Escolar Documentos
Profissional Documentos
Cultura Documentos
TCU https://portal.tce.go.gov.br/-/tcu-tambem-mostra-suas-solucoes-de-ia
ZELLO – para controle social é um assistente que conversa com o cidadão respondendo perguntas
SOFIA – Auxilia na instrução de processos de controle externo, apontando erros nos textos e sugerindo correlações
de informações, listando informações por CPF ou CNPJ
INSTRUÇÃO ASSISTIDA DO CONJUR – Com gerador de textos e construtor de argumentações em teses jurídicas
AGU – SAPIENS
STF – VICTOR
TCU: ALICE
CNJ/TJRO: SINAPSES
Esses são os que conheço melhor e posso recomendar com maior facilidade.
Outra boa fonte de palestrantes nessa área seriam os Seminários sobre Análise de Dados na Administração Pública,
que organizamos anualmente: http://www.brasildigital.gov.br/<http://www.brasildigital.gov.br/brasil-digital/o-
evento/>. Veja em especial a programação do ano passado, na 5º edição do
seminário: http://www.brasildigital.gov.br/brasil-digital/programa/ Lembrando que esses possuem um perfil mais
técnico em ciência de dados que os apresentadores da Semana de Inovação.
Erick Muzart
Link do Vídeo “Live apresentação curso ML Projetos” , no qual o Professor Erick Muzart apresenta,
resumidamente, seu currículo e os projetos de Ensino, nos quais ele está envolvido:
https://www.youtube.com/watch?v=BiyMPMLWE_I&t=603s
Seminário de Inteligência Artificial Aplicada: autoML e NLP (Um dos vídeos do Canal do Professor Erick
Muzart. Ele foi um dos organizadores do Evento):
https://www.youtube.com/watch?v=5f5J8ZFAN2o
Mais um link com Painel de Debate com o Professor Erick e com o Professor Fernando Melo do Senado
Federal :
https://www.youtube.com/watch?v=pHxbO-nNmNo
https://agenciabrasil.ebc.com.br/geral/noticia/2018-08/orgaos-publicos-usam-inteligencia-artificial-para-combater-
corrupcao
TCU
O Tribunal de Contas da União (TCU) também incorporou um sistema de inteligência artificial nas suas atividades de
controle, denominado Alice. Segundo Edans Sandes, integrante da equipe que opera o recurso no tribunal, o
recurso foi implantado como forma de buscar cobrir o grande universo de licitações e contratos, frente a um quadro
de insuficiência de recursos humanos do órgão.
CGU
A equipe da CGU repassou dados de servidores, incluindo casos antigos de funcionários condenados ou
punidos por irregularidades. Um dos envolvidos no projeto, Thiago Mazagão, explicou que são listados
determinados critérios, como a possibilidade de filiação a partidos ou a participação na sociedade com
empresas.
Contudo, Mazagão negou que o sistema promova alguma forma de discriminação e afirmou que ele não
toma decisão, mas faz indicações a partir de uma espécie de filtro para que os casos mapeados sejam
examinados pelos auditores do órgão.
2
“Não é porque se filiou que vai cair na malha fina. Essa ferramenta não diz para gente quem é corrupto,
mas quem deve ser olhado com mais carinho, e quem não precisa ser olhado com mais carinho. Ninguém
está sendo julgado, mas para direcionar o olhar do auditor. É uma ferramenta de priorização”,
argumentou.
Entretanto, o representante da CGU disse que os critérios adotados na análise não são tornados públicos.
Ele justificou que a decisão foi pensada para evitar que agentes possam burlar o sistema por identificar
seus parâmetros.
AINDA CGU
https://blogs.iadb.org/brasil/pt-br/por-que-implementar-inteligencia-artificial-no-setor-publico-a-visao-
de-um-empreendedor/
AINDA CGU
A partir daí, segundo a CGU, os desenvolvedores trabalham no sistema de inteligência artificial listando
determinados critérios, como a possibilidade de filiação a partidos ou a participação na sociedade com
empresas, e os classificam como critérios de atenção. A ideia é que os critérios adotados na análise não
sejam tornados públicos, de modo a evitar que agentes possam burlar o sistema por identificar seus
parâmetros.
https://irbcontas.org.br/artigo/inteligencia-artificial-no-setor-publico-ficcao-ou-realidade/
http://participa.br/estrategia-brasileira-de-inteligencia-artificial/estrategia-brasileira-de-inteligencia-
artificial-aplicacao-no-poder-publico
Fato é que hoje há muitas soluções de IA restrita em uso em várias empresas e até em órgãos públicos.
Nos órgãos de controle, a matéria do Instituto Rui Barbosa cita alguns exemplos na matéria “Uso de robôs
pelos Tribunais de Contas“, como o chatbot de atendimento do TCESP. Na página da consulta pública sobre
IA há vários outros exemplos de uso de IA em órgãos públicos, como os robôs Alice, Monica e Sofia do TCU;
Bem-te-vi do TST; Victor do STF; Elis do TJPE.
Uma iniciativa digna de nota é que no âmbito do Comitê de Tecnologia, Governança e Segurança da
Informação dos Tribunais de Contas foi criado um grupo de trabalho específico para tratar do tema
Inteligência Artificial. O objetivo desse grupo de trabalho é identificar oportunidades de uso da IA e
compartilhar soluções que já estejam em uso, como já vem acontecendo com o robô Alice do TCU/CGU,
que já está em uso em vários Tribunais de Contas estaduais .
https://www12.senado.leg.br/noticias/materias/2019/08/21/setor-publico-deve-aprimorar-uso-de-
inteligencia-artificial-avaliam-debatedores
3
pesquisador de inteligência artificial, Ricardo Vieira de Carvalho Fernandes,
CGU
Especialista em Políticas Públicas e Gestão Governamental, Thiago Veiga Marzagão explicou que a
tecnologia de inteligência artificial já é usada pela Controladoria Geral da União (CGU), por meio do
projeto Malha Fina de Convênios, que analisa repasses da União a estados, municípios e algumas entidades
privadas.
