6
2016
Como usar inteligência artificial para combater a corrupção?
O gasto do governo federal em 2016 será de aproximadamente R$ 3 trilhões. Parte desse dinheiro irá parar nos bolsos de corruptos, como resultado de compras superfaturadas, venda de favores e outros crimes. É impossível fiscalizar centavo por centavo: são centenas de milhares de compras públicas, pagamentos de salários e repasses a ONGs. É possível, porém, automatizar o processo com o uso de inteligência artificial (IA).
O uso de IA faz parte do nosso cotidiano há algum tempo: a humanidade já se habituou a tradutores automáticos (como o Google Translate) e a assistentes virtuais (como Siri e Cortana), por exemplo. Quando seu banco telefona e pergunta se foi você mesmo que comprou aquela passagem para Cancún isso acontece porque um algoritmo de IA disparou o alerta. Médicos rotineiramente submetem imagens de biópsias a aplicativos que dizem se há ali algum tumor maligno. Mais recentemente, a Uber botou em circulação em Pittsburgh, nos Estados Unidos, seus primeiros carros autônomos.
A lógica de funcionamento é a mesma na maioria dos casos: você “alimenta” o algoritmo com casos passados e com isso o algoritmo “aprende” a prever ou classificar casos novos. Considere, por exemplo, a base de dados de um grande banco qualquer. Essa base contém dados sobre cada compra no cartão de crédito de cada cliente: data, horário, local, valor e se a compra foi identificada como fraudulenta (digamos, com base em reclamação do cliente). Quando o banco submete essa base a um algoritmo de IA, o algoritmo identifica os padrões e regularidades mais comumente associados às compras fraudulentas: horário, local, valor e quaisquer outras informações que existam na base. Uma vez alimentado (no jargão da inteligência artificial diz-se “treinado”), o algoritmo pode ser usado para identificar se novas compras são ou não fraudulentas.
Pois essa mesma lógica vem sendo usada no combate à corrupção. O Cadastro de Expulsões da Administração Federal (CEAF), por exemplo, contém dados sobre servidores punidos com perda do cargo. O Observatório da Despesa Pública (ODP) da Controladoria-Geral da União (CGU) usou um algoritmo de inteligência artificial para identificar os padrões mais comumente associados aos servidores expulsos: forma de ingresso no serviço público (concurso ou cargo de confiança), filiação partidária, se é sócio de empresa, etc. Com isso foi possível desenvolver um aplicativo que diz, para cada um dos 1,2 milhão de servidores do Executivo federal, a probabilidade de esse servidor ser corrupto. Naturalmente trata-se apenas de uma probabilidade, não de uma certeza; não chegamos (ainda) ao mundo de Minority Report. Mas a probabilidade é um primeiro passo: no mínimo ajuda a decidir quais investigações priorizar.
Outros órgãos também vêm usando IA no combate à corrupção. A Receita Federal tem usado IA para detectar exportações fictícias e pedidos fraudulentos de compensação tributária – o que, numa análise inicial, pode gerar R$ 16 bilhões de arrecadação em multas e recolhimento de tributos devidos. O Banco do Brasil, por sua vez, tem usado IA para análise de crédito. O Ministério do Planejamento tem usado IA para identificar fraudes na folha de pagamentos do funcionalismo. A lista não se restringe ao Executivo federal: Legislativo e Judiciário, bem como órgãos estaduais e municipais, também têm explorado o potencial de IA.
Ainda há muito por fazer. O concurso público privilegia candidatos capazes de memorizar leis e regimentos internos; apenas acidentalmente selecionam-se candidatos capazes de usar ferramentas de IA. É preciso recrutar melhor e, ao mesmo tempo, capacitar os já recrutados para que possam tirar proveito dessas ferramentas. É preciso, ainda, facilitar a troca de dados entre diferentes órgãos e eliminar retrabalho (hoje diferentes órgãos gastam um tempo enorme limpando e carregando as mesmas bases). Mesmo com esses obstáculos, porém, o potencial de IA é imenso na administração pública.
(Para os interessados em saber quem está fazendo o quê onde, um bom começo é assistir as duas edições do Seminário sobre Análise de Dados na Administração Pública, ocorridas em 2015 e 2016 e disponíveis no canal do Tribunal de Contas da União (TCU) no Youtube).
Download:
- Veja este artigo também em versão pdf (clique aqui).
Recomendações de artigos:
4 Comentários Comentar
Inscreva-se
Categorias
- Categorias (1)
- Coronavirus (10)
- Coronavirus (3)
- Crescimento e eficiência da economia (139)
- Desenvolvimento sustentável (1)
- Direito e economia (66)
- Economia (2)
- Economia (7)
- Educação e saúde (2)
- Finanças públicas e gestão pública (153)
- Inflação, juros e taxa de câmbio (23)
- Infraestrutura e petróleo (46)
- Instituições (2)
- Instituições (6)
- Outros (18)
- Podcast (5)
- Proteção ambiental (6)
- Redução da pobreza e redistribuição da renda (25)
- Reformas estruturais (1)
- Reformas Estruturais (4)
- Regulação (77)
- Regulamentação (4)
- Relações de consumo (5)
- Relações econômicas com o exterior (14)
- Relações Internacionais (1)
- Relações Internacionais (1)
- Reproduções (67)
- Trabalho, salário e previdência (55)
Últimos artigos
- PIB brasileiro está mal internacionalmente, segundo o FMI
- Poupança cai e também estimula o PIB
- PIB seguirá estimulado em 2022, mas 2023 é outra história
- Renovando o Meio Ambiente e a Segurança nas Rodovias: O Programa Renovar
- Limitações ao Ajuste Fiscal pelo Lado da Receita
- Uma leitura a respeito da gestão imobiliária da União: O caso dos Fundos de Investimentos Imobiliário com o patrimônio da União
- Efeito Fim de Jogo nas Concessões de Eletricidade
- Estaria a saga da regulamentação do lobby no Brasil perto de seu fim?
- Emenda Constitucional nº 123, de 14.7.2022: Aspectos Fiscais e Orçamentários¹
- 5G: Conectando o Brasil com o Futuro
Machine Learning e Data Mining são áreas de estudo com indivíduos silenciosamente empenhados em ‘minerar’ dados em busca de padrões úteis que estão brincando em sites como o Kaggle.
Algumas instituições brasileiras e o mundo têm sido contaminados pelo conceito de ‘dados abertos’ como exemplo o site dados.gov.br que disponibiliza dados para pessoas interessadas porém são dados de pouca utilidade no combate a corrupção.
Fico feliz de saber que o TCU ( que me parece a frente nestes temas ) use desta nova área para buscar padrões de comportamento.
Um grande avanço seria disponibilizar dados mais abrangentes e hoje protegidos pelo interesse no anonimato (pelas forças da CF ou Corporativas) para o público que tenham este conhecimento procurar por pontos de corrupção ou ineficiências no setor público.
A questão do anonimato poderia ser resolvida com um tratamento adequado dos dados retirando ou mascarando informações privativas.
SOLUÇÃO usar inteligência artificial para combater a corrupção?
A SOMA DA MATEMÁTICA E REAL AOS VALORES!
as punições as corruptos tem que ser mais severas poiso dinheiro desviados da saúde por exemplo, deixa muitas pessoas sem atendimento pelo fato dos recursos serem desviados para partidos corruptos.
Belo texto, Thiago! Concordo com você que deveríamos utilizar mais inteligência na administração pública. A seleção de candidatos com experiência técnica seria coerente, ainda que para uma fração das vagas.