Escrito por\u00a0Raya<\/u> em\u00a021\/07\/2020<\/p>\n
A RFB (Receita Federal do Brasil) abrange o servi\u00e7o de receita interna brasileira e o departamento aduaneiro. Nessas duas \u00e1reas existem diversas propostas de IA. Neste artigo iremos apresentar algumas inciativas de intelig\u00eancia artificial na RFB.<\/p>\n
Intelig\u00eancia Artificial na alf\u00e2ndega brasileira<\/strong><\/p>\n Como exemplo inicial, temos uma tecnologia desenvolvida pela RFB, que \u00e9 utilizada atualmente em escala nacional, o Sisam (Sistema de Sele\u00e7\u00e3o Aduaneira por Aprendizado de M\u00e1quina).<\/p>\n Existem outras iniciativas de destaque no campo aduaneiro que iremos conhecer a seguir. Al\u00e9m disso, destacaremos outras de grande relev\u00e2ncia que est\u00e3o em seus primeiros passos.<\/p>\n Sistemas especialistas para sele\u00e7\u00e3o de mercadorias para inspe\u00e7\u00e3o<\/strong><\/p>\n Al\u00e9m do Sisam, a alf\u00e2ndega brasileira conta com o Aniita. Essa tecnologia apresenta todas as informa\u00e7\u00f5es que s\u00e3o relevantes para o desembara\u00e7o aduaneiro.<\/p>\n Ademais, possui um sistema especialista incorporado.<\/p>\n Este sistema demonstra diversos fatores de risco nas declara\u00e7\u00f5es de exporta\u00e7\u00e3o e importa\u00e7\u00e3o, remessa postal e courier expresso.<\/p>\n Analisador de imagem de Raio-x para cont\u00eainer<\/strong><\/p>\n A fim de analisar imagens digitalizadas de containers, a RFB contar\u00e1 com o sistema ANJA.<\/p>\n O ANJA est\u00e1 sendo desenvolvido no Porto de Santos, com apoio do Laborat\u00f3rio de Inova\u00e7\u00e3o do Estado de S\u00e3o Paulo (Labin08) da RFB.<\/p>\n Ele coleta imagens resultantes e as associa \u00e0s declara\u00e7\u00f5es, disponibilizando as imagens aos funcion\u00e1rios aduaneiros.<\/p>\n No momento, est\u00e3o desenvolvendo 3 modelos: para detectar drogas, armas e para classifica\u00e7\u00e3o de mercadorias do\u00a0SH<\/a>.<\/p>\n Detector de incompatibilidade de documentos<\/strong><\/p>\n O Document Missmatch Detectot (BatDoc) \u00e9 uma intelig\u00eancia artificial da RFB que busca informa\u00e7\u00f5es incompat\u00edveis entre as declara\u00e7\u00f5es de importa\u00e7\u00e3o e documentos auxiliares. Dentre esses documentos est\u00e3o, por exemplo, faturas e listas de materiais.<\/p>\n Essa ferramenta tem como objetivo, primordialmente, detectar diverg\u00eancias em endere\u00e7os, pre\u00e7os, nomes de empresas, quantidades, entre outros.<\/p>\n Sistema de Controle de Viajantes<\/strong><\/p>\n Na RFB, os Sistemas de Controle de Viajantes contam com um\u00a0sistema de reconhecimento facial<\/a>\u00a0(Iris) e outro de\u00a0GeoProcessing\u00a0<\/a>(Vivii).<\/p>\n A tecnologia Iris cont\u00e9m uma lista predefinida de passageiros associados ao tr\u00e1fico de drogas, contrabando, entre outros. Caso um passageiro esteja na lista, provavelmente, ser\u00e1 inspecionado.<\/p>\n J\u00e1 o m\u00f3dulo Vivii, por sua vez, est\u00e1 ainda em fase de desenvolvimento no aeroporto Viracopos, com apoio do Labin08.<\/p>\n Esse sistema foi criado a fim de analisar rotas de viagem para identificar diverg\u00eancias entre os endere\u00e7os de passageiros e as origens e destinos mais comuns dos que forem pegos utilizando drogas.<\/p>\n Desenvolvimento de Intelig\u00eancia Artificial na RFB<\/strong><\/p>\n Veremos aqui mais algumas tecnologias que est\u00e3o em fase de desenvolvimento para atender as demandas da Receita Federal do Brasil.<\/p>\n Detec\u00e7\u00e3o de fraude do CPF<\/strong><\/p>\n Ao longo do tempo a relev\u00e2ncia do CPF foi aumentando. Por conseguinte, tamb\u00e9m cresceram os riscos de ataques \u00e0 integridade do banco de dados.