Universidade de Pernambuco

Campus Caruaru
Bacharelado em Sistemas de Informação
Metodologia Científica

Pré-projeto de Trabalho de Graduação (TG)

Aluno(a)s:

1. Introdução

O crescente aumento da complexidade nas atividades comerciais e dos requisitos

legais na contabilidade e auditoria tem sido um desafio para as empresas.Segundo a
PWC,uma das maiores empresas de consultorias do mundo.No seu relatório global
de 2020, intitulado "CEO Survey: Fit for the Future," a PwC destaca 60% dos CEOs
entrevistados acreditam que a regulamentação excessiva é uma ameaça à expansão
de seus negócios, e 78% estão preocupados com a incerteza regulatória. Gerir
documentos fiscais corretamente é essencial para garantir conformidade com a
legislação tributária e embasar decisões financeiras e estratégicas.

A tecnologia tem desempenhado um papel importante nesse contexto, com soluções

automatizadas. Este trabalho explora a viabilidade, benefícios e desafios de um
serviço automatizado de análise e classificação de documentos fiscais, utilizando
tecnologias como processamento de linguagem natural e inteligência artificial.

Espera-se contribuir para o avanço da área de contabilidade e auditoria, incentivando

o uso de soluções inovadoras que otimizem atividades contábeis e fiscais.

2. Objetivos
Este trabalho tem como objetivo explorar a viabilidade, benefícios e desafios da
implementação de um serviço automatizado de análise e classificação de
documentos fiscais em um contexto empresarial. Serão abordados aspectos como a
identificação e extração de informações relevantes presentes nos documentos, a
categorização precisa para fins contábeis e a aplicação de técnicas de auditoria
automatizada para detectar possíveis irregularidades.

2.1 Objetivo Específico

O objetivo específico deste trabalho é avaliar a viabilidade da implementação de um

serviço automatizado de análise e classificação de notas fiscais eletrônicas (NF-e)
em uma empresa de médio porte do setor de varejo conhecida como Bonanza. Serão
analisados documentos de notas fiscais NF-e e será avaliado se existe
conformidade com as regulamentações fiscais estaduais e federais. Isso inclui a
necessidade de garantir que as informações contidas nas NF-e estejam corretas, que
os impostos estejam devidamente calculados e que a empresa esteja cumprindo
todas as obrigações fiscais. Além disso, também será considerada a necessidade de
cumprir prazos rigorosos de entrega desses documentos para as autoridades fiscais.

3. Fundamentação Teórica

3.1. Documentos Fiscais:

Os documentos fiscais são registros formais de transações comerciais realizadas por

empresas, necessários para comprovar a compra e venda de bens e serviços, bem
como o recolhimento de impostos[Ibarra & Bergmann, 2019]. Entre os principais tipos
de documentos fiscais estão notas fiscais, faturas, recibos, boletos e guias de
pagamento. A correta análise e classificação desses documentos são fundamentais
para o controle financeiro, a contabilidade e a auditoria das organizações[Grossi, et
al., 2020]).

3.2. Inteligência Artificial (IA) e Aprendizado de Máquina:

A inteligência artificial refere-se à capacidade de sistemas computacionais executarem

tarefas que normalmente requerem inteligência humana, como reconhecimento de
padrões, tomada de decisões e processamento de linguagem natural[Russell &
Norvig, 2016]). Dentro da IA, o aprendizado de máquina é uma abordagem que
permite que os sistemas aprendam a partir de dados, sem serem explicitamente
programados[Goodfellow, et al., 2016]). Modelos de IA, como redes neurais,
algoritmos de classificação e processamento de linguagem natural, têm sido
amplamente utilizados para solucionar problemas complexos, como a classificação
automatizada de documentos ([LeCun, et al., 2015]).
4. Metodologia

A metodologia do projeto foi desenvolvida tomando como base o framework "Crisper".

O método utilizado foi quantitativo foi quantitativo dentro do projeto temos etapas
como Coleta de dados numéricos, Comparação de resultados, Avaliação de
desempenho e Eficiência.

1. Entendimento do Negócio:

Nesta fase, será realizada uma compreensão profunda dos objetivos do projeto e dos
requisitos do sistema de classificação de documentos fiscais. Serão identificadas as
fontes de dados disponíveis, os formatos dos documentos e as características críticas
para a classificação.

2. Entendimento dos Dados:

Serão coletados documentos fiscais reais de diversas fontes e formatos. Uma análise
exploratória dos dados será conduzida para identificar padrões, ruídos e
inconsistências. Isso ajudará a determinar quais etapas de pré-processamento serão
necessárias para garantir a qualidade dos dados.

3. Preparação dos Dados:

Os dados coletados serão pré-processados para remover ruídos, padronizar formatos

e normalizar textos. Serão tratados casos de valores ausentes e inconsistências. Os
dados preparados serão divididos em conjuntos de treinamento e teste para a
avaliação do modelo.

