A auditoria, função essencial para a garantia da transparência, eficiência e probidade na gestão pública, vivencia uma profunda transformação impulsionada pela Inteligência Artificial (IA). Profissionais do setor público, como auditores, procuradores, promotores e juízes, deparam-se com um cenário onde a análise manual de extensos volumes de dados cede espaço a sistemas inteligentes capazes de identificar padrões, anomalias e riscos com velocidade e precisão inéditas. Este artigo detalha um passo a passo para a implementação e utilização da IA na auditoria pública, abordando as bases legais, as melhores práticas e os desafios inerentes a essa transição.
A adoção da IA na auditoria não se resume à mera substituição de tarefas rotineiras. Trata-se de uma mudança de paradigma que exige a compreensão das potencialidades e limitações da tecnologia, bem como a adequação aos marcos regulatórios vigentes, assegurando que o uso de algoritmos esteja alinhado aos princípios constitucionais e legais que norteiam a administração pública.
1. Fundamentação Legal e Ética: O Alicerce da IA na Auditoria
A utilização da IA na auditoria pública deve ser balizada por um arcabouço jurídico sólido, garantindo a legalidade, a transparência e a responsabilidade no tratamento de dados e na tomada de decisões.
1.1. Lei Geral de Proteção de Dados (LGPD) e o Setor Público
A Lei nº 13.709/2018 (LGPD) estabelece regras rigorosas para o tratamento de dados pessoais, aplicáveis também ao setor público. O artigo 23 da LGPD determina que o tratamento de dados pessoais pelas pessoas jurídicas de direito público deve ser realizado para o atendimento de sua finalidade pública, com o objetivo de executar as competências legais ou cumprir as atribuições legais do serviço público.
Na auditoria, a IA frequentemente analisa grandes volumes de dados que podem conter informações pessoais. É imperativo que os sistemas de IA sejam desenvolvidos e operados em conformidade com os princípios da LGPD, como a finalidade, a adequação, a necessidade e a transparência (art. 6º). A anonimização ou pseudonimização dos dados, quando possível, deve ser priorizada para mitigar riscos de violação de privacidade.
1.2. O Marco Legal da Inteligência Artificial (Lei nº 14.890/2026)
A Lei nº 14.890, promulgada em 2026, estabelece o marco legal para o desenvolvimento e uso da IA no Brasil. Esta legislação introduz princípios fundamentais como a transparência, a explicabilidade, a não discriminação e a supervisão humana.
Para a auditoria pública, o artigo 12 da referida lei é de particular relevância, pois determina que os sistemas de IA utilizados pela administração pública para tomada de decisões que afetem direitos e garantias individuais devem ser submetidos a avaliações de impacto e garantir o direito de revisão por um ser humano. Isso significa que, embora a IA possa identificar indícios de irregularidades, a decisão final sobre a instauração de procedimentos punitivos ou a aplicação de sanções deve ser precedida de análise e validação por um auditor humano.
1.3. Normativas dos Tribunais de Contas
Os Tribunais de Contas têm emitido resoluções e normativas orientando o uso de tecnologias avançadas na auditoria. O Tribunal de Contas da União (TCU), por exemplo, através da Resolução TCU nº 320/2020, instituiu a Política de Governança de Tecnologia da Informação, que estabelece diretrizes para a adoção de inovações tecnológicas, incluindo a IA, visando o aprimoramento do controle externo.
2. Passo a Passo para Implementação da IA na Auditoria
A implementação eficaz da IA na auditoria requer planejamento estratégico, capacitação técnica e adaptação de processos.
2.1. Diagnóstico e Definição de Objetivos
O primeiro passo é realizar um diagnóstico detalhado dos processos de auditoria existentes, identificando as áreas onde a IA pode agregar maior valor. Isso inclui a análise de tarefas repetitivas, baseadas em regras e que envolvem grandes volumes de dados.
Os objetivos devem ser claros e mensuráveis. Por exemplo, a IA pode ser utilizada para:
- Detecção de Fraudes: Identificar padrões anômalos em licitações e contratos.
- Análise Preditiva: Prever riscos de inadimplência ou falhas na execução de políticas públicas.
- Auditoria Contínua: Monitorar transações financeiras em tempo real.
- Análise de Sentimento: Avaliar a percepção pública sobre a gestão governamental com base em dados não estruturados (redes sociais, notícias).
2.2. Preparação e Qualidade dos Dados
A eficácia de um sistema de IA depende intrinsecamente da qualidade dos dados que o alimentam. É fundamental garantir que as bases de dados sejam precisas, completas e atualizadas:
- Integração de Sistemas: A IA na auditoria exige a integração de dados provenientes de diversas fontes, como sistemas financeiros, de recursos humanos e de compras públicas.
- Limpeza e Padronização: Os dados devem ser limpos, removendo inconsistências e duplicidades, e padronizados para garantir a interoperabilidade entre os sistemas.