Ele contou que há mais de 15 mil prestações de contas referentes a convênios pendentes de análise no órgão,
algumas potencialmente irregulares, que envolvem mais de R$ 17 bilhões. Antes do programa, 44 mil
prestações de contas já haviam sido analisadas manualmente. O especialista disse que o novo modelo
tecnológico está tendo um acerto razoável, dando segurança para aplicação prática na CGU.
SISTEMAS AUTONOMOS
SERPRO
https://www.serpro.gov.br/menu/noticias/noticias-2019/serpro-investe-inteligencia-artificial
4
Observatório Legislativo
O líder técnico do desenvolvimento em IA do projeto no Serpro, Marcelo Pita, explica que “o software
coleta novas proposições legislativas e, usando técnicas de IA, no domínio de processamento de
linguagem natural, indica quais delas são do interesse da STN, as similares já analisadas pelo órgão,
os seus assuntos dominantes e, ainda, as coordenações do Tesouro mais adequadas para tratá-las”.
“Desenvolvemos mais de uma dezena de modelos de IA usando diferentes paradigmas de
aprendizagem de máquina, todos integrados com rotinas que acessam APIs da Câmara, Senado e
STN. Sistemas inteligentes efetivos, a exemplo do Observatório Legislativo, dependem
fundamentalmente de dados de qualidade para serem treinados. Desafio esse que foi superado com a
excelente interação e colaboração das equipes do STN e Serpro”, revela.
O desenvolvimento do sistema inteligente Observatório Legislativo envolveu diversas áreas do
Serpro, como o Centro de Excelência em IA e Analytics da Superintendência de Soluções Analíticas e
Inteligência Artificial, o Domínio Finanças Públicas da Superintendência de Digitalização de Governo,
a Superintendência de Relacionamento com Clientes Econômico Fazendário e a Superintendência de
Estratégia Comercial e Entrega. "O modelo colaborativo de trabalho entre os times técnicos mostrou-
se exitoso e habilitou o time de desenvolvimento deste domínio a manter, evoluir e construir novas
soluções de inteligência artificial para o Tesouro Nacional", enfatiza o líder da equipe de
desenvolvimento do Domínio Finanças Públicas, Germano Monge.
Novas funcionalidades
A STN já vislumbra novas funcionalidades para o Observatório Legislativo, conforme salienta a
auditora federal de Finanças e Controle da STN, Ana Cristina Bittar de Oliveira. “Dentro da visão
estratégica do Tesouro, o Observatório Legislativo se insere num objetivo mais amplo voltado para a
efetividade da atuação da Secretaria na análise das proposições legais e normativas. Com essa
visão, a coleta ativa de proposições deve ser associada a novas funcionalidades, como a
classificação das matérias, conforme o impacto fiscal, trazendo critérios de materialidade às
priorizações, e à probabilidade de efetiva conversão das matérias em normas legais ao longo do
tempo. Entendemos que essas funcionalidades também podem atingir excelentes resultados com
base na ciência de dados, com a utilização de mecanismos de inteligência artificial, machine learning,
big data, entre outros”, ressalta.
Para o gerente de negócios de Soluções para Gestão de Finanças Públicas do Serpro, Alexandre
Magno de Vasconcelos, a solução além de inovadora, por aplicar IA na classificação e análise das
matérias que envolvem impacto fiscal, é passível de ser expandida para outros órgãos do Governo
Federal. “Sobretudo no contexto pós-pandemia, que, com certeza, demandará maior eficiência nas
etapas de planejamento e análise de risco fiscal do gasto público na implementação de políticas para
a retomada do crescimento econômico do país”, destaca.
5
RECEITA FEDERAL DO BRASIL
https://www.serpro.gov.br/menu/noticias/noticias-antigas/a-receita-federal-testa-um-sistema-de-inteligencia-
artificial#:~:text=T%C3%A9cnicos%20da%20Receita%20Federal%20desenvolvem%20um%20sistema
%20de%20intelig%C3%AAncia%20artificial.&text=Parte%20do%20sistema%20roda%20nos,bancos
%20de%20dados%20do%20Serpro.
VICTOR ALMEIDA
Técnicos da Receita Federal desenvolvem um sistema de inteligência artificial. Por enquanto, explica Vitor
Almeida, coordenador-geral de tecnologia e segurança da Receita, o sistema roda num ambiente que
simula as operações da alfândega.
Quando estiver pronto, contudo, ele será usado nos postos de alfândega para pegar fraudes de
importação e exportação. “Começamos pela aduana por causa do volume de materiais e de fraudes,
e porque é uma área importante para o país”.
Os técnicos trabalham no sistema há dois anos, quando montaram um grupo de trabalho com
técnicos de universidades e outros parceiros para estudar o conceito de inteligência artificial. Em
2007, o sistema começou a funcionar no ambiente de teste. Parte do sistema roda nos servidores
do Serpro, pois ele precisa buscar dados em bancos de dados do Serpro. Quando os testes
terminarem, a Receita escolherá um posto para homologar o sistema na prática.
http://intra.serpro.gov.br/noticias/receita-federal-implanta-com-apoio-do-serpro-primeiros-modulos-do-
software-de-inteligencia-artificial
Estes aplicativos são parte do Projeto Harpia, concebido pela Receita para combater a
sonegação fiscal no país. A ferramenta auxilia os fiscais na identificação de possíveis
fraudes. Segundo o coordenador-geral de tecnologia e segurança da RFB, Vitor Almeida,
o Harpia iniciou sua atuação na aduana devido ao volume de materiais e de fraudes, e
também pela importância desta área para o país, cada vez maior, devido ao processo de
globalização.
