“ We’ve been incredibly happy with the availability of our applications built on Adabas & Natural since moving to the cloud. There has been zero downtime in the past year. Overall Azure has been extremely reliable. ”
Caso de Sucesso
AAFMAA: Avançando a Segurança Cibernética e a Conformidade com IA e Adabas & Natural
Conheça a história do cliente
A AAFMAA (American Armed Forces Mutual Aid Association), é uma associação sem fins lucrativos. Essa Associação oferece serviços financeiros e suporte aos membros das forças armadas. Atendendo mais de 95.800 membros, cônjuges e dependentes, a Associação administra aproximadamente US$ 1,26 bilhão em ativos.
Desafios
- Garantir a segurança dos dados e a conformidade em serviços financeiros sensíveis
- Detectar anomalias e prevenindo fraudes em tempo real
- Atender aos requisitos regulatórios em constante evolução (CCPA, GDPR, etc.)
- Reduzir a dependência de ferramentas de segurança baseadas em nuvem e de terceiros
- Capacitar as equipes de conformidade com ferramentas de monitoramento e remediação em tempo real
Resultados
- Recorreu os CLogs e PLogs do Adabas para análise de dados em tempo real
- Integração de LLMs e ML para detecção de anomalias
- Habilitação do gerenciamento dinâmico de regras para equipes de conformidade
- Redução os custos operacionais por meio de desenvolvimento e hospedagem internos
- Melhoria a detecção de anomalias e a prevenção de fraudes para auditorias, integridade e segurança dos dados
Solução
- Adabas & Natural
Confiabilidade de dados: uma necessidade dos dias atuais
Como uma provedora sem fins lucrativos de serviços financeiros que atende famílias militares desde 1879, a AAFMAA lida com dados altamente sensíveis em suas áreas de seguros e gestão de patrimônio. Com o aumento do rigor regulatório como a California Consumer Privacy Act (CCPA), o GDPR da União Europeia e a Gramm-Leach-Bliley Act, é fundamental que a organização garanta total integridade e segurança dos dados. A divisão de hipotecas, em particular, enfrenta auditorias rigorosas por parte dos órgãos reguladores estaduais. Cada empréstimo deve ser totalmente rastreável, seguro e em conformidade, desde a sua origem até o encerramento.
Assim, quando ocorreu um ataque cibernético, ficou claro que os sistemas tradicionais já não eram suficientes. Fornecedores terceirizados se mostraram ansiosos para preencher essas lacunas. Mas a AAFMAA queria adotar uma abordagem mais inteligente para a detecção de anomalias e a prevenção de fraudes. Era necessária uma solução capaz de analisar dados em tempo real, detectar e evitar ameaças, além de se adaptar a requisitos de conformidade em constante evolução e de preferência, desenvolvida internamente.
Adabas & Natural impulsionados por IA
“Decidimos construir um sistema que tivesse o banco de dados como principal fonte de dados e, a partir disso, utilizasse Large Language Models (LLMs) em um ambiente próprio, hospedado internamente, com as abordagens mais modernas de integração de dados para detectar vulnerabilidades”, explica Amarish Pathak, CTO da AAFMAA. “Sob minha liderança, lançamos uma iniciativa estratégica para integrar IA ao nosso ambiente Adabas e Natural. O objetivo era criar um mecanismo interno de detecção de anomalias, capaz de aproveitar os logs de dados do Adabas e empregar técnicas modernas de Machine Learning para identificar anomalias e prevenir fraudes em tempo real.”
Resultados tangíveis começaram a surgir logo após o início do trabalho para criar o mecanismo. Até o momento, cinco casos de uso já demonstram grande potencial:
- Análise forense com CLogs e PLogs do Adabas: o mecanismo da AAFMAA utiliza os logs de comandos (CLogs) e os logs de proteção (PLogs) do Adabas para capturar instantâneos em tempo real da atividade do banco de dados. Os CLogs registram sessões de usuários, tipos de comandos, tempos de execução e status das transações. Já os PLogs fornecem imagens de antes e depois das alterações nos dados, permitindo reversão e, se necessário, análises forenses.
- Machine learning for anomaly detection: The custom AI engine uses Python and Natural Language Processing, integrating LLMs such as Mistral and LLaMA. These models can analyze log patterns to distinguish normal behavior from anomalies that could indicate fraudulent activity.
- Modelagem de ameaças e testes de invasão: para garantir a resiliência do banco de dados, os testadores internos de penetração da AAFMAA utilizam IA de forma ofensiva e defensiva, simulando ataques de maneira realista para validar a segurança do sistema.
- Alertas em tempo real e gerenciamento de casos: o mecanismo inclui uma camada de detecção baseada em regras e um módulo de aplicação de políticas que dispara alertas para transações suspeitas. A interface web permite que os responsáveis por conformidade monitorem atividades, ajustem regras e gerenciem casos sinalizados de forma independente e remota.
- Seamless integration across the business architecture: The AI engine has been integrated with AAFMAA’s CRM systems and verification APIs. This means it can support checks for credit history, appraisals, titles, and OFAC compliance.
Desbloqueando valor no banco de dados
Embora a AAFMAA esteja apenas no início de sua jornada, a equipe já aprendeu várias lições importantes: “O uso do aprendizado de máquina não se resume à automação”, explica Pathak. “Ele tornou nossos colaboradores muito mais eficazes na detecção de fraudes e anomalias. Estamos construindo uma cultura de pensamento profundo.”
Mas os benefícios vão além do aprendizado e da melhoria contínua. Desde a implantação do mecanismo, os custos operacionais foram reduzidos significativamente, à medida que fornecedores externos foram substituídos por soluções internas de IA confiáveis. Isso proporciona à AAFMAA mais independência, flexibilidade e libera orçamento para investimentos adicionais em inovação.
Recentemente, o mecanismo de IA foi integrado ao Encompass, a plataforma de originação de empréstimos da AAFMAA, assim como aos seus processos de underwriting. Isso colocou as capacidades de detecção de fraudes em tempo real nas mãos das unidades de negócio centrais e aumentou significativamente a confiança na integridade dos dados em todos os departamentos.
Cada estado nos Estados Unidos possui regras de conformidade diferentes. Antes deste projeto, esse nível de variação regulatória seria um verdadeiro campo minado. Agora, as regras podem ser personalizadas estado por estado, o que melhorou a preparação para auditorias e reduziu o risco de multas.
O mais importante, porém, são os benefícios que chegam aos membros que confiam seus dados e meios de subsistência à Associação. Ao adotar a tecnologia de IA de forma estratégica e integrá-la a um banco de dados confiável e poderoso, a AAFMAA transformou a forma como os dados de seus clientes são protegidos, analisados e utilizados para decisões mais inteligentes. Ciclos de desenvolvimento mais rápidos, com codificação e testes assistidos por IA, tornam a inovação mais fácil do que nunca.
Future-ready to better serve those who served
A integração da IA ao ambiente Adabas & Natural da AAFMAA representa um marco importante em sua jornada de modernização. Ao combinar décadas de experiência com tecnologia de ponta, a organização construiu um sistema preparado para o futuro, que protege seus dados e os de seus membros, capacita suas equipes e garante conformidade em um cenário regulatório cada vez mais complexo.
For other organizations navigating similar challenges, AAFMAA’s story offers a powerful example of how continuous modernization, combined with the right technology and a like-minded partner, can deliver game-changing results.
“Eu não vejo a Software AG como um fornecedor. Eu a vejo como família.”
— Amarish Pathak, CTO, AAFMAA
