fbpx

Artigo: Inteligência Artificial na área tributária: aceitação x dependência

Por: Tiago Slavov  Artigo publicado originalmente na Finanças FECAP: Revista do Instituto de...
Imprensa | 01/07/2021
Compartilhe: twitter facebook linkedin whatsapp

Por: Tiago Slavov 

Artigo publicado originalmente na Finanças FECAP: Revista do Instituto de Finanças FECAP, produzida semestralmente pela Fundação Escola de Comércio Álvares Penteado (FECAP).

Na edição número três da Revista Finanças FECAP, ainda em 2019, tive a honra de apresentar um artigo sobre o tema Blockchain na área Contábil. Desde então, a tecnologia (famosa pelas criptomoedas, mas não restrita a elas) vem cumprindo o “prometido”, se consolidando não apenas no ambiente corporativo, mas também na área pública, com iniciativas, entre outros exemplos, nas questões administrativas do Comércio Exterior (conforme Decreto nº 10.550, de novembro de 2020). 

Outra tecnologia já bastante disseminada, mas cujo potencial impacto nas rotinas organizacionais ainda não está claro para muitos profissionais, é a Inteligência Artificial. Para delimitar a discussão sob uma perspectiva prática, neste artigo apresento os desdobramentos da tecnologia especificamente na área tributária.    

É inegável a capacidade da Inteligência Artificial para transformar processos de preparação e análise de informações contábeis e fiscais. No caso brasileiro, uma referência no mundo todo em digitalização dessas informações pela implementação do Sistema Público de Escrituração Digital – SPED, o potencial é ainda maior. Contudo, quando se observa o estudo Doing Business 2020, promovido pelo Banco Mundial, o cenário atual ainda é tenebroso: o Brasil figura como o pior país para pagamento de tributos, com média anual de 1.500 horas dedicadas anualmente apenas para processar o pagamento de impostos, contra 317 horas em média nos países da América Latina e 158 horas nos países da OCDE. 

Isso acontece porque, se a digitalização das informações contábeis e tributárias no Brasil tornou alguns processos mais simples, pela adoção do paperless, por outro lado aumentou a “fome” do Fisco por mais dados das empresas. Mais dados solicitados significa maior esforço para geração das informações, impactando no incremento de custos e, principalmente, maior risco pela não conformidade tributária. 

Já que a derradeira solução para o problema não sai do “campo das ideias” dos governantes – uma Reforma Tributária “de verdade”, que poderia reduzir custos e mitigar riscos tributários – as organizações passaram a dar maior atenção às oportunidades de automatização da geração e análise das informações tributárias, contando com o avanço da Inteligência Artificial – IA na área. A IA é uma aliada para o gerenciamento e análise de dados, automatizando num primeiro momento rotinas repetitivas e, depois, o processo analítico, tudo via algoritmos e padrões de comportamento. No entanto, o fator humano ainda é decisivo para o sucesso das implementações de IA nas organizações, especialmente no que se refere ao uso adequado pelos profissionais da área tributária, como mostrarei adiante.  

Desde a década de 50, especialmente com as contribuições do famoso cientista Alan Turing, as implicações práticas da IA são objeto de estudos e desenvolvimentos empresariais. Mas nos últimos anos, o aprimoramento tecnológico e a exploração comercial da tecnologia, contando com o avanço de técnicas de machine learning ou deep learning (modelos matemáticos de previsão), massificou o uso da IA, tornando o hábito de utilizar um navegador GPS para chegar ao destino ou um Chatbot no SAC da empresa, tão corriqueiros quanto o pagamento de tributos. Mas, para muitas pessoas e organizações, o apoio pode virar uma dependência: algumas pessoas já não sabem andar pela cidade sem um GPS, e em algumas empresas o cliente não consegue conversar com um funcionário – somente com uma máquina. Esse comportamento “disfuncional” não é culpa do robô, mas do homem. 

O dilema, quando atribuído à área tributária, revela o seguinte posicionamento: com a massificação das implementações de tecnologias nas rotinas fiscais, os executivos devem priorizar a análise da relação de causa e efeito homem-máquina, buscando entender a aceitação ou dependência da tecnologia. Em outras palavras: se muitos profissionais têm dificuldade para entender e aceitar a aplicação da IA em suas rotinas, outros podem exercer uma confiança exagerada na nova tecnologia. Imagine um jovem que, diante da indagação do pai sobre seu estudo, responde: “não preciso estudar sobre isso porque o Google oferece a resposta”. Ou o viajante que, confiando cegamente no navegador GPS, não percebe que o trajeto sugerido é perigoso ou incorreto. 

