A importância dos dados hoje é ponto sem discussão. E a forma como se usa os dados e se aproveita suas conexões é fundamental. Uma das maneiras mais originais de refino de dados são os grafos de conhecimento e sua aplicação para análise de dados complexos. Para falar sobre o assunto a DCD entrevistou os executivos Jesús Barrasa, AI Field CTO, e Paulo Farias, Vice-Presidente LATAM, da empresa Neo4j, líder mundial em análise de banco de dados grafos.

Os dados, explica Barrasa, têm duas partes: os dados propriamente ditos e suas relações, que são tão importantes quanto os próprios dados e revelam padrões significativos. Detectar essas estruturas é complicado com os sistemas tradicionais e a tecnologia de grafos se destaca ao modelar dados e suas relações intrínsecas, diferentemente dos sistemas tradicionais baseados em tabelas. A Neo4j representa a informação em forma de um grafo, que é composto por nós (vértices) e as relações entre eles. Essa estrutura permite uma análise contextual muito mais eficaz. Além disso, essa abordagem permite a identificação de padrões ocultos, essenciais para casos como detecção de fraudes, análise de risco em finanças e telecomunicações, e até mesmo investigações de alto volume de processos na justiça. Além disso, os grafos são um elemento crucial para aprimorar a Inteligência Artificial Generativa, fornecendo contexto preciso para as respostas e combatendo as "alucinações" dos modelos de linguagem.

Sobre a funcionalidade da utilização dos grafos nas finanças, Paulo Farias diz que as bases de dados oferecem a possibilidade de trabalhar com eles e fazer análises como detecção de fraudes, lavagem de dinheiro, investigações policiais, de sonegação de impostos – as possibilidades são enormes. A análise feita por grafos pode ser até 1000 vezes mais rápida do que um banco de dados relacional e a grande questão, diz Farias, é trazer para as instituições contextos de dados que elas eram incapazes de perceber da maneira tradicional. A capacidade de detectar padrões incomuns é fundamental, como quando o dinheiro se move de forma circular entre contas ou quando há uma concentração significativa de transações. Esses padrões podem ser descritos em termos da forma dos dados, ou seja, de suas estruturas, algo muito complicado com sistemas tradicionais baseados em tabelas.

Jesús Barrasa diz que a tecnologia de grafos é relativamente recente e que nos últimos anos o nível de conhecimento sobre o que são os grafos aumentou muito. Mas, para o especialista, nem todas as organizações têm o nível de conhecimento e capacidade para trabalhar com eles. Barrasa acredita que com a inteligência artificial generativa o nível de conhecimento se multiplicará, mas que já existem pessoas no Brasil que conhecem grafos, entendem o valor que trazem e, nos casos em que os grafos já são utilizados nos negócios, em que a análise estrutural, a descoberta de padrões e a análise de contexto é fundamental, entendem que isso entrar dentro da categoria de problemas resolvidas por eles.

Exemplos de utilização de dados e grafos

Fraudes em Licitações (Governo): Governos na América Latina utilizam a Neo4j para investigações de redes complexas que estão fraudando processos de licitação. Isso permite identificar correlações profundas entre grupos que se reúnem para concorrer em licitações e que, de outra forma, seriam difíceis de entender.

Fraude de Veículos de Alto Valor: Um estudo realizado com a B3 identificou um único carro de altíssimo valor (acima de 1 milhão de reais) que havia sido vendido 12 vezes no ano. Embora as informações associadas a cada venda individualmente não revelassem nada incomum, ao adicionar mais contexto e analisar as vendas em grafo, foi identificado um elo de ligação oculto entre todas as vendas, que se escondia em níveis mais baixos das transações.

Resolução de Identidade e Fraude de Vouchers: Os grafos podem ser usados para resolução de identidade, detectando casos em que uma pessoa ou entidade abre várias contas usando nomes, telefones ou informações diferentes para obter múltiplos vouchers. Ao analisar o contexto e as conexões, a Neo4j pode resolver a identidade e identificar que várias contas estão relacionadas à mesma pessoa/entidade, revelando fraudes que se escondem por trás de informações aparentemente desconexas.

Redução de Falsos Positivos: Para as fraudes que são detectadas (aproximadamente 20%), uma grande proporção (70-80%) são falsos positivos. A Neo4j ajuda a definir o padrão do que é um falso positivo, permitindo que as equipes se concentrem nas fraudes reais, inclusive nas que são parte dos 80% que ninguém consegue ver. A análise de contexto por grafos pode determinar se uma série de compras em diferentes cidades e países por uma pessoa é fraude ou um falso positivo.

Integração com Inteligência Artificial Generativa (IA)

A estrutura de grafo, que permite a representação de contexto e relações, é extremamente útil para a IA generativa. Quando combinada com a IA generativa, a Neo4j pode reduzir as "mentiras" ou "alucinações" da IA, fornecendo o contexto necessário. Isso se manifesta no padrão arquitetural de Geração Aumentada (RAG - Retrieval Augmented Generation), onde a pergunta para o LLM é complementada por informações relevantes do grafo de conhecimento, garantindo respostas precisas e baseadas em dados confiáveis.