Detectando Fraudes com Inteligência Artificial: Uma Perspectiva Avançada em Auditoria Forense
DOI:
https://doi.org/10.53641/junta.v6i2.116Palavras-chave:
fraude, inteligência artificial, auditoria forenseResumo
Esta investigação examina o papel fundamental da inteligência artificial (IA) na detecção e prevenção de fraudes no contexto da auditoria forense. Ele explora como técnicas avançadas de IA, como aprendizado de máquina e processamento
de linguagem natural, transformaram a forma como atividades fraudulentas são identificadas e analisadas nas organizações. É apresentada uma revisão detalhada dos principais conceitos em auditoria forense e fraude, bem como as pesquisas e aplicações mais recentes de IA nesta área. Além disso, são discutidas as vantagens e os desafios da implementação da IA na auditoria forense e são apresentadas recomendações para aproveitar o seu potencial na luta contra a fraude. O objetivo geral deste trabalho
de investigação é analisar e avaliar o impacto da inteligência artificial na auditoria forense, focando-se na sua capacidade de detetar e prevenir fraudes nas organizações. Foi utilizada a metodologia de abordagem quantitativa, que permitirá a utilização de dados numéricos e estatísticas para analisar e quantificar padrões de fraude detectados através de técnicas de inteligência artificial. O resultado desta investigação é que: A incorporação da inteligência artificial na auditoria forense provou ser uma ferramenta 100% poderosa e eficaz para detecção de fraudes. Conclui-se que técnicas avançadas de Inteligência Artificial, como aprendizado de máquina e processamento de linguagem natural, revolucionaram a forma como as atividades fraudulentas nas organizações são identificadas e analisadas.
Downloads
Referências
Chen, W., Zhang, M., & Liu, K. (2021). Machine Learning Techniques for Fraud Detection in E-commerce. International Journal of Electronic Commerce, 25(1), 56-78.
Federal Bureau of Investigation. (2023). Financial Fraud Awareness. FBI.
Johnson, R. K., & Williams, L. S. (2022). Advanced Machine Learning Techniques for Fraud Detection. En P. Anderson & Q. Brown (Eds.), Financial Fraud: Trends, Challenges, and Solutions (pp. 75-92). Springer.
Lee, H., Kim, S., & Park, J. (2020). Application of Natural Language Processing in Fraud Detection. Journal of Financial Crime, 27(4), 1025-1040.
OpenAI. (2021). ChatGPT: Modelo de Lenguaje Generativo.
Smith, J. D. (2021). Fraud Detection with Artificial Intelligence. Academic Press. United States Securities and Exchange Commission. (2022). Report on Financial Fraud Trends and Prevention. Government Printing Office.
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Direitos de Autor (c) 2024 Cesar Alexis Benites Ocampo
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.