Projetos e ações desenvolvidos na área de fiscalização da Economia reduzem sonegação e aumentam a arrecadação voluntária

Por Kleber Karpov

A Secretaria de Economia do Distrito Federal (Seec-DF) apresentou dois projetos tecnológicos de fiscalização durante a 68ª Reunião da Comissão de Gestão Fazendária (Cogef), realizada em Brasília entre os dias 16 e 18. As iniciativas, que utilizam automação e inteligência artificial para combater a evasão fiscal, foram detalhadas por técnicos da pasta, que demonstraram como as novas ferramentas otimizam o monitoramento de mercadorias e a identificação de fraudes tributárias.

Um dos destaques foi o Sistema Eletrônico de Fiscalização Tributária em Trânsito (Sefit), apresentado pelo coordenador de Fiscalização Tributária, Silvino Nogueira, pelo gerente do sistema, Hermógenes Boccanera, e pelo consultor de TI, Rubens Costa. A solução integra câmeras com reconhecimento de placas (OCR), balanças que pesam caminhões em movimento (WIM) e um aplicativo que envia alertas em tempo real para os auditores da Subsecretaria da Receita.

O sistema foi desenvolvido como uma resposta estratégica ao grande fluxo de veículos de carga no DF, um importante centro logístico cortado por rodovias federais. Segundo Hermógenes Boccanera, auditor fiscal responsável pelo Sefit, a tecnologia supera as limitações da fiscalização tradicional. “É uma resposta inteligente à limitação da fiscalização tradicional, que depende de blitz presenciais e tinha baixa abrangência”, afirmou Boccanera.

A abrangência do novo sistema permite um controle mais rigoroso e eficiente. “Com essa automatização, quaisquer mercadorias que entrem ou saiam do DF, ou mesmo circulem internamente, serão fiscalizadas — e em tempo real”, explicou Silvino Nogueira. A iniciativa inspira-se em modelos internacionais e alinha-se às práticas mais modernas de arrecadação tributária.

IA no combate as fraudes

O auditor fiscal Vinícius Di Oliveira, doutor em Informática pela UnB, detalhou as aplicações de inteligência artificial (IA) na fiscalização tributária do DF. Ele demonstrou que o uso de aprendizado de máquina (machine learning) já aumenta a eficácia na seleção de alvos para auditoria, gerando resultados concretos. Os algoritmos são desenvolvidos internamente por auditores e especialistas da Seec.

O processo de treinamento da IA envolve três etapas: primeiro, a coleta e preparação de uma vasta base de dados; em seguida, uma curadoria humana mapeia os tipos de sonegação e identifica as variáveis críticas; por fim, os modelos computacionais são treinados para reconhecer esses padrões de forma automatizada e escalável. Essa abordagem facilitou, por exemplo, a identificação de “empresas noteiras”, criadas apenas para emitir créditos fraudulentos de ICMS.

A Secretaria Executiva da Receita já avança no treinamento de modelos de linguagem em larga escala (LLMs) para classificação tributária. Segundo Di Oliveira, um modelo com 160 milhões de parâmetros, focado em português do Brasil, já demonstrou desempenho superior ao do ChatGPT-4 em testes específicos.

As fases da fiscalização: do presencial ao preditivo

A evolução do trabalho de inteligência da Receita do DF foi descrita por Vinícius Di Oliveira em quatro fases. A fiscalização 1.0 era baseada em auditorias presenciais e amostragem. A versão 2.0 passou a utilizar documentos eletrônicos e malhas fiscais. A 3.0 incorporou a ciência de dados e o machine learning.

A fase atual, denominada 4.0, representa o futuro da fiscalização, com o emprego de inteligência artificial generativa, agentes inteligentes e auditoria preditiva. Este novo paradigma visa antecipar movimentações suspeitas e otimizar ainda mais a alocação de recursos, tornando o combate à sonegação mais proativo e eficiente.