SOLUTION PACK BLUERISK

Crédito que aprova mais
e erra menos.

BlueRisk é o Solution Pack da BlueMetrics que aplica machine learning a scoring, concessão, segmentação e detecção de fraude — com explicabilidade auditável para BACEN e LGPD. Decisão em minutos, motivo registrado por padrão.

Falar com um especialista › Ver demo guiada

PROBLEMA × SOLUÇÃO

Cinco dores. Cinco capacidades.
Lado a lado.

Toda operação de crédito carrega o mesmo paradoxo: política conservadora demais perde cliente bom, frouxa demais cresce inadimplência. O BlueRisk ataca cada lado com uma capacidade direta — mesma ordem, mesmo peso.

O QUE DÓI HOJE

O QUE O BLUERISK FAZ

01

Modelo defasado e genérico

O score que você compra de mercado foi treinado com a sua carteira de 2019. O cliente mudou — o modelo não.

02

Decisão lenta e conservadora demais

Política conservadora reduz inadimplência no curto prazo, mas trava aprovação. Bons clientes vão para o concorrente.

03

Custo unitário alto na análise

Análise manual em volume de fintech vira fila de mesa de crédito. Cada análise custa horas — e os bons casos saem com o ruim.

04

Crescer sem aumentar risco

Cresce a base, cresce a inadimplência. A operação chega no teto: ou freia o crescimento ou aceita a perda.

05

Decisão sem explicação para o regulador

BACEN e LGPD pedem o motivo. Quando o modelo é caixa-preta, a única defesa é o "porque sim" — e isso já não passa.

01

Score customizado em sua carteira

O modelo é treinado nos seus dados, com o seu perfil de cliente, com os seus eventos. Não compete com score de mercado — coexiste.

02

Decisão automatizada com human-in-the-loop

Casos claros (verde e vermelho) saem em segundos. O cinza, e só o cinza, vai para revisão humana — com sumário pronto.

03

Custo por decisão que cai com automação

Análise rotineira sai do backoffice. O analista volta a fazer o que humano faz melhor: caso atípico, exceção, negociação.

04

Múltiplas fontes além do bureau

Comportamento na base, transação Pix, dados públicos, sinais antifraude. O score reflete o cliente real, não só o histórico bureau.

05

Auditável por design (BACEN, LGPD)

Cada decisão registra entrada, peso por feature, motivo do corte e versão do modelo. White Box AI nativo, não overlay.

CASOS DE USO

Onde o BlueRisk entra primeiro.

Quatro frentes recorrentes onde o ganho aparece em semanas — não em trimestres.

01

Score de crédito

Modelo próprio, ML moderno, explicabilidade por solicitação.

02

Concessão automatizada

Política operada como código. Aprovação imediata para o que cabe, revisão humana para o que não cabe.

03

Classificação e segmentação

Carteira segmentada por risco, com ofertas e tratativas calibradas por faixa.

04

Detecção de fraude

Pix, cartão, identidade. Anomalia em milissegundos, com handoff para a mesa antifraude.

IMPACTO TÍPICO

Os números que
o pack costuma entregar.

Faixas observadas em projetos BlueRisk em produção. Variam por produto e maturidade da carteira.

20-30%
redução em inadimplência
+15-25%
em taxa de aprovação
dias → min
velocidade de decisão
−40-60%
custo operacional

ARQUITETURA

Quatro capacidades técnicas.
Uma só plataforma.

Modelos modernos calibrados na sua carteira, com explicabilidade nativa para regulador. O cinza vai para humano com contexto pronto, não com PDF de análise.

Score

Modelos de PD (probability of default) e LGD calibrados na sua carteira, com explicabilidade SHAP por feature.

  • modelos modernos
  • explicabilidade SHAP
  • versionamento por safra

live preview

Score

Tomador#T9841 — PDScore 742
Top featurerenda estável+0.18
Safra2025-Q1ativo
DecisãoAPROVADO97%

COMO FUNCIONA EM RUNTIME

Da solicitação à decisão, em minutos.

01

Solicitação entra

proposta, transação ou cadastro. Dados internos + bureau + sinais externos.

02

Modelo decide

score, política e detecção rodam em paralelo. Decisão sai com motivo.

03

Humano revisa o cinza

só o que está fora do guardrail vai para a mesa, com sumário pronto.

