Resumo
O presente trabalho apresenta o desenvolvimento de uma prova de conceito (PoC) de um sistema baseado em Inteligência Artificial (IA) para detecção de anomalias e possíveis fraudes na gestão dos recursos do Cartão PDAF (Programa de Descentralização Administrativa e Financeira) da Secretaria de Educação do Distrito Federal (SEEDF).
A proposta surge da necessidade de aprimorar os mecanismos de auditoria e controle sobre a execução dos recursos descentralizados destinados às unidades escolares e coordenações regionais de ensino. Para isso, foram estudadas e testadas técnicas de aprendizado de máquina supervisionadas e não supervisionadas, buscando identificar padrões irregulares em registros financeiros e operacionais.
O estudo compreendeu:
- levantamento bibliográfico sobre o PDAF e sobre métodos de detecção de anomalias por IA;
- coleta e tratamento de dados públicos referentes às ordens de serviço do programa;
- comparação de desempenho entre diferentes modelos, incluindo Random Forest, Isolation Forest, XGBoost, CatBoost, LASSO Regression e Transformers;
- discussão dos resultados obtidos e proposição de um modelo híbrido.
Os resultados indicam que modelos baseados em árvores de decisão e métodos híbridos apresentam maior precisão e interpretabilidade para o contexto do PDAF, oferecendo potencial para auxiliar auditorias e políticas de transparência pública.
Palavras-chave: PDAF; Inteligência Artificial; Detecção de Anomalias; Auditoria; Aprendizado de Máquina.