Inteligência artificial na auditoria interna, o que pode ser delegado e o que não exige julgamento humano?

"A inteligência artificial vem ganhando espaço nas rotinas de controle, análise de dados e monitoramento corporativo, mas ainda encontra limites claros quando entra no campo da auditoria interna. Um estudo publicado na Revista Enfoque: Reflexão Contábil, assinado por William Vinicius Marques Correa, Carla Bonato Marcolin e Fernanda da Silva Momo, buscou compreender por que certas tarefas são delegadas à inteligência artificial e outras continuam nas mãos dos auditores. O trabalho chama atenção por examinar esse processo a partir da teoria da dominância tecnológica, discutindo como experiência, confiança na ferramenta, estrutura da tarefa e necessidade de julgamento pesam nessa decisão.

A pesquisa adotou abordagem qualitativa, com entrevistas semiestruturadas realizadas com 13 profissionais de auditoria interna, de empresas de médio e grande porte, atuantes em setores como tecnologia, finanças, hospitalar, alimentos, comunicação, cooperativa e indústria. As entrevistas ocorreram no segundo semestre de 2022 e foram analisadas por meio de análise de conteúdo. A partir desse material, os autores chegaram a cinco grandes eixos de análise, conhecimentos específicos, julgamento e ceticismo profissional, erro e fraude, experiência do auditor e estrutura da tarefa.

Os resultados mostram que a delegação tende a avançar sobretudo em tarefas repetitivas, rotineiras e estruturadas, como análises documentais, conciliações, extração de bases, cruzamentos de dados, testes objetivos e monitoramentos contínuos. Nesse tipo de atividade, a inteligência artificial aparece como apoio relevante para reduzir esforço manual e liberar tempo do auditor para análises de maior valor agregado. A pesquisa indica que o ganho esperado está menos em substituir o auditor e mais em desloca-lo para atividades mais analíticas, estratégicas e consultivas.

O ponto de maior cautela aparece quando a tarefa envolve julgamento profissional e ceticismo, especialmente em situações relacionadas à detecção e prevenção de fraude. Segundo os entrevistados, esse tipo de atividade continua sendo visto como menos adequado à delegação, porque os modelos podem ter dificuldade para distinguir um erro não intencional de uma fraude propriamente dita. A inteligência artificial pode servir como apoio, indicar padrões, exceções e anomalias, mas a decisão final ainda depende da análise crítica do auditor.

Outro achado relevante está nas competências exigidas desse novo auditor. O estudo mostra que cresce a demanda por conhecimentos em lógica de programação, tecnologia da informação, fluxo de processos, bases de dados e funcionamento das ferramentas de IA. Os entrevistados também destacam habilidades como raciocínio lógico, postura questionadora e capacidade de compreender como o modelo chega ao resultado. Em outras palavras, não basta receber a resposta da ferramenta, é preciso entender o processo que a gerou e avaliar se ele faz sentido no contexto auditado.

A experiência profissional apareceu como fator relevante, mas de forma menos linear do que se poderia imaginar. O estudo indica que auditores mais experientes tendem a se sentir mais confortáveis em delegar tarefas menos complexas para a inteligência artificial, enquanto profissionais em início de carreira podem se sentir mais inclinados a confiar nos resultados da ferramenta sem questionamentos adicionais. Ao mesmo tempo, os autores identificam que a idade pode atuar como característica moderadora, já que profissionais mais velhos podem apresentar maior resistência ao uso dessas soluções, ainda que tenham experiência ampla na área.

A pesquisa também propõe uma leitura prática da delegação, organizando a atuação em três frentes, auditoria tradicional, auditoria contínua e ciência de dados. Nessa lógica, tarefas ligadas ao mapeamento de processos, avaliação de riscos e validação de controles continuam mais ligadas ao auditor tradicional. Já automações de testes e monitoramentos podem migrar para auditoria contínua. Modelos mais sofisticados, como predição de anomalias, transcrição de entrevistas, leitura automatizada de documentos e apoio na identificação de fraudes, entram no campo da ciência de dados.

Entre as barreiras para ampliar esse movimento, o artigo destaca custos de implementação, necessidade de capacitação, mudanças nos processos organizacionais e dificuldade de compreender como a IA toma decisões, sobretudo em aplicações mais críticas. Por isso, o estudo sugere que cursos de Contabilidade e programas de formação passem a incorporar com mais clareza conteúdos ligados a inteligência artificial, programação e análise de processos, aproximando a formação do auditor das exigências atuais do trabalho".

As informações e opiniões manifestadas nesta página são de inteira responsabilidade dos autores, e não necessariamente refletem posições do CRCPR ou são endossadas pela entidade.