Impacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional do FGV (FGV Repositório Digital) |
Texto Completo: | https://hdl.handle.net/10438/29680 |
Resumo: | Objetivos: Esta pesquisa visa compreender as circunstâncias em que o uso do sistema “Malha Fina de Convênios”, que usa Inteligência Artificial (IA) para analisar as prestações de contas de convênios e prevê o resultado da análise, é suficientemente percuciente para dispensar a necessidade de análise convencional de prestação de contas de convênios por parte de servidores públicos. A utilização de técnicas de auditoria por meio de soluções tecnológicas como machine learning (ML) e IA vem se ampliando no setor privado com impactos positivos em termos de prevenção às fraudes e incremento da eficiência e eficácia do trabalho realizado pelos auditores. Entretanto, os estudos acerca de seu uso na Administração Pública ainda são incipientes. Logo, este trabalho almeja, também, compreender os impactos da IA na atividade de auditoria. Metodologia: a estratégia metodológica valeu-se da implementação empírica de um ambiente computacional em linguagem phyton para testar 2 arquiteturas de treinamento para a aprendizagem do algoritmo, parametrizando a sequência de treinamento conforme o seu tamanho e a identidade do órgão concedente. Dessa forma, o desempenho dos algoritmos foi avaliado pelas métricas inexatidão (ε) e Area Under the Curve (AUC). Resultados: os resultados apontam que a identidade do órgão concedente influencia o desempenho do algoritmo de ML e à medida que o tamanho da sequência de treinamento cresce, o desempenho aumenta, não obstante ocorra um ponto de saturação em que o aumento do tamanho não interfere no desempenho. Limitações: ocorre um intenso desbalanceamento das sequências de treinamento, na medida em que a quantidade de contas rejeitas é muito inferior às contas aprovadas. Além disso, as arquiteturas de teste exigem grande capacidade computacional para serem executadas. Contribuições: a compreensão do desempenho do “Malha Fina de Convênios” diante de circunstâncias diferentes validará essa abordagem inovadora, fazendo com que os atores do processo de Transferências Voluntárias da União empreguem seus esforços apenas nos convênios com indícios de rejeição, racionalizando a força de trabalho. Originalidade: pelo conhecimento adquirido durante esta pesquisa, constatou-se que este é o primeiro trabalho que aborda o uso de IA nas Transferências Voluntárias da União. |
id |
FGV_1b452fe3a35b347f530919604379d1e6 |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/29680 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Carvalho, Sergio Tadeu NeivaEscolas::EBAPETeixeira, Marco Antônio CarvalhoMarzagão, Thiago VeigaFajardo, Bernardo de Abreu Guelber2020-09-18T21:27:06Z2020-09-18T21:27:06Z2020-09-04https://hdl.handle.net/10438/29680Objetivos: Esta pesquisa visa compreender as circunstâncias em que o uso do sistema “Malha Fina de Convênios”, que usa Inteligência Artificial (IA) para analisar as prestações de contas de convênios e prevê o resultado da análise, é suficientemente percuciente para dispensar a necessidade de análise convencional de prestação de contas de convênios por parte de servidores públicos. A utilização de técnicas de auditoria por meio de soluções tecnológicas como machine learning (ML) e IA vem se ampliando no setor privado com impactos positivos em termos de prevenção às fraudes e incremento da eficiência e eficácia do trabalho realizado pelos auditores. Entretanto, os estudos acerca de seu uso na Administração Pública ainda são incipientes. Logo, este trabalho almeja, também, compreender os impactos da IA na atividade de auditoria. Metodologia: a estratégia metodológica valeu-se da implementação empírica de um ambiente computacional em linguagem phyton para testar 2 arquiteturas de treinamento para a aprendizagem do algoritmo, parametrizando a sequência de treinamento conforme o seu tamanho e a identidade do órgão concedente. Dessa forma, o desempenho dos algoritmos foi avaliado pelas métricas inexatidão (ε) e Area Under the Curve (AUC). Resultados: os resultados apontam que a identidade do órgão concedente influencia o desempenho do algoritmo de ML e à medida que o tamanho da sequência de treinamento cresce, o desempenho aumenta, não obstante ocorra um ponto de saturação em que o aumento do tamanho não interfere no desempenho. Limitações: ocorre um intenso desbalanceamento das sequências de treinamento, na medida em que a quantidade de contas rejeitas é muito inferior às contas aprovadas. Além disso, as arquiteturas de teste exigem grande capacidade computacional para serem executadas. Contribuições: a compreensão do desempenho do “Malha Fina de Convênios” diante de circunstâncias diferentes validará essa abordagem inovadora, fazendo com que os atores do processo de Transferências Voluntárias da União empreguem seus esforços apenas nos convênios com indícios