Palavras-chave
Tomadas de Decisão
Contabilidade
Tributação
Organizações
Como Citar
Resumo
A Inteligência Artificial (IA) está cada vez presente no cotidiano, no trabalho, nas organizações e em sistemas inteligentes e integrados. Neste estudo, pretendemos investigar como as tecnologias baseadas em IA estão sendo abordadas nas pesquisas científicas e identificar como elas estão sendo aplicadas no ambiente organizacional, bem como sua influência nas áreas tributária e contábil. Para isso, o trabalho tem como objetivo analisar como as organizações estão utilizando técnicas de IA em seus negócios, com especial enfoque nos setores contábil e fiscal. Diante disso, será realizada uma revisão de literatura narrativa, de forma a estudar e apresentar trabalhos que demonstrem a aplicação da IA feita pelas organizações em seus negócios e gestão. A abordagem da revisão se dará em três pontos específicos: a) aplicação da IA nas organizações; b) aplicação da IA nas atividades de contabilidade; e c) aplicação da contabilidade nas atividades fiscais e de tributação. Identificamos o uso de soluções especialistas pelas empresas, atribuídas detidamente a resoluções de problemas ligados aos objetivos-fim das empresas, de seus negócios e em processos de auditoria. Encontramos lacunas de pesquisa quanto ao uso da IA nos setores contábil e de tributos. No âmbito contábil, há diversos trabalhos e pesquisas vinculados a empresas em que o negócio é justamente soluções contábeis, nas quais tais soluções estão conectadas à automação de seus negócios, e não propriamente a analisar os resultados contábeis e, assim, encontrar padrões e sugerir melhorias na gestão do negócio de seus clientes. Por sua vez, no setor de tributos, não encontramos trabalhos e pesquisas com uso de IA para auxiliar o trabalho das empresas. Os trabalhos encontrados estão relacionados ao combate de evasão de tributos, voltados principalmente a organizações governamentais.
Palavras-Chave: Inteligência Artificial. Tomadas de decisão. Contabilidade. Tributação. Organizações.
ABSTRACT
THE INFLUENCE OF ARTIFICIAL INTELLIGENCE ON ACCOUNTING AND TAXATION IN ORGANIZATIONS: A LITERATURE REVIEW
Artificial Intelligence (AI) has become an integral part of daily life, work environments, organizations, and intelligent integrated systems. This study seeks to explore the integration of AI-based technologies within scientific research, emphasizing their application in organizational contexts and their influence on the fields of taxation and accounting. The primary objective is to examine how organizations are leveraging AI techniques in their operations, with a particular focus on the Accounting and Fiscal sectors. To achieve this, a narrative literature review will be conducted, aiming to evaluate and synthesize existing studies that showcase the implementation of AI in organizational processes and management. The review is structured around three key areas: (a) the adoption of AI within organizations; (b) the application of AI in accounting practices; and (c) the use of AI in tax and fiscal activities. The findings highlight the deployment of specialized AI-driven solutions by organizations, predominantly in addressing business objectives, operational challenges, and auditing processes. However, significant research gaps are identified in the utilization of AI within the accounting and tax sectors. In the accounting domain, existing studies are largely focused on organizations that develop accounting solutions, with an emphasis on process automation rather than using AI to analyze accounting outcomes, uncover patterns, and propose enhancements to client business management strategies. Conversely, in the tax sector, there is a notable absence of research investigating the application of AI to assist corporate activities. The available studies are primarily centered on combating tax evasion, with a focus on governmental institutions.
Keywords: Artificial Intelligence. Decision-Making. Accounting. Taxation. Organizations.
Referências
BEHRENS, Michael L.; STEINBART, Paul John. Integrating expert systems and artificial intelligence in accounting: a description of the academic program at Memphis State University. Expert Systems with Applications, v. 4, n. 2, p. 219-223, 1992. DOI: 10.1016/0957-4174(92)90113-7.
BITENCOURT, Caroline Muller; MARTINS, Luisa Helena Nicknig. A Inteligência Artificial nos órgãos constitucionais de controle de contas da administração pública brasileira. Revista de Investigações Constitucionais, v. 10, n. 3, e253. DOI: 10.5380/rinc.v10i3.93650.
BORGES, Aline F. S.; LAURINDO, Fernando J. B.; SPÍNOLA, Mauro M.; GONÇALVES, Rodrigo F.; MATTOS, Claudia A. The strategic use of artificial intelligence in the digital era: systematic literature review and future research directions. International Journal of Information Management, v. 57, p. 102225, 2021. DOI: 10.1016/j.ijinfomgt.2020.102225.