4. Modelagem:

Nesta etapa, um modelo de IA será escolhido para a tarefa de classificação de

documentos fiscais. Serão exploradas técnicas de processamento de linguagem
natural (NLP) e classificação, como redes neurais e algoritmos de árvore de
decisão.Será escolhido o modelo mais eficiente. O modelo será treinado utilizando o
conjunto de treinamento preparado na etapa anterior, empregando aprendizado
supervisionado.

5. Avaliação:

A metodologia escolhida irá avaliar parâmetros como modelo de IA (algoritmo), taxa

de atividade e tamanho do lote (batch size. Métricas como acurácia e tempo de
processamento(tempo de ineficiência ) serão calculadas para diferentes cenários.
Isso permitirá identificar possíveis áreas de melhoria.

8. Documentação:

Será elaborada documentação abrangente de todo o processo, desde a coleta de

dados até a implementação do serviço. Isso garantirá que o conhecimento seja
compartilhado e que o projeto possa ser mantido e expandido no futuro.

5. Resultados esperados

Espera-se que a implementação do serviço de análise e classificação de

documentos fiscais utilizando um modelo de IA traga os seguintes benefícios:

- Redução do tempo e esforço na análise manual de documentos fiscais. - Aumento

da precisão na classificação de documentos, minimizando erros humanos.
- Melhoria da eficiência dos processos contábeis e de auditoria.
- Facilitação do cumprimento das obrigações fiscais, evitando multas e
sanções.
6. Cronograma

Atividades:

1. Revisão bibliográfica: Levantamento e estudo da literatura relacionada ao tema,

compreendendo conceitos de contabilidade, auditoria, processamento de
documentos fiscais e tecnologias de análise e classificação de dados.

2. Coleta de requisitos: Identificação dos requisitos funcionais e não funcionais do

serviço, bem como das necessidades específicas da contabilidade e auditoria para a
análise e classificação de documentos fiscais.

3. Análise e seleção de tecnologias: Pesquisa e avaliação das tecnologias

disponíveis para a implementação do serviço, incluindo algoritmos de classificação,
ferramentas de processamento de dados e plataformas de desenvolvimento.

4. Projeto da solução: Elaboração da arquitetura e design detalhado do serviço de

análise e classificação de documentos fiscais, considerando a integração com
sistemas existentes.

5. Desenvolvimento do serviço: Implementação do serviço, incluindo a criação de

algoritmos de análise e classificação de documentos fiscais com base nos requisitos
definidos.

6. Testes e validação: Realização de testes para garantir a eficácia, acurácia e

confiabilidade do serviço, bem como sua conformidade com os requisitos. 7.
Avaliação da ferramenta: Realização de uma avaliação detalhada da ferramenta
desenvolvida, com foco na usabilidade e desempenho.
8. Análise dos resultados: Avaliação dos resultados obtidos com a implementação do
serviço e comparação com as expectativas iniciais.

9. Escrita da Monografia: Redação do trabalho acadêmico, englobando a introdução,

fundamentação teórica, descrição da solução implementada, resultados, conclusões
e referências.

10. Referências bibliográficas: Organização das obras da literatura citadas, de

acordo com as normas da ABNT.

Tabela X. Exemplo de Cronograma das Atividades (XX/0Y - ZZ/BB)

Etapas Meses

Out Nov Dez Jan Fev

Revisão bibliográfica X

Coleta de Requisitos x

Análise e seleção de x
tecnologias

Projeto da solução X

Desenvolvimento do X X
serviço

Testes e validação X

Análise de resultados x

Escrita da Monografia x

Referências x
Bibliográficas
Referências bibliográficas

1. Azevedo, G. L., & Oliveira, L. C. R. (2017). Inteligência artificial aplicada à

contabilidade: Um estudo sobre a utilização de algoritmos de aprendizado de
máquina na classificação de documentos fiscais. Revista Brasileira de Contabilidade,
46(198), 51-62.

2. Beal, V., & Santos, L. (2019). Tecnologias disruptivas e a contabilidade: O impacto

do uso de algoritmos de machine learning na auditoria de documentos fiscais.
Contabilidade & Finanças, 30(80), 134-150.

3. Ibarra, M. M., & Bergmann, D. R. (2019). Documentos Fiscais Eletrônicos: Uma

Análise dos Benefícios e Desafios para as Empresas. *Revista de Contabilidade e
Controladoria*, 11(3), 30-41.

4. Grossi, G., et al. (2020). O Papel da Contabilidade na Análise e Classificação de

Documentos Fiscais. *Revista Brasileira de Contabilidade*, 49(2), e194289.

5. Russell, S. J., & Norvig, P. (2016). *Artificial Intelligence: A Modern Approach*.

Pearson.

6. Goodfellow, I., et al. (2016). *Deep Learning*. MIT Press.

7. LeCun, Y., et al. (2015). Deep Learning. *Nature*, 521(7553), 436-444.