de rejeição, racionalizando a força de trabalho. Originalidade: pelo conhecimento adquirido durante esta pesquisa, constatou-se que este é o primeiro trabalho que aborda o uso de IA nas Transferências Voluntárias da União.Purpose: This research aims to understand the circumstances in which the use of the “Malha Fina de Convênios” system, which uses Artificial Intelligence (AI) to analyze the provision of accounts and predicts the result of the analysis, is sufficiently clear to dispense the need for conventional analysis by public servants. The use of auditing techniques through technological solutions such as machine learning (ML) and AI has been expanding in the private sector with positive impacts in terms of preventing fraud and increasing the efficiency and effectiveness of the work performed by the auditors. However, studies on its use in Public Administration are still incipient. Therefore, this work also aims to understand the impacts of AI in the audit activity. Methodology: the methodological strategy used an empirical implementation of a computational environment in Phyton to test 2 training architectures for the ML algorithm, parameterizing the training sequence according to its size and the identity of the granting public agency. Thus, the performance of the algorithms was evaluated by the metrics inaccuracy (ε) and Area Under the Curve (AUC). Findings: the results indicate that the identity of the granting public agency influences the performance of the ML algorithm and as the size of the training sequence grows, the performance increases, despite the occurrence of a saturation point in which the increase in size does not interfere with performance. Research limitations: there is an intense imbalance of the training sequences, as the number of rejected accounts is much lower than the approved accounts. In addition, test architectures require large computational capacity to be executed. Practical implications: an understanding of the performance of the “Malha Fina de Convênios” under different circumstances will validate this innovative approach, making the actors of the Brazilian’s Discretionary Transfers process employ their efforts only in accounts with signs of rejection, rationalizing the workforce and save their efforts, which allows capacity for other issues. Originality: from the knowledge acquired during this research, it was found that this is the first work that addresses the use of AI in Brazilian’s Discretionary Transfers.porControleAuditoriaInteligência ArtificialAdministração PúblicaTransferências DiscricionáriasControlAuditingArtificial IntelligencePublic AdministrationDiscretionary TransfersAdministração públicaAdministração públicaAuditoria - Processamento de dadosPrestação de contasInteligência artificialInteligência artificialImpacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis2020-09-04reponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVinfo:eu-repo/semantics/openAccessORIGINALSergio_Tadeu_Neiva_Carvalho_Dissertacao_Final_Biblioteca.pdfSergio_Tadeu_Neiva_Carvalho_Dissertacao_Final_Biblioteca.pdfDissertação de Mestradoapplication/pdf2711182https://repositorio.fgv.br/bitstreams/8614120b-d61a-42d3-851d-cfc26319e259/download0fb23246f75de29e4989882ae5e654acMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/6cddb7e2-35bd-4133-a818-9363be602f2c/downloaddfb340242cced38a6cca06c627998fa1MD52TEXTSergio_Tadeu_Neiva_Carvalho_Dissertacao_Final_Biblioteca.pdf.txtSergio_Tadeu_Neiva_Carvalho_Dissertacao_Final_Biblioteca.pdf.txtExtracted texttext/plain103222https://repositorio.fgv.br/bitstreams/9171bbf7-3552-46e5-b6f9-0f6536d25cd3/downloada6b585e7fde187b5891b749e1f87040bMD57THUMBNAILSergio_Tadeu_Neiva_Carvalho_Dissertacao_Final_Biblioteca.pdf.jpgSergio_Tadeu_Neiva_Carvalho_Dissertacao_Final_Biblioteca.pdf.jpgGenerated Thumbnailimage/jpeg3234https://repositorio.fgv.br/bitstreams/14c3f083-fb90-45ae-83cf-687f9f9e118f/download9d7ee720a07fcfae819d131a332f0d11MD5810438/296802023-11-04 08:52:05.108open.accessoai:repositorio.fgv.br:10438/29680https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-04T08:52:05Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.por.fl_str_mv |
Impacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionais |
title |
Impacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionais |
spellingShingle |
Impacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionais Carvalho, Sergio Tadeu Neiva Controle Auditoria Inteligência Artificial Administração Pública Transferências Discricionárias Control Auditing Artificial Intelligence Public Administration Discretionary Transfers Administração pública Administração pública Auditoria - Processamento de dados Prestação de contas Inteligência artificial Inteligência artificial |
title_short |
Impacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionais |
title_full |
Impacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionais |
title_fullStr |
Impacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionais |
title_full_unstemmed |
Impacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionais |
title_sort |
Impacto da inteligência artificial na atividade de auditoria: equacionando gargalos nos repasses da união para entes subnacionais |
author |
Carvalho, Sergio Tadeu Neiva |
author_facet |
Carvalho, Sergio Tadeu Neiva |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EBAPE |
dc.contributor.member.none.fl_str_mv |
Teixeira, Marco Antônio Carvalho Marzagão, Thiago Veiga |
dc.contributor.author.fl_str_mv |
Carvalho, Sergio Tadeu Neiva |
dc.contributor.advisor1.fl_str_mv |
Fajardo, Bernardo de Abreu Guelber |
contributor_str_mv |
Fajardo, Bernardo de Abreu Guelber |
dc.subject.por.fl_str_mv |
Controle Auditoria Inteligência Artificial Administração Pública Transferências Discricionárias |
topic |
Controle Auditoria Inteligência Artificial Administração Pública Transferências Discricionárias Control Auditing Artificial Intelligence Public Administration Discretionary Transfers Administração pública Administração pública Auditoria - Processamento de dados Prestação de contas Inteligência artificial Inteligência artificial |
dc.subject.eng.fl_str_mv |
Control Auditing Artificial Intelligence Public Administration Discretionary Transfers |
dc.subject.area.por.fl_str_mv |
Administração pública |
dc.subject.bibliodata.por.fl_str_mv |
Administração pública Auditoria - Processamento de dados Prestação de contas Inteligência artificial Inteligência artificial |
description |
Objetivos: Esta pesquisa visa compreender as circunstâncias em que o uso do sistema “Malha Fina de Convênios”, que usa Inteligência Artificial (IA) para analisar as prestações de contas de convênios e prevê o resultado da análise, é suficientemente percuciente para dispensar a necessidade de análise convencional de prestação de contas de convênios por parte de servidores públicos. A utilização de técnicas de auditoria por meio de soluções tecnológicas como machine learning (ML) e IA vem se ampliando no setor privado com impactos positivos em termos de prevenção às fraudes e incremento da eficiência e eficácia do trabalho realizado pelos auditores. Entretanto, os estudos acerca de seu uso na Administração Pública ainda são incipientes. Logo, este trabalho almeja, também, compreender os impactos da IA na atividade de auditoria. Metodologia: a estratégia metodológica valeu-se da implementação empírica de um ambiente computacional em linguagem phyton para testar 2 arquiteturas de treinamento para a aprendizagem do algoritmo, parametrizando a sequência de treinamento conforme o seu tamanho e a identidade do órgão concedente. Dessa forma, o desempenho dos algoritmos foi avaliado pelas métricas inexatidão (ε) e Area Under the Curve (AUC). Resultados: os resultados apontam que a identidade do órgão concedente influencia o desempenho do algoritmo de ML e à medida que o tamanho da sequência de treinamento cresce, o desempenho aumenta, não obstante ocorra um ponto de saturação em que o aumento do tamanho não interfere no desempenho. Limitações: ocorre um intenso desbalanceamento das sequências de treinamento, na medida em que a quantidade de contas rejeitas é muito inferior às contas aprovadas. Além disso, as arquiteturas de teste exigem grande capacidade computacional para serem executadas. Contribuições: a compreensão do desempenho do “Malha Fina de Convênios” diante de circunstâncias diferentes validará essa abordagem inovadora, fazendo com que os atores do processo de Transferências Voluntárias da União empreguem seus esforços apenas nos convênios com indícios de rejeição, racionalizando a força de trabalho. Originalidade: pelo conhecimento adquirido durante esta pesquisa, constatou-se que este é o primeiro trabalho que aborda o uso de IA nas Transferências Voluntárias da União. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-09-18T21:27:06Z |
dc.date.available.fl_str_mv |
2020-09-18T21:27:06Z |
dc.date.issued.fl_str_mv |
2020-09-04 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10438/29680 |
url |
https://hdl.handle.net/10438/29680 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
instname_str |
Fundação Getulio Vargas (FGV) |
instacron_str |
FGV |
institution |
FGV |
reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/8614120b-d61a-42d3-851d-cfc26319e259/download https://repositorio.fgv.br/bitstreams/6cddb7e2-35bd-4133-a818-9363be602f2c/download https://repositorio.fgv.br/bitstreams/9171bbf7-3552-46e5-b6f9-0f6536d25cd3/download https://repositorio.fgv.br/bitstreams/14c3f083-fb90-45ae-83cf-687f9f9e118f/download |
bitstream.checksum.fl_str_mv |
0fb23246f75de29e4989882ae5e654ac dfb340242cced38a6cca06c627998fa1 a6b585e7fde187b5891b749e1f87040b 9d7ee720a07fcfae819d131a332f0d11 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
repository.mail.fl_str_mv |
|
_version_ |
1810023647390203904 |