Fisco na mídia: O Popular — Inteligência artificial é usada para identificar empresas fantasmas

Pioneiro no país, Goiás já conta com o auxílio da inteligência artificial para identificar empresas fantasmas e evitar perdas de arrecadação de tributos. O jornal O Popular, em sua edição dos dias 29 e 30 de abril, publicou matéria com o Auditor-Fiscal da Receita Estadual, Ricardo Costa Pinto (titular da Delegacia Regional de Fiscalização (DRF) de Luziânia), autor da Rede Neural Artificial (RNA) que auxilia a administração tributária nos procedimentos de fiscalização aos empreendimentos ilícitos que atentam contra a ordem tributária.

O uso de tal tecnologia não tem precedentes, sendo inédito no Brasil entre o fisco federal, distrital, estaduais e municipais. Leia na íntegra a matéria assinada pela repórter Karla Jaime:

 

 

Inteligência artificial é usada para identificar empresas fantasmas

Auditor-fiscal desenvolveu rede inédita com base em técnicas de machine learning; acerto foi de 93% na primeira aplicação prática no Entorno do DF

 

Uma Rede Neural Artificial (RNA) desenvolvida pelo auditor-fiscal da Receita Estadual, Ricardo Costa Pinto, já está sendo usada na identificação de empresas fantasmas na Região do Entorno do Distrito Federal. O elevado porcentual de acerto com uso de inteligência artificial na primeira experiência, de 93%, surpreendeu até mesmo o criador da rede. “É uma taxa impressionante em termos de eficiência, ou seja, está muito acima dos métodos tradicionais de fiscalização”, ressalta. Segundo ele, trata-se de “algo inédito”.

“Nas inúmeras pesquisas realizadas, não identifiquei o uso dessa tecnologia em outros Fiscos, e também não foram encontrados artigo e pesquisa específicos, no meio acadêmico ou profissional, acerca da identificação de empresas fantasmas utilizando redes neurais artificiais”, afirma.

O uso de inteligência artificial para evitar perdas de arrecadação de tributos pode ser replicado para detectar outros tipos de fraudes, observa Ricardo, que é titular da Delegacia Regional de Fiscalização (DRF) de Luziânia. Ele cita como exemplo a possível criação de uma RNA específica para uso pela Receita Federal na fiscalização do Imposto de Renda, e conta que já começou a ser procurado por pessoas interessadas nessa tecnologia.

No ano passado, o auditor-fiscal realizou a pesquisa como trabalho final do MBA em Data Science e Analytics pela USP/Esalq, que recebeu nota máxima junto com a sugestão, por professores/orientadores, da publicação do estudo em livro, conforme relata ele, que também é especialista em Sistemas Distribuídos e graduado em Ciência da Computação pela Universidade Federal da Bahia (UFBA).

A ideia desenvolvida baseia-se no emprego técnicas de aprendizado de máquina (machine learning) para fins de fiscalização fiscal (veja quadro). “Gosto da prática, de ver funcionando.  Entrei no MBA com esse objetivo. Tinha em mente resolver um problema do meu dia a dia, mas não sabia que ferramenta utilizar”, relata.

Rapidez

Segundo explica, a inteligência artificial, por meio dos neurônios artificiais, possui capacidade de predição, o que resulta em uma fiscalização mais assertiva. E muito mais rápida, quando comparada ao uso tradicional pelo fisco de malhas fiscais e cruzamento de dados para tentar identificar possíveis fraudes. Ricardo diz que é difícil comparar o resultado obtido a partir da seleção prévia feita com uso de inteligência artificial com o que era alcançado antes.

“Não é fácil mensurar. Mas de 160 empresas apontadas acertar quase 150, não existia como. Acertariam uns 30%, talvez, se fosse muito”, comenta. “Para avaliar 8 mil empresas, levaríamos até anos no cruzamento de dados. O que essa RNA demora não mais que dez minutos para processar.”

Para chegar a esse nível de eficiência, o auditor lembra ter testado várias configurações de redes neurais, algumas demoravam mais, outras menos. “Essa é a que deu resultado melhor.”

A rede tem configuração própria, com linguagem em R de programação, descreve, esclarecendo que a construção da rede é quase empírica, inicia, testa, valida, aperfeiçoa, acrescenta mais um neurônio. “Não tem um manual, é mesmo por experimentação.”

A RNA

Criada pelo titular da Delegacia Regional de Luziânia foi ‘alimentada’ com dados de 27.709 empresas, todas da sua área de atuação, que também abrange Cristalina, Novo Gama, Águas Lindas de Goiás, Cidade Ocidental, Santo Antônio do Descoberto e Valparaíso de Goiás, na Região do Entorno do Distrito Federal.

Aplicação prática

Após o padrão ter sido ‘ensinado’ à rede, teve início a aplicação prática. Em março, ela avaliou informações de cerca de 8 mil empreendimentos, dos quais selecionou 965 empresas ativas com indícios de que eram fantasmas.

Após a rede neural indicar a suspeita de que deveriam estar suspensas 965 empresas, equipes de fiscalização foram a 160 delas, com a efetivação de 149 suspensões ou inabilitações. Um porcentual de 93% de acerto, muito alto.

“Quanto mais informações corretas forem fornecidas à IA, maior será seu alcance nos cálculos”, destaca Ricardo, ressaltando que a própria rede vai aprimorando o modelo.

Com uma trajetória de 17 anos na fiscalização, o auditor diz ter percebido que, com a tecnologia, o sonegador mudou a forma de agir. Em resumo, ele situa: antigamente, o contribuinte não tirava a nota fiscal, comprava e vendia sem nota. Era assim o modo de sonegar, da indústria para o varejo e deste para o consumidor final. Com a nota fiscal eletrônica, em 2007, o cerco foi se fechando, porque se a indústria emite nota, o atacado também fica obrigado a vender com nota, porque a informação vai para a base de dados da Receita. A estratégia para sonegar foi, então, a abertura de empresas fantasmas, laranjas. O sonegador abre empresa de fachada, emite muita nota para ela e depois ela some. Dessa maneira, a mercadoria transita sem nota entre os reais comerciantes e contribuintes.

“O problema nosso era como identificar essas empresas para fechar o cerco a essa nova forma de sonegar. Tinham as malhas, o feeling do auditor, mas não uma ferramenta eficiente para identificar o padrão de empresas fantasmas.”

Assim, a rede neural foi desenvolvida a partir de variáveis que demonstram características relevantes de cada empresa, como localização, tipo de atividade econômica, porte, área do estabelecimento, notas fiscais, fornecedores, sócios, entre outras. Após o tratamento dos dados, a rede neural foi submetida a um processo de aprendizagem para obter a capacidade de identificar empresas que estão ativas no cadastro estadual e não existem de fato.

 

Transporte

Novo modelo, com uso de inteligência artificial, que permite que o fiscal saiba quais veículos estão transportando produtos com ou sem nota, com o peso errado ou correto, foi apresentado nesta quinta-feira (28) ao governador Ronaldo Caiado (UB). Desde o último dia 11, a Central de Operações Estaduais (COE) realiza o cruzamento de dados recebidos de antenas de comunicação instaladas em todo o estado na fiscalização de possíveis casos de sonegação de impostos e concorrência desleal.

 

Fonte: O Popular

Comunicação Sindifisco-GO