Uma resposta produzida por inteligência artificial pode ser útil, coerente e ainda assim estar errada. Em auditoria e perícia contábil, a aparência convincente não atende ao requisito de evidência suficiente, apropriada e rastreável. O profissional precisa demonstrar a qualidade da base, a adequação da ferramenta, a consistência do processamento e a revisão aplicada ao resultado.
As discussões internacionais de 2026 sobre tecnologia e gestão da qualidade destacam riscos como opacidade, não determinismo, dependência de dados, adaptação contínua e autonomia. Esses atributos diferenciam modelos de IA de planilhas e rotinas tradicionais: o mesmo sistema pode mudar de comportamento após atualização e, em determinadas configurações, produzir respostas diferentes para entradas equivalentes.
Saída tecnológica não é sinônimo de evidência
A IA pode localizar uma anomalia, resumir um contrato, classificar um lançamento ou estimar o risco de uma transação. O resultado é um insumo. Para que sustente uma conclusão profissional, é necessário responder de onde vieram os dados, quais transformações ocorreram, qual regra ou modelo foi aplicado e como o auditor verificou a resposta.
Essa distinção é particularmente importante quando o sistema produz texto explicativo. Linguagem clara e segura pode ocultar uma premissa inadequada, uma fonte incompleta ou uma correlação tratada indevidamente como causa.
As cinco camadas de validação
- Dados de origem. Conferir completude, exatidão, período, população, campos nulos, duplicidades e reconciliação com registros oficiais.
- Preparação dos dados. Documentar filtros, exclusões, conversões, agregações e tratamentos que possam alterar o universo analisado.
- Modelo e configuração. Identificar ferramenta, versão, parâmetros, instruções, limitações e finalidade autorizada.
- Execução. Preservar logs, data, usuário, entradas utilizadas, respostas e eventuais chamadas a serviços externos.
- Revisão profissional. Reexecutar testes críticos, confrontar fontes e registrar o julgamento que levou à aceitação ou rejeição da saída.
Testes práticos que aumentam a confiabilidade
A validação deve ser proporcional ao uso. Uma ferramenta que apenas organiza documentos exige menos testes do que um modelo que atribui risco, seleciona itens ou calcula valores. Entre os procedimentos úteis estão:
- comparar a saída com uma população de resultado previamente conhecido;
- inserir casos com erros intencionais para verificar se o modelo os identifica;
- refazer amostras por método independente;
- medir falsos positivos e falsos negativos;
- testar sensibilidade a mudanças de parâmetro;
- executar a mesma tarefa mais de uma vez para avaliar estabilidade;
- investigar exceções, respostas sem fonte e resultados excessivamente genéricos;
- confirmar cálculos por fórmulas transparentes e reproduzíveis.
Como tratar o não determinismo
Modelos generativos podem variar. Por isso, a documentação não deve guardar apenas a resposta final. É preciso preservar a instrução completa, os arquivos fornecidos, a versão do modelo, os parâmetros disponíveis e a data da execução. Quando o resultado afetar uma conclusão relevante, a equipe deve preferir procedimentos que possam ser reexecutados e confirmados por outra técnica.
Em cálculos contábeis, o modelo generativo não deve substituir a memória matemática. A IA pode auxiliar na interpretação, na estruturação e na conferência, mas os valores precisam permanecer ligados a fórmulas, fontes e critérios verificáveis por terceiro.
Risco de viés e confirmação
A equipe deve testar se a ferramenta tende a confirmar a hipótese apresentada na pergunta. Instruções direcionadas podem gerar conclusões igualmente direcionadas. Uma boa prática é formular testes neutros, solicitar evidências favoráveis e desfavoráveis, comparar hipóteses concorrentes e determinar expressamente que a ausência de dados seja informada, em vez de preenchida por inferência.
O auditor não transfere seu ceticismo profissional ao modelo. Ele usa o modelo como instrumento e mantém consigo a responsabilidade de questionar, comprovar e concluir.
O que deve constar do papel de trabalho
- objetivo específico da utilização da IA;
- origem e reconciliação da base processada;
- ferramenta, versão e configuração;
- testes de precisão e limitações encontradas;
- saídas relevantes e exceções;
- procedimentos independentes de confirmação;
- nome e responsabilidade de quem revisou;
- conclusão sobre a adequação do resultado ao propósito do trabalho.
Conclusão
A qualidade do trabalho não decorre da sofisticação da ferramenta, mas da capacidade de demonstrar que ela foi usada de modo controlado. A IA amplia a análise, porém não elimina a necessidade de fonte, método, documentação, revisão e julgamento profissional.
Em trabalhos que envolvam bases extensas, sistemas automatizados ou conclusões produzidas por modelos, uma auditoria forense independente pode avaliar a integridade dos dados, a lógica dos testes e a rastreabilidade da conclusão. Fale com a Costa Nova Associados.