<\/p>\n Dessa forma, a RFB investiu em um sistema que est\u00e1 em desenvolvimento no Labin03 para detectar automaticamente fraudes na emiss\u00e3o do CPF.<\/p>\n O intuito \u00e9 identificar estatisticamente os padr\u00f5es j\u00e1 encontrados de fraudes e utiliz\u00e1-los para reconhecer com agilidade novos casos.<\/p>\n ChatBots como Intelig\u00eancia Artificial na RFB<\/strong><\/p>\n Os\u00a0ChatBots<\/a>\u00a0t\u00eam se tornado populares em todo o mundo.<\/p>\n A RFB j\u00e1 observou que essa tecnologia pode ser muito \u00fatil tanto para o p\u00fablico interno como o externo.<\/p>\n Contudo, os ChatBots que podem ser vi\u00e1veis para RFB dependem da integra\u00e7\u00e3o com outros sistemas. Se, por exemplo, um contribuinte questionar sobre os seus d\u00e9bitos pessoais. Isso precisa ser analisado em diversos bancos de dados da RFB.<\/p>\n Como esses sistemas s\u00e3o in\u00fameros, e ainda, muitos n\u00e3o possuem APIs projetados para ser utilizados em outros sistemas, acredita-se que essas integra\u00e7\u00f5es ser\u00e3o a parte mais complexa no desenvolvimento dessa intelig\u00eancia artificial na RFB.<\/p>\n Acelera\u00e7\u00e3o de processos administrativos<\/strong><\/p>\n A intelig\u00eancia artificial na RFB tamb\u00e9m tem sido \u00fatil para acelerar processos administrativos antigos e novos.<\/p>\n Vale ressaltar que esses dois grupos s\u00e3o extremamente distintos. Dessa forma, precisam de medidas diferentes.<\/p>\n Atualmente, os contribuintes j\u00e1 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 n\u00e3o foram listados.<\/p>\n Rejei\u00e7\u00e3o de pedidos de reembolso<\/strong><\/p>\n A RFB tamb\u00e9m est\u00e1 desenvolvendo um projeto para rejeitar solicita\u00e7\u00f5es de reembolso.<\/p>\n Esse sistema foi iniciado no Labin08, que preparou um conjunto de dados ofuscados que possuem rela\u00e7\u00e3o com as solicita\u00e7\u00f5es de reembolso. Os dados foram disponibilizados para todos os funcion\u00e1rios da RFB.<\/p>\n Os r\u00f3tulos foram removidos de algumas linhas de conjuntos, a fim de que os participantes previssem os r\u00f3tulos removidos. Aqueles que se aproximarem das respostas corretas, receber\u00e3o um pr\u00eamio.<\/p>\n Sele\u00e7\u00e3o de declara\u00e7\u00f5es de imposto de renda pessoais retornam para examina\u00e7\u00e3o<\/strong><\/p>\n Depois que a RFB recebe as declara\u00e7\u00f5es de imposto de renda, uma pr\u00e9-sele\u00e7\u00e3o simples para auditoria \u00e9 aplicada aos contribuintes.<\/p>\n Essa sele\u00e7\u00e3o \u00e9 baseada sobretudo na detec\u00e7\u00e3o de incoer\u00eancias entre a declara\u00e7\u00e3o do contribuinte e as declara\u00e7\u00f5es de outros contribuintes envolvidos em transa\u00e7\u00f5es financeiras com o contribuinte em foco. Al\u00e9m disso, s\u00e3o analisadas algumas viola\u00e7\u00f5es de expectativas definidas por especialistas.<\/p>\n Esses contribuintes s\u00e3o agrupados e consideram-se testes estat\u00edsticos que liberam os contribuintes de menor risco.<\/p>\n Todavia, vale ressaltar que o processo tem algumas etapas manuais, as quais deixam-no mais lento.<\/p>\n Sendo assim, a intelig\u00eancia artificial na RFB tornar o processo totalmente autom\u00e1tico. Por isso, os esfor\u00e7os est\u00e3o se concentrando em mudar o sistema utilizando t\u00e9cnicas de IA mais sofisticadas.<\/p>\n Data Lake como Intelig\u00eancia Artificial na RFB (ReceitaData)<\/strong><\/p>\n A Intelig\u00eancia Artificial na RFB tamb\u00e9m tem o objetivo de unificar os seus dados.<\/p>\n A RFB desenvolveu um reposit\u00f3rio, chamado de\u00a0ReceitaData<\/a>\u00a0que se baseia na arquitetura Hadoop, a fim de minimizar o problema da ci\u00eancia de dados. Ou seja, o acesso de dados em si.