Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/38256
Title: | Automação de verificações manuais em processos de KYC. |
Other Titles: | Automation of manual checks in KYC processes. |
???metadata.dc.creator???: | OLIVEIRA, Matheus Henrique Guedes de. |
???metadata.dc.contributor.advisor1???: | MONTEIRO, João Arthur Brunet. |
???metadata.dc.contributor.referee1???: | MACHADO, Patrícia Duarte de Lima. |
???metadata.dc.contributor.referee2???: | BRASILEIRO, Francisco Vilar. |
Keywords: | Apostas Esportivas;Plataformas Online;KYC - Know Your Customer;LLM - Large Language Model;Verificações de Análises Manuais;Ferramenta de Automação;Sports Betting;Online Platforms;Manual Analysis Checks;Automation Tool |
Issue Date: | 15-Mar-2024 |
Publisher: | Universidade Federal de Campina Grande |
Citation: | OLIVEIRA, Matheus Henrique Guedes de. Automação de verificações manuais em processos de KYC. 2024. 13 f. Artigo (Bacharelado em Ciência da Computação) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2024. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/38256 |
???metadata.dc.description.resumo???: | Nos últimos anos, as apostas esportivas têm experimentado um crescimento rápido devido à digitalização e à acessibilidade das plataformas online. Contudo, esse aumento também gerou desafios, como a integridade do mercado, o combate a práticas de crime organizado, como lavagem de dinheiro, e a proteção dos consumidores. Nesse cenário, os processos de verificação e validação de documentos, conhecidos como KYC (Know Your Customer - Conheça seu Cliente), tornaram-se essenciais para garantir a conformidade regulatória e a segurança dos usuários. Este estudo se concentra nos desafios enfrentados pelas casas de apostas ao implementar os processos de KYC em conformidade com as regulamentações, especialmente na necessidade de análise manual para validar os processos de verificação de KYC. Essas verificações manuais são tipicamente demoradas e custosas. Diante desse cenário, foi desenvolvida uma ferramenta de automação que utiliza um modelo LLM (Large Language Model) para reduzir a dependência de intervenções humanas e aprimora a eficiência no processo de verificação de documentos de KYC. A metodologia utilizada abrangeu uma amostra de 163 dados de usuários do período de 26 de Dezembro de 2023 a 26 de Fevereiro de 2024, levando em consideração as principais falhas identificadas durante esse intervalo de tempo. Os resultados obtidos mostram uma melhoria significativa na performance das verificações de análises manuais. Dessa forma, da amostra realizada com 163 casos o algoritmo forneceu um veredito para 73.6% casos, com precisão de 81,05% na categorização correta do status da análise do usuário. Isso destaca a eficácia geral do algoritmo, tornando o processo mais ágil e eficiente, reduzindo significativamente a carga de trabalho humana e, em contra partida, 26.4% dos casos ainda exigiram análise manual para maior precisão, evidenciando situações em que o algoritmo não conseguiu tomar uma decisão automática. Contudo, a pesquisa não apenas oferece uma solução prática e tecnológica para os desafios enfrentados pelas casas de apostas, mas também contribui para o avanço na automação de processos de verificação de documentos em ambientes regulamentados. |
Abstract: | In recent years, sports betting has experienced rapid growth due to the digitalization and accessibility of online platforms. However, this growth has also generated challenges, such as market integrity, combating organized crime practices such as money laundering, and consu-mer protection. In this scenario, document verification and validation processes, known as KYC (Know Your Customer), have become essential to ensure regulatory compliance and user security. This study focuses on the challenges faced by bookmakers when implementing KYC processes in compliance with regulations, especially the need for manual analysis to validate KYC verification processes. Such manual verifications are typically time-consuming and costly. Given this scenario, an automation tool was developed that uses a LLM (Large Language Model) model to reduce the dependence on human intervention and improve the efficiency of the KYC document verification process. The methodology used covered a sample of 163 user data from the period December 26, 2023 to February 26, 2024, taking into account the main failures identified during this time interval. The results obtained show a significant improvement in the performance of manual analysis checks. Thus, of the sample carried out with 163 cases, the algorithm provided a verdict for 73.6% of cases, with 81.05% accuracy in correctly categorizing the user's analysis status. This highlights the overall effectiveness of the algorithm, making the process more agile and efficient, significantly reducing the human workload. On the other hand, 26.4% of the cases still required manual analysis for greater accuracy, highlighting situations in which the algorithm was unable to make an automatic decision. However, the research not only offers a practical and technological solution to the challenges faced by bookmakers, but also contributes to the advancement of the automation of document verification processes in regulated environments. |
Keywords: | Apostas Esportivas Plataformas Online KYC - Know Your Customer LLM - Large Language Model Verificações de Análises Manuais Ferramenta de Automação Sports Betting Online Platforms Manual Analysis Checks Automation Tool |
???metadata.dc.subject.cnpq???: | Ciência da Computação |
URI: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/38256 |
Appears in Collections: | Trabalho de Conclusão de Curso - Artigo - Ciência da Computação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
MATHEUS HENRIQUE GUEDES DE OLIVEIRA-ARTIGO-CEEI-CIÊNCIA DA COMPUTAÇÃO (2024).pdf | 760.67 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.