A **Pagaleve** é uma empresa do setor de “Buy Now Pay Later”. Somos uma das primeiras empresas a oferecer pagamento parcelado no PIX, sem juros, e sem a necessidade de usar cartão de crédito. Temos como objetivo oferecer aos lojistas um novo método de pagamento, para aumentar suas vendas de um jeito simples, descomplicado e ágil, mas também temos como objetivo oferecer às pessoas a oportunidade de comprar aquilo que desejam, sem se comprometerem com os altos juros do cartão de crédito. A Pagaleve foi fundada em 2021 e já conta com uma trajetória acelerada de crescimento, e conta, entre os investidores, fundos como Our Innovation Fund, da Austrália, Founder Collective, dos Estados Unidos, e Entrée Capital. **Sobre a vaga:** Buscamos uma pessoa sênior para ser referência em antifraude na Pagaleve: dona da operação de investigação do dia a dia e com voz ativa nas decisões de política de prevenção. A Pagaleve oferece parcelamento no Pix e BNPL para milhares de lojistas. Nosso negócio é de alto volume e a decisão acontece em segundos, então a fraude muda de forma toda semana: banco pagador novo, rede de recebedores, device compartilhado, golpe de engenharia social, lojista de fachada. Queremos alguém que já conheça esse jogo, investigue com autonomia, proponha regras e processos novos e transforme cada caso em aprendizado para o time. Você vai reportar à liderança de Riscos e trabalhar perto de Ciência de Dados, Tecnologia, Compliance, Jurídico e Comercial. **Responsabilidades e atribuições** **O que você vai fazer** * Detecção e investigação * Ser dono(a) da varredura antifraude diária: rodar e evoluir detectores sistemáticos (banco pagador, recebedor, device, CEP, loja, exposição), correlacionar alertas e levantar hipóteses novas. * Investigar casos suspeitos e contestações (MED, devolução de Pix, “não reconheço a compra”), separando fraude de terceiro, autofraude e golpe de engenharia social. * Conter ataques em andamento: decidir e executar bloqueios de merchant, recebedor, device, banco e CPF com causa raiz documentada. Prevenção e política * Propor e calibrar regras de prevenção em toda a jornada: onboarding e KYC do cliente, aprovação da compra parcelada, transação, saque/cash\-out e onboarding de lojistas. * Medir o efeito de cada regra antes e depois de publicar: fraude evitada vs. aprovação e conversão perdidas. * Operar e manter deny lists e listas de bloqueio preventivo, junto a Compliance (KYC, PLD/FT), Jurídico e Tecnologia. Métricas e reporte * Acompanhar os indicadores\-chave: fraude sobre TPV, perda líquida, falso positivo, taxa de bloqueio e tempo de detecção. * Fazer o reporte semanal ao time e levar insumos e recomendações ao fórum de riscos com a liderança. Parceiros, dados e automação * Avaliar e acompanhar fornecedores e fontes externas: antifraude, device intelligence, biometria facial e bureaus de identidade. * Trabalhar com Ciência de Dados no monitoramento de modelos de fraude e com Tecnologia na implantação de regras no motor de decisão. * Documentar casos, padrões e playbooks e automatizar varreduras e reportes recorrentes. * Ser referência técnica para analistas mais júniores, revisando investigações e repassando método. **Requisitos e qualificações** **O que buscamos** * + Experiência sólida (em geral, 4\+ anos) em prevenção a fraude em pagamentos, fintech, banco digital, e\-commerce ou adquirência, com investigações e regras sob sua responsabilidade. + SQL avançado no dia a dia: joins entre bases grandes, window functions, construção de detectores e análise de rede (quem paga para quem, quem divide device). + Conhecimento prático de mecânicas de fraude em pagamentos digitais: Pix, parcelamento/BNPL, fraude de crédito (conta laranja, identidade sintética, autofraude), golpes de engenharia social e conluio com lojista. + Familiaridade com motores de regras, scores e ferramentas de antifraude e device intelligence. + Capacidade de ir do estratégico (desenhar política, medir trade\-off fraude × aprovação) ao operacional (investigar e agir no caso a caso no mesmo dia). + Comunicação clara com a liderança: transformar uma investigação em recomendação objetiva, com número e risco. + Mentalidade de dono(a): senso de urgência, autonomia, organização e foco em impacto no resultado. + Formação em Administração, Economia, Engenharias, Estatística, Ciência da Computação ou áreas relacionadas. **Diferenciais** * Python ou R para análise e automação. * Experiência com modelos de machine learning aplicados a fraude ou risco (monitoramento de performance, KS, drift). * Vivência em ambientes de alto volume transacional e crescimento acelerado. * Conhecimento de regulação: Bacen, PLD/FT, KYC, MED e disputas de Pix. * Experiência com Snowflake, Metabase ou ferramentas similares. * Uso de IA generativa (ex.: Claude) para automatizar investigações, varreduras e reportes. **Informações adicionais** * Ambiente de trabalho colaborativo e inovador; * Modelo de trabalho CLT; * Pensando no seu bem\-estar e d