MIGALHAS DE PESO

  1. Home >
  2. De Peso >
  3. Modernização da fiscalização: A revolução da inteligência fiscal com IA e Big Data

Modernização da fiscalização: A revolução da inteligência fiscal com IA e Big Data

A inteligência fiscal usa IA, Big Data e machine learning para modernizar a fiscalização, prevenindo fraudes e otimizando a arrecadação. Descubra como essa tecnologia transforma a gestão tributária.

sexta-feira, 11 de outubro de 2024

Atualizado às 10:24

A crescente complexidade das operações econômicas e o avanço das tecnologias exigem uma abordagem mais sofisticada para a gestão fiscal. A inteligência fiscal emerge como uma ferramenta estratégica essencial, transformando a forma como as administrações tributárias detectam fraudes e otimizam a arrecadação. Utilizando Big Data, IA - Inteligência Artificial e machine learning, a inteligência fiscal vai além dos métodos tradicionais de fiscalização, permitindo uma atuação mais proativa e eficaz na prevenção de fraudes fiscais e na promoção de uma maior eficiência tributária.

A inteligência fiscal no contexto moderno

A inteligência fiscal abrange um conjunto de metodologias e ferramentas tecnológicas que coletam, analisam e compartilham dados fiscais de forma integrada. Diferentemente das práticas tradicionais de fiscalização, que muitas vezes são reativas, a inteligência fiscal permite que as administrações tributárias identifiquem fraudes antes que causem danos ao erário. Por meio do cruzamento e análise de grandes volumes de dados, é possível detectar padrões suspeitos e anomalias que indicam potenciais irregularidades fiscais.

Essas técnicas ajudam a administração tributária a se antecipar às fraudes estruturadas, que geralmente envolvem redes complexas de empresas de fachada, movimentações fictícias e transações simuladas. A sofisticação desses esquemas requer ferramentas de análise avançada, capazes de processar dados em tempo real e fornecer insights acionáveis para os órgãos fiscais.

O papel da inteligência fiscal na prevenção de fraudes

A fraude fiscal estruturada é um dos maiores desafios enfrentados pelos órgãos fazendários. Esses crimes, muitas vezes orquestrados por grupos criminosos altamente sofisticados, exploram brechas no sistema tributário para evitar o pagamento de tributos. Para combatê-los, o uso de Big Data e machine learning mostra-se crucial, pois essas tecnologias permitem o processamento de volumes massivos de dados, cruzando informações de diversas fontes para identificar padrões atípicos.

Big Data e machine learning são centrais na inteligência fiscal. O Big Data envolve a coleta de grandes volumes de informações fiscais, como notas fiscais eletrônicas, declarações de impostos e transações financeiras, provenientes de várias fontes, como sistemas fiscais, bancos e registros empresariais. Essas informações são organizadas e processadas em alta velocidade.

Machine learning é uma técnica que analisa esses dados para encontrar padrões que humanos ou métodos tradicionais não identificariam. Por exemplo, algoritmos podem comparar transações de uma empresa com seu histórico ou com padrões de mercado, identificando anomalias que sugerem possíveis fraudes. Esses sistemas também aprendem com novos dados, ajustando continuamente sua capacidade de identificar comportamentos fraudulentos, o que torna a fiscalização cada vez mais eficaz e proativa.

Como funciona na prática: imagine uma empresa que declara consistentemente um volume de vendas baixo, mas emite notas fiscais em grande volume, ou que possui uma rede de transações com outras empresas de fachada. O sistema de inteligência fiscal cruza esses dados, sinalizando automaticamente essas discrepâncias para auditoria. Isso permite que os fiscais identifiquem fraudes rapidamente e antes que causem prejuízos ao governo.

Conforme Klaus-Peter (2021), o uso de machine learning em cenários fiscais pode aumentar significativamente a precisão na detecção de crises e fraudes fiscais, superando métodos econométricos tradicionais. Essas tecnologias já estão sendo utilizadas em várias administrações tributárias ao redor do mundo, com o objetivo de melhorar a previsão de comportamentos e otimizar a alocação de recursos para combater a sonegação fiscal.

