Previsão de Fraude em Licitações no Brasil

Autores/as

  • Vinícius Morais UFU/FAGEN
  • Daniel Vitor Tartari Garruti Universidade Federal de Uberlândia (UFU)
  • Pablo Rogers UFU/FAGEN
  • Flavio Barboza UFU/FAGEN

Palabras clave:

Licitações, Fraudes, Serviço Público, Inteligência Artificial, Random Forest

Resumen

Os portais eletrônicos de licitação modernizaram a aquisição de bens e serviços, tornando-a mais eficiente, competitiva e transparente. Para acompanhar essas mudanças, a fiscalização também deve se adaptar. No contexto acadêmico, observa-se o avanço do uso de técnicas de Inteligência Artificial, como o Random Forest, para prever fraudes em licitações. Este estudo aplicou o modelo em dados de Licitações de 2022 para prever a incidência de multas em empresas. O modelo demonstrou eficiência, com F1 Score médio mensal de 78,5% e anual de 80%. O recall foi de 90% para ambos os períodos. Em Janeiro, os melhores resultados foram obtidos (recall = 1,00 e F1 Score = 0,96), enquanto em Novembro houve queda significativa (recall = 0,47 e F1 Score = 0,54). Destaca-se o impacto potencial deste estudo não apenas na academia, mas também para cidadãos e gestores públicos, oferecendo uma ferramenta eficaz na detecção de potenciais desvios de conduta.

Biografía del autor/a

Vinícius Morais, UFU/FAGEN

Experiência desde 2019 na área de Licitações na carreira de Técnico Administrativo da Universidade Federal de Uberlândia. MBA em Gerenciamento de Projetos pela FGV (2019). Graduação em Ciências Econômicas pela UFU (2016). Discente do Mestrado Profissional do PPGO da FAGEN/UFU.

Pablo Rogers, UFU/FAGEN

Doutor em Administração na área de finanças pela Faculdade de Economia e Administração da Universidade de São Paulo (FEA/USP) e professor da área de finanças (graduação) e métodos quantitativos (pós-graduação) da Faculdade de Gestão e Negócios (FAGEN) da Universidade Federal de Uberlândia (UFU). Em 2011 recebeu o Prêmio Revelação em Finanças concedido pelo Instituto Brasileiro de Executivos em Finanças e a Consultoria Internacional KPMG pela inovação proposta em sua tese: um modelo de avaliação de risco de crédito para pessoas físicas baseado em variáveis e escalas psicológicas. Foi coordenador do MBA em Gerenciamento em Projetos da FAGEN/UFU por mais de 10 anos.

Flavio Barboza, UFU/FAGEN

Professor de Finanças da UFU-FAGEN desde 2015; possui graduação em Matemática pela UNESP, mestrado em Biofísica Molecular pela UNESP, doutorado em Finanças Estratégicas pela Universidade Presbiteriana Mackenzie com período sanduíche na Leonard Stern School of Business - New York University, dois estágios pós-doutorado e Livre Docência em Contabilidade pela USP. Tem experiência na área de Matemática aplicada em Finanças (Públicas e Corporativas), com ênfase em Gestão de Riscos, Desempenho e Análise de Investimentos. Ainda, desenvolve projetos de pesquisa envolvendo machine learning aplicado a Finanças.

Citas

ABREU, B. M.; PEREIRA, T. H. S.; GOMES-JR, L. Detecção de Fraudes em Licitações Públicas: Uma Comparação de Modelos de Detecção de Anomalias. In: ESCOLA REGIONAL DE BANCO DE DADOS (ERBD), 2024, Farroupilha/RS. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, p. 81-90, 2024. DOI: https://doi.org/10.5753/erbd.2024.238821.

ADOBOR, H.; YAWSON, R. The promise of artificial intelligence in combating public corruption in the emerging economies: A conceptual framework. Science and Public Policy, v. 50, n. 3, p. 355-370, 2023. DOI: https://doi.org/10.1093/scipol/scac068.

ALDANA, A.; FALCÓN-CORTÉS, A.; LARRALDE, H. A machine learning model to identify corruption in México's public procurement contracts. arXiv preprint arXiv:2211.01478, 2022.

AMORIM, V. A. J. Licitações e contratos administrativos: teoria e jurisprudência. Brasília: Senado Federal, 2020. Disponível em: https://bibliotecadigital.stf.jus.br/xmlui/bitstream/handle/123456789/2461/1182434.pdf?sequence=1&isAllowed=y. Acesso em: 24 jul. 2024.

BIAGINI, E. Ferramenta de IA já evitou gastos de R$ 11 bi em licitações suspeitas, diz ministro da CGU. Agência Gov, 2024. Disponível em: <https://agenciagov.ebc.com.br/noticias/ferramenta-de-ia-da-cgu-ja-economizou-r-11-bilhoes-em-gastos-publicos-em-licitacoes-suspeitas-diz-ministro>. Acesso em: 02 ago. 2024.