6
funcionará como os sistemas de avaliação de risco das operadoras de cartão de crédito:
quando o sistema identifica uma transação atípica, ele bloqueia o cartão e emite um
alarme para os funcionários da operadora.
https://rayaconsult.com.br/inteligencia-artificial-na-rfb/
Como exemplo inicial, temos uma tecnologia desenvolvida pela RFB, que é utilizada
atualmente em escala nacional, o SISAM (Sistema de Seleção Aduaneira por
Aprendizado de Máquina).
Além do Sisam, a alfândega brasileira conta com o Aniita. Essa tecnologia apresenta todas as informações
que são relevantes para o desembaraço aduaneiro. o ANIITA
Este sistema demonstra diversos fatores de risco nas declarações de exportação e importação, remessa
postal e courier expresso.
A fim de analisar imagens digitalizadas de containers, a RFB contará com o sistema ANJA.
O ANJA está sendo desenvolvido no Porto de Santos, com apoio do Laboratório de Inovação do Estado de
São Paulo (Labin08) da RFB.
7
Ele coleta imagens resultantes e as associa às declarações, disponibilizando as imagens aos funcionários
aduaneiros.
No momento, estão desenvolvendo 3 modelos: para detectar drogas, armas e para classificação de
mercadorias do SH.
O Document Missmatch Detectot (BatDoc) é uma inteligência artificial da RFB que busca informações
incompatíveis entre as declarações de importação e documentos auxiliares. Dentre esses documentos estão,
por exemplo, faturas e listas de materiais.
Essa ferramenta tem como objetivo, primordialmente, detectar divergências em endereços, preços, nomes de
empresas, quantidades, entre outros.
A tecnologia Iris contém uma lista predefinida de passageiros associados ao tráfico de drogas, contrabando,
entre outros. Caso um passageiro esteja na lista, provavelmente, será inspecionado.
Já o módulo Vivii, por sua vez, está ainda em fase de desenvolvimento no aeroporto Viracopos, com apoio
do Labin08.
Esse sistema foi criado a fim de analisar rotas de viagem para identificar divergências entre os endereços de
passageiros e as origens e destinos mais comuns dos que forem pegos utilizando drogas.
Ao longo do tempo a relevância do CPF foi aumentando. Por conseguinte, também cresceram os riscos de
ataques à integridade do banco de dados.
Dessa forma, a RFB investiu em um sistema que está em desenvolvimento no Labin03 para detectar
automaticamente fraudes na emissão do CPF.
A RFB já observou que essa tecnologia pode ser muito útil tanto para o público interno como o externo.
Contudo, os ChatBots que podem ser viáveis para RFB dependem da integração com outros sistemas. Se,
por exemplo, um contribuinte questionar sobre os seus débitos pessoais. Isso precisa ser analisado em
diversos bancos de dados da RFB.
8
Como esses sistemas são inúmeros, e ainda, muitos não possuem APIs projetados para ser utilizados em
outros sistemas, acredita-se que essas integrações serão a parte mais complexa no desenvolvimento dessa
inteligência artificial na RFB.
A inteligência artificial na RFB também tem sido útil para acelerar processos administrativos antigos e
novos.
Vale ressaltar que esses dois grupos são extremamente distintos. Dessa forma, precisam de medidas
diferentes.
Atualmente, os contribuintes já utilizam o e-Defesa, que lista diversos argumentos comuns. Contudo, a RFB
busca uma nova abordagem com o intuito de revelar novos argumentos que ainda não foram listados.
Esse sistema foi iniciado no Labin08, que preparou um conjunto de dados ofuscados que possuem relação
com as solicitações de reembolso. Os dados foram disponibilizados para todos os funcionários da RFB.
Os rótulos foram removidos de algumas linhas de conjuntos, a fim de que os participantes previssem os
rótulos removidos. Aqueles que se aproximarem das respostas corretas, receberão um prêmio.
Depois que a RFB recebe as declarações de imposto de renda, uma pré-seleção simples para auditoria é
aplicada aos contribuintes.
Esses contribuintes são agrupados e consideram-se testes estatísticos que liberam os contribuintes de menor
risco.
Todavia, vale ressaltar que o processo tem algumas etapas manuais, as quais deixam-no mais lento.
Sendo assim, a inteligência artificial na RFB tornar o processo totalmente automático. Por isso, os esforços
estão se concentrando em mudar o sistema utilizando técnicas de IA mais sofisticadas.
Espera-se que todos os dados que a RFB tem acesso estejam disponíveis nesse data lake.
9
O sistema ContÁgil é um instrumento de recuperação e análise de dados. Foi desenvolvido pela Secretaria
Especial da Receita Federal do Brasil.
O ContÁgil, que oferece centenas de recursos, é distribuído também para as administrações tributárias
estaduais e é utilizado pela força-tarefa da Operação Lava-Jato.
Ademais, o ContÁgil atua em outros sistemas conhecidos na RFB, como por exemplo, o Farol, que
automatiza tarefas repetitivas de acesso aos sistemas da RFB. Ele funciona por meio de simulação de um
usuário humano muito rápido. Desse modo, executa frequentemente em uma hora, uma tarefa que levaria
semanas.
A RFB também desenvolveu um simulador de estratégias de seleção para auditorias, as quais criam um
ambiente virtual em que os contribuintes decidem sonegar ou não impostos. Isso ocorre de acordo com a
probabilidade de serem auditados.
Essa estimativa é combinada com a vantagem financeira que terão, se evitarem seus impostos e não forem
selecionados para auditoria. Levando em conta ainda, as perdas financeiras que sofrerão, caso sejam
auditados e punidos.
Conforme mais positiva for, maior a possibilidade de um contribuinte sofre evasão fiscal.
Certamente, todos esses projetos e ações visam facilitar e acelerar os processos que envolvem a Receita
Federal do Brasil.
O que você achou dessas propostas? Já conhecia todas elas? Conte para nós!