O protocolo ICMS 66/09 estabelece o SIF - Sistema de Inteligência Fiscal com o objetivo de promover o intercâmbio de informações fiscais entre as unidades federadas. Isso permite a integração das administrações tributárias e melhora a eficiência na detecção de fraudes fiscais (Conselho Nacional de Política Fazendária, 2009).

O 19º Encontro Nacional de Inteligência Fiscal, realizado em 2023, destacou a importância da cooperação interinstitucional entre as Unidades de Inteligência Fiscal (UnIF) dos Estados e a Receita Federal, fortalecendo a integração de dados e aprimorando a eficácia das ações de fiscalização (Recife [...], 2023). Ao compartilhar informações de forma segura e contínua, os fiscos estaduais e federais podem atuar de maneira mais coordenada, maximizando os resultados no combate às fraudes.

Tecnologias de ponta e o futuro da fiscalização

O futuro da fiscalização tributária está diretamente relacionado ao uso de tecnologias disruptivas. A tecnologia blockchain, por exemplo, está sendo explorada para garantir a autenticidade e segurança de documentos fiscais, criando um registro imutável de transações que impede fraudes e falsificações. Ao utilizar essa tecnologia, as administrações tributárias conseguem rastrear o caminho de cada transação fiscal de forma segura, reduzindo significativamente as chances de fraudes.

Além disso, o monitoramento em tempo real de operações fiscais, por meio de sistemas integrados, está transformando a forma como o Fisco atua. Em vez de aguardar que as irregularidades ocorram para, posteriormente, agir, o monitoramento contínuo permite a detecção preventiva de comportamentos suspeitos, aumentando a eficiência das ações de fiscalização. Esse modelo proativo minimiza os danos ao sistema tributário e possibilita a correção de anomalias em estágios iniciais.

O estudo publicado por Chand, Kostic e Reis (2020) explora a questão da tributação da inteligência artificial e da automação, destacando que, embora não se recomende um imposto sobre a IA, é importante ajustar as políticas fiscais para evitar incentivos que estimulem a substituição desproporcional de trabalhadores por automação (Chand; Kostic; Reis, 2020). Essa análise é crucial para entender como as tecnologias podem influenciar tanto o ambiente de negócios quanto a arrecadação tributária, à medida que a automação cresce em importância no cenário fiscal global.

Desafios e considerações

Embora os avanços da inteligência fiscal sejam promissores, ainda há desafios a serem superados. A proteção de dados é um dos principais pontos de atenção, pois a manipulação de grandes volumes de informações fiscais requer medidas rigorosas de segurança e conformidade com as normas de privacidade. A implementação de uma infraestrutura tecnológica robusta também é essencial, bem como a capacitação dos profissionais que operam esses sistemas.

A introdução dessas tecnologias, conforme argumenta Klaus-Peter (2021), precisa ser acompanhada por políticas fiscais adequadas para mitigar desigualdades e garantir que os benefícios sejam amplamente distribuídos (Klaus-Peter, 2021). Além disso, a utilização de ferramentas de IA deve ser alinhada com políticas de proteção social e laboral, para garantir que a transição para um ambiente automatizado seja justa para todos os envolvidos.

Conclusão

A inteligência fiscal é uma das mais poderosas ferramentas à disposição das administrações tributárias para enfrentar os desafios da arrecadação e do combate à fraude fiscal. O uso de Big Data, IA, machine learning e blockchain está transformando a maneira como os órgãos fiscais operam, proporcionando níveis de precisão e eficiência sem precedentes. À medida que essas tecnologias evoluem, a expectativa é de que a inteligência fiscal se torne ainda mais indispensável, ajudando os governos a aumentar a arrecadação, melhorar a transparência e promover um ambiente de negócios mais justo e eficiente.

Entretanto, desafios significativos não podem ser ignorados. A coleta massiva de dados fiscais levanta preocupações com relação à privacidade e segurança dos contribuintes, especialmente em um cenário de análise em tempo real de grandes volumes de dados. A proteção dos dados deve ser uma prioridade, com a implementação dessas tecnologias em conformidade com as normas de privacidade e regulamentações internacionais de proteção de dados.