BRUYN, Arnaud de; VISWANATHAN, Vijay; BEH, Yean Shan; BROCK, Jürgen Kai-Uwe; WANGENHEIM, Florian von. Artificial Intelligence and marketing: pitfalls and opportunities. Journal of Interactive Marketing, v. 51, p. 91-105, 2020. DOI: 10.1016/j.intmar.2020.04.007.
CAI, Cynthia Weiyi. Triple‐entry accounting with blockchain: How far have we come? Account Finance, v. 61, n. 1, p. 71-93, 2021. DOI: 10.1111/acfi.12556.
CHEN, Jieh-Haur; SU, Mu-Chun; CHEN, Chang-Yi; HSU, Fu-Hau; WU, Chin-Chao: application of neural networks for detecting erroneous tax reports from construction companies. Automation in construction, v. 20, n. 7, p. 935-939, 2011. DOI: 10.1016/j.autcon.2011.03.011.
COOPER, S. Barry; VAN LEEUWEN, Jan. Computing machinery and Intelligence. Alan Turing: his work and impact. London: Elsevier, 2013. p. 551-621.
COSTA, Daniel Fonseca. Utilização do orçamento no planejamento tributário de uma pequena empresa. Revista Brasileira de Contabilidade, v. 206, p. 26-39, 2014. Disponível em: http://rbc.cfc.org.br/index.php/rbc/article/view/1147. Acesso em: 03 mar. 2022.
COSTA, Daniel Fonseca; CHAIN, Caio Peixoto; CARVALHO, Francisval de Melo; MOREIRA, Bruno César de Melo. O custo financeiro dos tributos sobre consumo nas cadeias de suprimento brasileiras: uma proposta metodológica. R. Contemp. Contab., v. 13, n. 29, p. 91-107, 2016. DOI: 10.5007/2175-8069.2016v13n29p91.
COSTA, Daniel Fonseca; SILVA, Ana Carolina Menezes; MOREIRA, Bruno César de Melo; COSTA, Marcos Franke; ANDRADE, Lelis Pedro. Proposta de um modelo de previsão do resultado para o planejamento tributário de pequenas empresas. Enf.:Ref. Cont., v. 37, n. 3, p. 93-104, 2018. DOI: 10.4025/enfoque.v37i3.33607.
COSTA, D. F.; FONSECA, B. M.; MOREIRA, B. C. de M.; ANDRADE, L. P. de. Bibliometric and scientometric analyses on the relation of tax decision and taxpayer behavior. SN Business & Economics, v. 3, n. 12, 210, 2023. https://doi.org/10.1007/s43546-023-00593-3
CUNHA, Carlos; SILVEIRA, Heber. Inteligência artificial na formalização de contratos - análise do impacto em uma instituição financeira brasileira de médio porte. G&T, v. 20, n. 2, p. 256-279, 2020. DOI: 10.20397/2177-6652/2020.v20i2.1872.
DI VAIO, Assunta; PALLADINO, Rosa; HASSAN, Rohail; ESCOBAR, Octavio. Artificial intelligence and business models in the sustainable development goals perspective: A systematic literature review. Journal of Business Research, v. 121, p. 283-314, 2020. DOI: 10.1016/j.jbusres.2020.08.019.
DONTHU, Naveen; KUMAR, Satish; MUKHERJEE, Debmalya; PANDEY, Nitesh; LIM, Weng Marc. How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, v. 133, p. 285-296, 2021. DOI: 10.1016/j.jbusres.2021.04.070.
DUAN, Yanqing; EDWARDS, John S.; DWIVEDI, Yogesh K. Artificial intelligence for decision making in the era of Big Data – evolution, challenges and research agenda. International Journal of Information Management v. 48, p. 63-71, 2019. DOI: 10.1016/j.ijinfomgt.2019.01.021.
DUBEY, Rameshwar; GUNASEKARAN, Angappa; CHILDE, Stephen J.; BRYDE, David J.; GIANNAKIS, Mihalis; FOROPON, Cyril et al. Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism: A study of manufacturing organisations. International Journal of Production Economics, v. 226, p. 107599, 2020. DOI: 10.1016/j.ijpe.2019.107599.
