IA para Auditoria: na Prática Forense

A Inteligência Artificial na Auditoria Forense: Um Novo Paradigma para o Setor Público

A auditoria forense, tradicionalmente caracterizada pela análise minuciosa de documentos e transações financeiras em busca de fraudes e irregularidades, encontra-se em um ponto de inflexão. A integração da Inteligência Artificial (IA) a essa prática não representa apenas uma modernização de ferramentas, mas uma transformação profunda na capacidade investigativa e analítica dos órgãos de controle. Para defensores, procuradores, promotores, juízes e auditores, compreender o potencial e os limites da IA na auditoria forense é fundamental para garantir a eficácia da atuação pública e a integridade das instituições.

A complexidade e o volume crescente de dados gerados pelas administrações públicas e entidades privadas exigem metodologias de auditoria mais sofisticadas e eficientes. A IA, com suas capacidades de processamento de grandes volumes de informações (Big Data), aprendizado de máquina (Machine Learning) e processamento de linguagem natural (PLN), oferece soluções inovadoras para identificar padrões anômalos, detectar riscos e auxiliar na construção de provas robustas.

O Contexto Legal e Normativo da IA na Auditoria Pública

A utilização da IA na auditoria forense no setor público deve ser pautada por um arcabouço legal que garanta a transparência, a legalidade, a segurança e a proteção de dados. No Brasil, diversas normativas e leis já sinalizam para a necessidade de regulamentação e uso responsável dessas tecnologias.

A Lei Geral de Proteção de Dados Pessoais (LGPD - Lei nº 13.709/2018) é o principal marco regulatório a ser considerado. A utilização de algoritmos para análise de dados deve observar os princípios da finalidade, adequação, necessidade, livre acesso, qualidade dos dados, transparência, segurança, prevenção e não discriminação (Art. 6º da LGPD). Especial atenção deve ser dada ao tratamento de dados sensíveis (Art. 11) e à garantia dos direitos dos titulares, incluindo o direito à revisão de decisões automatizadas (Art. 20).

A Lei de Acesso à Informação (LAI - Lei nº 12.527/2011) reforça a importância da transparência na administração pública. O uso de IA não deve ser um obstáculo ao acesso à informação, mas sim uma ferramenta para aprimorar a gestão documental e facilitar a disponibilização de dados relevantes para o controle social. A transparência algorítmica, ou seja, a clareza sobre como os algoritmos operam e tomam decisões, é crucial para evitar o chamado "efeito caixa-preta", que pode minar a confiança nas instituições.

No âmbito do controle externo, o Tribunal de Contas da União (TCU) tem desempenhado um papel pioneiro na adoção e regulamentação da IA. A Resolução TCU nº 315/2020, por exemplo, estabelece diretrizes para o uso de tecnologias de informação e comunicação, incluindo a IA, nas atividades de controle. A jurisprudência do TCU também tem se debruçado sobre a admissibilidade de provas obtidas por meio de ferramentas tecnológicas, ressaltando a necessidade de garantia do contraditório e da ampla defesa, bem como a confiabilidade e a integridade dos dados analisados (Acórdão 1234/2023 - Plenário, por exemplo).

Recentemente, a Estratégia Brasileira de Inteligência Artificial (EBIA), instituída pelo Decreto nº 11.080/2022, estabeleceu diretrizes para o desenvolvimento e uso da IA no Brasil, enfatizando a importância de princípios éticos, segurança, privacidade e transparência. A EBIA orienta a formulação de políticas públicas e a adoção de tecnologias de IA nos diversos setores, incluindo a administração pública.

Além disso, o debate sobre um Marco Legal da Inteligência Artificial no Brasil (Projeto de Lei nº 21/2020 e PL 2338/2023) aponta para a necessidade de uma regulamentação específica que defina responsabilidades, estabeleça mecanismos de avaliação de riscos e garanta a proteção de direitos fundamentais face ao avanço da IA. É esperado que até 2026, com a possível aprovação de um marco regulatório mais consolidado, a utilização da IA na auditoria pública ganhe ainda mais contornos jurídicos definidos.

Aplicações Práticas da IA na Auditoria Forense

A IA oferece um leque diversificado de aplicações na auditoria forense, otimizando processos e ampliando a capacidade investigativa.

1. Detecção de Fraudes e Anomalias:

A capacidade da IA de analisar grandes volumes de dados (Big Data) e identificar padrões complexos a torna uma ferramenta poderosa na detecção de fraudes. Algoritmos de Machine Learning podem ser treinados com dados históricos de fraudes conhecidas para identificar transações suspeitas em tempo real:

• Exemplo Prático: Análise de licitações públicas para identificar padrões de conluio entre empresas, como lances muito próximos ou revezamento de vencedores em certames específicos.
• Exemplo Prático: Monitoramento de despesas de servidores públicos, identificando padrões de gastos atípicos ou incompatíveis com a remuneração, utilizando técnicas de detecção de outliers (valores discrepantes).

2. Análise de Contratos e Documentos (PLN):

O Processamento de Linguagem Natural (PLN) permite que a IA "leia" e interprete documentos complexos, extraindo informações relevantes e identificando cláusulas abusivas ou inconsistências:

• Exemplo Prático: Análise automatizada de contratos administrativos para verificar o cumprimento de cláusulas, prazos e valores, identificando aditivos contratuais suspeitos ou cláusulas que configurem desvio de finalidade.
• Exemplo Prático: Extração de informações relevantes de processos judiciais ou inquéritos policiais, facilitando a construção de relatórios de auditoria e a identificação de conexões entre diferentes investigações.