2019
https://rayaconsult.com.br/voce-sabe-quais-ferramentas-da-receita-federal-sao-usadas-
para-analisar-a-sua-importacao/
RECEITA FEDERAL
APRENDIZAGEM DE MÁQUINAS
10
A ferramenta de inteligência artificial (IA) é chamada SISAM, um acrônimo em português para “Sistema
de Seleção Aduaneira por Aprendizado de Máquina” em inglês. Esta ferramenta informatizada está em
uso desde agosto de 2014 para avaliar o risco das importações. Ele funciona 24/7 em um dos data centers do
governo brasileiro.
Assim, a ferramenta de IA “aprende” a partir do histórico das declarações de importação, tanto por meio de
aprendizado supervisionado quanto não supervisionado – duas maneiras pelas quais as máquinas
(algoritmos) podem em um conjunto de dados aprender algo útil com elas.
Dessa forma, para este “treinamento”, declarações de importação que foram inspecionadas por funcionários
da alfândega são usadas para identificar correlações diretas entre a presença ou ausência de erros e os
padrões compostos pelos atributos da declaração, tais como:
Identificador do importador;
Classificação de atividade econômica nacional do importador (o código que define a atividade de
produção de uma empresa);
Os códigos de nomenclatura das mercadorias importadas;
Os países envolvidos na produção;
A comercialização e transporte dos bens;
O despachante aduaneiro que registrou a declaração;
Pedido de concessão tarifária;
Os fabricantes e fornecedores das mercadorias.
As declarações de importação que foram liberadas sem serem inspecionadas são usadas para aprendizado
não supervisionado e levam à identificação de padrões típicos e atípicos. O principal exemplo deste processo
de detecção envolve incompatibilidades entre a descrição de linguagem natural das mercadorias e seus
códigos de nomenclatura declarados.
Assim, bens que são “inesperados” para uma empresa com um determinado código de atividade econômica
e bens que são comprados de fornecedores ou fabricantes que normalmente não vendem os mesmos bens
para outros importadores brasileiros também chamam a atenção.
Os recursos de aprendizado supervisionados e não supervisionados do SISAM não são realmente separados.
Ambos emergem dos mesmos modelos probabilísticos e compartilham a mesma base de conhecimento, que
contém dados associados a 8,5 bilhões de padrões diferentes. Para os dados relacionados a um produto
individual (item) de cada declaração de importação registrada, o SISAM estima a probabilidade de cerca de
30 tipos de erros.
Esses erros incluem descrições falsas de mercadorias, erros nos códigos de nomenclatura, erros nos países
de origem declarados, licenças de importação ausentes, regimes fiscais não aplicáveis, tarifas preferenciais
erradas e alegações “ex-tarifárias” (um sistema que permite às empresas brasileiras reduzir sua carga
tributária na importação de máquinas, equipamentos ou peças onde a produção nacional é incapaz de
substituí-los) e simplesmente o uso de taxas erradas para o cálculo do imposto de importação, imposto sobre
produtos manufaturados, contribuições sociais e direitos antidumping.
Para cada valor de atributo que poderia estar errado em um item, o SISAM estima a probabilidade de todos
os valores alternativos e avalia as consequências desses valores para impostos e requisitos administrativos.
Com isso, o SISAM calcula a expectativa de retorno de todas as inspeções possíveis durante o processo de
liberação alfandegária. Essas expectativas são usadas mais tarde para “alimentar” as teorias de decisão e
jogo, ambas apoiando o mecanismo de seleção da SISAM.
11
O SISAM tem a capacidade de explicar, em “linguagem natural” (o nome usado para se referir à linguagem
humana no campo da IA), as razões por trás da seleção de uma remessa de carga e fornecer detalhes sobre
como ela calculou as probabilidades de risco.
Essas explicações permitem que os funcionários da alfândega avaliem a análise do sistema e ignorem sua
recomendação ou sigam a mesma. Embora os oficiais tomem a decisão final de inspecionar ou não, eles se
beneficiam da capacidade do sistema de encontrar infrações que certamente seriam perdidas entre as
milhares de declarações de importação.
A base de conhecimento do SISAM pode ser atualizada de forma incremental, permitindo que ele aprenda
com novas declarações de importação todos os dias sem ser treinado novamente.
O processo de aprendizado também pode ser distribuído para várias máquinas e as bases de conhecimento
resultantes podem ser somadas posteriormente.
A base de conhecimento do SISAM permite até que as informações sejam separadas de outras informações:
por exemplo, a avaliação do comportamento de um importador em relação à todas as informações na base,
exceto pelas informações fornecidas pelo próprio importador.
Desta forma, o SISAM evita ser induzido por um importador para a conclusão de que um certo
comportamento está correto apenas porque é recorrente.
O SISAM também tem os recursos para lidar com “classes mutantes”, ou seja, classes-alvo cujas definições
podem mudar, o que é atípico para sistemas de aprendizado supervisionado, mas é necessário, pois as regras
para classificação de mercadorias são frequentemente alteradas. Se, por exemplo, um código de
nomenclatura é dividido em dois, por algum tempo, os dados nos códigos recém-criados serão escassos.
O SISAM pode usar os dados antigos e abundantes para separar dois novos códigos de nomenclatura dos
outros 10.000 códigos na tabela de nomenclatura e usar muito menos dados para separar os dois códigos uns
dos outros, obtendo assim um bom desempenho mais rápido.
Ao analisar qualquer declaração de importação que tenha acabado de ser registrada, o SISAM considera o
fato de que os padrões de comportamento mudam com o tempo.
O sistema também é frequentemente solicitado a analisar declarações antigas de importação, pois elas
podem ser revisadas após o desembaraço aduaneiro. Qualquer análise de declaração de importação é feita
levando-se em consideração as tendências predominantes em sua data de registro exata.
