Implementação de Modelos de Machine Learning para Precificação Estratégica e Análise CVL (Custo-Volume-Lucro) frente à Reforma Tributária

Descrição

Este projeto de extensão aborda o desafio crítico da adaptação de modelos de negócios brasileiros à transição para o sistema de Imposto sobre Valor Agregado (IVA Dual - IBS/CBS). O cenário de transição tributária impõe uma volatilidade sem precedentes na estrutura de custos, onde a cumulatividade residual e a nova sistemática de créditos financeiros exigem uma precisão que transcende a contabilidade tradicional. O projeto propõe a implementação de ferramentas de Inteligência Artificial (IA) e Machine Learning (ML) para automatizar a precificação estratégica, substituindo métodos estáticos de markup por modelos preditivos de elasticidade-preço. Por meio da integração de algoritmos de regressão e séries temporais, a iniciativa realizará o mapeamento comparativo do cenário Pré vs. Pós-Reforma, focando na Análise Custo-Volume-Lucro (CVP). O núcleo metodológico fundamenta-se na simulação de deslocamentos do Ponto de Equilíbrio Econômico frente às novas alíquotas incidentes. Os resultados esperados incluem a mitigação da erosão de margens de lucro em micro e pequenas empresas (MPEs), a redução da assimetria informacional tecnológica e a capacitação de gestores para a tomada de decisão baseada em dados (data-driven). Assim, o projeto cumpre seu papel social de extensão ao transferir inovação acadêmica para a sustentabilidade do ecossistema produtivo regional.