Estratégias Digitais

INTELIGÊNCIA ARTIFICIAL NO COMBATE ÀS FRAUDES CONTÁBEIS por Alexandre Oliveira

Como nos fazem lembrar os exemplos icônicos da Enron (EUA, 2001), Parmalat (Itália, 2003), Lehman Brothers (EUA, 2007), Saytan (India, 2009), Petrobras (Brasil, 2014), Toshiba (Japão, 2015) e Wirecard (Alemanha, 2020), os mecanismos tradicionais de prevenção e controle de fraudes são vulneráveis à ação de pessoas mal-intencionadas. Neste contexto, algumas aplicações de baseadas em RPA e em Inteligência Artificial, como o NLP e o ML, passam a reforçar de maneira inédita os sistemas de gestão de riscos e de compliance corporativos. Empresas Siemens, Amazon, Subway, Honeywell, Citigroup, HSBC, GE, Visa e Coca-Cola experimentam o futuro do combate às fraudes contábeis ao adotar estas novas soluções tecnológicas.

As principais fraudes contábeis podem ser agrupadas como desvio de ativos, divulgação inadequada, contabilidade criativa e documentação falsa e envolvem práticas de reporte exagerado de receitas, supressão de despesas, manipulação de dados financeiros, falsificação de faturas ou contratos, entre muitas outras. A identificação das fraudes contábeis incluem os mecanismos de controles internos, auditoria interna, informação de terceiros e de funcionários, investigações especiais, denúncia anônima e auditoria externa – todos dependem, em última instância, do caráter dos profissionais envolvidos e não estão protegidos da ação de pessoas mal-intencionadas.

Por outro lado, já existem empresas que oferecem soluções de prevenção de fraudes contábeis, usando tecnologias como RPA (Automação Robótica de Processos), NLP (Processamento de Linguagem Natural) e ML (Aprendizado de Máquina), que capturam e analisam grandes quantidades de dados complexos, e identificam vulnerabilidades para a investigação dos auditores. Enquanto o RPA automatiza a coleta de dados e a execução de tarefas repetitivas como inserção de dados em sistemas ou planilhas, o NLP permite interfaces similares às funções dos seres humanos como leitura, audição e fala. Já os algorítimos de ML podem identificar comportamentos fora de padrões e apontar os riscos de fraude em diversos eventos contábeis. Soluções da UiPath identificam anomalias e padrões de comportamento contábil suspeitos em empresas como DHL, Siemens e Amazon. A Kount identifica e previne fraudes em tempo real em empresas como Subway, Honeywell e Sage. A Ayasdi identifica padrões de fraude em dados complexos em empresas como Citigroup, HSBC e GE, enquanto a SAS faz o mesmo em empresas como HSBC, Visa e Coca-Cola.

As soluções de ML também analisam os dados em busca de anomalias, padrões e outras informações relevantes, podendo ser usadas para detectar automaticamente problemas de transparência, como erros ou omissões em relatórios ou violações de políticas internas. Isso permite que a empresa aborde rapidamente os problemas identificados, antes que sejam notados por terceiros. A plataforma da Sift usa algoritmos de ML para analisar dados em tempo real e identificar padrões de comportamento suspeitos, alertando para a necessidade de medidas imediatas. A empresa de tecnologia financeira Compliance.ai oferece soluções para gerenciar riscos associados às mudanças em leis e regulamentações, além de identificar comportamentos antiéticos ou suspeitos em bate-papo, e-mail e outros canais de comunicação por meio de padrões ou palavras-chaves.

A Fidelity identifica possíveis conflitos de interesse éticos ou de transparência nas operações de uma empresa, especialmente em transações financeiras ou em atividades dos colaboradores. A Behavox combina análises avançadas de NLP e processamento de dados para detectar atividades suspeitas em tempo real, com recursos para auditar, relatar e analisar dados de comunicação eletrônica e auxilia na identificação comportamentos não conformes, como assédio, discriminação e ameaças que podem estar associados, inclusive, à esquemas de fraude contábil.

Empresas como a Splunk utilizam ML para detectar em tempo real o acesso não autorizado aos dados, o acesso a informações sensíveis ou a movimentação atípica de dinheiro. A plataforma da ShieldFC fornece insights e relatórios para ajudar na identificação de riscos e garantia da conformidade às regulamentações financeiras, como a Lei de Sigilo Bancário nos Estados Unidos. A Tessian usa ML para identificar o compartilhamento não autorizado de informações confidenciais e atividades em desacordo com políticas internas estabelecidas no Código de Conduta.

A plataforma de modelagem de crédito da Zest, baseada em IA que permite que as instituições financeiras tomem decisões mais justas e precisas; com as todas as decisões rastreáveis, incluindo a documentação completa do processo decisório, aumenta a transparência junto às partes interessadas.

É inegável que a tecnologia facilita o combate à fraude contábil pois o mix tecnológico aumenta o rigor do controle, amplia o alcance dos dados analisados para próximo de 100%, e produz alertas sobre inconsistências que provavelmente passariam desapercebidas. No entanto, em todos os casos, a integração entre os processos automatizados e os profissionais continua sendo fundamental para evitar fraudes. Ainda é necessário que os auditores contábeis realizem a validação dos resultados e tomem decisões apropriadas.

As soluções tecnológicas caminham junto com políticas eficazes de gestão de riscos e treinamentos constantes para todos na organização – nada substitui a cultura de ética no ambiente corporativo.


Alexandre Oliveira, PhD, CCA
é Conselheiro de Administração com foco em Estratégias e Riscos da Transformação Digital. Membro da Comissão de Estratégia do IBGC, da Agroven (Smart Money for AgTechs) e CEO da Cebralog Consultoria. Doutor em IA nas Decisões Corporativas (Unicamp), pós-graduado Negócios Digitais (MIT) e em Finanças (Unicamp). Mestre em Supply Chain (Cranfield University).
oliveira.a@cebralog.com