Além disso, a modernização fiscal precisa garantir inclusão social, evitando que pequenas e médias empresas, que podem ter menos acesso a tecnologias avançadas, sejam prejudicadas. Um exemplo é o esforço de alguns governos em oferecer plataformas e treinamentos que tornem essas ferramentas acessíveis a todos os contribuintes, garantindo que o progresso não amplie desigualdades.

Embora a inteligência fiscal ofereça uma promessa transformadora para a arrecadação e a fiscalização, é essencial que as administrações tributárias busquem um equilíbrio entre inovação tecnológica, segurança de dados e inclusão social, assegurando um sistema fiscal justo e eficaz para todos.

_____

BRASIL. [Constituição (1988)]. Constituição da República Federativa do Brasil de 1988. Brasília, DF: Presidência da República, [2024]. Disponível em: http://www.

planalto.gov.br/ccivil_03/constituicao/constituicao.htm. Acesso em: 27 set. 2024.

CHAND, Vikram; KOSTIC, Svetislav; REIS, Ariene. Taxing artificial intelligence and robots: critical assessment of potential policy solutions and recommendation for alternative approaches. World Tax Journal, [Amsterdam], v. 12, n. 4, p. 711-761, Nov. 2020. DOI: https://doi.org/10.59403/2sjxe4d. Disponível em: https://www.ibfd.org/shop/journal/taxing-artificial-intelligence-and-robots-critical-assessment-potential-policy. Acesso em: 27 set. 2024.

CONSELHO NACIONAL DE POLÍTICA FAZENDÁRIA (Brasil). Protocolo ICMS 66, de 3 de julho de 2009. Dispõe sobre a instituição do Sistema de Inteligência Fiscal (SIF) e intercâmbio de informações entre as unidades da Federação. Brasília, DF: CONFAZ, [2019]. Disponível em: https://www.confaz.fazenda.gov.br/legislacao/protocolos/2009/pt066_09. Acesso em: 27 set. 2024.

KLAUS-PETER, Hellwig. Predicting fiscal crises: a machine learning approach. IMF Working Papers, [Washington, DC], v. 2021, n. 150, A001, 27 May 2021. DOI: https://doi.org/10.5089/9781513573588.001.A001. Disponível em: https://www.

elibrary.imf.org/view/journals/001/2021/150/001.2021.issue-150-en.xml. Acesso em: 27 set. 2024.

RECIFE sedia o 19º Encontro Nacional de Inteligência Fiscal. Portal da Secretaria da Fazenda de Pernambuco, Recife, 1 nov. 2023. Disponível em: https://www.

sefaz.pe.gov.br/Noticias/Paginas/Recife-sedia-o-19º-Encontro-Nacional-de-Inteligência-Fiscal-.aspx. Acesso em: 27 set. 2024.

Paulo Sergio Coutinho de Almada

VIP Paulo Sergio Coutinho de Almada

Servidor público da SEFAZ/CE desde 1993. Professor atuante na área tributária. Pós-doutor em Docência e Investigação pelo Instituto Universitario Italiano de Rosario (IUNIR). Doutor em Ciências Jurídicas e Sociais pela Universidad Del Museo Social Argentino (UMSA). Mestre em Direito e Gestão de Conflitos pela Universidade de Fortaleza (UNIFOR). Especialista em Direito Processual pela Universidade do Sul de Santa Catarina (UNISUL) e em Administração Fazendária pelo Centro Universitário Christus (Unichristus). Livros publicados: "ICMS Prático: substituição tributária, antecipado, diferencial de alíquotas; "ICMS Prático de A a Z"; "1001 perguntas e soluções sobre ICMS, PIS/Cofins, Simples Nacional e IPI"; "ICMS Descomplicado"; "ICMS Impressionador"; e "ICMS na prática: descomplicando de A a Z

AUTORES MIGALHAS

Busque pelo nome ou parte do nome do autor para encontrar publicações no Portal Migalhas.

Busca