Inteligência artificial na auditoria interna: automação, eficiência e desafios em um estudo de caso

Abstract

Esta pesquisa aborda o impacto da Inteligência Artificial na Auditoria Interna, com foco na automação de processos, identificando benefícios e desafios encontrados através de um estudo de caso. Este estudo foi motivado pelo aumento da adoção de tecnologias disruptivas nas práticas da gestão e pela necessidade de maior eficiência e precisão dos processos de auditoria. O trabalho pontua a importância da Auditoria Interna para as entidades e os desafios enfrentados na automação de processos no contexto de transformação digital. A fundamentação teórica explora conceitos da IA e Auditoria Interna, como base nas Norma Brasileira de Contabilidade e apoiando-se, também, nas literaturas disponível, considerando conceitos de autores como Russell e Norvig, pontuando o papel da automação na análise de dados e na redução de erros humanos. A metodologia utilizada foi quali-quantitativa e exploratória, baseada em um estudo de caso voltado para uma empresa que implementou soluções de IA na Auditoria Interna. O período analisado compreendeu os meses de dezembro de 2024 a março de 2025. A coleta de dados envolve a percepção dos auditores quanto a adoção da IA, análise de relatórios e comparação de processos manuais e automatizados. Foi aplicado um questionário via Google Forms a 11 auditores internos com experiência na área, a fim de captar suas percepções quanto ao uso da IA nos processos de auditoria. Os resultados mostram que as tabelas dinâmicas oferecem agilidade na organização dos dados, enquanto o Copilot amplia a capacidade da análise e reduz erros humanos, embora exija adaptação e treinamento dos auditores internos. O estudo conclui que a integração do Copilot ao Excel potencializa a qualidade da validação de dados, dando suporte para decisões mais assertivas e fortalecendo a eficiência dos processos da auditoria interna.