返回博客
使用案例·2026年5月25日·阅读约 7 分钟

用于巴西 PIX 风险分析的 Claude——代码、LGPD 和 BACEN

巴西金融科技公司使用 Claude Sonnet 4.6 进行实时 PIX 风险分析。完整代码，每次分析约 R$ 0.04。LGPD + BACEN 通告 + 按金额分层 + Pix/Boleto/国际卡 + PII 假名化 + ZDR（仅与 Anthropic 直接签约时提供，不适用于 Kunavo）。

巴西金融科技公司使用 Claude 对 PIX 交易进行实时风险分析——包含完整代码、每笔交易成本、观测到的延迟，以及 LGPD 和 BACEN 注意事项。这是我在 2026 年巴西金融科技公司中最常见的用例。

为什么效果很好

传统 PIX 风险分析是基于固定特征训练的 ML 模型（金额、频率、时间）。它有效，但无法识别细微模式：“这个客户通常会向兄弟转账，但从未转过这么大的金额，而且 IP 来自另一个城市——可能是 SIM 卡交换攻击。”Claude 能自然地处理这种上下文推理。

代码

analisar_pix.py
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)

每次分析成本：约 $0.008（按当前汇率约 R$ 0.04）。对于每天处理 100,000 笔 PIX 交易的金融科技公司，这相当于约 R$ 4,000/月。用于防范平均每起造成 R$ 2,000-5,000 损失的欺诈时，投资回报率极其可观。

延迟

通过 Kunavo 从圣保罗调用 Claude Sonnet 4.6（AWS sa-east-1）：P50 约 800ms，P99 约 2s。对于同步分析（在 PIX 清算前拦截）已经足够；BACEN 在超时前会提供约 10 秒。对于非常高的流量，可以考虑异步处理：先批准，再分析，以便人工复核可疑案例。

对输出的预期

  • 低风险：模式一致、收款方已知、时间正常 → 直接放行
  • 中风险：存在 1-2 个信号（金额较高、新收款方、时间异常）→ 拦截并交由人工复核，或要求强化 2FA
  • 高风险：存在多个信号（疑似 SIM 卡交换攻击、尝试使用虚假 boleto、资金中转账户模式）→ 拦截并立即向欺诈团队告警

LGPD 和 BACEN——关键要点

  • 在 LLM 之前进行假名化：CPF、全名、银行账户——发送前进行掩码处理。模型看到的是“[CLIENT_42] 向 [DEST_198] 转账 R$ X”
  • 不使用数据训练：Anthropic 默认不会使用 API requests 进行训练。对于 Enterprise，你可以通过 Kunavo 请求 Zero Data Retention（sales@kunavo.com）
  • 自动化决策：LGPD 要求客户能够对影响自身的自动化决策提出异议。你的 UI 应提供“Contestar”按钮，而模型返回的 explicação_pt_BR 是生成回复的良好起点
  • BACEN 关于 AI 的决议：尽管截至 2026 年，BACEN 尚未针对在 PIX 风险中使用 LLM 制定专门法规，但关于治理和风险管理的 Circular 4,018 与 3,978 的一般原则仍适用。请清晰记录模型如何作出决策

按金额分层

不需要对每笔 PIX 交易都运行 Claude Sonnet。推荐模式：

  • PIX < R$ 100：直接通过，不进行 LLM 分析
  • R$ 100 - R$ 1,000：Claude Haiku 4.5（便宜 10 倍），快速分析
  • R$ 1,000 - R$ 10,000：Claude Sonnet 4.6（标准分析）
  • > R$ 10,000：Claude Opus 4.7（更深入分析）+ 并行人工复核

付款与收费

可使用 PIX 或国际银行卡付款。价格以美元计，结账页面会显示换算后的雷亚尔金额。付款人位于巴西且收款公司位于境外时，两种付款方式都会收取 3.5% 的 IOF。Kunavo 不提供 NF-e。

后续步骤

  • 通过免费注册创建账户（充值 $10 起，按量付费＝用于原型的约 1,250 次分析）
  • 在后端配置 PII 假名化
  • 以 shadow 模式运行 1,000 笔真实交易（经过掩码处理），并与当前 ML 模型进行比较
  • 使用误报和漏报作为反馈，迭代 system prompt
  • 只有在 CRO/合规团队批准且 LGPD 日志完备后，才投入生产

完整文档：/docs/quickstart；用于进一步降低 70% 成本的提示缓存指南：提示缓存深度解析。

相关深度文章