Saiba mais sobre a implementação de um sistema de detecção de fraudes de IA multiagente na OCI
As instituições financeiras enfrentam tentativas sofisticadas de fraude que exigem análise inteligente e automatizada.
Inspirados nas inovações da The Guardian Life Insurance Company of America na prevenção de fraudes, propomos um sistema de detecção de fraudes com vários agentes criado exclusivamente nos serviços da Oracle Cloud Infrastructure (OCI). O design usa vários agentes de IA especializados, como analisador de fraudes e agentes de recuperação de dados, que são coordenados por um orquestrador central ou agente supervisor. Em combinação, eles imitam uma equipe de investigação que apresenta insights, coleta evidências, recomenda decisões e gera narrativas.
Este caso de uso de detecção de fraude multiagente usa uma arquitetura moderna orientada por IA no Oracle Cloud. Ao combinar o banco de dados da OCI e outros serviços com uma estrutura de agente orquestrada, criamos um sistema que pode identificar fraudes de forma proativa e ajudar os investigadores com insights gerados por IA.
O design é escalável, flexível e permite adicionar novos agentes ou ferramentas atualizando configurações ou implantando funções adicionais da OCI à medida que os esquemas de fraude evoluem. Ele também conecta recursos de IA de ponta, como grandes modelos de linguagem (LLMs) e detecção de anomalias, com sistemas de dados corporativos, como o Oracle Autonomous Database, de maneira segura. O orquestrador de servidores garante que cada agente de IA trabalhe em conjunto e se comunique com os sistemas Oracle na linguagem necessária (chamadas SQL, API) para que as intenções da IA se transformem em ações reais usando dados reais.
Você pode adaptar esse design para criar uma plataforma de demonstração que percorra cenários, como a detecção de fraudes em seguros. Ele pode mostrar como o orquestrador atribui tarefas aos agentes e apresenta o resultado final usando um painel ou uma resposta de chatbot explicando as descobertas do agente do analisador de fraudes. As partes interessadas veem a arquitetura modular e entendem claramente as funções dos serviços da OCI: o Autonomous Database gerencia dados em escala, o OCI Functions executa microsserviços e a OCI Generative AI adiciona inteligência.
Esse design demonstra como o Oracle Cloud pode fornecer um fluxo de trabalho de IA ágil para detecção de fraude em tempo real para detectar fraudes mais rapidamente com contexto perspicaz e, por fim, proteger a empresa e seus clientes. A arquitetura é apresentada em duas fases:
- Fase 1: Implementa a camada de orquestração, adaptando os conceitos de código aberto do Google Gen AI Toolbox para criar uma estrutura de agente escalável.
- Fase 2: Integra um raciocínio mais profundo do LLM (Large Language Model) da OCI para inteligência aprimorada.
Sobre Produtos e Serviços
Esta solução destaca os seguintes produtos e serviços:
Fase 1:
- Google Gen AI Toolbox em execução
- Oracle Cloud Infrastructure Compute
- Oracle Cloud Infrastructure Kubernetes Engine
- Oracle Autonomous Transaction Processing
- Oracle Cloud Infrastructure Functions (sem servidor)
- Oracle Cloud Infrastructure - Detecção de Anomalias
Fase 2:
- Oracle Cloud Infrastructure Generative AI ou modelos pré-treinados da Oracle
- Oracle Cloud Infrastructure Data Science
- Oracle Machine Learning
- Oracle Cloud Infrastructure Language
- Oracle Cloud Infrastructure Streaming
- Oracle Cloud Infrastructure GoldenGate
Consulte Produtos, Soluções e Serviços Oracle para obter o que você precisa.
Arquitetura
Essa arquitetura mostra um sistema de detecção de fraude de IA multiagente na Oracle Cloud Infrastructure (OCI).
Esse design usa vários agentes de IA para fornecer insights importantes, coletar evidências e produzir uma análise abrangente de fraude.
No núcleo está um servidor de protocolo de contexto de modelo (MCP) que orquestra as interações do agente. Agentes especializados lidam com tarefas distintas. Por exemplo, um agente de recuperação de dados consulta fontes de dados empresariais e um agente analisador de fraudes avalia e explica anomalias. O fluxo começa quando um evento, como um alerta de transação suspeito ou uma consulta do investigador, aciona o orquestrador. Em seguida, o orquestrador delega subtarefas aos agentes e consolida seus resultados usando um padrão de design fan-in e fan-out. Cada agente usa serviços nativos da OCI para executar tarefas (consultas de banco de dados, inferência de LLM e assim por diante) e o orquestrador traduz entre os contextos do sistema do agente e da Oracle, garantindo que cada agente obtenha as informações necessárias no formato esperado.
