Identificação de Evasão Fiscal Utilizando Dados Abertos e Inteligência Artificial

Disponível somente em PDF. Extraído da Revista de Administração Pública da Fundação Getúlio Vargas.

Resumo: “A evasão fiscal é a consequência da prática da sonegação. Apenas no Brasil, estima-se que ela corresponda a 8% do PIB. Com isso, os governos necessitam de sistemas inteligentes para apoiar os auditores fiscais na identificação de sonegadores. Tais sistemas dependem de dados sensíveis dos contribuintes para o reconhecimento dos padrões, que são protegidos por lei. Com isso, o presente trabalho apresenta uma solução inteligente, capaz de identificar os perfis de potenciais sonegadores com o uso apenas de dados abertos, públicos, disponibilizados pela Receita Federal e pelo Conselho Administrativo Tributário do Estado de Goiás, entre outros cadastros públicos. Foram gerados três modelos que utilizaram os recursos Random Forest, Redes Neurais e Grafos. Em validação depois de melhorias finas, foi possível obter acurácia superior a 98% na predição do perfil inadimplente. Por fim, criou-se uma solução de software visual para uso e validação pelos auditores fiscais do estado de Goiás.”

Autor(es): Otávio Calaça Xavier, Sandrerley Ramos Pires, Thyago Carvalho Marques e Anderson da Silva Soares

Assunto: Direito

Tipo de material: Artigo

ISSN: 1982-3134

Descrição física: 15 p.

Local de publicação: Rio de Janeiro

Título do periódico: Revista de Administração Pública

Volume: 56

Número: 3

Data do fascículo: maio/jun. 2022

CDD: 343.045