FAN, Jingtao; FANG, Lu; WU, Jiamin; GUO, Yuchen; DAI, Qionghai. From brain science to artificial intelligence. Engineering, v. 6, n. 3, p. 248-252, 2020. DOI: 10.1016/j.eng.2019.11.012.
FAÚNDEZ-UGALDE, Antonio; MELLADO-SILVA, Rafael; ALDUNATE-LIZANA, Eduardo. Use of artificial intelligence by tax administrations: An analysis regarding taxpayers’ rights in Latin American countries. Computer Law & Security Review, v. 38, p. 105441, 2020. DOI: 10.1016/j.clsr.2020.105441.
FELICIO, Raphael Maleque; MARTINEZ, Antônio Lopo. Sistema tributário brasileiro: análise da percepção dos operadores do direito tributário à luz dos conceitos de eficiência e justiça fiscal. Ambiente, v. 11, n. 1, p. 156-181, 2018. DOI: 10.21680/2176-9036.2019v11n1ID13975.
FERFERNIG, Alexander; TERPAN, Erich; GULA, Bartosz. Knowledge-Based recommender technologies for marketing and sales. Int. J. Patt. Recogn. Artif. Intell., v. 21, n. 2, p. 333-354, 2007. DOI: 10.1142/S0218001407005417.
GASSEN, Valcir; D'ARAÚJO, Pedro Júlio Sales; PAULINO, Sandra. Tributação sobre Consumo: o esforço em onerar mais quem ganha menos. Seq. v. 34, n. 66, 2013. DOI: 10.5007/2177-7055.2013v34n66p213.
GIUDICI, Paolo. Fintech risk management: a research challenge for artificial intelligence in finance. Frontiers in artificial intelligence, v. 1, p. 1, 2018. DOI: 10.3389/frai.2018.00001.
GREWAL, Dhruv; ROGGEVEEN, Anne L.; NORDFÄLT, Jens. The future of retailing. Journal of Retailing, v. 93, n. 1, p. 1-6, 2017. DOI: 10.1016/j.jretai.2016.12.008.
HAENLEIN, Michael; KAPLAN, Andreas. A brief history of artificial intelligence: on the past, present, and future of artificial intelligence. California Management Review, v. 61, n. 4, p. 5-14, 2019. DOI: 10.1177/0008125619864925.
HANLON, Michelle; HEITZMAN, Shane. A review of tax research. Journal of Accounting and Economics, v. 50, n. 2-3, p. 127-178, 2010. DOI: 10.1016/j.jacceco.2010.09.002.
HARIRI, Reihaneh H.; FREDERICKS, Erik M.; BOWERS, Kate M. Uncertainty in big data analytics: survey, opportunities, and challenges. J Big Data, v. 6, n. 1, 2019. DOI: 10.1186/s40537-019-0206-3.
HENDRIKSEN, Eldon S.; VAN BREDA, Michael F.; SANVICENTE, Antonio Zoratto. Teoria da contabilidade. São Paulo: Atlas, 2009.
HILDEBRAND, Christian; BERGNER, Anouk. Conversational robo advisors as surrogates of trust: onboarding experience, firm perception, and consumer financial decision making. J. of the Acad. Mark. Sci., 2020. DOI: 10.1007/s11747-020-00753-z.
HÖGLUND, Henrik. Tax payment default prediction using genetic algorithm-based variable selection. Expert Systems with Applications, v. 88, p. 368-375, 2017. DOI: 10.1016/j.eswa.2017.07.027.
HU, YUYANG. Risk management of accounting systems: Using artificial intelligence for real-time analysis and decision-making. Journal of Computational Methods in Sciences and Engineering. 2025;25(5):4802-4816. doi:10.1177/14727978251338006
IBPT (2020): Estudo sobre a sonegação fiscal das empresas brasileiras. Public. por IBPT. Instituto Brasileiro de Planejamento e Tributação. Disponível em: https://ibpt.com.br/estudo-autos-de-infracao-e-sonegacao-fiscal/. Acesso em: 04 mar. 2022.
KANELLOU, Alexandra; SPATHIS, Charalambos. Accounting benefits and satisfaction in an ERP environment. International Journal of Accounting Information Systems, v. 14, n. 3, p. 209-234, 2013. DOI: 10.1016/j.accinf.2012.12.002.
KAPLAN, Andreas; HAENLEIN, Michael. Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, v. 62, n. 1, p. 15-25, 2019. DOI: 10.1016/j.bushor.2018.08.004.
