MACHINE LEARNING COMO AUDITOR DO FUTURO: PREVISÃO AUTOMÁTICA DE RISCOS E IRREGULARIDADES CONTÁBEIS

Abstract

Translate Article

A transformação digital e a Contabilidade 4.0 têm impulsionado a adoção de técnicas avançadas de análise de dados na auditoria e no controle contábil, especialmente por meio do uso de algoritmos de machine learning. Este estudo tem como objetivo avaliar a capacidade preditiva de modelos de aprendizado de máquina na identificação de riscos e irregularidades contábeis em empresas de capital aberto brasileiras, contribuindo para a consolidação da auditoria preditiva como evolução da auditoria tradicional. Para isso, foram utilizados dados econômico-financeiros, indicadores de desempenho, métricas de qualidade dos lucros e features textuais extraídas de notas explicativas, cobrindo o período de 2010 a 2024. Diferentes algoritmos supervisionados, incluindo modelos baseados em ensemble learning, foram treinados e avaliados por meio de validação cruzada e métricas como acurácia, F1-score e área sob a curva ROC. Os resultados indicam que modelos de ensemble superam métodos estatísticos tradicionais na previsão de irregularidades contábeis, especialmente quando combinam informações numéricas e textuais, reforçando o potencial da inteligência artificial como suporte à auditoria contínua e à gestão de riscos. Do ponto de vista teórico, o estudo aprofunda a compreensão sobre a integração entre Contabilidade 4.0, auditoria preditiva e machine learning. Do ponto de vista prático, oferece subsídios para o desenvolvimento de sistemas automatizados de monitoramento contábil mais eficientes, preventivos e alinhados às demandas contemporâneas de governança e transparência.