Leonardo Manzan percebe a expansão da inteligência artificial na fiscalização tributária a partir de três eixos: critérios de seleção baseados em risco, transparência dos modelos e garantias procedimentais. O uso intensivo de dados promete eficiência e padronização, mas depende de regras públicas e verificáveis. Sem parâmetros claros, notificações automáticas podem desconsiderar contexto econômico, elevar custos de conformidade e ampliar contencioso, especialmente em cadeias longas com múltiplas operações interestaduais e documentos eletrônicos heterogêneos.
A adoção de modelos algorítmicos exige governança. É necessário mapear finalidades, bases legais, fontes de dados e responsabilidades técnicas. Logs reconstituíveis, versionamento de regras e trilhas de auditoria permitem identificar vieses, drifts e inconsistências. A transparência dos limiares que acionam alertas possibilita saneamento prévio e reduz autuações por vícios formais. Sem esses elementos, a automatização aumenta a velocidade da fiscalização, porém não melhora a qualidade da evidência.
Critérios algorítmicos e transparência segundo Leonardo Manzan
Leonardo Manzan nota que os critérios de risco precisam ser documentados e passíveis de escrutínio. Variáveis, pesos e justificativas devem constar de relatórios técnicos, com registros das versões aplicadas em cada período fiscal. Em seleções que envolvem amostras massivas, convém prever limites de materialidade e mecanismos para suspender o modelo quando houver perda de aderência. Explicabilidade acessível ao contribuinte sustenta o contraditório e desestimula litígios baseados em premissas ocultas.
A publicidade mínima dos parâmetros não significa abrir o código-fonte. Significa divulgar objetivos, dados utilizados, controles de qualidade e práticas de revalidação. Órgãos julgadores podem exigir documentação que demonstre robustez estatística e rastreabilidade do indício. Relatórios padronizados de risco, anexados às intimações, reduzem assimetria informacional e orientam respostas técnicas, com entrega de evidências que enfrentem precisamente as variáveis que fundamentaram o alerta.
Dados, qualidade e integridade documental
Na percepção de Leonardo Manzan, a efetividade da IA depende da qualidade do dado fiscal. Integração entre NF-e, CT-e, EFD-Contribuições, ECD, ECF, eSocial e EFD-Reinf requer dicionário comum, chaves de vinculação e reconciliações periódicas. Cadastros inconsistentes, descrições genéricas e divergências temporais distorcem amostras e geram falsos positivos. A empresa precisa de políticas de padronização e testes de integridade antes da escrituração de créditos e do envio de arquivos.
Boas práticas incluem reconciliação entre documentos eletrônicos e contratos, validação de CFOP e NBS, e trilhas que conectem logística, faturamento e apuração. Painéis internos podem sinalizar divergências de base, créditos fora de prazo e inconsistências entre valores de frete, seguros e serviços correlatos. Essa disciplina reduz glosas por erro formal, qualifica respostas a diligências e fortalece a narrativa econômica que embasa a não cumulatividade.
@leonardosiademanzan
Leonardo Siade Manzan explica paraísos fiscais e BEPS na prática Com a globalização, práticas tributárias agressivas e o uso de paraísos fiscais aumentaram, tornando essencial compreender o BEPS. Leonardo Siade Manzan apresenta os principais mecanismos utilizados por multinacionais, os riscos legais envolvidos e as estratégias de órgãos internacionais para combater a erosão da base tributária. O vídeo oferece uma análise completa para profissionais, estudantes e interessados em Direito Tributário e economia internacional. #LeonardoSiadeManzan #QueméLeonardoSiadeManzan #OqueaconteceucomLeonardoSiadeManzan #LeonardoSiade #LeonardoManzan #operaçãozelotes
♬ som original – Leonardo Siade Manzan – Leonardo Siade Manzan
Processo administrativo e contraditório efetivo
Assim como observa Leonardo Manzan, o processo administrativo deve preservar garantias. Antes da lavratura de auto, é recomendável etapa de saneamento com acesso aos datasets relevantes, regras aplicadas e métricas de desempenho do modelo. O contribuinte precisa contestar variáveis, demonstrar materialidade e apresentar evidências alternativas. Sem esse rito, a decisão tende a reproduzir o alerta algorítmico, sem exame crítico do contexto contratual, logístico e financeiro da operação.
Critérios objetivos para reclassificação de risco após o saneamento reduzem litígios repetitivos. Roteiros decisórios padronizados, súmulas administrativas e soluções de divergência em massa aumentam previsibilidade. A publicação de estatísticas sobre acerto dos modelos e motivos recorrentes de descarte dos alertas favorece melhoria contínua. A interação entre fiscalização, julgamento e contribuintes, mediada por dados auditáveis, tende a reduzir custo de conformidade e estoque de processos.
Compliance contínuo e governança de tecnologia
Sob a perspectiva de Leonardo Manzan, programas de compliance devem incluir inventário de modelos, finalidades, limites e responsáveis. “Model cards” com dados de treino, métricas, vieses conhecidos e periodicidade de revisão aumentam a responsabilidade. Políticas internas precisam definir quando ajustes metodológicos exigem comunicação às áreas fiscal, contábil e jurídica, para alinhar documentos, preços e reconhecimento de receitas e créditos.
A integração entre jurídico, fiscal, contábil, TI e operações em ciclos curtos de revisão sustenta aderência ao IBS e à CBS. Indicadores de qualidade de dados, testes de estresse regulatório e auditorias independentes reforçam a confiança nas apurações. Na avaliação de Leonardo Manzan, a auditoria tributária do futuro combina IA auditável, dados padronizados e garantias processuais efetivas, formando um ambiente de fiscalização preciso, previsível e coerente com a legalidade.
Autor: Terry Devinney