KOKINA, Julia; DAVENPORT, Thomas H. The emergence of artificial intelligence: how automation is changing auditing. Journal of Emerging Technologies in Accounting, v. 14, n. 1, p. 115-122, 2017. DOI: 10.2308/jeta-51730.
LEE, Cheah Saw; TAJUDEEN, Farzana Parveen. Usage and impact of artificial intelligence on accounting: 213 evidence from Malaysian organisations. AJBA, v. 13, n. 1, p. 213-240, 2020. DOI: 10.22452/ajba.vol13no1.8.
LEE, Jay; KAO, Hung-An; YANG, Shanhu. Service innovation and smart analytics for industry 4.0 and big data environment. Procedia CIRP, v. 16, p. 3-8, 2014. DOI: 10.1016/j.procir.2014.02.001.
LIN, Sin-Jin; HSU, Ming-Fu. Incorporated risk metrics and hybrid AI techniques for risk management. Neural Comput & Applic v. 28, n. 11, p. 3477-3489, 2017. DOI: 10.1007/s00521-016-2253-4.
MA, Liye; SUN, Baohong. Machine learning and AI in marketing – connecting computing power to human insights. International Journal of Research in Marketing, v. 37, n. 3, p. 481-504, 2020. DOI: 10.1016/j.ijresmar.2020.04.005.
MABE-MADISA, G. V. A decision tree and naïve bayes algorithm for income tax prediction. African Journal of Science, Technology, Innovation and Development, v. 10, n. 4, p. 401-409, 2018. DOI: 10.1080/20421338.2018.1466440.
MACHADO, Melina Carneiro; NAKAO, Nakao. Diferenças entre o lucro tributável e o lucro contábil das empresas brasileiras de capital aberto. RUC, p. 100-112, 2012. DOI: 10.4270/ruc.2012324.
MELNYCHENKO, Oleksandr. Is artificial intelligence ready to assess an enterprise’s financial security? JRFM, v. 13, n. 9, p. 191-203, 2020. DOI: 10.3390/jrfm13090191.
MESERVY, Rayman D.; DENNA, Eric L.; HANSEN, James V. Application of artificial intelligence to accounting, tax, and audit services: research at Brigham Young University. Expert Systems with Applications, v. 4, n. 2, p. 213-218, 1992. DOI: 10.1016/0957-4174(92)90112-6.
MORGENSTERN, Leora; MCILRAITH, Sheila A. John McCarthy's legacy. Artificial Intelligence, v. 175, n. 1, pág. 1-24, 2011. DOI: 10.1016/j.artint.2010.11.003.
MUTHUKRISHNAN, Nikesh; MALEKI, Farhad; Ovens, Katie; Reinhold, Caroline; Forghani, Behzad; Forghani, Reza. Brief history of artificial intelligence. Neuroimaging clinics of North America, v. 30, n. 4, p. 393-399, 2020. DOI: 10.1016/j.nic.2020.07.004.
NASCIMENTO, Alexandre Moreira; MELO, Vinicius Veloso; QUEIROZ, Anna Carolina Muller; BRASHEAR-ALEJANDRO, Thomas; MEIRELLES, Fernando de Souza. Inteligência artificial aplicada a pequenas empresas: o uso da engenharia automática de recursos e do aprendizado de máquina para um planejamento mais preciso. Revista de Contabilidade e Organizações, 2020.
NGUYEN, Giang; DLUGOLINSKY, Stefan; BOBÁK, Martin; TRAN, Viet; LÓPEZ García, Álvaro; HEREDIA, Ignacio et al. Machine learning and deep learning frameworks and libraries for large-scale data mining: a survey. Artif Intell Rev, v. 52, n. 1, p. 77-124, 2019. DOI: 10.1007/s10462-018-09679-z.
OLIVEIRA, Francisco Nobre de; SANTOS, Luis Paulo Guimarães dos. Estratégias para combater a sonegação fiscal: um modelo para o ICMS baseado em redes neurais artificiais. RGFC, v. 10, n. 1, p. 42-64, 2021. DOI: 10.18028/rgfc.v10i1.7474.
PAWŁOWSKI, Mieczysław. Machine learning based product classification for ecommerce. Journal of Computer Information Systems, p. 1-10, 2021. DOI: 10.1080/08874417.2021.1910880.
