# Como Fintechs de Crédito Consignado Podem Automatizar a Verificação de CPF > Guia para fintechs de crédito consignado automatizarem a verificação de CPF no processo de contratação. Reduza fraudes e acelere a aprovação. **Publicado:** 01/04/2024 **Autor:** Redação CPFHub.io **URL:** https://cpfhub.io/blog/fintechs-credito-consignado-verificacao-cpf --- ## Introdução A [Circular 3.978/2020](https://www.bcb.gov.br/estabilidadefinanceira/exibenormativo?tipo=Circular&numero=3978) do Banco Central estabelece os procedimentos para prevenção à lavagem de dinheiro no sistema financeiro. O mercado de crédito consignado movimenta bilhões de reais no Brasil, sendo um dos segmentos mais afetados por fraudes de identidade. Golpistas utilizam CPFs de aposentados, pensionistas e servidores públicos para contratar empréstimos de forma fraudulenta. A automação da verificação de CPF via API é a forma mais eficaz de impedir essas fraudes antes que o crédito seja liberado. ## O problema das fraudes no consignado O crédito consignado é particularmente vulnerável a fraudes porque o desconto em folha garante o pagamento, tornando-o atrativo para criminosos que usam identidades roubadas. | Tipo de fraude | Método | Impacto | |---------------|--------|---------| | CPF de terceiro | Fraudador usa CPF de outra pessoa | Vítima tem desconto indevido em folha | | CPF de falecido | Uso de CPF de pessoa já falecida | Empréstimo sem possibilidade de cobrança | | Dados inconsistentes | Nome diferente do registrado | Indica possível fraude de identidade | | Aliciamento de funcionário | Colaborador facilita fraude interna | Conluio para aprovar CPFs fraudulentos | | Portabilidade fraudulenta | Transferência de consignado sem consentimento | Cliente perde controle do empréstimo | - **Aposentados e pensionistas** -- público-alvo preferido dos fraudadores por ter margem consignável previsível - **Servidores públicos** -- CPFs de servidores são usados por terceiros com documentos falsificados - **Volume alto** -- fintechs de consignado processam milhares de propostas por dia, dificultando a análise manual - **Prejuízo duplo** -- a fintech perde o valor emprestado e a vítima sofre desconto indevido na folha --- ## Automação da verificação no fluxo de contratação A verificação de CPF deve ser a primeira etapa do fluxo, bloqueando propostas fraudulentas antes de qualquer análise de crédito. ```python import requests from datetime import date def verificar_cpf_consignado(cpf: str, dados_proposta: dict) -> dict: """ Verifica o CPF contra a API e cruza com os dados da proposta. """ cpf_limpo = cpf.replace(".", "").replace("-", "") response = requests.get( f"https://api.cpfhub.io/cpf/{cpf_limpo}", headers={"x-api-key": "sua-chave-aqui"}, timeout=10, ) if not response.json().get("success"): return {"aprovado": False, "motivo": "CPF inválido ou não encontrado"} data = response.json()["data"] problemas = [] # Verificação 1: Nome confere com a proposta if data["nameUpper"] != dados_proposta["nome"].upper().strip(): problemas.append("nome_divergente") # Verificação 2: Data de nascimento confere if data["birthDate"] != dados_proposta["data_nascimento"]: problemas.append("nascimento_divergente") # Verificação 3: Idade mínima para aposentado ano_nascimento = int(data["year"]) idade = date.today().year - ano_nascimento if dados_proposta["tipo"] == "aposentado" and idade < 45: problemas.append("idade_incompativel_aposentado") # Verificação 4: Gênero confere com o documento if data["gender"] != dados_proposta["genero"]: problemas.append("genero_divergente") if problemas: return { "aprovado": False, "motivo": "inconsistencias_cadastrais", "problemas": problemas, "dados_api": { "nome": data["name"], "nascimento": data["birthDate"], "genero": data["gender"], }, } return { "aprovado": True, "dados_confirmados": { "cpf": data["cpf"], "nome": data["name"], "nascimento": data["birthDate"], }, } ``` - **Primeira barreira** -- a validação de CPF acontece antes da consulta ao bureau de crédito, economizando custos - **Cruzamento de nome** -- compara o nome informado na proposta com o registrado na base oficial - **Verificação de idade** -- aposentados muito jovens são um sinal de alerta que merece investigação - **Registro de auditoria** -- todas as verificações são registradas para compliance e rastreabilidade --- ## Fluxo completo de contratação com validação O fluxo integrado combina a verificação de CPF com as demais etapas do processo de contratação de consignado. ``` [Proposta Recebida] | v [Validação de CPF via API] --> [Rejeitado] --> [Notificar + Registrar] | v (Aprovado) [Consulta Bureau de Crédito] | v [Verificação de Margem Consignável] | v [Análise de Crédito Automatizada] | v [Formalização + Assinatura Digital] | v [Averbação na Folha de Pagamento] | v [Liberação do Crédito] ``` | Etapa | Tempo sem automação | Tempo com API | Redução | |-------|-------------------|--------------|---------| | Validação de CPF | 15 min (manual) | 2 segundos | 99,8% | | Análise de proposta completa | 48 horas | 5 minutos | 99,8% | | Formalização | 72 horas | 30 minutos | 99,3% | | Total até liberação | 5-7 dias | Mesmo dia | ~85% | --- ## Tratamento de casos especiais O crédito consignado tem particularidades que exigem tratamento específico na validação de CPF. ```python def tratar_caso_especial(resultado_validacao: dict, tipo_consignado: str) -> dict: """ Aplica regras específicas por tipo de consignado. """ regras = { "inss": { "idade_minima": 18, "requer_beneficio_ativo": True, "margem_maxima": 0.35, }, "servidor_federal": { "idade_minima": 18, "requer_vinculo_ativo": True, "margem_maxima": 0.35, }, "servidor_estadual": { "idade_minima": 18, "requer_vinculo_ativo": True, "margem_maxima": 0.30, }, "clt": { "idade_minima": 18, "requer_vinculo_ativo": True, "margem_maxima": 0.30, }, } regra = regras.get(tipo_consignado, regras["clt"]) # Verificar idade mínima dados = resultado_validacao.get("dados_confirmados", {}) if dados.get("nascimento"): ano = int(dados["nascimento"].split("-")[0]) idade = date.today().year - ano if idade < regra["idade_minima"]: return {"prosseguir": False, "motivo": "idade_insuficiente"} return { "prosseguir": True, "margem_maxima": regra["margem_maxima"], "tipo": tipo_consignado, } ``` | Tipo de consignado | Regra especial | Validação adicional | |-------------------|---------------|-------------------| | INSS | Benefício deve estar ativo | Verificar NB (número de benefício) | | Servidor federal | Vínculo ativo no SIAPE | Confirmar lotação e exercício | | Servidor estadual | Vínculo ativo na folha | Varia por estado | | CLT | Vínculo ativo no eSocial | Confirmar empregador | --- ## Perguntas frequentes ### O que é necessário para implementar validação de CPF neste contexto? A validação de CPF exige uma chamada à API com o número do documento e a chave de autenticação. A CPFHub.io retorna o status do CPF, nome do titular e data de nascimento em menos de 200ms, permitindo a verificação em tempo real durante o cadastro ou transação. ### A API CPFHub.io funciona para todos os volumes de consulta? Sim. O plano gratuito oferece 50 consultas por mês sem cartão de crédito — ideal para testes e projetos pequenos. Para volumes maiores, o plano Pro inclui 1.000 consultas mensais por R$149. Se o limite for ultrapassado, a API não bloqueia: cobra R$0,15 por consulta adicional. ### Como garantir conformidade com a LGPD ao usar uma API de CPF? Use o CPF apenas para a finalidade declarada ao titular, armazene apenas o necessário (não guarde o CPF cru se um token bastar), implemente controle de acesso aos logs de consulta e documente a base legal para o tratamento. A [ANPD](https://www.gov.br/anpd) orienta que dados de identificação devem ser tratados com o princípio da necessidade. ### Quanto tempo leva para integrar a API CPFHub.io? A integração básica leva menos de 30 minutos: crie uma conta em cpfhub.io, gere a API key no painel e faça uma chamada GET para `https://api.cpfhub.io/cpf/{CPF}` com o header `x-api-key`. A documentação inclui exemplos em Python, Node.js, PHP, Java e outras linguagens. ### Leia também - [Onboarding digital em fintechs: como validar CPF em menos de 30 segundos](https://cpfhub.io/blog/onboarding-digital-em-fintechs-como-validar-cpf-em-menos-de-30-segundos) - [KYC no Brasil: quais setores são obrigados a validar CPF por lei](https://cpfhub.io/blog/kyc-no-brasil-quais-setores-sao-obrigados-a-validar-cpf-por-lei) - [PIX por CPF: como fintechs podem validar chaves PIX de clientes](https://cpfhub.io/blog/pix-por-cpf-como-fintechs-podem-validar-chaves-pix-de-clientes) - [LGPD: CPF é dado pessoal sensível ou não? Entenda a classificação correta](https://cpfhub.io/blog/lgpd-cpf-e-dado-pessoal-sensivel-ou-nao-entenda-a-classificacao-correta) --- ## Conclusão Automatizar a verificação de CPF no processo de crédito consignado é uma necessidade operacional e regulatória. A consulta via API como primeira etapa do fluxo bloqueia fraudes antes que gerem custos com consulta de bureau e análise de crédito, além de acelerar a aprovação para clientes legítimos. Integre sua fintech de consignado com a [**CPFHub.io**](https://www.cpfhub.io/) — o plano gratuito com 50 consultas mensais está disponível sem cartão de crédito para testar antes de escalar. Acesse [cpfhub.io](https://www.cpfhub.io/) para criar sua conta.