Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/46368
Arquivos neste item:
Arquivo TamanhoFormato 
2024_MarcelaSantiagoPrado_tcc.pdf372,28 kBAdobe PDFver/abrir
Título: A aplicação de inteligência artificial na previsão de receitas públicas e seu impacto na execução orçamentária
Autor(es): Prado, Marcela Santiago
Orientador(es): Wilbert , Marcelo Driemeyer
Assunto: Inteligência artificial
Aprendizagem de máquina
Previsão de receitas
Execução orçamentária
Gestão pública municipal
Data de apresentação: 2-Dez-2024
Data de publicação: 19-Nov-2026
Referência: PRADO, Marcela Santiago. A aplicação de inteligência artificial na previsão de receitas públicas e seu impacto na execução orçamentária. 2024. 31 f., il. Trabalho de Conclusão de Curso (Especialização em Auditoria Financeira) — Universidade de Brasília, Brasília, 2024.
Resumo: A crescente digitalização na gestão pública tem impulsionado o uso de tecnologias emergentes, como a Inteligência Artificial (IA) e o Machine Learning (ML), para melhorar a previsão de receitas e a execução orçamentária. Este trabalho tem como objetivo analisar como essas ferramentas podem aumentar a precisão das previsões financeiras e otimizar a alocação de recursos públicos. A pesquisa foi realizada por meio de uma revisão bibliográfica e análise de estudos empíricos que aplicam algoritmos como redes neurais, LSTM e ARIMA no contexto da gestão pública. Os resultados indicam que o uso de IA e ML aprimora significativamente a precisão na execução do orçamento e na previsão de receitas públicas, reduzindo desvios financeiros e aumentando a capacidade de adaptação das previsões a variações econômicas. A combinação de modelos tradicionais, como ARIMA, com modelos modernos, como LSTM, mostrou-se eficaz em capturar padrões sazonais e não lineares. No entanto, a implementação dessas tecnologias ainda enfrenta desafios, especialmente em relação à infraestrutura tecnológica e à capacitação das equipes envolvidas. As conclusões indicam que, embora promissora, a adoção plena da IA na gestão pública requer planejamento estratégico, investimentos em inovação e treinamento contínuo dos profissionais.
Abstract: The increasing digitalization of public management has driven the use of emerging technologies, such as Artificial Intelligence (AI) and Machine Learning (ML), to improve revenue forecasting and budget execution. This study aims to analyze how these tools can enhance the accuracy of financial forecasts and optimize the allocation of public resources. The research was conducted through a literature review and analysis of empirical studies applying algorithms such as neurais networks, LSTM, and ARIMA in the context of public management. The results indicate that the application of AI and ML significantly improves the accuracy of budget execution and revenue forecasting, reducing financial deviations and increasing the adaptability of forecasts to economic variations. The combination of traditional models, such as ARIMA, with modern models, such as LSTM, has proven effective in capturing seasonal and nonlinear patterns. However, the implementation of these technologies still faces challenges, especially regarding technological infrastructure and team training. The findings suggest that, although promising, the full adoption of AI in public management requires strategic planning, investments in innovation, and continuous training of professionals.
Informações adicionais: Trabalho de Conclusão de Curso (especialização) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Ciências Contábeis e Atuariais, 2024.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece na Coleção:Auditoria Financeira



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.