Por Ricardo Saponara, Líder de prevenção à fraude para América Latina no SAS
Pesquisa do Gartner mostra que 36% dos CIOs da área governamental planejam aumentar os investimentos em Inteligência Artificial e Machine Learning. No Brasil, o setor público entendeu que, ao examinar profundamente dados, é possível detectar problemas e descobrir novas soluções para desafios sociais que anteriormente pareciam intratáveis. Em meio às crescentes demandas por transparência tributária, o setor público tem trabalhado no desenvolvimento de plataformas sofisticadas de análise de dados para ajudar a aumentar a arrecadação de impostos, direcionar iniciativas e aumentar a eficiência de suas organizações.
Quando pensamos no Brasil, existe uma série de estruturas de impostos: sobre a renda, sobre o consumo e sobre a produção, entre outros. Nesse contexto, existem diversos órgãos envolvidos na cobrança, que são as Secretarias da Fazenda no âmbito municipal e estadual, além das estruturas de arrecadação federal. Eles precisam ser muito proativos no controle e na gestão de arrecadação de encargos, especialmente para buscar situações em que existe uma clara evasão fiscal – como nos casos em que se coloca mais carga dentro de um caminhão do que está descrito na nota, por exemplo. Além disso, há a elisão fiscal, que acontece dentro das regras da lei, mas com o máximo possível de manobras para se pagar menos impostos.
O que ocorre é que existe uma linha muito tênue entre a elisão e a evasão, na qual diferentes interpretações levam a uma situação onde ocorre a falta de pagamento de imposto. Neste caso, tanto a Secretaria da Fazenda quanto a Receita Federal ficam atentas para conseguir identificar brechas e cobrar o pagamento correto do imposto. Com isso, busca-se evitar um déficit fiscal no governo.
Existe grande necessidade de compartilhamento de informações de outros órgãos governamentais para com esse órgão, que é responsável pela identificação de falta de pagamento de impostos. Portanto, informações como a estrutura societária da empresa e seu histórico de venda é muito importante para que esse perfil seja traçado e anomalias sejam identificadas. Muitas Secretarias da Fazenda, em estados como Mato Grosso do Sul e Rio de Janeiro, além do Ministério da Economia, já investiram no uso de analytics e modelos de machine learning para este fim e estão obtendo ótimos resultados.
No entanto, é preciso reunir alguns elementos para que isso ocorra, e ter um orçamento previsto para essas atividades é um deles. Deste modo, é necessário saber quem exatamente são as pessoas envolvidas nessa análise e quais os processos, para que o uso de analytics e resultados sejam entregues com a maior clareza possível. Imagine quão fácil seria se, em vez de a Receita ter uma atitude mais reativa e esperar o nosso envio de informações para fazer o processo, pudesse elaborar previamente e proativamente grande parte da nossa declaração por já ter recebido as informações das empresas relacionadas à nossa vida financeira. Isso traria grandes eficiências para o próprio governo.
Apesar desta operação totalmente amparada por analytics ainda não ser uma realidade no setor público, estamos em um ponto de virada. Cada vez mais órgãos governamentais estão sendo pressionados para baixar impostos, ou pelos menos não criar novos impostos. E com o teto dos gastos, não podem gastar mais do que o previsto. Assim, o trabalho de arrecadação tem que ser otimizado, para que governos possam arrecadar o máximo possível de maneira justa.
Neste cenário, a análise avançada de dados é um grande aliado, que auxilia na estruturação para a atual evolução tributária que está sendo discutida. Para transformar algo, é importante ter um bom conhecimento de todas as variáveis de possibilidades. Quando falamos de impostos, analytics possibilita justamente isso.
Comentários