O gasto do governo federal em 2016 ser\u00e1 de aproximadamente R$ 3 trilh\u00f5es. Parte desse dinheiro ir\u00e1 parar nos bolsos de corruptos, como resultado de compras superfaturadas, venda de favores e outros crimes. \u00c9 imposs\u00edvel fiscalizar centavo por centavo: s\u00e3o centenas de milhares de compras p\u00fablicas, pagamentos de sal\u00e1rios e repasses a ONGs. \u00c9 poss\u00edvel, por\u00e9m, automatizar o processo com o uso de intelig\u00eancia artificial (IA).<\/p>\n
O uso de IA faz parte do nosso cotidiano h\u00e1 algum tempo: a humanidade j\u00e1 se habituou a tradutores autom\u00e1ticos (como o Google Translate<\/em>) e a assistentes virtuais (como Siri<\/em> e Cortana<\/em>), por exemplo. Quando seu banco telefona e pergunta se foi voc\u00ea mesmo que comprou aquela passagem para Canc\u00fan isso acontece porque um algoritmo de IA disparou o alerta. M\u00e9dicos rotineiramente submetem imagens de bi\u00f3psias a aplicativos que dizem se h\u00e1 ali algum tumor maligno. Mais recentemente, a Uber botou em circula\u00e7\u00e3o em Pittsburgh, nos Estados Unidos, seus primeiros carros aut\u00f4nomos.<\/p>\n A l\u00f3gica de funcionamento \u00e9 a mesma na maioria dos casos: voc\u00ea “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 cont\u00e9m dados sobre cada compra no cart\u00e3o de cr\u00e9dito de cada cliente: data, hor\u00e1rio, local, valor e se a compra foi identificada como fraudulenta (digamos, com base em reclama\u00e7\u00e3o do cliente). Quando o banco submete essa base a um algoritmo de IA, o algoritmo identifica os padr\u00f5es e regularidades mais comumente associados \u00e0s compras fraudulentas: hor\u00e1rio, local, valor e quaisquer outras informa\u00e7\u00f5es que existam na base. Uma vez alimentado (no jarg\u00e3o da intelig\u00eancia artificial diz-se “treinado”), o algoritmo pode ser usado para identificar se novas compras s\u00e3o ou n\u00e3o fraudulentas.<\/p>\n Pois essa mesma l\u00f3gica vem sendo usada no combate \u00e0 corrup\u00e7\u00e3o. O Cadastro de Expuls\u00f5es da Administra\u00e7\u00e3o Federal (CEAF), por exemplo, cont\u00e9m dados sobre servidores punidos com perda do cargo. O Observat\u00f3rio da Despesa P\u00fablica (ODP) da Controladoria-Geral da Uni\u00e3o (CGU) usou um algoritmo de intelig\u00eancia artificial para identificar os padr\u00f5es mais comumente associados aos servidores expulsos: forma de ingresso no servi\u00e7o p\u00fablico (concurso ou cargo de confian\u00e7a), filia\u00e7\u00e3o partid\u00e1ria, se \u00e9 s\u00f3cio de empresa, etc. Com isso foi poss\u00edvel desenvolver um aplicativo que diz, para cada um dos 1,2 milh\u00e3o de servidores do Executivo federal, a probabilidade de esse servidor ser corrupto. Naturalmente trata-se apenas de uma probabilidade, n\u00e3o de uma certeza; n\u00e3o chegamos (ainda) ao mundo de Minority Report<\/em>. Mas a probabilidade \u00e9 um primeiro passo: no m\u00ednimo ajuda a decidir quais investiga\u00e7\u00f5es priorizar.<\/p>\n Outros \u00f3rg\u00e3os tamb\u00e9m v\u00eam usando IA no combate \u00e0 corrup\u00e7\u00e3o. A Receita Federal tem usado IA para detectar exporta\u00e7\u00f5es fict\u00edcias e pedidos fraudulentos de compensa\u00e7\u00e3o tribut\u00e1ria – o que, numa an\u00e1lise inicial, pode gerar R$ 16 bilh\u00f5es de arrecada\u00e7\u00e3o em multas e recolhimento de tributos devidos. O Banco do Brasil, por sua vez, tem usado IA para an\u00e1lise de cr\u00e9dito. O Minist\u00e9rio do Planejamento tem usado IA para identificar fraudes na folha de pagamentos do funcionalismo. A lista n\u00e3o se restringe ao Executivo federal: Legislativo e Judici\u00e1rio, bem como \u00f3rg\u00e3os estaduais e municipais, tamb\u00e9m t\u00eam explorado o potencial de IA.<\/p>\n Ainda h\u00e1 muito por fazer. O concurso p\u00fablico privilegia candidatos capazes de memorizar leis e regimentos internos; apenas acidentalmente selecionam-se candidatos capazes de usar ferramentas de IA. \u00c9 preciso recrutar melhor e, ao mesmo tempo, capacitar os j\u00e1 recrutados para que possam tirar proveito dessas ferramentas. \u00c9 preciso, ainda, facilitar a troca de dados entre diferentes \u00f3rg\u00e3os e eliminar retrabalho (hoje diferentes \u00f3rg\u00e3os gastam um tempo enorme limpando e carregando as mesmas bases). Mesmo com esses obst\u00e1culos, por\u00e9m, o potencial de IA \u00e9 imenso na administra\u00e7\u00e3o p\u00fablica.<\/p>\n <\/p>\n (Para os interessados em saber quem est\u00e1 fazendo o qu\u00ea onde, um bom come\u00e7o \u00e9 assistir as duas edi\u00e7\u00f5es do Semin\u00e1rio sobre An\u00e1lise de Dados na Administra\u00e7\u00e3o P\u00fablica, ocorridas em 2015 e 2016 e dispon\u00edveis no canal do Tribunal de Contas da Uni\u00e3o (TCU) no <\/em>Youtube<\/em><\/a>).<\/p>\n <\/p>\n Download:<\/strong><\/p>\n