IA e Tribunal de Contas: Auditoria Algorítmica de Gastos Públicos

Os Tribunais de Contas brasileiros começam a adotar inteligência artificial para auditar gastos públicos, inaugurando uma nova era de fiscalização algorítmica que promete transformar o controle externo no país.

O Contexto da Auditoria Algorítmica nos Tribunais de Contas

Vivemos um momento de transição na administração pública brasileira. Os Tribunais de Contas, órgãos constitucionais responsáveis pela fiscalização contábil, financeira e orçamentária dos entes federativos, enfrentam um desafio crescente: o volume de dados gerados pela máquina estatal supera há muito a capacidade humana de análise. Nesse cenário, a inteligência artificial surge como ferramenta estratégica para ampliar o alcance e a profundidade das auditorias de gastos públicos.

Quando analisamos o funcionamento tradicional dos Tribunais de Contas, percebemos que a fiscalização sempre dependeu de amostragens. Diante de milhares de contratos, empenhos, liquidações e pagamentos realizados por um único município em um exercício financeiro, os auditores selecionavam parcelas representativas para exame detalhado. Essa abordagem, embora metodologicamente válida, deixava lacunas significativas. Irregularidades podiam passar despercebidas simplesmente porque os documentos relevantes não integravam a amostra selecionada.

A auditoria algorítmica propõe uma mudança de paradigma. Em vez de examinar frações do universo de dados, sistemas baseados em inteligência artificial conseguem processar a totalidade das informações disponíveis, identificando padrões anômalos, desvios estatísticos e indicadores de risco que escapariam à análise manual. Verificamos que essa capacidade de processamento massivo não substitui o auditor humano, mas potencializa enormemente sua atuação, permitindo que o profissional concentre seus esforços nos casos que efetivamente demandam investigação aprofundada.

Como Funciona a IA Aplicada à Fiscalização de Gastos Públicos

Para compreendermos o funcionamento prático da auditoria algorítmica, precisamos examinar as diferentes camadas tecnológicas envolvidas. O processo começa com a ingestão de dados estruturados e não estruturados provenientes de sistemas de gestão pública, portais de transparência, bases cadastrais e documentos digitalizados. Algoritmos de processamento de linguagem natural extraem informações relevantes de contratos, editais e notas de empenho, enquanto modelos de aprendizado de máquina classificam e correlacionam essas informações.

Na camada de análise, os sistemas utilizam técnicas de detecção de anomalias para identificar transações que fogem aos padrões esperados. Por exemplo, um algoritmo pode sinalizar compras realizadas com preços significativamente acima da mediana praticada em licitações similares na mesma região, contratos com fornecedores que apresentam vínculos societários com agentes públicos, ou padrões de fracionamento de despesas que sugerem tentativa de evadir limites legais de dispensa de licitação.

Outro aspecto relevante envolve a análise de redes. Algoritmos de grafos mapeiam relações entre pessoas físicas, pessoas jurídicas e agentes públicos, revelando conexões ocultas que podem indicar conflitos de interesse, direcionamento de licitações ou formação de cartéis. Quando analisamos essas redes em escala, padrões que seriam invisíveis ao olho humano emergem com clareza: empresas de fachada que compartilham endereços, sócios ou contadores, fornecedores que vencem licitações de forma rotativa, ou servidores que aprovam sistematicamente despesas em favor de determinados grupos empresariais.

A análise preditiva complementa o arsenal tecnológico. Modelos treinados com dados históricos de irregularidades já confirmadas conseguem atribuir pontuações de risco a novas transações, priorizando a atuação dos auditores. Verificamos que essa abordagem baseada em risco permite uma alocação mais eficiente dos recursos humanos, que continuam sendo indispensáveis para a interpretação contextual dos achados e para a condução dos procedimentos formais de auditoria.

A auditoria algorítmica não elimina o julgamento humano, ela o amplifica, permitindo que auditores examinem a totalidade dos gastos públicos em vez de depender exclusivamente de amostragens.

Desafios Jurídicos e Regulatórios da Auditoria Algorítmica

A incorporação de inteligência artificial aos processos de controle externo levanta questões jurídicas complexas que ainda carecem de regulamentação específica no ordenamento brasileiro. O primeiro desafio diz respeito à transparência algorítmica. Quando um sistema de IA sinaliza determinada despesa como irregular, o gestor público auditado tem o direito de compreender os critérios utilizados para essa classificação. O princípio do devido processo legal e o direito à ampla defesa exigem que as decisões (ou recomendações) algorítmicas sejam explicáveis.

Nesse ponto, encontramos uma tensão entre eficiência e transparência. Modelos mais sofisticados de aprendizado profundo (deep learning) frequentemente operam como “caixas-pretas”, produzindo resultados altamente precisos, porém de difícil explicação. Modelos mais simples e interpretáveis podem sacrificar parte da acurácia em favor da transparência. Entendemos que, no contexto da fiscalização pública, a explicabilidade não é opcional: trata-se de requisito constitucional que decorre diretamente dos princípios do contraditório e da motivação dos atos administrativos.