Durante as primeiras apresentações do SISAM aos funcionários da alfândega, que ocorreram quando o
sistema ainda estava em desenvolvimento, houve mais resistência do que empolgação, embora os testes
realizados já tenham comprovado sua eficiência.
No entanto, a atitude dos fiscais mudou depois que de receber o feedback do sistema, explicando o
raciocínio por trás de suas sugestões de seleção.
Afinal, após treinamento adequado, os funcionários receberam bem o sistema e, hoje, a decisão de verificar
uma transação baseia-se nas sugestões do SISAM em 30% do tempo.
Enfim, descrições mais detalhadas sobre as inovações técnicas que permitiram o desenvolvimento do
SISAM, incluindo resultados estatísticos que demonstram a precisão de suas previsões e exemplos das
explicações em linguagem natural que ele gera, estão disponíveis on-line 1,2.
12
https://www.convergenciadigital.com.br/cgi/cgilua.exe/sys/start.htm?
UserActiveTemplate=site&infoid=49309&sid=11
A Controladoria-Geral da União apresentou nesta semana um novo sistema que se vale do aprendizado de
máquina na fiscalização das contas públicas. Depois dos robôs que indicam a probabilidade de corrupção no
serviço público, de riscos de contratação de fornecedores e da análise de endereços de fornecedores, a nova
solução faz análise automatizada das prestações de conta em transferências voluntárias da União.
“Com base nas características de cada convênio ou contrato de repasse, a ferramenta reconhece padrões e
permite prever, com elevado grau de precisão, o resultado da análise de contas, no caso de avaliação manual
por servidores dos órgãos federais concedentes”, explica a CGU.
Trata-se, na prática, de um sistema de ‘malha fina de convênios’, que se vale de algoritmos e se baseia numa
nota de risco para medir a probabilidade de aprovação ou reprovação das contas dos instrumentos firmados no
Sistema de Gestão de Convênios e Contratos de Repasse (Siconv).
A metodologia combina a emissão de alertas gerados nas trilhas de auditoria aplicadas pela CGU, na busca por
padrões pré-definidos de indícios de impropriedades ou irregularidades, as quais são classificadas em três
categorias: descumprimento de norma; conflito de interesse; e falhas na execução financeira, a exemplo de
pagamentos a fornecedores fora da vigência do convênio.
O objetivo é tornar a prestação de contas mais célere e reduzir o estoque de termos em atraso. Segundo a
CGU, desde 2008, foram firmados com estados, municípios e Distrito Federal quase 150 mil instrumentos
(convênios, acordos, ajustes e similares) para realização de obras, serviços ou bens de interesse público, em
montante que ultrapassa R$ 100 bilhões.
Atualmente a prestação de contas supera 2,2 anos para obras e 2,8 anos para bens e serviços. Com a
inovação, estima-se um benefício imediato de aproximadamente R$ 114 milhões decorrentes da redução dos
custos administrativos relacionados à análise do passivo existente.
SENADO FEDERAL
https://www12.senado.leg.br/institucional/pos-graduacao/destaques/software-de-inteligencia-artificial-
faz-triagem-de-pedidos-a-consultoria-legislativa
SOFTWARE DE INTELIGÊNCIA ARTIFICIAL FAZ TRIAGEM DE PEDIDOS À CONSULTORIA LEGISLATIVA
Um software de Inteligência Artificial (IA) que faz a triagem inicial das solicitações de serviço que
chegam à Consultoria Legislativa (Conleg) foi apresentado na quinta-feira (19/12) no evento
Conversando Tecnologia, realizado na Secretaria de Tecnologia da Informação (Prodasen). A
ferramenta, prevista para entrar em operação em fevereiro de 2020, foi desenvolvida por
colaboradores do Senado que formam o Grupo de Estudo e Pesquisa Acadêmica da Área de
Tecnologia da Informação (GEPA/TI).
Por semana, centenas de solicitações de serviço chegam à Conleg, que as direciona para três grandes
núcleos: Social, Direito e Economia. O software desenvolvido pelo GEPA analisa a ementa da
solicitação para definir, em termos percentuais, para qual núcleo a solicitação está mais relacionada.
Para tanto, a ferramenta faz uso do ULMFit, um método de processamento de textos por IA surgido
em maio do ano passado nos meios acadêmicos dos Estados Unidos.
Conforme Fernando Melo, servidor da Quarta Secretaria e participante do GEPA, esse método
revolucionou a forma como a IA pode ser utilizada, oferecendo uma metodologia muito mais
operacional.
Segundo João Alberto Lima, facilitador do GEPA, a intenção do grupo foi trabalhar com propostas
exequíveis, a fim de em etapas futuras migrar para projetos mais ambiciosos. Ele ressaltou que
avanços recentes permitiram que a IA deixasse de ser apenas uma possibilidade para agora entregar
resultados práticos com mais frequência.
— O grupo de pesquisa permite fazer essa integração entre o meio acadêmico e a atividade
legislativa, resultando em benefícios para as duas áreas —, argumentou João Alberto, que é chefe do
Serviço de Soluções para Informação Legislativa e Jurídica (Seleju), da Coordenação de Informática
Legislativa e Parlamentar (Colep).
Iniciativa
14
A reunião do Conversando Tecnologia contou com a presença de representantes do Prodasen, Conleg,
Serviço de Informação Legislativa (Sinfleg), Câmara dos Deputados, Tribunal de Contas da União,
Tribunal Superior do Trabalho, Agência Nacional de Aviação Civil e Presidência da República. Presente
ao evento, o diretor do Prodasen, Alessandro Albuquerque, elogiou a iniciativa dos servidores em
investirem esforços em IA.
— É um setor que passa por grande evolução nos últimos anos e cada vez mais está presente no dia a
dia das pessoas e também no Poder Legislativo — afirmou Alessandro.
