Stripe explica como agentes de IA ajudam a escalar o compliance financeiro

A Stripe publicou no blog da AWS uma análise detalhada de como construiu um sistema de agentes de IA em produção para compliance financeiro. É um caso público raro: uma grande fintech revela não um conceito, mas uma arquitetura real, com lições sobre decomposição de tarefas, custo das requisições e o papel do ser humano no ciclo de tomada de decisões.

Arquitetura: ReAct e um serviço dedicado

No centro do sistema está o framework ReAct (Reasoning + Acting): o agente formula, de forma alternada, o próximo passo e o executa, repetindo o ciclo até atingir o objetivo. A abordagem é conhecida há tempos, mas a Stripe investiu um esforço de engenharia considerável para levá-la à produção.

A decisão-chave de infraestrutura é um serviço de agentes dedicado, isolado do resto da plataforma. O isolamento resolve vários problemas ao mesmo tempo:

• escalonamento independente dos agentes sem afetar os serviços centrais
• registro separado de cada etapa de raciocínio para auditoria
• gestão flexível de permissões de acesso no nível do serviço
• atualização e troca de modelos sem risco para o processamento de pagamentos
• isolamento de falhas: a falha de um agente não se propaga para outros componentes

A arquitetura dedicada também facilita a incorporação de novos cenários de compliance: adicionar um novo tipo de tarefa não exige alterar o núcleo do sistema.

Decomposição de tarefas e orquestração

Casos complexos de compliance são divididos em subtarefas atômicas: verificação de documentos, conciliação de dados, classificação de risco e geração de relatórios. O agente não resolve uma tarefa com uma única chamada. Cada etapa é isolada, o que reduz a probabilidade de erro e facilita a depuração de um elo específico da cadeia.

Os padrões de orquestração foram construídos com foco em reprodutibilidade. A arquitetura não está presa a um único tipo de tarefa: os mesmos princípios de decomposição se aplicam à verificação KYC, ao monitoramento AML, à checagem de contrapartes e à preparação de relatórios regulatórios. A Stripe descreve isso como uma decisão deliberada: criar uma ferramenta de aplicação horizontal, e não uma solução pontual para uma única norma.

Prompt caching reduz os custos

Nas operações de compliance, grande parte do contexto é estável e se repete: guias regulatórios, políticas corporativas, modelos de avaliação de risco. A Stripe usa prompt caching pela API do Claude: esses blocos ficam em cache e não são cobrados integralmente a cada chamada seguinte. O resultado é uma redução de custo de inferência de várias vezes para o mesmo volume de tarefas. Com milhares de verificações de compliance por dia, a diferença entre prompts em cache e sem cache vira uma despesa operacional significativa. A equipe chama o prompt caching de uma das principais ferramentas de otimização, sem perda de qualidade.

Humanos no circuito: auditabilidade acima da velocidade

Compliance financeiro é uma área em que o erro custa caro no sentido literal: multas, perda de licença, danos à reputação. A Stripe manteve de propósito a supervisão humana nos pontos críticos. O agente formula uma conclusão e propõe uma ação, e uma pessoa a confirma ou rejeita. O objetivo não é tirar os especialistas do processo, mas deslocar a atenção deles do processamento de rotina para decisões relevantes.

Essa abordagem garante auditabilidade em escala: cada decisão pode ser rastreada até uma etapa específica do raciocínio do agente. Para uma empresa regulada, isso é ao mesmo tempo boa prática e exigência legal.

O que isso significa

A análise da Stripe é um dos poucos exemplos públicos de agentes em produção no setor financeiro regulado. As decisões de arquitetura, os dados de custo e os princípios de auditabilidade são um material que, de outra forma, só se obteria com experiência própria e cara. Para equipes que constroem agentes de IA em finanças, direito ou medicina, é uma referência rara e valiosa.