- Governança de Dados: Implementar políticas de governança de dados que definam responsabilidades, regras de acesso e procedimentos de segurança.
2.3. Escolha das Ferramentas e Algoritmos
A escolha das ferramentas e algoritmos de IA deve ser adequada aos objetivos definidos. Existem diversas abordagens, como o aprendizado de máquina (machine learning), o processamento de linguagem natural (PLN) e a visão computacional:
- Machine Learning: Utilizado para identificar padrões complexos em grandes volumes de dados, como a detecção de fraudes em licitações (ex: algoritmos de classificação e clusterização).
- Processamento de Linguagem Natural (PLN): Essencial para analisar documentos textuais não estruturados, como contratos, editais e relatórios, extraindo informações relevantes e identificando cláusulas abusivas ou inconsistências.
A administração pública pode optar por desenvolver soluções internas, adquirir ferramentas comerciais ou estabelecer parcerias com universidades e centros de pesquisa.
2.4. Treinamento e Validação dos Modelos
Os modelos de IA devem ser treinados com dados históricos para que possam aprender a identificar padrões e anomalias. Esse processo requer a participação de auditores experientes, que devem rotular os dados e fornecer feedback ao sistema.
A validação dos modelos é crucial para garantir sua precisão e confiabilidade. É necessário testar o sistema com dados novos e avaliar seu desempenho em relação a métricas predefinidas, como a taxa de falsos positivos e falsos negativos.
2.5. Implementação e Monitoramento Contínuo
A implementação da IA deve ser gradual, começando por projetos piloto e expandindo a utilização à medida que a tecnologia se mostra eficaz e confiável.
O monitoramento contínuo é essencial para garantir que os modelos de IA permaneçam precisos e alinhados aos objetivos da auditoria. É necessário realizar avaliações periódicas de desempenho, atualizar os modelos com novos dados e ajustar os algoritmos conforme necessário.
3. Desafios e Cuidados na Utilização da IA
A adoção da IA na auditoria não está isenta de desafios. É fundamental que os profissionais do setor público estejam cientes dos riscos e adotem medidas para mitigá-los.
3.1. Viés Algorítmico e Discriminação
Os modelos de IA podem reproduzir e amplificar vieses presentes nos dados de treinamento. Na auditoria, isso pode resultar em decisões discriminatórias ou injustas. É necessário implementar mecanismos para identificar e corrigir vieses, garantindo a equidade e a imparcialidade do processo.
3.2. Explicabilidade e Transparência (Black Box)
Muitos modelos de IA, especialmente os baseados em deep learning, operam como "caixas pretas" (black boxes), dificultando a compreensão de como chegam a determinadas conclusões. A falta de explicabilidade pode comprometer a confiança no sistema e dificultar a fundamentação das decisões de auditoria.
O artigo 20 da LGPD garante aos titulares dos dados o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado. Além disso, o Marco Legal da IA (Lei nº 14.890/2026) exige transparência e explicabilidade nos sistemas utilizados pelo poder público. Portanto, a escolha de algoritmos deve priorizar a interpretabilidade, ou, no caso de modelos complexos, a utilização de técnicas que permitam explicar as decisões tomadas pelo sistema.
3.3. Segurança da Informação e Cibersegurança
Os sistemas de IA na auditoria processam informações sensíveis e estratégicas. A segurança da informação é primordial para evitar vazamentos, acessos não autorizados e ataques cibernéticos. É necessário implementar medidas de segurança robustas, como criptografia, controle de acesso e monitoramento de redes.
4. O Papel do Auditor na Era da IA
A IA não substituirá o auditor; ela o transformará. A tecnologia automatiza tarefas repetitivas e analíticas, liberando o profissional para atividades de maior complexidade, como a interpretação de resultados, a formulação de recomendações e a interação com os gestores públicos.
O auditor do futuro precisará desenvolver novas habilidades, como a fluência em dados, a compreensão de algoritmos e a capacidade de avaliar criticamente os resultados gerados pela IA. A formação contínua e a adaptação a um ambiente de trabalho cada vez mais tecnológico serão essenciais para o sucesso na profissão.
Conclusão
A integração da Inteligência Artificial na auditoria pública representa uma oportunidade ímpar para elevar o controle e a transparência na administração pública a patamares inéditos. O passo a passo delineado neste artigo, desde a fundamentação legal até o monitoramento contínuo, demonstra que a adoção da IA exige um planejamento rigoroso, ancorado na legislação vigente (LGPD e Lei nº 14.890/2026) e no compromisso ético. Ao enfrentar os desafios do viés algorítmico, da explicabilidade e da segurança da informação, os profissionais do setor público – auditores, procuradores, promotores e juízes – estarão capacitados a utilizar a IA como uma ferramenta poderosa para assegurar a probidade e a eficiência na gestão dos recursos públicos, consolidando um modelo de controle externo mais ágil, preciso e alinhado às demandas da sociedade contemporânea.
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.