A questão da proteção de dados pessoais também merece atenção. Os sistemas de auditoria algorítmica inevitavelmente processam informações sensíveis de servidores públicos, fornecedores e beneficiários de políticas públicas. A Lei Geral de Proteção de Dados (LGPD) estabelece regras específicas para o tratamento de dados pelo poder público, exigindo base legal adequada, finalidade determinada e medidas de segurança proporcionais. Os Tribunais de Contas precisam demonstrar que o tratamento de dados realizado por seus sistemas de IA atende a esses requisitos, equilibrando o interesse público na fiscalização com o direito à privacidade dos titulares.

Outro desafio regulatório envolve a responsabilização por erros algorítmicos. Se um sistema de IA produz um falso positivo, sinalizando como irregular uma despesa legítima, quem responde pelos danos causados ao gestor público injustamente investigado? Analisamos que essa questão demanda a criação de mecanismos de governança que estabeleçam protocolos claros de validação humana antes que qualquer consequência jurídica decorra de um achado algorítmico.

Experiências Práticas e Perspectivas no Brasil

Diversos Tribunais de Contas brasileiros já desenvolvem iniciativas de incorporação de inteligência artificial aos seus processos de trabalho. Observamos que essas experiências variam em maturidade e escopo, desde projetos-piloto focados em tarefas específicas até plataformas integradas de análise de dados. Algumas cortes de contas utilizam robôs de software (RPA) para automatizar a coleta e o cruzamento de informações em bases de dados públicas, liberando auditores de tarefas repetitivas. Outras avançam na construção de modelos preditivos capazes de classificar o risco de irregularidades em contratos e licitações.

O Tribunal de Contas da União (TCU) tem se posicionado como referência nesse campo, investindo em laboratórios de inovação e em parcerias com instituições de pesquisa para o desenvolvimento de soluções baseadas em dados. No âmbito estadual e municipal, iniciativas similares ganham corpo, ainda que com recursos mais limitados. Verificamos que a cooperação entre cortes de contas para o compartilhamento de tecnologias e metodologias constitui fator crítico para a disseminação dessas práticas, evitando a duplicação de esforços e reduzindo custos de implementação.

Um aspecto que merece destaque é a necessidade de capacitação dos quadros técnicos. A auditoria algorítmica não exige que todos os servidores dos Tribunais de Contas se tornem cientistas de dados, mas demanda uma compreensão mínima sobre o funcionamento, as potencialidades e as limitações dos sistemas de IA. Profissionais de auditoria precisam desenvolver competências para interpretar resultados algorítmicos, questionar premissas dos modelos e identificar possíveis vieses nos dados utilizados para treinamento.

A integração com outras instituições de controle amplia o potencial da auditoria algorítmica. Quando os dados dos Tribunais de Contas são cruzados com informações do Ministério Público, da Controladoria-Geral e de órgãos reguladores setoriais, a capacidade de detecção de irregularidades cresce exponencialmente. Analisamos que essa integração demanda não apenas soluções tecnológicas de interoperabilidade, mas também arranjos institucionais que definam responsabilidades, fluxos de informação e protocolos de compartilhamento de dados.

Governança Algorítmica e o Futuro do Controle Externo

O avanço da inteligência artificial na fiscalização de gastos públicos torna imperativa a construção de marcos de governança algorítmica específicos para os Tribunais de Contas. Entendemos que essa governança deve contemplar, no mínimo, quatro dimensões: transparência (documentação dos algoritmos utilizados e dos critérios de decisão), accountability (definição clara de responsabilidades pela supervisão e pelos resultados dos sistemas), equidade (prevenção e correção de vieses algorítmicos que possam discriminar injustamente determinados gestores ou regiões) e segurança (proteção contra manipulação dos sistemas e garantia de integridade dos dados).

A dimensão ética da auditoria algorítmica também requer reflexão. Sistemas de IA treinados com dados históricos podem reproduzir padrões de fiscalização enviesados, concentrando escrutínio em determinadas regiões ou categorias de gestores enquanto negligenciam outras. Verificamos que a auditoria dos próprios algoritmos de auditoria constitui uma necessidade incontornável: mecanismos de revisão periódica, testes de viés e avaliações de impacto devem integrar o ciclo de vida de qualquer sistema de IA utilizado no controle externo.

O futuro aponta para uma fiscalização cada vez mais contínua e menos episódica. Em vez de auditorias realizadas após o encerramento do exercício financeiro, sistemas de IA possibilitam o monitoramento em tempo real dos gastos públicos, emitindo alertas precoces que permitem a correção de rumos antes que irregularidades se consolidem. Essa mudança de paradigma, de uma atuação reativa para uma postura preventiva, tem o potencial de gerar economias significativas para o erário e de elevar o padrão de integridade da gestão pública.

Analisamos que a implementação bem-sucedida da auditoria algorítmica nos Tribunais de Contas depende de um equilíbrio delicado entre inovação tecnológica e garantias jurídicas. A eficiência prometida pela inteligência artificial não pode ser perseguida à custa de direitos fundamentais dos administrados ou da legitimidade institucional das cortes de contas. O caminho exige investimento sustentado em tecnologia e capacitação, marcos regulatórios adequados e, sobretudo, uma cultura institucional aberta à transformação digital sem perder de vista os valores que fundamentam o controle republicano dos gastos públicos.

As informações deste artigo são de caráter informativo e não substituem consulta jurídica individualizada.

As informações deste artigo são de caráter informativo e não substituem consulta jurídica individualizada.