O JPMorgan pôs em produção o Large Payments Model (LPM), um único modelo de inteligência artificial (IA) que detecta fraude, prevê a autorização de pagamentos e orienta retentativas, e que já atende milhões de transações por dia. Em cartões, a IA detectou fraude até 85,5% melhor que os modelos que o banco mantém para cada tarefa, segundo paper de pesquisadores do banco publicado em 11 de novembro. Nas transferências ACH (Automated Clearing House, a rede de compensação automatizada dos EUA), o modelo achou 27,4% mais pagamentos fraudulentos com o mesmo número de alertas.
A régua dessa comparação é interna: os ganhos são calculados sobre os modelos de tarefa única do próprio JPMorgan, com dados de cartão e de tesouraria da instituição. O estudo não identifica esses modelos nem divulga notas absolutas, perdas com fraude ou recusas indevidas, relatou a PYMNTS.
Como o banco chegou aos 85,5%
Em cartão, os pesquisadores testaram duas versões. A primeira analisa cada transação sozinha e teve ganho de 62,7% em average precision, métrica que avalia se o sistema põe os raros casos de fraude à frente dos pagamentos legítimos. A segunda consulta até seis meses de operações anteriores da mesma parte, e esse histórico elevou o ganho para 85,5%.
Nas transferências ACH e wire, o critério mudou. Como a equipe antifraude só revisa um número limitado de alertas por dia, os autores fixaram esse volume e mediram quanta fraude a mais aparecia. No ACH, além dos 27,4% a mais em quantidade, o modelo achou 63,5% mais fraude em valor. Nas wires, o avanço foi de 5,6% em quantidade, sem ganho em valor, o que os pesquisadores atribuem à presença menor dessas transferências na base de treino.
JPMorgan · ganho do LPM em fraude
O maior ganho veio em cartão, com histórico de seis meses
Ganho sobre os modelos de tarefa única do próprio banco, em %. Cartão: average precision. ACH e wire: fraude a mais com o mesmo número de alertas

Resultados medidos com dados de pagamento do próprio banco. Fonte: paper de pesquisadores do JPMorganChase (11/11/2026), citado pela PYMNTS. Arte: Let’s Money.








