direcionado;
• Relacionamentos: conexões recorrentes com outras contas, pessoas ou empresas;
• Mudanças de comportamento: alterações bruscas no perfil de uso da conta;
• Contexto da operação: se a movimentação é compatível com o histórico e o perfil esperado.

A combinação dessas informações permite identificar sinais de risco que podem surgir depois da validação inicial da identidade, tornando a prevenção mais dinâmica e capaz de acompanhar o comportamento das contas ao longo do tempo.

Como o comportamento financeiro revela o que o cadastro não mostra

Uma das principais vantagens da análise comportamental é identificar sinais de risco que não aparecem no cadastro.

Imagine uma conta aberta com documentação válida e informações aparentemente coerentes. Depois de alguns dias, ela passa a receber dezenas de transferências de diferentes origens e a enviar rapidamente esses recursos para outras contas.

Isoladamente, essas movimentações não comprovam uma fraude. Mas, quando analisadas em conjunto, podem revelar um comportamento incompatível com o perfil esperado.

Por isso, além de perguntar “quem é o titular?”, a inteligência antifraude precisa responder: “como essa conta se comporta?” e “qual papel ela desempenha na circulação dos recursos?”. Para isso, fatores como velocidade, recorrência, concentração e relacionamento ajudam a identificar padrões suspeitos.

 

A migração das contas laranjas para o universo PJ

As contas laranjas também podem estar associadas a pessoas jurídicas, ampliando a complexidade da prevenção. Empresas podem ser utilizadas para movimentar recursos incompatíveis com sua atividade ou estrutura.

Portanto, na análise de uma conta PJ, alguns sinais ganham importância:

• CNPJ e tempo de existência;
• Atividade econômica declarada;
• Estrutura societária e representantes;
• Relacionamentos com outras empresas e contas;
• Histórico e padrão de transações.

Na análise desses fatores, o risco aparece quando diferentes sinais não fazem sentido em conjunto. Por exemplo, uma empresa recém-criada, com atividade incompatível com suas movimentações e relacionamentos financeiros atípicos.

Por isso, a análise de PJs também precisa considerar contexto, comportamento e conexões, e não apenas os dados cadastrais.

 

Uma conta isolada pode não revelar a fraude: a importância das redes

Uma das mudanças essenciais na inteligência antifraude no combate a contas laranjas é deixar de olhar para a conta como uma unidade isolada.

Imagine uma rede na qual uma conta recebe recursos de dez diferentes origens e, poucos minutos depois, distribui esses valores para outras cinco contas. Essas contas, por sua vez, repetem o comportamento.

Quando analisadas individualmente, algumas podem não apresentar sinais suficientes para serem classificadas como fraudulentas. Quando analisadas como uma rede, porém, surge um padrão.

É por isso que a análise de relacionamentos ganha importância, uma vez que permite observar conexões entre contas, CPFs, CNPJs, dispositivos, chaves, beneficiários e transações. A lógica é simples: quanto mais sinais puderem ser analisados em conjunto, maior a capacidade de identificar padrões de relacionamento e possíveis redes de fraude, em vez de apenas eventos isolados.

Como a inteligência artificial ajuda a detectar padrões suspeitos em contas laranjas

A inteligência artificial amplia a capacidade de análise ao processar grandes volumes de dados e encontrar relações que poderiam passar despercebidas em análises manuais.

Na prática, a IA pode:

• Identificar padrões: modelos de machine learning podem identificar padrões de comportamento associados a diferentes tipos de risco;
• Conectar informações: a análise de redes revela vínculos entre contas, transações, dispositivos e contrapartes;
• Priorizar alertas: situações de maior risco podem ser direcionadas para análise das equipes;
• Analisar o contexto: histórico, comportamento e movimentações são avaliados em conjunto, e não apenas transações isoladas.

A IA não é, porém, uma solução estática. Os modelos precisam ser monitorados, atualizados e avaliados para acompanhar novas estratégias de fraude e reduzir falsos positivos.