O diagrama a seguir mostra uma visão geral do fluxo do processo:
ai-fraud-detecção-fluxo-oracle.zip
- Servidor do orquestrador MCP
O servidor MCP (Model Context Protocol) é o hub de coordenação que orquestra as ações do agente e mantém o contexto ou o estado geral de uma investigação. Ele usa o MCP para padronizar como os agentes chamam ferramentas e trocam dados. Atuando como um "cérebro central", recebe a solicitação inicial (alerta de fraude ou consulta de análise) e chama os agentes apropriados em sequência. Ele também traduz intenções de alto nível do agente em operações de baixo nível nos sistemas Oracle, como converter a solicitação de informações do cliente de um agente em uma consulta SQL e converter resultados SQL em uma resposta de linguagem natural. Essa abordagem desacopla os agentes das chamadas diretas do sistema usando o orquestrador como uma ponte entre a lógica do agente e os dados corporativos, permitindo atualizações flexíveis e controle centralizado. Na primeira fase dessa arquitetura, o servidor é um servidor leve derivado do Google Gen AI Toolbox executado no Oracle Cloud Infrastructure Compute ou no OCI Kubernetes Engine.
- Agente de recuperação de dados
O agente de recuperação de dados é um agente especializado responsável por extrair dados relevantes de origens empresariais. Por exemplo, ao receber um ID de cliente ou ID de transação do orquestrador, ele consulta o Oracle Autonomous Database ou outros armazenamentos de dados da OCI para obter informações como transações recentes, perfis de conta, histórico de reivindicações e assim por diante. Você pode implementar esse agente usando o OCI Functions (sem servidor) para chamar ferramentas hospedadas em um servidor MCP para o Autonomous Database. O agente contém toda a lógica de acesso a dados. O servidor do orquestrador pode usar uma ferramenta predefinida para este agente, como uma ferramenta
LookupTransaction
ouGetCustomerProfile
configurada para YAML que sabe como executar o SQL adequado no Autonomous Database. Assim como o Google Gen AI Toolbox usa ferramentas definidas pela YAML para permitir que os agentes executem operações de banco de dados, esse design define consultas de banco de dados como ferramentas orientadas por configuração. Na primeira fase, o agente de dados simplesmente executa essas consultas sem o envolvimento da tomada de decisão de IA e retorna os resultados ao orquestrador. - Agente de análise de fraude
O agente analisador de fraudes é o agente fundamental que avalia os dados para sinais de fraude e gera insights. Este agente ingere o contexto, como detalhes da transação, informações do cliente ou padrões históricos fornecidos pelo orquestrador, e aplica a lógica de IA/ML para determinar se o cenário é provavelmente fraudulento. Na fase 1, esse pode ser um mecanismo baseado em regras ou um modelo do OCI Anomaly Detection para fornecer uma resposta rápida e determinística. Por exemplo, ele pode sinalizar anomalias como uma transação muito fora do intervalo normal ou várias reivindicações em um curto período de tempo. O agente então produz uma pontuação ou classificação de fraude e, possivelmente, uma explicação.
Na fase 2, o agente analisador de fraudes é aumentado com recursos de LLM usando OCI Generative AI ou modelos pré-treinados da Oracle para gerar narrativas investigativas legíveis por humanos. Dessa forma, a IA generativa cria automaticamente um relatório conciso das descobertas, resumindo por que uma transação foi sinalizada e referenciando os dados diretamente, como a forma como as transações recentes de um cliente mostram compras incomuns de alto valor no exterior, que se desvia de seu padrão normal por 5σ (5 sigma), indicando alta probabilidade de fraude. A própria divisão de Serviços Financeiros da Oracle destacou o valor dessas narrativas generativas na aceleração das investigações. Na fase 2, o agente analisador de fraudes pode usar um LLM da OCI para analisar os dados e explicar os resultados. Por exemplo, ele pode usar um prompt que incorpora os dados e solicita que o modelo analise o risco de fraude ou pode executar o raciocínio assistido por ferramenta chamando primeiro uma ferramenta de cálculo e, em seguida, fazendo com que o LLM elabore os resultados.
- Agentes adicionais (conforme necessário)
A arquitetura suporta a capacidade de conectar outros agentes para enriquecer a análise. Por exemplo, um agente de verificação externo pode chamar serviços de terceiros, como listas de sanções ou agências de crédito, para reunir mais evidências sobre a entidade envolvida. Outro pode ser um agente de notificação e gerenciamento de casos que, após a confirmação da fraude, registra o caso em um sistema ou aciona um alerta para um investigador humano. A capacidade do orquestrador de gerenciar vários agentes e coordenar fluxos de trabalho complexos permite que novos agentes sejam adicionados sem perturbar os existentes. Essa modularidade torna o sistema extensível para mostras de demonstração que podem começar com dois agentes e depois anexar mais para outros cenários de demonstração, como verificações de conformidade, mensagens do cliente e assim por diante.