evidoria

← Voltar à navegação

Boa prática Importada

Algoritmos e Burocratas: a DGID do Senegal Testa a Selecao de Auditorias Fiscais por Aprendizagem Automatica Contra Inspetores Humanos

Senegal · Dakar · Ver o perfil de Senegal · Ver o perfil de Dakar

Evidência: Quase-experimental Top 47% 60/100 · Pergunte a Evidence Copilot sobre esta prática

A DGID do Senegal e investigadores do Banco Mundial dividiram o programa nacional de auditorias entre inspetores e um algoritmo transparente de pontuacao de risco. As auditorias do algoritmo detetaram menos 89% de evasao, mostrando que a experiencia humana ainda venceu.

-89%
Evasão detetada, auditorias selecionadas por algoritmo vs. inspetor (study cycle)
-18 percentage points
Redução na probabilidade de auditoria, casos selecionados por algoritmo
~500
Auditorias completas realizadas anualmente
Algoritmos e Burocratas: a DGID do Senegal Testa a Selecao de Auditorias Fiscais por Aprendizagem Automatica Contra Inspetores Humanos

Detalhes

Maturidade
Piloto
Promotor
Direction Generale des Impots et des Domaines (DGID), with the World Bank Development Research Group
Período
2018-2025
Palavras-chave
taxation, revenue administration, compliance analytics

Contexto

A autoridade fiscal do Senegal, DGID, com o Grupo de Investigação para o Desenvolvimento do Banco Mundial, realizou uma experiência de campo à escala real, integrando um algoritmo de aprendizagem automática diretamente no programa nacional de auditoria fiscal a empresas.

Atividades

Metade do conjunto de auditorias foi selecionada por inspetores fiscais experientes segundo o seu critério habitual; a outra metade por um algoritmo transparente de pontuação de risco treinado em declarações e resultados de auditorias anteriores, comparados num ciclo completo de auditoria.

Resultados

Os casos selecionados pelo algoritmo tinham 18 pontos percentuais menos probabilidade de serem efetivamente auditados, detetaram 89% menos evasão do que os casos selecionados pelos inspetores, e foram menos eficientes em termos de custo; o algoritmo também não reduziu o risco de corrupção.

Conclusões

O Senegal realiza apenas cerca de 500 auditorias completas por ano, dados insuficientes para treinar um modelo que iguale o critério de um inspetor experiente — um resultado de alerta para outras administrações fiscais.

Implementação
Custo indicativo
Médio (50 mil–500 mil €) — Not disclosed; a research collaboration rather than a large capital deployment.
Tempo até resultados
Médio (1–3 anos) — Comparison ran across one full annual audit cycle; published November 2025.
Equipa e competências
DGID tax inspectors, World Bank Development Research Group researchers

Condições de sucesso

  • Sufficient historical audit-outcome data to train a competitive model
  • Transparent, auditable risk-scoring methodology

Modos de falha comuns

  • Data-constrained tax administration (~500 audits/year) limited model training quality
  • Algorithmic selection underperformed experienced human inspectors on every measured dimension

Habitualmente financiado por

National / regional programmes

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis