Banca de QUALIFICAÇÃO: CRISTINA HARUMI MATSUNAGA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : CRISTINA HARUMI MATSUNAGA
DATA : 02/08/2026
HORA: 10:00
LOCAL: FACE (Online, via Teams)
TÍTULO:

Do Controle Reativo à Antecipação: Inteligência Artificial para Gestão Preditiva de Riscos em Compras Públicas no Supremo Tribunal Federal 

PALAVRAS-CHAVES:

Compras Públicas; Gestão de Riscos; Inteligência Artificial; Inteligência Híbrida; Dashboard Preditivo

PÁGINAS: 39
RESUMO:

O presente estudo insere-se no contexto das compras governamentais, ambiente caracterizado por alta complexidade e rigor regulatório, no qual a ineficiência dos controles manuais e reativos expõe o erário a riscos sistêmicos. Para transpor as limitações de auditorias ex-post, esta pesquisa tem como objetivo propor e estruturar um modelo preditivo baseado em Inteligência Artificial (IA), a ser materializado em um dashboard preditivo, capaz de viabilizar o monitoramento em tempo real e a mitigação proativa de riscos nas contratações do Supremo Tribunal Federal (STF). O arcabouço teórico-conceitual ancora-se na Teoria das Capacidades Dinâmicas, na Teoria Sociotécnica e no modelo TACT (Technology Affordances and Constraints Theory), refutando a adoção isolada de algoritmos inescrutáveis de "caixa-preta". Para tanto, adota-se o paradigma da Inteligência Híbrida (Human-in-the-loop) e o imperativo da IA Explicável (XAI), utilizando o método matemático SHAP (SHapley Additive exPlanations). Esta simbiose garante o controle ético do servidor público, a explicabilidade exigida para motivar atos administrativos e a prevenção contra as chamadas "gaiolas digitais algorítmicas". Metodologicamente, trata-se de uma pesquisa aplicada e computacional que prevê a integração de bases de dados estruturadas (SIAFI, ComprasNet e PNCP), além de rotinas de varredura (web scraping) em portais de transparência. A modelagem empregará técnicas de Processamento de Linguagem Natural (PLN), como o modelo BERT, para a análise semântica de direcionamentos e anomalias textuais, aliada a algoritmos supervisionados de classificação, como Random Forest e XGBoost. Esses modelos serão parametrizados para automatizar as escalas de probabilidade e impacto da Resolução nº 781/2022 do STF, validados estatisticamente por meio de Matrizes de Confusão. O estudo culminará no desenvolvimento de um Produto Técnico-Tecnológico (PTT): o Dashboard Preditivo ANTECIPA. O artefato automatizará módulos de Spend Analysis para detecção de sobrepreços com base no PNCP, avaliação do fornecedor via Escore de Confiabilidade e histórico automatizado de sanções, além de alertas precoces contra fraudes e indicadores de conluio fundamentados pela explicabilidade matemática. Espera-se que o sistema atue para aliviar a sobrecarga cognitiva do tomador de decisão, induzindo uma cultura de integridade, antecipação e conformidade tecnológica no Judiciário.

MEMBROS DA BANCA:
Interno - 2518430 - ADALMIR DE OLIVEIRA GOMES
Externa à Instituição - DAYSE KARENINE DE OLIVEIRA CARNEIRO - ENAP
Presidente - 1762431 - MARINA FIGUEIREDO MOREIRA
Interno - 2363646 - RAFAEL RABELO NUNES