Lei de Benford : uma Integração no Trabalho de Auditoria

Abstract

Com a evolução da ciência e tecnologia novas formas para a detecção de fraudes contábeis foram concebidas. A Lei de Newcomb-Benford (LNB) ou simplesmente Lei de Benford, mostra-se uma ferramenta simples e eficaz e pode ser adotada para identificação de fraudes contábeis, através da comparação da frequência dos primeiros dígitos em relação a um padrão estabelecido empiricamente por Benford. Com a utilização de metodologias de Inteligência Artificial (IA) e mecanismos de aprendizado de máquinas, pode-se desenvolver ferramentas adaptativas para diferentes tipos de fraudes. Esse estudo busca validar a aplicação da lei de Benford por meio de redes neurais artificiais e fornecer subsídios para o trabalho de auditores fiscais, de modo que possa contribuir não apenas para a redução de fraudes e uma maior agilidade na sua detecção, mas também, para aumentar a confiabilidade e transparência dos dados disponibilizados ao mercado e a sociedade, propiciando também maior fidedignidade às análises econômicas. Esse trabalho desenvolveu um modelo que faz análise estatística dos dados fornecidos pelo Tribunal Superior Eleitoral e empregou o modelo para analisar os dados das últimas eleições no Brasil. Os achados da pesquisa sugerem, de modo geral, que as distribuições encontradas em 2016 e 2020 seguem a Lei de Benford, enquanto em 2014 e 2018 as análises sugerem inconformidades.