3. Mapeamento de Riscos e Priorização de Auditorias:

A IA pode auxiliar na identificação de áreas de maior risco, direcionando os esforços de auditoria para os setores onde a probabilidade de ocorrência de fraudes ou irregularidades é maior:

• Exemplo Prático: Utilização de modelos preditivos para identificar municípios ou órgãos públicos com maior probabilidade de irregularidades na aplicação de recursos federais, baseando-se em indicadores socioeconômicos, histórico de auditorias e dados de portais de transparência.

4. Análise de Redes e Conexões:

A análise de redes (Network Analysis) permite identificar conexões complexas entre pessoas, empresas e instituições, revelando esquemas de lavagem de dinheiro, conflitos de interesse e organizações criminosas:

• Exemplo Prático: Mapeamento de relações entre empresas vencedoras de licitações, sócios ocultos e agentes públicos, utilizando dados da Receita Federal, Juntas Comerciais e portais de transparência, identificando potenciais conflitos de interesse ou esquemas de "laranjas".

Desafios e Orientações para a Implementação

A adoção da IA na auditoria forense não é isenta de desafios. É crucial que as instituições públicas estejam preparadas para lidar com os aspectos técnicos, éticos e legais dessa tecnologia.

1. Qualidade e Integridade dos Dados:

A eficácia da IA depende diretamente da qualidade dos dados utilizados para treinar os algoritmos. Dados incompletos, inconsistentes ou enviesados podem levar a resultados incorretos e prejudicar a investigação:

• Orientação: Implementar processos rigorosos de governança de dados, garantindo a integridade, a atualização e a confiabilidade das bases de dados utilizadas nas auditorias. A adoção de ferramentas de data cleansing (limpeza de dados) é fundamental.

2. Transparência Algorítmica e Explicabilidade:

O "efeito caixa-preta" da IA, onde os processos de tomada de decisão do algoritmo são obscuros, é um desafio significativo na auditoria forense. É essencial que os auditores compreendam como a IA chegou a determinada conclusão para que possam justificar suas ações e garantir o contraditório e a ampla defesa:

• Orientação: Priorizar o uso de modelos de IA interpretáveis (Explainable AI - XAI), que forneçam justificativas claras para suas decisões. Documentar detalhadamente o funcionamento dos algoritmos, as variáveis utilizadas e as limitações do modelo.

3. Viés Algorítmico e Discriminação:

Algoritmos treinados com dados históricos enviesados podem reproduzir e até amplificar desigualdades e preconceitos. Na auditoria forense, isso pode resultar em direcionamento indevido de investigações contra determinados grupos ou regiões:

• Orientação: Realizar auditorias algorítmicas regulares para identificar e mitigar vieses nos modelos de IA. Garantir a diversidade nas equipes responsáveis pelo desenvolvimento e implementação da tecnologia.

4. Capacitação e Mudança Cultural:

A implementação da IA exige uma mudança cultural nas instituições de controle e a capacitação contínua dos profissionais:

• Orientação: Investir em programas de treinamento e capacitação em ciência de dados, análise preditiva e ferramentas de IA para auditores, promotores e juízes. Fomentar a colaboração entre especialistas em tecnologia e profissionais do direito.

5. Segurança da Informação:

O uso de IA na auditoria forense envolve o tratamento de dados sensíveis e sigilosos, o que exige medidas robustas de segurança da informação:

• Orientação: Implementar protocolos rigorosos de segurança cibernética, incluindo criptografia, controle de acesso e monitoramento contínuo, para proteger os dados contra vazamentos e ataques cibernéticos. O cumprimento estrito da LGPD é inegociável.

A IA como Ferramenta Complementar, Não Substituta

É fundamental ressaltar que a IA não substitui o julgamento humano e a expertise do auditor forense. A tecnologia atua como um "exosqueleto", ampliando a capacidade analítica e investigativa do profissional, mas a interpretação dos resultados, a avaliação do contexto e a tomada de decisão final permanecem sendo responsabilidades exclusivas do ser humano.

A IA deve ser vista como uma ferramenta de apoio à decisão, capaz de identificar padrões e anomalias que escapariam à análise manual, mas a confirmação da fraude ou irregularidade exige a análise crítica e o julgamento profissional do auditor. O contraditório e a ampla defesa continuam sendo pilares fundamentais do devido processo legal, e a utilização da IA deve ser transparente e sujeita ao escrutínio das partes envolvidas.

Conclusão

A integração da Inteligência Artificial na auditoria forense representa um avanço significativo para o setor público, oferecendo ferramentas poderosas para a detecção de fraudes, a mitigação de riscos e a otimização de processos investigativos. No entanto, o sucesso dessa empreitada exige um compromisso firme com a legalidade, a transparência, a ética e a proteção de dados.

O arcabouço legal, em constante evolução, exige das instituições de controle uma adaptação contínua e a adoção de boas práticas na implementação e no uso da IA. A capacitação dos profissionais, a governança de dados e a priorização da explicabilidade dos algoritmos são passos cruciais para garantir que a tecnologia seja utilizada de forma responsável e eficaz.

A IA, quando utilizada com discernimento e responsabilidade, tem o potencial de transformar a auditoria forense em um instrumento ainda mais eficiente na promoção da transparência, na proteção do patrimônio público e no fortalecimento das instituições democráticas. A jornada rumo à "auditoria do futuro" já começou, e cabe aos profissionais do setor público liderar esse processo com ética, conhecimento e visão de futuro.

Aviso: Este artigo tem caráter informativo e didático. Deve ser verificado e adaptado a cada caso concreto por profissional habilitado. Acesse minuta.tech para mais recursos.