É nesse aspecto que os argumentos a favor do discurso do “homem não ser substituído pela máquina” ganham força. Alguns pesquisadores (Sutton, Arnold & Holt, 2018) sugerem que, em um ambiente organizacional, mesmo que o profissional faça a opção por considerar a sugestão da IA, é necessário que ele possa enxergar o valor da escolha, de forma que ele reconheça que sua experiência, por sua especialidade ou familiaridade em relação à tarefa, é válida no processo. Ou seja, um convívio “harmonioso” com a IA tem relação com: 

  1. a experiência do profissional; 
  1. a especialidade da tarefa; 
  1. a familiaridade com a tecnologia. 

Na área tributária, a experiência profissional envolve a junção das áreas contábil e jurídica, o que pode ser muitas vezes harmonioso e, em outras, conflituoso. Isso pode ser observado pela própria dinâmica do processo de planejamento tributário nas empresas: ora técnico, baseado estritamente em simulações tributárias (escolher o melhor regime tributário entre o Simples e o Lucro Presumido, por exemplo), ora subjetivo, baseado no julgamento e interpretação das leis (também conhecido como contencioso tributário, por exemplo, discutindo um crédito fiscal negado pelo Fisco). Quanto mais “estruturada” for a decisão baseada tributária, maior a oportunidade de automação por IA. Mas a experiência do profissional (baseada em vivência e/ou estudo) é determinante para ratificar a melhor decisão. 

Já a especialidade das tarefas, no campo da tributação corporativa, é própria da complexidade. Os tributos corporativos podem ser categorizados entre tributos sobre consumo (ou indiretos), sobre o capital (ou diretos), sobre o trabalho (ou encargos) e sobre o patrimônio. Em tais especialidades, as demandas são diferentes, por exemplo, para quem lida com o ICMS (que reflete a legislação tributária de todas as Unidades da Federação) e para quem lida com o IRPJ (que reflete em grande parte a complexidade da contabilidade societária, por exemplo). Ou seja, os “padrões de comportamento tributário” mudam muito dependendo do tipo de tributo objeto da IA. 

Finalmente, a familiaridade com a tecnologia reflete em essência como o profissional lida com as tecnologias. Em grande parte, a própria formação tem um papel determinante neste aspecto: se na graduação o profissional estudou sobre IA, machine learning e deep learing, quando for necessário lidar com as tecnologias na organização, a chance de sucesso na implantação ou utilização da tecnologia aumenta. Mas a responsabilidade é apenas da formação escolar? De forma alguma. Quantas empresas, ao descrever as “vagas de emprego” na área tributária, exigem ou solicitam que o profissional possua conhecimento em IA, além de “10 anos de experiência com apuração de impostos indiretos”?  

Nesse sentido, o estudo realizado pela EY (2018) afirmando que até 50% do quadro de pessoas pode ser reduzido imediatamente com a adoção de IA, mas apenas 5% das empresas estão cientes dessa possibilidade, ou o levantamento da Deloitte (2016), que apontou situações de redução de mão de obra empregada em processos tributários decorrentes da adoção da IA também favoreceu o crescimento de outras áreas e surgimento de novos empregos e postos de trabalho decorrentes da automação, com salários mais altos e profissionais melhor qualificados, indicam desafios e oportunidades para empregadores e empregados, diante do cenário de adoção, cada vez mais intenso, da IA na área tributária. 

Referências 

Sutton, S. G., Arnold, V., & Holt, M. (2018). How much automation is too much? Keeping the human relevant in knowledge work. Journal of Emerging Technologies in Accounting, 15(2), 15-25. 

Deloitte (2016). Transformers : How machines are changing every sector of the UK economy. Recuperado de https://www2.deloitte.com/content/dam/Deloitte/uk/Documents/technology-media-telecommunications/deloitte-uk-transformers-2016.pdf 

Ernest Young (2018). Robotics and intelligent automation: Combining the power of human and machine. Recuperado de https://www.ey.com/Publication/vwLUAssets/ey-robotics-and-intelligent-automation-power-of-human-and-machine/$FILE/ey-robotics-and-intelligent-automation.pdf 

Sobre o autor 

Tiago Nascimento Borges Slavov 

Doutor em Contabilidade pela USP e Mestre em Contabilidade pela FECAP. Professor do Programa de Mestrado em Ciências Contábeis da FECAP e Coordenador do NAF. 

[email protected] 

Notícias Relacionadas

SIGA A FECAP NAS REDES SOCIAIS

Quer saber mais sobre a FECAP?

© Fundação Escola de Comércio Álvares Penteado - FECAP - Todos os direitos reservados