Aprimoramento da priorização de contribuintes para auditoria fiscal por meio de inteligência artificial aplicada a dados da Secretaria da Economia do Estado de Goiás

Descrição

O projeto propõe o desenvolvimento e a avaliação de um modelo analítico baseado em inteligência artificial para aprimorar a priorização de contribuintes submetidos à auditoria fiscal no âmbito da Secretaria da Economia do Estado de Goiás. Parte-se do reconhecimento de que a capacidade operacional da administração tributária é insuficiente para fiscalizar todos os contribuintes potencialmente sujeitos à auditoria, o que torna essencial a adoção de mecanismos de seleção mais eficientes e baseados em evidências. Atualmente, a priorização é realizada predominantemente por meio de regras heurísticas e pontuações definidas com base em conhecimento especializado, o que apresenta limitações quanto à adaptação a novos padrões de comportamento fiscal e à calibração dos critérios de risco. O projeto investigará a aplicação de técnicas de aprendizado de máquina a bases de dados administrativas, incluindo informações cadastrais, documentos fiscais eletrônicos, escrituras e histórico de auditorias, visando construir modelos capazes de estimar o potencial de recuperação de crédito tributário ou a probabilidade de identificar inconsistências relevantes. Além do desempenho preditivo, a pesquisa considerará requisitos de interpretabilidade, rastreabilidade e viabilidade institucional, permitindo que os resultados sejam utilizados como instrumento de apoio à decisão e comparados ao mecanismo atualmente empregado pela administração tributária. Espera-se contribuir tanto para o avanço científico na aplicação de inteligência artificial à administração pública quanto para o aumento da eficiência da ação fiscal, promovendo melhor alocação dos recursos de auditoria e maior efetividade na recuperação de receitas públicas.