Ao mesmo tempo, os próprios fraudadores utilizam IA, deepfakes e automação para criar identidades sintéticas e ampliar a escala dos ataques. Isso transforma a prevenção em uma corrida contínua entre novas formas de ataque e novas capacidades de detecção.

 

Score Laranja: inteligência para antecipar sinais de risco em contas laranjas

Essa mudança de olhar, da identidade para o comportamento, também está no centro do Score Laranja, modelo apresentado pela Dock para identificar combinações de sinais associados a contas de maior risco e antecipar a identificação de comportamentos que merecem investigação.

A solução utiliza inteligência artificial e dados transacionais para priorizar contas que merecem investigação, sem substituir a análise humana.

A abordagem foi apresentada no Febraban Tech 2026 por Thiago Cunha, VP de Trust, Security & Financial Crime para a América Latina da Dock, em palestra sobre a evolução das contas laranjas e os novos desafios da prevenção. “Conta laranja não é identidade. É comportamento.”, resume Cunha.

Em um dos casos analisados, o modelo identificou sinais de risco até 37 dias antes do registro da fraude. O resultado, aliás, foi destacado pela imprensa, incluindo a Exame e o Estadão.

O número, porém, não representa uma promessa de previsão de fraude em 37 dias, mas um caso concreto em que o comportamento da conta já apresentava sinais de risco antes do evento.

O futuro da prevenção: de controles isolados à inteligência antifraude

O combate às contas laranjas está entrando em uma nova fase. A questão não é abandonar KYC, biometria, validação documental ou regras transacionais, mas conectar essas diferentes camadas de informação.

Uma estratégia antifraude mais completa precisa acompanhar o cliente desde a abertura da conta e continuar analisando seu comportamento ao longo do relacionamento. Precisa também conectar identidade, transações, dispositivos e redes de relacionamento para identificar sinais que não aparecem em uma única etapa.

Essa abordagem permite transformar dados dispersos em contexto. Uma conta deixa de ser apenas um cadastro e passa a ser analisada como parte de um ecossistema financeiro.

Além disso, essa capacidade pode fazer diferença não apenas para bloquear uma fraude depois que ela acontece, mas para antecipar comportamentos suspeitos e interromper operações antes que os recursos sejam dispersados.

Como a Dock transforma dados em inteligência antifraude

Na Dock, compreendemos que o tempo é o principal adversário das instituições no combate às contas laranjas. Os dados do mercado não deixam margem para abordagens reativas: a mediana de tempo para que uma conta repasse o valor ilícito recebido é de apenas 3 minutos. Além disso, 97% do dinheiro sai da conta no mesmo dia e três em quatro casos de fraude acontecem nos primeiros 30 dias de vida da conta.

Quando os indícios de fraude são formalmente registrados e compartilhados entre instituições, conforme previsto na Resolução Conjunta nº 6/2023 e regulamentado pela Resolução BCB nº 343/2023, o dinheiro pode já ter sido pulverizado. É exatamente para resolver esse gap temporal que a Dock desenvolveu o Score Laranja, em colaboração com o Databricks e a Indicium AI. O sistema foi, inclusive, tema de matérias que saíram na Exame e no Estadão.

Em vez de focar apenas no momento do cadastro, o modelo olha para a conta como uma entidade dinâmica, cujo perfil de comportamento pode mudar ao longo do tempo, transformando sinais transacionais e comportamentais em uma régua comum de risco. O objetivo é claro: identificar, com antecedência, contas que apresentam sinais de risco e podem merecer investigação.

Para criar essa inteligência preditiva, o Score Laranja consolida 26 características em uma única leitura de risco. O algoritmo não avalia as contas de forma estática, mas sim de maneira dinâmica, recalculando o score diariamente com base na idade da conta — afinal, uma conta com quatro dias de histórico não pode (e não deve) ser analisada sob a mesma ótica de uma conta de um ano.

O modelo da Dock rastreia padrões complexos, tais como:

• O fluxo do dinheiro: como ele entra, sai e, principalmente, se ele permanece na conta. Uma conta de passagem (típica de “mulas”) recebe e zera o saldo quase ao centavo rapidamente, enquanto uma conta legítima com alto volume transacional tende a reter boa parte do capital.
• A topologia das relações: com quem essa conta se conecta, se as contrapartes são de mão dupla e a proporção de envios e recebimentos via Pix.
• A velocidade das interações e a evolução do comportamento financeiro ao longo do tempo.

O Score Laranja atua como um filtro inteligente de priorização de risco que organiza a carteira e posiciona as contas de maior risco no topo da fila, indicando às equipes de prevenção exatamente onde elas devem focar seus esforços primeiro.

Os resultados dessa abordagem baseada em comportamento são expressivos. Com mais de 1,2 milhão de contas analisadas, o Score Laranja conseguiu antecipar sinais de risco entre cinco e oito dias antes do registro da fraude e antecipar as denúncias formais de infração entre 12 e 15 dias. Em casos de uso reais, o modelo já chegou a apontar o risco de uma conta 37 dias antes da denúncia formal acontecer.

Essa capacidade de antecipação torna-se ainda mais crítica quando observamos as mudanças nas táticas dos criminosos, como a forte migração para o universo corporativo — em apenas 12 meses, a participação das contas PJ entre as infrações identificadas passou de 31% para 56%.

A nova infraestrutura da fraude exige uma nova infraestrutura de defesa. Com o Score Laranja, a Dock demonstra que, ao conectar tecnologia, IA e análise comportamental, é possível colocar as instituições e empresas um passo à frente do crime financeiro, protegendo não apenas o dinheiro, mas a confiança de todo o ecossistema.

Fale conosco para saber mais sobre a solução!

FAQ: perguntas frequentes sobre contas laranjas

 

O que são contas laranjas?

São contas usadas para receber, movimentar ou transferir recursos relacionados a fraudes ou outras atividades ilícitas.

 

Qual é a relação entre identidade sintética e contas laranjas?

Uma identidade sintética pode ser usada para abrir uma conta aparentemente legítima e movimentar recursos fraudulentos.

 

Por que o KYC não é suficiente para combater contas laranjas?

Porque uma conta pode parecer legítima no cadastro e apresentar comportamentos suspeitos posteriormente. Por isso, é importante acompanhar também suas transações e relacionamentos.

 

Quais sinais podem indicar uma conta laranja?

Mudanças bruscas de comportamento, movimentações incompatíveis com o perfil e transferências recorrentes ou rápidas entre diferentes contas podem indicar risco.

 

Como a inteligência artificial ajuda no combate às contas laranjas?

A IA pode identificar padrões, conectar informações, analisar comportamentos e priorizar alertas de maior risco.

 

Por que analisar redes de relacionamento é importante?

Porque conexões entre contas, pessoas, empresas, dispositivos e transações podem revelar padrões de fraude que não aparecem na análise de uma conta isolada.

 

Contas laranjas: o que você viu neste artigo

 

• Contas laranjas podem ser usadas para movimentar recursos fraudulentos, criando redes que dificultam o rastreamento da origem e do destino do dinheiro.
• O KYC continua essencial, mas precisa ser complementado pela análise contínua de transações, mudanças de comportamento e relacionamentos financeiros.
• A análise de redes permite conectar contas, pessoas, empresas, dispositivos e transações para identificar padrões que não aparecem quando cada elemento é analisado isoladamente.
• A inteligência artificial amplia essa capacidade ao processar grandes volumes de dados, reconhecer padrões suspeitos, conectar informações e apoiar decisões antifraude em tempo real.

 

Artigos relacionados

 

• Pesquisa Febraban de Tecnologia Bancária 2026 destaca cibersegurança, cloud e inteligência artificial como prioridades estratégicas
• Unconstrained banking e a nova era dos serviços financeiros: o que propõe o modelo
• Crédito na era da IA: como inteligência artificial, dados e automação estão transformando a concessão de crédito
• Core banking: o que é, como funciona e por que uma plataforma unificada faz a diferença
• Febraban Tech 2026: o que esperar da maior edição do principal evento de tecnologia e inovação para o setor financeiro da América Latina