REDIVO, Jadina; ALMEIDA, Daci; BEUREN, Ilse. Reflexos dos controles de gestão no planejamento tributário: um estudo em uma pequena empresa industrial. Pensar Contábil - CRCRJ 2020/22, v. 77, p. 55-67, 2019. Disponível em: http://www.spell.org.br/documentos/ver/58062/reflexos-dos-controles-de-gestao-no-planejamento-tributario--um-estudo-em-uma-pequena-empresa-industrial--/i/pt-br. Acesso em: 04 mar. 2022.
RODOLFO, Bruno Couto de Abreu; GONÇALVES, Bruno Miguel Ferreira. Innovative Applications of Artificial Neural Networks in Tax Forecasting. Navus Revista de Gestão e Tecnologia, v. 16, p. 01-18, 2025. https://doi.org/10.22279/navus.v16.1953.
RODRIGUES, Jose; SOARES, Afonso; CASTRO, Kleber (ed.). Avaliação da estrutura e do desempenho do sistema tributário Brasileiro. 1 ed.: Washington: Banco Interamericando de Desenvolvimento, 2013.
SERUGENDO, Giovanna Di Marzo; CAPPELLI, Maria Assunta; FALQUET, Gilles; MÉTRAL, Claudine; WADE, Assane; CUTTING-DECELLE, Anne-Françoise;CASELLI, Ashley; CUTTING, Graham. Streamlining Tax and Administrative Document Management with AI-Powered Intelligent Document Management System. MDPI, 15, 461.DOI: https://doi.org/10.3390/info15080461.
SOUZA, Fábio; ALVES, Elioenai; FRANCO, Wellington; BASTOS, Zairo; FURTADO, Lara Sucupira; PINHEIRO, Vladia. "An Artificial Intelligence Tool for Identifying Tax Evasion Rates in Smart Government," 2024 IEEE International Smart Cities Conference (ISC2), Pattaya, Thailand, 2024, pp. 1-6, doi: 10.1109/ISC260477.2024.11004210.
THAYYIB, P. V.; THORAKKATTLE, M. N., USMANI, F., YAHYA, Ali T., & FARHAN, Najib H. S.. Forecasting Indian Goods and Services Tax revenue using TBATS, ETS, Neural Networks, and hybrid time series models. Cogent Economics & Finance, 11(2), 2023. https://doi.org/10.1080/23322039.2023.2285649
TUREGUN, Nida. Challenges and Opportunities: Integrating AI Into Accounting Systems. Journal of Corporate Accoounting & Financ, v. 0, 1-12, 2025. DOI: https://doi.org/10.1002/jcaf.22788
XAVIER, Otavio; PIRES, Sandreley; MARQUES, Thyago; SOARES, Anderson. Identificação de evasão fiscal utilizando dados abertos e inteligência artificial. Revista de administração Pública, v. 56, p. 426-440, 2022. DOI: http://dx.doi.org/10.1590/0034-761220210256.
ZHANG, Lelin; NAN, Xi; HUANG, Eva; SIDONG,Liu. "Social E-commerce Tax Evasion Detection Using Multi-modal Deep Neural Networks," 2021 Digital Image Computing: Techniques and Applications (DICTA), Gold Coast, Australia, 2021, pp. 01-06, doi: 10.1109/DICTA52665.2021.9647152.
ZHANG, Xianyu; MING, Xinguo. An implementation for Smart Manufacturing Information System (SMIS) from an industrial practice survey. Computers & Industrial Engineering, v. 151, p. 106938, 2021. DOI: 10.1016/j.cie.2020.106938.
ZHANG, Yingying; XIONG, Feng; XIE, Yi; FAN, Xuan; GU, Haifeng. The impact of artificial intelligence and blockchain on the accounting profession. IEEE Access, v. 8, p. 110461-110477, 2020. DOI: 10.1109/ACCESS.2020.3000505.
ZHENG, Pai; WANG, Honghui; SANG, Zhiqian; ZHONG, Ray Y.; LIU, Yongkui; LIU, Chao et al. Smart manufacturing systems for Industry 4.0: conceptual framework, scenarios, and future perspectives. Front. Mech. Eng., v. 13, n. 2, p. 137-150, 2018. DOI: 10.1007/s11465-018-0499-5.
ZUGMAN, Daniel Leib. Reflexões sobre as possíveis razões para não ocorrer uma reforma tributária no Brasil. Rev. direito GV, v. 12, n. 3, p. 610-631, 2016. DOI: 10.1590/2317-6172201625.
Este trabalho está licensiado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Copyright (c) 2026 Array