O GEPA foi instituído por processo seletivo do edital nº 9/2018, da Coordenação de Educação
Superior (Coesup), do Instituto Legislativo Brasileiro (ILB). O grupo de pesquisa é formado por
servidores do Prodasen, de gabinetes parlamentares, da Quarta Secretaria e da Câmara dos
Deputados.
Portais
Institucional
Senadores
Atividade Legislativa
Notícias
Publicação e Documentação
Orçamento
Transparência
e-Cidadania
Acesso Rápido
Assessoria de Imprensa
Credenciamento de Jornalistas
Educação a distância
Jovem Senador
Procuradoria da Mulher
Programa de Estágio
Programa Interlegis
Visite o Senado
Fale co
https://www.camara.leg.br/assessoria-de-imprensa/568452-consultoria-legislativa-da-camara-utiliza-
inteligencia-artificial-para-agilizar-trabalhos/
Agosto 2019
A Consultoria Legislativa (Conle) da Câmara dos Deputados iniciou neste ano o uso do
Ulysses, inteligência artificial (IA) da Câmara dos Deputados, como segunda opção para
distribuição de algumas tarefas do órgão. Projetado para atender, inicialmente, o Portal
15
da Câmara e sistemas legislativos, o Ulysses é o primeiro conjunto de serviços de IA
idealizado pela Diretoria de Inovação e Tecnologia da Informação (Ditec). Em apenas
um mês de uso na Conle, o software já apresenta resultados satisfatórios e atende às
expectativas.
Como funciona
O deputado que necessita de auxílio legislativo para elaborar propostas e discursos ou
precisa de opiniões terceiras, pode solicitar a demanda junto à Conle. Após recebido, os
consultores avaliam o pedido e o encaminham a uma das 22 áreas de conhecimento do
órgão. Devido à crescente complexidade de demandas e interdisciplinaridade dos
temas, um dos problemas que devem ser evitados é a má alocação dos assuntos. É
nesse cenário que o Ulysses contribui para aprimorar e agilizar os trabalhos da Casa.
O software estudou a distribuição de trabalhos desde 2003, tendo como base cerca de
300 mil pedidos. O Ulysses auxilia essa distribuição entre as áreas de conhecimento da
Conle, diminuindo o esforço humano nessa tarefa repetitiva e possibilitando que os
profissionais dediquem mais tempo à análise e produção dos resultados esperados
pelos parlamentares. A expectativa de aprimoramento é alta e, gradualmente, o Ulysses
auxiliará ainda mais a Consultoria.........
https://www.bb.com.br/pbb/pagina-inicial/imprensa/n/57281/bb-lanca-transacoes-bancarias-com-inteligencia-
artificial-pelo-messenger-do-facebook#/
BANCO DO BRASIL
Solução dispensa necessidade de acessar a conta pelo internet banking ou aplicativo mobile
A solução será iniciada em projeto piloto com cerca de mil clientes e um grupo de
funcionários. Inicialmente, estão disponíveis consulta de extrato da conta corrente e
informações sobre cartão de crédito, como: fatura, solicitação de 2ª via e liberação
para uso do plástico. Nesta fase, em que as transações em teste envolvem
assuntos relacionados às transações com cartões Ourocard, o BB conta com o
apoio da Visa.
Nos próximos dias, as consultas de saldo e extrato da poupança, assim como o extrato
de fundos de investimento também estarão disponíveis. Tudo isso sem necessidade
de acessar a conta pelo Internet banking ou aplicativo mobile. O BB prevê a abertura
da ferramenta para todos os clientes após a fase de teste.
O diretor de tecnologia do BB, Gustavo Fosse, mira a maior conveniência aos clientes
como o principal ganho, “a grande novidade da iniciativa é oferecer os nossos serviços
ao cliente na interface de preferência dele, sem necessidade de ir até um ambiente do
banco. Nosso objetivo é levar ainda mais facilidade, com relacionamento baseado na
inovação, confiança e promovendo a facilidade de acesso”, disse Fosse.
O atendimento é feito por meio do assistente virtual do banco, que já funciona para
tirar dúvidas de clientes por chatbot no Messenger do Facebook também por meio do
Watson, a plataforma de inteligência artificial para negócios da IBM na nuvem. Agora,
com a possibilidade de realizar transações bancárias, a estratégia do banco para o
futuro prevê o aprimoramento cada vez maior das respostas via inteligência artificial e
a integração das interações com os sistemas de informação BB. A ideia é prestar um
atendimento completo, personalizado e que antecipe as necessidades dos clientes.
De lá pra cá, foram mais de 500 mil Interações e cerca de 60 mil clientes respondidos
com informações sobre os mais diversos temas, como: atendimento, cartão, conta
corrente, investimentos, linhas de crédito, solução de dividas, programa de
17
relacionamento e câmbio.
A interação pelo chatbot representa 70% dos atendimentos feitos pelo BB na rede
social. Quando é necessário algum tipo de interação humana, o atendimento é
encaminhado para funcionários do banco.
Desde outubro, o chatbot foi ampliado para os sistemas próprios do BB e migrou para
o app BB no mobile. Em dezembro foi a vez do Internet Banking para interações com
clientes sobre módulo de segurança e bloqueio de senha.
https://www.bb.com.br/pbb/pagina-inicial/voce/produtos-e-servicos/investimentos/robo-
advisor#/
Conheça o Robô Advisor BB, o seu especialista de bolso.
Fazer a gestão das reservas financeiras pode ser um assunto complicado pra muita gente. Mas o
Banco do Brasil te ajuda com isso! No app BB, você organiza seus investimentos de acordo com
seus objetivos, acompanha a rentabilidade, faz novas aplicações, tudo muito fácil.
O Robô Advisor do BB é uma inteligência artificial que junta informações sobre você, com as
tendências do mercado e da economia, para construir uma carteira de investimentos
personalizada para os seus objetivos.
https://www.bb.com.br/pbb/pagina-inicial/imprensa/n/60290/Banco%20do%20Brasil
%20inaugura%20Escola%20de%20Rob%C3%B4#/
O Banco do Brasil foi a primeira instituição financeira a realizar atendimento com chatbot
nas redes sociais, quando passou a atender pelo Facebook Messenger em fevereiro de 2018.