BRASIL. Constituição (1988). Constituição da República Federativa do Brasil de 1988. Promulgada em 05 de outubro de 1988. Brasília, DF: Senado Federal, Centro Gráfico, 1988.

BRASIL. Lei nº 8.666, de 21 de junho de 1993. Estabelece normas para licitações e contratos da Administração Pública e dá outras providências. Diário Oficial da União, Brasília, DF, 22 jun. 1993. Disponível em: https://www.planalto.gov.br/ccivil_03/leis/l8666cons.htm.

BRASIL. Lei nº 10.520/2002, de 17 de julho de 2002. Institui, no âmbito da União, Estados, Distrito Federal e Municípios, nos termos do art. 37, inciso XXI, da Constituição Federal, modalidade de licitação denominada pregão, para aquisição de bens e serviços comuns, e dá outras providências. Diário Oficial da União, Brasília, DF, 17 jul. 2002. Disponível em: https://www.planalto.gov.br/ccivil_03/LEIS/2002/L10520.htm?origin=instituicao.

BRASIL. Lei nº 12.462, de 4 de agosto de 2011. Institui o Regime Diferenciado de Contratações Públicas – RDC; altera a Lei nº 10.683, de 28 de maio de 2003, que organiza a Presidência da República e os Ministérios, e dá outras providências. Diário Oficial da União, Brasília, DF, 5 ago. 2011. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2011/lei/l12462.htm.

BRASIL. Lei nº 12.846, de 1º de agosto de 2013. Dispõe sobre a responsabilização administrativa e civil de pessoas jurídicas pela prática de atos contra a administração pública, nacional ou estrangeira, e dá outras providências. Diário Oficial da União, Brasília, DF, 2 ago. 2013. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2011-2014/2013/lei/l12846.htm.

BRASIL. Lei nº 14.133, de 1º de abril de 2021. Lei de Licitações e Contratos Administrativos. Diário Oficial da União, Brasília, DF, 1 abr. 2021. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2019-2022/2021/lei/l14133.htm.

BREIMAN, Leo. Random forests. Machine learning, v. 45, p. 5-32, 2001. https://link.springer.com/article/10.1023/A:1010933404324

CONTROLADORIA GERAL DA UNIÃO. Alice - Analisador de Licitações, Contratos e Editais. Disponível em: https://www.gov.br/cgu/pt-br/assuntos/auditoria-e-fiscalizacao/alice. Acesso em: 02 ago. 2024.

DECAROLIS, F.; GIORGIANTONIO,. Corruption red flags in public procurement: new evidence from Italian calls for tenders. EPJ Data Science, v. 11, n. 1, p. 16, 2022. https://doi.org/10.1140/epjds/s13688-022-00325-x

FARIA, G. A. Fraudes em compras governamentais: Detecção com Aprendizado de Máquina. 2023. Trabalho de Conclusão de Curso (Graduação em Administração Pública) - Escola de Administração Pública, Centro de Ciências Jurídicas e Políticas, Universidade Federal do Estado do Rio de Janeiro, Rio de Janeiro, 2023.

GADOUR, M. M. E. Corruption in public procurement: Can e-procurement and artificial intelligence make a difference in Africa? QScience Connect, v. 2024, n. 1-Thesis, p. 2, 2024. DOI: https://doi.org/10.5339/connect.2024.spt.2.

GALLEGO, J.; RIVERO, G.; MARTÍNEZ, J. Preventing rather than punishing: An early warning model of malfeasance in public procurement. International Journal of Forecasting, v. 37, n. 1, p. 360-377, 2021. http://dx.doi.org/10.1016/j.ijforecast.2020.06.006.

GUNASEGARAN, M.; BASIRUDDIN, R.; RIZAL, A. M. Detecting and Preventing Fraud in e-procurement of Public Sector: A Review, Synthesis and Opportunities for Future Research. International Journal of Academic Research in Business and Social Sciences, v. 13, n.1, p. 1444 – 1463, 2023.

HENRIQUE, B. M.; SOBREIRO, V. A.; KIMURA, H. Contracting in Brazilian public administration: A machine learning approach. Expert Systems. 2020. https://doi.org/10.1111/exsy.12550

LIMA, M. C.; SILVA, R. C.; MENDES, F. L. S.; CARVALHO, L. R.; ARAUJO, A.; VIDAL, F. B. Inferring about fraudulent collusion risk on Brazilian public works contracts in official texts using a Bi-LSTM approach. In: COHN, T.; HE, Y.; LIU, Y. (Ed.). Findings of the Association for Computational Linguistics: EMNLP 2020. Online: Association for Computational Linguistics, p. 1580-1588, 2020. Disponível em: https://aclanthology.org/2020.findings-emnlp.143. Acesso em: 22 jul. 2024. DOI: 10.18653/v1/2020.findings-emnlp.143.

