evidoria

← Voltar à navegação

Boa prática Importada

DNA do Paraguai — Aprendizagem Automática para Deteção de Fraude Aduaneira

Paraguai · Asunción · Ver o perfil de Paraguai · Ver o perfil de Asunción

Evidência: Ensaio controlado aleatorizado Top 62% 53/100 · Pergunte a Evidence Copilot sobre esta prática

A DNA do Paraguai implementou pontuação de risco aduaneiro por ML, elevando a deteção de fraude de 18% para 73% com 70% menos inspeções. Um ECA da UC Berkeley/IGC validou os resultados; a implementação plena estima recuperar mais de USD 200 milhões anuais em direitos não pagos.

73 %
Taxa de deteção de fraude, inspeções selecionadas por ML
18 %
Taxa de deteção de fraude, inspeções selecionadas por humanos (referência)
70 %
Redução de remessas inspecionadas para cobertura de auditoria equivalente
200 million USD (researcher projection, not RCT-measured)
Potencial de recuperação anual estimado se alargado a todos os portos
DNA do Paraguai — Aprendizagem Automática para Deteção de Fraude Aduaneira

Detalhes

Maturidade
Em expansão
Promotor
Dirección Nacional de Aduanas (DNA)
Período
2015–2022
Palavras-chave
customs, tax administration, trade, public finance

Contexto

A Dirección Nacional de Aduanas (DNA) do Paraguai estabeleceu um sistema de seletividade baseado em risco para inspeções de importação através da Decisão n.º 643/2015, substituindo um processo de atribuição de inspeções totalmente manual. A DNA associou-se ao Center for Effective Global Action (CEGA) da UC Berkeley, à Universidade de Wisconsin-Madison e à Universidade de Harvard, com financiamento do International Growth Centre (IGC), para desenvolver e avaliar um algoritmo de aprendizagem automática destinado a identificar remessas com maior probabilidade de conter mercadorias não declaradas ou subvalorizadas.

Objetivos

O objetivo era substituir o julgamento dos inspetores por uma pontuação de risco baseada em dados capaz de aumentar a taxa de deteção de fraude nas inspeções aduaneiras, ao mesmo tempo que reduzia o número de remessas inspecionadas fisicamente.

Atividades

O algoritmo de ML foi testado num ensaio controlado e aleatorizado (RCT) integrado diretamente nas operações reais da DNA, utilizando dados administrativos estruturados — valores declarados, códigos pautais, histórico do importador e país de origem — em vez de dados biométricos ou sociais.

Resultados

O RCT verificou que o algoritmo de ML alcançou uma taxa de deteção de fraude de 73%, contra 18% nas inspeções selecionadas por humanos — uma melhoria de quatro vezes — enquanto os inspetores processaram menos 70% de remessas para alcançar uma cobertura de auditoria equivalente. Extrapolando para todos os portos aduaneiros paraguaios, os investigadores estimaram que o sistema poderia recuperar mais de 200 milhões de USD por ano em direitos aduaneiros não pagos.

Conclusões

Este é um dos sistemas de ML aduaneiros mais rigorosamente avaliados externamente num contexto de país de rendimento médio-baixo, mas não foi publicada nenhuma documentação oficial sobre monitorização contínua do desempenho, auditoria de enviesamento ou supervisão parlamentar, deixando o quadro de responsabilização pouco claro para além do período de avaliação académica.

Implementação
Custo indicativo
Médio (50 mil–500 mil €) — No public budget figures disclosed; estimated as medium given the multi-university research partnership and the operational integration required to embed the algorithm in live customs inspection workflows.
Tempo até resultados
Médio (1–3 anos) — Built on a 2015 legal mandate; the RCT evaluation and multi-institution partnership represent a multi-year research-to-operations timeline.
Equipa e competências
DNA customs inspectors implement risk-based selection informed by the model, Research/technical partnership: UC Berkeley CEGA, University of Wisconsin-Madison, Harvard University, funded by the International Growth Centre (IGC), IDB has separately supported Paraguay's broader customs and tax modernisation via technical cooperation

Condições de sucesso

  • Legal mandate for risk-based selectivity already in place via Decision No. 643/2015 before the ML evaluation
  • Reliance on structured administrative data (declared values, tariff codes, importer history, origin) rather than biometric or social data, limiting certain fairness risks
  • Embedding the RCT directly in live operations rather than a simulated/offline test

Modos de falha comuns

  • No public documentation of ongoing performance monitoring, bias auditing, or parliamentary oversight after the academic evaluation period
  • The USD200m+ recovery figure is an extrapolation to full national deployment, not an RCT-measured outcome

Onde se enquadra

Tipo de governação
national customs agency
Escala
national, extrapolated from a subset of live operations to all ports
Nível de rendimento
upper-middle-income

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