Gerçek zamanlı PIX işlemlerinde risk analizi için Claude kullanan Brezilyalı fintech'ler — eksiksiz kod, işlem başına maliyet, gözlemlenen gecikme ve LGPD ile BACEN değerlendirmeleri. 2026'da Brezilya fintech'lerinde en sık gördüğüm kullanım alanı.
Bu neden iyi çalışıyor
Geleneksel PIX risk analizi, sabit özelliklerle (tutar, sıklık, günün saati) eğitilmiş bir ML modelidir. Çalışır, ancak ince örüntülerde başarısız olur: "bu müşteri genellikle kardeşine para aktarır ama hiç bu tutarlarda değil ve IP başka bir şehirden — muhtemelen SIM takası". Claude bu bağlamsal akıl yürütmeyi doğal biçimde ele alır.
Kod
import json
from openai import OpenAI
client = OpenAI(
api_key="sk-kn-...",
base_url="https://api.kunavo.com/v1",
)
# No Claude, um response_format json_schema é garantido na resposta; json_object não.
ANALISE = {
"type": "object",
"properties": {
"risco": {"type": "string", "enum": ["baixo", "medio", "alto"]},
"sinais": {"type": "array", "items": {"type": "string"}},
"recomendacao": {"type": "string", "enum": ["aprovar", "revisar", "bloquear"]},
"explicacao_pt_BR": {"type": "string"},
},
"required": ["risco", "sinais", "recomendacao", "explicacao_pt_BR"],
"additionalProperties": False,
}
def analisar_transacao(transacao: dict, historico: list[dict]) -> dict:
"""Detecta sinais de fraude em uma transação PIX usando Claude."""
historico_txt = "\n".join(
f"- {t['data']}: R$ {t['valor']:.2f} para {t['destinatario']} ({t['categoria']})"
for t in historico[-20:]
)
resp = client.chat.completions.create(
model="claude-sonnet-4-6",
messages=[
{
"role": "system",
"content": [
{
"type": "text",
"text": (
"Você é um analista de risco de pagamentos PIX no Brasil. "
"Analise a transação atual em relação ao histórico do "
"cliente e retorne JSON: "
'{"risco": "baixo|medio|alto", '
'"sinais": ["..."], '
'"recomendacao": "aprovar|revisar|bloquear", '
'"explicacao_pt_BR": "..."}'
),
"cache_control": {"type": "ephemeral"},
},
],
},
{
"role": "user",
"content": (
f"## Transação atual\n"
f"Data: {transacao['data']}\n"
f"Valor: R$ {transacao['valor']:.2f}\n"
f"Destinatário: {transacao['destinatario']}\n"
f"Origem (IP/dispositivo): {transacao['origem']}\n\n"
f"## Histórico recente (últimas 20 transações)\n{historico_txt}"
),
},
],
response_format={"type": "json_schema",
"json_schema": {"name": "analise", "schema": ANALISE}},
max_tokens=400,
)
return json.loads(resp.choices[0].message.content)Analiz başına maliyet: ~$0,008 (mevcut kurla yaklaşık R$ 0,04). Günde 100.000 PIX işlemi gerçekleştiren bir fintech için bu aylık ~R$ 4.000 eder. Vaka başına ortalama R$ 2.000-5.000 maliyetli dolandırıcılığı önlemek için yatırım getirisi olağanüstü pozitiftir.
Gecikme
São Paulo'dan (AWS sa-east-1) Kunavo üzerinden Claude Sonnet 4.6: P50 ~800 ms, P99 ~2 sn. Eşzamanlı analiz (PIX mutabakatından önce engelleme) için yeterlidir; BACEN zaman aşımından önce yaklaşık 10 saniye verir. Çok yüksek hacimler için eşzamansız yaklaşımı düşünün: önce onaylayın, ardından şüpheli vakaları manuel inceleme için analiz edin.
Çıktıdan ne beklenmeli
- Düşük risk: tutarlı örüntü, bilinen alıcı, olağan saat → doğrudan serbest bırak
- Orta risk: 1-2 sinyal (yüksek tutar, yeni alıcı, olağandışı saat) → engelle + manuel incelemeye veya güçlendirilmiş 2FA'ya gönder
- Yüksek risk: birden çok sinyal (şüpheli SIM takası, sahte boleto girişimi, para katırı örüntüsü) → engelle + dolandırıcılık ekibine derhal uyarı gönder
LGPD ve BACEN — kritik noktalar
- LLM'den önce takma adlandırma: CPF, tam ad, banka hesabı — göndermeden önce maskeleyin. Model "[CLIENT_42], [DEST_198]'e R$ X aktardı" görür
- Verilerle eğitim yapmama: Anthropic, varsayılan olarak requests API'yi eğitim için kullanmaz. Enterprise için Kunavo üzerinden Zero Data Retention talep edebilirsiniz (sales@kunavo.com)
- Otomatik karar: LGPD, müşterinin kendisini etkileyen otomatik bir karara itiraz edebilmesini gerektirir. Kullanıcı arayüzünüzde "İtiraz et" düğmesi bulunmalı; modelin döndürdüğü explicação_pt_BR, yanıt için iyi bir başlangıç noktasıdır
- BACEN'in yapay zekâ kararı: PIX riskinde LLM kullanımına ilişkin özel bir BACEN düzenlemesi henüz bulunmasa da (2026), yönetişim ve risk yönetimi hakkındaki 4.018 ve 3.978 sayılı Genelgelerin genel ilkeleri geçerlidir. Modelin nasıl karar verdiğine ilişkin açık belgeler bulundurun
Tutar bazlı katmanlama
Her PIX işleminde Claude Sonnet çalıştırmak gerekli değildir. Önerilen düzen:
- PIX < R$ 100: doğrudan geçsin, LLM analizi yapılmasın
- R$ 100 - R$ 1.000: Claude Haiku 4.5 (10 kat daha ucuz), hızlı analiz
- R$ 1.000 - R$ 10.000: Claude Sonnet 4.6 (standart analiz)
- > R$ 10.000: Claude Opus 4.7 (daha derin analiz) + eşzamanlı insan incelemesi
Ödeme ve faturalandırma
PIX veya uluslararası ödemelerde kullanılabilen bir kartla ödeme yapın. Fiyatlar USD cinsindendir ve ödeme sayfasında Brezilya realine çevrilmiş tutar gösterilir. Ödeme yapan kişi Brezilya'daysa ve şirket yurt dışındaysa her iki ödeme yönteminde de %3,5 IOF uygulanır. Kunavo NF-e düzenlemez.
Sonraki adımlar
- Ücretsiz kayıt ile hesap oluşturun ($10'dan başlayan yükleme, pay-as-you-go = prototip için ~1.250 analiz)
- Arka ucunuzda PII takma adlandırmasını yapılandırın
- Shadow modunda 1.000 gerçek (maskelenmiş) işlemi çalıştırın ve mevcut ML modelinizle karşılaştırın
- Yanlış pozitif ve negatifleri geri bildirim olarak kullanarak system prompt'u yineleyin
- Yalnızca CRO/compliance onayınız ve güncel LGPD günlüklerinizle üretime geçin
Eksiksiz belgeler: /docs/quickstart; maliyetleri %70 daha azaltmak için istem önbellekleme rehberi: istem önbelleklemeye derinlemesine bakış.