Các fintech Brazil sử dụng Claude để phân tích rủi ro giao dịch PIX theo thời gian thực — mã đầy đủ, chi phí mỗi giao dịch, độ trễ quan sát được và các lưu ý về LGPD và BACEN. Đây là trường hợp sử dụng tôi thấy nhiều nhất ở các fintech Brazil trong năm 2026.
Vì sao cách này hoạt động tốt
Phân tích rủi ro PIX truyền thống là một model ML được huấn luyện trên các feature cố định (số tiền, tần suất, thời điểm trong ngày). Cách này hoạt động, nhưng bỏ sót các mẫu tinh vi: “khách hàng này thường chuyển tiền cho anh trai nhưng chưa bao giờ với số tiền như vậy, và IP ở thành phố khác — có thể là SIM-swap”. Claude xử lý kiểu suy luận theo ngữ cảnh này một cách tự nhiên.
Mã nguồn
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)Chi phí mỗi lần phân tích: ~$0,008 (khoảng R$ 0,04 theo tỷ giá hiện tại). Với một fintech xử lý 100.000 giao dịch PIX mỗi ngày, chi phí là khoảng ~R$ 4.000/tháng. Khi ngăn chặn gian lận vốn trung bình gây thiệt hại R$ 2.000-5.000 mỗi vụ, ROI là cực kỳ tích cực.
Độ trễ
Claude Sonnet 4.6 qua Kunavo từ São Paulo (AWS sa-east-1): P50 ~800ms, P99 ~2s. Với phân tích đồng bộ (chặn trước khi thanh toán PIX) là đủ; BACEN cho khoảng ~10 giây trước khi timeout. Với khối lượng rất lớn, hãy cân nhắc xử lý bất đồng bộ: phê duyệt trước rồi phân tích sau để xem xét thủ công các trường hợp đáng ngờ.
Kỳ vọng đối với output
- Rủi ro thấp: mẫu nhất quán, người nhận quen thuộc, thời điểm thông thường → phê duyệt trực tiếp
- Rủi ro trung bình: 1-2 tín hiệu (số tiền lớn, người nhận mới, thời điểm bất thường) → chặn + chuyển xem xét thủ công hoặc yêu cầu 2FA tăng cường
- Rủi ro cao: nhiều tín hiệu (nghi ngờ SIM-swap, thử dùng boleto ma, mô hình mule) → chặn + cảnh báo ngay cho bộ phận chống gian lận
LGPD và BACEN — các điểm quan trọng
- Định danh giả trước khi gửi đến LLM: CPF, họ tên đầy đủ, tài khoản ngân hàng — hãy che trước khi gửi. Mô hình sẽ thấy "[CLIENT_42] đã chuyển R$ X cho [DEST_198]"
- Không dùng dữ liệu để huấn luyện: Theo mặc định, Anthropic không sử dụng requests API để huấn luyện. Với Enterprise, bạn có thể yêu cầu Zero Data Retention thông qua Kunavo (sales@kunavo.com)
- Quyết định tự động: LGPD yêu cầu khách hàng có thể phản đối một quyết định tự động ảnh hưởng đến họ. UI của bạn nên cung cấp nút "Contestar" và phần giải thích_pt_BR do mô hình trả về là điểm khởi đầu tốt cho câu trả lời
- Nghị quyết của BACEN về AI: Mặc dù hiện chưa có quy định riêng của BACEN cho việc sử dụng LLM trong rủi ro PIX (2026), các nguyên tắc chung về quản trị và quản lý rủi ro trong Circular 4.018 và 3.978 vẫn được áp dụng. Hãy có tài liệu rõ ràng về cách mô hình đưa ra quyết định
Phân tầng theo giá trị
Không cần chạy Claude Sonnet cho mọi giao dịch PIX. Khuyến nghị mặc định:
- PIX < R$ 100: chuyển thẳng, không phân tích bằng LLM
- R$ 100 - R$ 1.000: Claude Haiku 4.5 (rẻ hơn 10 lần), phân tích nhanh
- R$ 1.000 - R$ 10.000: Claude Sonnet 4.6 (phân tích tiêu chuẩn)
- > R$ 10.000: Claude Opus 4.7 (phân tích chuyên sâu hơn) + đánh giá thủ công song song
Thanh toán và lập hóa đơn
Thanh toán bằng PIX hoặc thẻ quốc tế. Giá được tính bằng USD và trang thanh toán hiển thị số tiền đã quy đổi sang real Brazil. IOF 3,5% áp dụng cho cả hai phương thức khi người thanh toán ở Brazil và công ty ở nước ngoài. Kunavo không phát hành hóa đơn NF-e.
Các bước tiếp theo
- Tạo tài khoản với đăng ký miễn phí (nạp tiền từ $10, pay-as-you-go = ~1.250 lượt phân tích cho nguyên mẫu)
- Thiết lập định danh giả cho PII trong backend của bạn
- Chạy 1.000 giao dịch thực tế (đã che thông tin) ở chế độ shadow và so sánh với mô hình ML hiện tại
- Lặp lại system prompt, sử dụng các kết quả dương tính giả và âm tính giả làm phản hồi
- Chỉ đưa vào production sau khi CRO/compliance phê duyệt và các log LGPD đã được cập nhật đầy đủ
Tài liệu đầy đủ: /docs/quickstart; hướng dẫn prompt caching để giảm thêm 70% chi phí: tìm hiểu chuyên sâu về prompt caching.