LOPES, M. A. Aplicação de aprendizado de máquina na detecção de fraudes públicas. 2019. Dissertação (Mestrado em Administração) - Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo, 2019. doi:10.11606/D.12.2020.tde-10022020-174317. Acesso em: 2024-07-22.

MAVIDIS A, FOLINAS D. From Public E-Procurement 3.0 to E-Procurement 4.0; A Critical Literature Review. Sustainability, v. 14, n. 18, 2022. https://doi.org/10.3390/su141811252

NAI, Roberto et al. Public procurement fraud detection and artificial intelligence techniques: a literature review. In: Companion Proceedings of the 23rd International Conference on Knowledge Engineering and Knowledge Management. CEUR-WS, p. 1-13, 2022. https://iris.unito.it/bitstream/2318/1888876/1/KM4LAW22_preprint.pdf

OLIVEIRA, G. P. et al. Ranqueamento de Licitações Públicas a partir de Alertas de Fraude. In: Anais do XII Brazilian Workshop on Social Network Analysis and Mining. SBC, 2023. p. 1-12. https://doi.org/10.5753/brasnam.2023.232105

REJEB, A.; REJEB, K.; APPOLLONI, A.; KAYIKCI, Y.; IRANMANESH, M. The landscape of public procurement research: A bibliometric analysis and topic modelling based on Scopus. Journal of Public Procurement, v. 23, n. 2, 2023. https://doi.org/10.1108/JOPP-06-2022-0031

RIBEIRO, C. G.; INÁCIO, E. O mercado de compras governamentais brasileiro (2006-2017): Mensuração e análise. Brasília: Instituto de Pesquisa Econômica Aplicada (IPEA), 2019. Texto para Discussão, No. 2476. Disponível em: <https://hdl.handle.net/10419/211431>. Acesso em: 02 ago. 2024.

SÁ, T. A.; PESSANHA, J. F. M.; ALVES, F. J. S. Métodos de classificação supervisionada aplicados à identificação de fraudes de fornecedores. CONTABILOMETRIA - Brazilian Journal of Quantitative Methods Applied to Accounting, Monte Carmelo, v. 11, n. 2, p.125-146, 2024.

SCIKIT-LEARN. RandomForestClassifier. Disponível em: https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html#sklearn.ensemble.RandomForestClassifier. Acesso em: 02 ago. 2024.

SECOM TCU. Chatbot do TCU fornece certidões pelo whatsapp. 2020. Disponível em: https://portal.tcu.gov.br/imprensa/noticias/chatbot-do-tcu-fornece-certidoes-pelo-whatsapp.htm. Acesso em: 02 ago. 2024.

SICILIANI, L.; TACCARDI, V.; BASILE, P.; DI CIANO, M.; LOPS, P. AI-based decision support system for public procurement. Information Systems, v. 119, 2023.

SILVA, G. Prevenção de irregularidades em contratos públicos: uma análise utilizando técnicas de Machine Learning. 2022. 91 f., il. Trabalho de Conclusão de Curso (Bacharelado em Administração) — Universidade de Brasília, Brasília, 2022.

SUPREMO TRIBUNAL FEDERAL. Projeto Victor avança em pesquisa e desenvolvimento para identificação dos temas de repercussão geral. 2021. Disponível em: <https://portal.stf.jus.br/noticias/verNoticiaDetalhe.asp?idConteudo=471331&ori=1>. Acesso em: 02 ago. 2024.

SUPREMO TRIBUNAL FEDERAL. STF finaliza testes de nova ferramenta de Inteligência Artificial. 2023a. Disponível em: <https://portal.stf.jus.br/noticias/verNoticiaDetalhe.asp?idConteudo=507120&ori=1>. Acesso em: 02 ago. 2024.

TRIBUNAL DE CONTAS DA UNIÃO. Guia de uso de inteligência artificial generativa no Tribunal de Contas da União (TCU). Disponível em: <https://portal.tcu.gov.br/data/files/42/F7/91/4B/B59019105E366F09E18818A8/Guia%20de%20uso%20de%20IA%20generativa%20no%20TCU.pdf>. Acesso em: 02 ago. 2024.

VELASCO, R. B.; CARPANESE, I.; INTERIAN, R.; PAULO NETO, O.C.G.; RIBEIRO, C.C. A decision support system for fraud detection in public procurement. International Transactions Inoperational Research, v. 28, p. 27-47, 2021. https://doi.org/10.1111/itor.12811

ZAGO, M. F. Poder de compra estatal como instrumento de políticas públicas? Brasília: Escola Nacional de Administração Pública, 2018.

Publicado

18-09-2024

Cómo citar

Morais, V., Tartari Garruti, D. V., Rogers, P., & Barboza, F. (2024). Previsão de Fraude em Licitações no Brasil. CUADERNO DE FINANZAS PÚBLICAS, 24(03). Recuperado a partir de https://publicacoes.tesouro.gov.br/index.php/cadernos/article/view/256