04

Decisão registra e aprende

saída estruturada para o core. Resultado real volta como feedback, modelo recalibra.

ENGAJAMENTO

Três fases.
Entrada gradual, ciclo claro.

Não é tabela de investimento — é a jornada do projeto. Começa por uma única política e expande sob evidência.

01

Piloto

5–7 semanas

1 política prioritária, score básico, integração com bureau, métricas baseline.

02

Crescimento

10–14 semanas

Múltiplos produtos, detecção de fraude em produção, decisão automatizada full em pelo menos um fluxo.

03

Operação

Recorrente

Recalibração por safra, monitoring contínuo, novos modelos, evolução regulatória.

PARA QUEM

Bancos Fintechs Cooperativas Varejo com crédito Alto volume de análises Pressão regulatória

STACK TECNOLÓGICO

Construído sobre fundações reconhecidas.

Amazon SageMaker

Treino, inferência e governança de modelos preditivos em escala, com versionamento por safra.

AWS Bedrock

Modelos de fronteira para sumarização de caso, geração de motivo e suporte ao analista.

Databricks

Lakehouse para dados de risco (interno + bureau + sinais externos), com camada semântica e linhagem.

COBERTURA

Casos cobertos pelo pack.

Modelos pré-treinados que cobrem os fluxos mais comuns em crédito brasileiro. Variações específicas entram com a sua carteira na fase de Piloto.

Concessão

  • PD score
  • LGD
  • EAD
  • Score comportamental
  • Propensão a contratar
  • Limite dinâmico

Monitoramento

  • Early warning
  • Score de safra
  • Recomendação de ação
  • Churn de crédito
  • Retenção
  • Reset

Fraude

  • Pix em tempo real
  • Cartão presente/ausente
  • Identidade
  • AML
  • Conta laranja
  • Padrões de quadrilha

Cobrança

  • Score de propensão a pagar
  • Tom adequado
  • Canal preferido
  • Acordo recomendado
  • Recuperação esperada

CLIENTES QUE JÁ USAM

Resultados reais, em produção.

DIRECIONAL

Modelo de risco em ML cortou inadimplência em quase metade em uma incorporadora brasileira. Decisão com critério objetivo, padronizada e auditável.

Ler o case
−46% inadimplência

PERGUNTAS FREQUENTES

FAQ

A regulação aceita IA na decisão desde que cada caso possa ser explicado e auditado. BlueRisk usa modelos com explicabilidade nativa (SHAP, motivo do corte, versão do modelo, dados de entrada) e mantém o registro pelo prazo regulatório. Política operada como código facilita a revisão da supervisão.

Sim. O piloto sempre começa por uma única política — geralmente a de maior volume e maior dor. Score, decisão e monitoramento entram em produção naquele produto antes de expandir para os outros.

Dados internos e de bureau ficam no seu ambiente (sua conta AWS ou na conta AWS da BlueMetrics, sob seu controle). O modelo nunca exporta dado de cliente. Logs, treinamento e inferência rodam dentro do perímetro definido por você.

Cada decisão chega ao analista com motivo (peso por feature), score histórico do tomador, comparação com a faixa equivalente da carteira e ações sugeridas. Override humano fica registrado, vira feedback para o modelo aprender.

Para PD/LGD em crédito padrão, 24 meses no mínimo, idealmente 36. Para fraude transacional, 6-12 meses bastam — fraude muda rápido, e o modelo precisa ser recalibrado em ciclos curtos. O piloto é desenhado em torno do histórico real disponível.

Sim. Pix em tempo real, cartão presente e não-presente, fraude de identidade, AML — todos compartilham a mesma arquitetura de scoring + detecção. Em projetos sem rótulo (fraude nova), usamos clustering e anomaly detection antes do supervisionado entrar.

FORA DO PACK

Modelo que exige arquitetura vertical
proprietária? Pede projeto customizado.

Quando o problema escapa da moldura do Solution Pack, entra Projetos Customizados — escopo aberto, equipe sênior multidisciplinar, mesmo padrão de engenharia.

Ver Projetos Customizados ›

Diagnóstico gratuito
na sua política de crédito.

45 minutos com nossa engenharia de risco, com seu KPI prioritário em mão. Saída concreta: onde BlueRisk entra primeiro, com que ROI e em quanto tempo.

Agendar diagnóstico ›