O aprendizado de máquina na contabilidade: efetividade e implicações associadas a aplicação da tecnologia em contexto contábil

Abstract

Este trabalho investiga como o aprendizado de máquina pode ser aplicado na contabilidade, partindo da constatação de que, apesar de seu uso consolidado em setores como o financeiro, sua exploração na área contábil ainda é limitada. Os estudos analisados indicam a crescente relevância da tecnologia e seu alto potencial de transformação na área, promovendo maior capacidade preditiva, a valorização da informação contábil e a reconfiguração de estruturas organizacionais, impactando fluxos operacionais, estruturas de governança e estratégias de negócio. Também são discutidas as implicações sobre o perfil do profissional contábil, cada vez mais demandado a desenvolver competências analíticas, tecnológicas e interpretativas diante da automação de tarefas rotineiras. Na vertente aplicada, foram implementados e testados dois algoritmos supervisionados (Random Forest e XGBoost) sobre bases públicas voltadas à previsão de inadimplência e detecção de fraudes em auditoria. Os modelos apresentaram alto desempenho preditivo, com base em métricas robustas, e boa capacidade de explicação por meio de técnicas de interpretabilidade baseadas em SHAP, indicando a viabilidade prática de sua adoção em contextos contábeis. Os resultados reforçam que o aprendizado de máquina amplia não apenas a capacidade técnica da contabilidade, mas também impõe uma reconfiguração organizacional e profissional. Por fim, destaca-se a importância de pesquisas futuras que explorem dados aplicados a realidades do setor público e privado brasileiro, com ênfase na diversidade metodológica com novos algoritmos e aplicações.