Unidade de IA da ZRA — Plataforma de aprendizagem automática da Autoridade Fiscal da Zâmbia para deteção de fraude e lacunas de receita

A Autoridade Tributária da Zâmbia (ZRA) criou uma Unidade de Inteligência Artificial dedicada na sua sede em Lusaka, composta por cientistas de dados zambianos, para identificar lacunas fiscais e fugas de receita em toda a base tributária nacional. A unidade aplica modelos de aprendizagem automática aos dados de transações de importadores e exportadores em tempo real, detetando automaticamente padrões suspeitos e fraude mais rapidamente do que a revisão manual. As tarefas principais incluem a classificação de risco dos contribuintes, a cobrança automatizada junto de contribuintes sem declarações, o cruzamento de dados do IRS sobre salários (PAYE) com as declarações dos empregadores, e a sinalização de declarações aduaneiras anómalas.

Aumentar a capacidade da ZRA para detetar fraude fiscal e colmatar lacunas de receita, substituindo a revisão manual lenta por uma análise automatizada, em tempo real, dos dados de importação/exportação e de folhas de salário.

As ferramentas de análise de dados processam, segundo relatos, cerca de 1.000 registos fiscais em 2 milissegundos, contra sete ou mais dias de revisão manual. Uma avaliação de investigação paralela, liderada pelo Center for Effective Global Action (CEGA) da UC Berkeley, está a testar um algoritmo Random Forest adaptado de um projeto-piloto de combate à fraude aduaneira no Paraguai, para aplicação na Zâmbia.

Em junho de 2024, o Ministro da Tecnologia e Ciência da Zâmbia, Felix Mutati, declarou que a IA tinha aumentado em 60% a capacidade de cobrança de receita da ZRA nos dois anos anteriores. A afirmação foi noticiada pela Xinhua, pela Open Zambia e pela Copperbelt Katanga Mining, mas refere-se à capacidade de cobrança e não a receitas líquidas auditadas, e não foi publicada nenhuma auditoria técnica independente sobre a precisão ou a equidade dos modelos de IA.

Apesar da falta de auditoria independente, o ganho confirmado a nível ministerial e a corroboração por múltiplas fontes de imprensa tornam este um dos resultados de IA mais significativos documentados na administração fiscal na África Subsaariana, fora da África do Sul.