Um ano depois, veio o atendimento pelo WhatsApp. Agora, o BB amplia a sua estrutura de
curadoria de conteúdo para o chatbot. Chamado de Escola de Robô, o local abriga 50
funcionários, em São Paulo, que ensinam o assistente virtual a responder aos pedidos e
dúvidas de clientes e usuários. Isso também vale para o público interno.
18
Artigo: Inteligência artificial a serviço do mundo financeiro
https://www.bb.com.br/pbb/pagina-inicial/imprensa/n/52821/Artigo:%20Intelig%C3%AAncia
%20artificial%20a%20servi%C3%A7o%20do%20mundo%20financeiro#/
BANCO CENTRAL
https://epocanegocios.globo.com/Dinheiro/noticia/2018/08/como-inteligencia-artificial-
esta-mudando-o-sistema-financeiro.html
https://inovamind.com.br/2019/12/nova-resolucao-bacen-4-753-abertura-de-conta-
usando-inteligencia-artificial-onboarding-e-background-check/
19
O Din ajuda os clientes a acessar e realizar o credenciamento no Extrato do Registro
de Informações do Banco Central (Registrato). A área permite fazer um levantamento
sobre empréstimos, financiamentos e outras modalidades de crédito em instituições
financeiras ou listar operações de câmbio, entre outros serviços. O robô ainda
responde dúvidas sobre relatórios e orienta os usuários a usarem outros - Veja mais
em https://noomis.febraban.org.br/temas/inteligencia-artificial/ola-humano-posso-ajudar
Fonte: Site do noomis Febraban
Programa desenvolvido pelo BC leva à criação de 17 novos projetos para inovação no SFN
https://tiinside.com.br/17/12/2019/programa-desenvolvido-pelo-bc-leva-a-criacao-de-
17-novos-projetos-para-inovacao-no-sfn/
Programa desenvolvido pelo BC leva à criação de 17 novos projetos para inovação no SFN
O Laboratório de Inovações Financeiras e Tecnológicas (Lift), desenvolvido pelo Banco Central e Fenasbac,
resultou em 17 novos projetos para inovação no Sistema Financeiro Nacional (SFN). A edição de 2019
selecionou 20 propostas e 17 concluíram o ciclo de desenvolvimento de protótipos. Os projetos resultantes
incluem tecnologias de blockchain, inteligência artificial, modelos de pagamento e novos modelos de
aplicação para tecnologias já consagradas no mercado.
Quando a chamada 2019 do Lift foi aberta, em abril deste ano, o BC recebeu 30 propostas válidas, sendo
20 delas selecionadas para desenvolvimento. Os proponentes das iniciativas selecionadas puderam
apresentar suas ideias ao BC e receber um direcionamento quanto às melhores práticas de
implementação, quanto aos problemas centrais que precisavam ser resolvidos e também quanto ao valor
de negócio da inovação como contribuição para o Sistema Financeira Nacional. Em três meses de interação
entre o BC, a Fenasbac, os provedores de tecnologia e as equipes dos projetos, compostas por
representantes da academia e do mercado, as ideias foram aprimoradas e ganharam mais foco na
aplicação de inovação para resolução de problemas ou para criar oportunidades no SFN.
O BC pôde acompanhar o impacto de suas ações regulatórias sobre as iniciativas de inovação, entender as dificuldades de
aplicação de tecnologias dentro dos limites regulatórios e vislumbrar as oportunidades de melhoria e os potenciais de
contribuição de algumas tecnologias para o SFN. Destas observações, surgem novas iniciativas para o ecossistema de
inovação como o LIFT Learning – programa lançado em 28 de novembro para formação de estudantes e aproximação da
academia com o mercado financeiro e um novo modelo para SandBox Regulatório – projeto em andamento no âmbito do
BC.
ANTECIPA FÁCIL – uma plataforma digital criada com o propósito de promover o acesso ao capital de giro para
pequenas e médias empresas, sobretudo aquelas desassistidas ou sub atendidas pelo mercado bancário.
ANTECIPAÇÃO COM TRANSPARÊNCIA – um projeto que propõe um modelo para garantir a redução na taxa de
deságio para empresas de pequeno e médio porte.
BLUPAY – O Switch de Pagamentos Instantâneos BluPay integrará as principais oportunidades geradas pelas mudanças
previstas pelo Banco Central do Brasil no ecossistema financeiro com os comunicados sobre Pagamentos Instantâneos.
FINID: GESTÃO DE IDENTIDADES FINANCEIRAS DESCENTRALIZADAS – Este projeto visa criar uma
identidade única, portável e segura para as instituições financeiras, com o cliente no controle dos seus próprios dados
pessoais e viabilizando o acesso facilitado de contratação de serviços financeiros.
20
FINWEB – EMPREENDEDORISMO COLABORATIVO – cria um mecanismo que facilita a formação de parcerias
colaborativas e o compartilhamento de receitas, por meio do pagamento simultâneo multipartes.
GAVEA MARKETPLACE – é um Marketplace de Commodities Físicas, uma plataforma digital de negociação que
automatiza o processo de originação, cortando intermediários, sem burocracias, digitalizando contratos e reduzindo custos
operacionais e transacionais, em um ambiente seguro e completo, onde tudo que acontece é imutável e rastreável.
MIDAS – Possibilitar o acesso a aplicações financeiras, antes restritas a possíveis investidores, que não possuem a
quantidade de recurso mínimo para acessá-las e detém pouco ou nenhum conhecimento sobre o mercado financeiro. Assim
como para aquelas pessoas cujo retorno sobre seus investimentos são irrisórios ou inexistentes , educando-as na prática de
forma interativa.
