Estratégias para aperfeiçoar o processo de recuperação de receitas tributárias no estado da Bahia: um modelo para o ICMS baseado em redes neurais artificiais

Abstract

Esta pesquisa procurou investigar a utilização de Redes Neurais Artificiais (RNA) como instrumento de seleção de contribuintes a serem fiscalizados pela Secretaria da Fazenda do Estado da Bahia (SEFAZ-BA), constituindo-se em uma alternativa ao atual modelo vigente que se baseia na dicotomia entre interesse e relevância. A pesquisa caracterizou-se como explicativa e estudo de caso, pois estudou o caso específico do Estado da Bahia e explicou fenômenos baseados em informações coletadas junto aos contribuintes a serem fiscalizados. O referencial teórico baseou-se nos fundamentos do papel do Estado contemporâneo e a questão das finanças públicas, a discussão sobre as Redes Neurais Artificiais (RNA) e sua aplicação na seleção de contribuintes do Imposto sobre Operações Relativas à Circulação de Mercadorias e sobre Transporte Interestadual e Intermunicipal e de Comunicações (ICMS). No Estado da Bahia em 2010, este imposto correspondia a 86,62% das receitas tributárias do Estado. Este fato evidencia a necessidade da SEFAZ-BA acompanhar os níveis de arrecadação dos contribuintes identificando distorções que indiquem uma eventual sonegação do tributo. Os resultados apontam que as RNAs são um instrumento que podem ser utilizado como ferramenta de seleção e identificação de problemas no que se refere aos dados fiscais de arrecadação e sonegação do ICMS. O modelo apresentado demonstrou ser possível fazer uma classificação mais objetiva na indicação de contribuintes com alto, médio e baixo risco de sonegação e, portanto, contribuir para uma gestão mais eficiente e eficaz na alocação de recursos materiais e humanos da SEFAZ-BA em sua atividade precípua de fiscalização, preenchendo lacuna hoje existente quanto à utilização de uma ferramenta em bases científicas.