<\/p>\n Espera-se que todos os dados que a RFB tem acesso estejam dispon\u00edveis nesse data lake.<\/p>\n Estrutura de aprendizado de m\u00e1quina no sistema Cont\u00c1gil<\/strong><\/p>\n O sistema Cont\u00c1gil \u00e9 um instrumento de recupera\u00e7\u00e3o e an\u00e1lise de dados. Foi desenvolvido pela Secretaria Especial da Receita Federal do Brasil.<\/p>\n O Cont\u00c1gil, que oferece centenas de recursos, \u00e9 distribu\u00eddo tamb\u00e9m para as administra\u00e7\u00f5es tribut\u00e1rias estaduais e \u00e9 utilizado pela for\u00e7a-tarefa da Opera\u00e7\u00e3o Lava-Jato.<\/p>\n Em suma, \u00e9 um ambiente de aprendizado de m\u00e1quina que abrange algoritmos de aprendizado supervisionado.<\/p>\n Ademais, o Cont\u00c1gil 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 simula\u00e7\u00e3o de um usu\u00e1rio humano muito r\u00e1pido. Desse modo, executa frequentemente em uma hora, uma tarefa que levaria semanas.<\/p>\n Simulador de estrat\u00e9gias de sele\u00e7\u00e3o para auditorias<\/strong><\/p>\n A RFB tamb\u00e9m desenvolveu um simulador de estrat\u00e9gias de sele\u00e7\u00e3o para auditorias, as quais criam um ambiente virtual em que os contribuintes decidem sonegar ou n\u00e3o impostos. Isso ocorre de acordo com a probabilidade de serem auditados.<\/p>\n Essa estimativa \u00e9 combinada com a vantagem financeira que ter\u00e3o, se evitarem seus impostos e n\u00e3o forem selecionados para auditoria. Levando em conta ainda, as perdas financeiras que sofrer\u00e3o, caso sejam auditados e punidos.<\/p>\n Essa combina\u00e7\u00e3o \u00e9 vista como a expectativa para sonegar impostos.<\/p>\n Conforme mais positiva for, maior a possibilidade de um contribuinte sofre evas\u00e3o fiscal.<\/p>\n O que voc\u00ea achou da Intelig\u00eancia Artificial na RFB?<\/strong><\/p>\n Observamos neste artigo, que a RFB tem investido em diversas iniciativas para o desenvolvimento de tecnologias de intelig\u00eancia artificial.<\/p>\n Certamente, todos esses projetos e a\u00e7\u00f5es visam facilitar e acelerar os processos que envolvem a Receita Federal do Brasil.<\/p>\n Fonte:\u00a0Artificial Intelligence in the Customs Selection<\/a>\u00a0de Jorge Jambeiro Filho.<\/a><\/p>\n <\/a>Este texto foi publicado originalment<\/strong>e em Intelig\u00eancia Artificial na RFB: conhe\u00e7a algumas iniciativas – Raya Consult<\/a>\u00a0 Acesso em:18 abr. 2023.<\/a><\/p>\n","protected":false},"excerpt":{"rendered":" Escrito por\u00a0Raya em\u00a021\/07\/2020 A RFB (Receita Federal do Brasil) abrange o servi\u00e7o de receita interna<\/p>\n","protected":false},"author":1,"featured_media":9849,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[12,17,124,169],"tags":[],"class_list":["post-9848","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-administracao-tributaria","category-c42-auditoria-fiscal","category-inteligencia-fiscal","category-receita-federal"],"_links":{"self":[{"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/wp\/v2\/posts\/9848","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/wp\/v2\/comments?post=9848"}],"version-history":[{"count":0,"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/wp\/v2\/posts\/9848\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/"}],"wp:attachment":[{"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/wp\/v2\/media?parent=9848"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/wp\/v2\/categories?post=9848"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/alcantara.pro.br\/portal\/wp-json\/wp\/v2\/tags?post=9848"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
\n