SPIN PAY – um produto que viabiliza a captura, autenticação e liquidação de uma transação de pagamento em compras
online. O produto possibilita que um consumidor possa utilizar o saldo de sua conta para compras em plataformas online,
direto do aplicativo da instituição financeira ou de pagamento de sua escolha.
P2P Lending com Blockchain – promover o uso da tecnologia de blockchain aplicada ao ambiente de uma Fintech de
empréstimos P2P, com uma parceria com uma Instituição Financeira para a realização de Cash-in e Cash-out da plataforma
de P2P, bem como o uso de um parceiro de histórico financeiro para determinar o risco do empréstimo ao investidor da
plataforma de empréstimos P2P.
PROVI – Plataforma para elaboração de contratos de Income Share Agreement (ISA) onde estudantes possam realizar um
curso sem desembolso de recursos à vista e comecem a pagar apenas depois de conseguirem uma renda mínima.
QUADRA URBANA – uma plataforma de gestão e rentabilização do ativo imobiliário, destinada a proprietários de
imóveis e locatários que propiciará a estruturação de dados do mercado imobiliário (ex.: preço de venda, valor de locação,
velocidade vendas) e viabilizará a antecipação de recebíveis de aluguéis para proprietários de imóveis por meio de um
experiência 100% digital.
SAQUE SUPER FÁCIL – propor um modelo inovador para o processo de saque de dinheiro, melhorando a experiência
dos clientes por meio da implantação da função saque nas máquinas de cartão instaladas nas empresas.
SAXPERTO – permitir que clientes de bancos digitais ou carteiras digitais façam micro saques a partir de seu saldo
disponível, através de uma rede de varejistas credenciados a um custo bastante reduzido.
SAZ – é uma plataforma de Serviços para integrar serviços de várias instituições financeiras em um único aplicativo
desenvolvido no modelo de Banking as a Service (BaaS).
TRANSFERHUB – é uma plataforma digital de tecnologia financeira voltada para o mercado de câmbio, que realiza o
"casamento" das operações de compra e venda de moeda estrangeira para transferências internacionais.
VENCEHOJE – uma solução para busca automática de boletos e faturas gerados para um determinado CPF ou CNPJ,
reunindo e organizando as obrigações em um único lugar de maneira segura e rápida.
WIP – é um projeto de pesquisa aplicada um modelo de estimativa da probabilidade de demissão do colaborador de uma
empresa privada. O modelo serve como insumo para a análise de crédito na modalidade consignado privado e outras
modalidades, reduzindo o risco de default e, consequentemente, a taxa de juros ofertada.
O programa contou com o envolvimento de mais de 100 pessoas, entre proponentes, servidores do Banco Central, da
Fenasbac e equipes das empresas apoiadoras – Microsoft, IBM, AWS, R3, Multiledgers, Cielo e Oracle. Todas as atividades
foram desenvolvidas por meios digitais.
Em março de 2020 acontecerá um evento para apresentação dos protótipos concluídos e o detalhamento do LIFT edição
2020.
21
IA INVADE O MUNDO DAS FINANÇAS
https://www.em.com.br/app/noticia/internacional/2019/12/02/
interna_internacional,1105265/inteligencia-artificial-invade-o-mundo-das-financas.shtml
http://www.orcamentofederal.gov.br/clientes/portalsof/portalsof/orcamentos-anuais/orcamento-2015-2/cadastro-
de-acoes/2070.pdf
Ação Orçamentária Tipo: Projeto Esfera: 10 - Orçamento Fiscal Função: 04 - Administração Subfunção: 126 -
Tecnologia da Informação UO: 25101 - Ministério da Fazenda Unidade Responsável: Conselho de Controle de
Atividades Financeiras Produto: Sistema implantado Unidade de Medida: percentual de execução física Descrição Em
razão de o grau de obsolescência da plataforma e da arquitetura do sistema informatizado atual, o SISCOAF (em uso
há 13 anos), limitar ou mesmo inviabilizar a incorporação de novas funcionalidades, bem como comprometer o
tratamento do crescente volume de informações recebidas pelo Conselho de Controle de Atividades Financeiras -
COAF, da ordem de 5 mil registros/dia. Dois Relatórios de Desempenho do SISCOAF elaborados pelo Serviço Federal
de Processamento de Dados – SERPRO, em abril/2008 e em maio/2011, apontam a necessidade de construção de
um sistema completamente novo, o SISCOAF II. O mais recente destes relatórios sinaliza uma vida útil de cerca de 3
anos para o sistema em uso. Diante deste cenário, esta ação-projeto visa ao desenvolvimento e implantação do novo
Sistema de Controle de Atividades Financeiras – SISCOAF II, que deverá receber, tratar, integrar e correlacionar as
comunicações de operações financeiras oriundas de setores econômicos regulados pela Lei nº 9.613, de março de
1998, aprimorando os mecanismos tecnológicos de produção de inteligência financeira, de supervisão de setores
econômicos e de intercâmbio de informações com autoridades brasileiras e estrangeiras, promovendo soluções de
gestão que contemplem as atividades do COAF como um todo e incorporem conceitos de integração, inteligência
artificial, parametrização,, transparência, auditoria, segurança da Informação, interatividade e manutenibilidade.
Modernização tecnológica para a produção de inteligência financeira e supervisão de setores econômicos no âmbito
da prevenção e combate à lavagem de dinheiro e ao financiamento do terrorismo. Detalhamento da Implementação
Forma de Implementação:Direta; O SISCOAF II será desenvolvido pelo SERPRO, em conformidade com os requisitos
estabelecidos pelo COAF/MF. A prestação dos serviços de desenvolvimento em tecnologia da informação seguirá as
condições e especificações constantes de Termo de Referência encaminhado ao SERPRO, por meio da Demanda nº
029075/2010, de 10 de março de 2010.
22