Analysis of corruptive pathologies using artificial intelligence: jurisprudential delimitation in TCU decisions of competitiveness restrictive clauses in public bidding

Autor: Silva, Sérvio Túlio Teixeira e
Přispěvatelé: Neves, Cleuler Barbosa das, Peixoto, Fabiano Hartmann, Coelho, Saulo de Oliveira Pinto
Jazyk: portugalština
Rok vydání: 2020
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da UFG
Universidade Federal de Goiás (UFG)
instacron:UFG
Popis: No Brasil, as inovações trazidas pelo novo Código de Processo Civil (Lei nº 13.105, de 16 de março de 2015), formalizaram a importância do uso de precedentes em todos os níveis do ordenamento jurídico brasileiro. A problemática desta pesquisa advém da necessidade mapear todas as decisões que versam sobre uma mesma temática, para além de simples pesquisas por palavras-chave utilizadas atualmente, com vistas proporcionar maior segurança jurídica. No âmbito administrativo, as decisões colegiadas do Tribunal de Contas da União (TCU) servem de orientação à atuação administrativa, pois estabelecem critérios práticos que permitem aos gestores públicos concluírem por uma solução possível diante de um caso concreto. Nesse contexto, esta pesquisa empírica teve como objetivos principais: (i) criar um método replicável de delineamento de jurisprudência e identificação de precedentes com uso de Inteligência Artificial (IA) aplicável, sobretudo, a decisões do TCU que versem sobre cláusulas restritivas ao caráter competitivo em editais de licitação; e (ii) contribuir para a sedimentação da cultura de precedentes administrativos no país e para a delimitação jurisprudencial de conceitos jurídicos indeterminados, mormente aqueles ligados a práticas corruptas. O recorte temático escolhido para aplicação da extração jurisprudencial, encontra se no cerne das fraudes em licitações, espécies do gênero corrupção, e que apresentam como uma de suas patologias a existência de cláusulas nos editais que restringem a competitividade do certame. Assim, testou-se a aplicação de técnicas de IA (text mining para classificação de documentos) nos acórdãos do TCU (entre 1992 e 2018), com intuito de sistematizar a delimitação jurisprudencial e consequente identificação inequívoca dos precedentes administrativos que dão concreção ao conceito aberto de cláusulas restritivas ao caráter competitivo em editais de licitação. Mais de 300 acórdãos do TCU, previamente rotulados em 11 classes relacionadas à a cláusulas de editais de licitação consideradas restritivas à competitividade, foram utilizados para treinar modelos de machine learning e deep learning para classificação multi-label, a fim de constatar se o modelo seria capaz de apontar quais outras decisões do TCU são pertencentes a alguma dessas classes. Os resultados obtidos para as fases de treinamento e teste utilizando redes neurais convolucionais mostraram-se razoáveis, pois apresentaram métrica de avaliação de 82,69%. Entretanto, na etapa de avaliação supervisionada, o algoritmo de aprendizado profundo treinado resultou inconclusivo para a delimitação jurisprudencial almejada. Não obstante os resultados insatisfatórios para a utilização de IA no delineamento da jurisprudência acerca do recorte temático escolhido, considera-se que esta pesquisa logrou êxito, ao menos parcialmente, no atingimento de seus objetivos gerais, visto que o mapeamento do estado da arte computacional aplicado ao problema da pesquisa e os detalhes operacionais descritos proporcionam transferência de know-how para pesquisas que vislumbram a utilização de IA para sistematização jurisprudencial. Demonstrou-se, também, a importância de rastrear sistematicamente os precedentes administrativos para que haja maior segurança jurídica não apenas aos gestores públicos em suas ações administrativas, mas também no aprimoramento dos algoritmos utilizados por aplicações de IA que vasculham possíveis irregularidades, como o robô Alice do TCU. Ainda, a fim de contribuir para a concreção do conceito jurídico indeterminado em estudo, apresentou-se uma linha jurisprudencial de entendimento com indicação dos prováveis precedentes administrativos do TCU, e suas respectivas rationes decidendi, que consideraram restritivas cláusulas em editais de licitação por exigirem capacidade técnica dos licitantes de maneira irregular. In Brazil, the innovations brought by the new Civil Procedure Code (Law No. 13105/2015), formalized the importance of using precedents at all levels in the Brazilian legal system. This research arises from the need to congregate all decisions that deal with the same theme, in contrast to simple keyword searches used these days, in order to provide greater legal certainty. In administrative law, the Brazilian Federal Audit Court’s (TCU) decisions serves as a guide for public actions, as they establish practical criteria that allow public managers to conclude for a possible solution in a specific case. In this context, this empirical research had as main objectives: (i) to create a replicable method of delineating jurisprudence and identifying precedents with the use of Artificial Intelligence (AI) applicable, above all, to TCU decisions that deal with clauses restricting the competitiveness in bidding notices; and (ii) to contribute to the administrative precedents culture sedimentation and to the jurisprudential delimitation of indeterminate legal concepts, especially those related to corrupt practices. The area chosen for jurisprudential extraction application is found at the heart of frauds in public bidding, that one of its corruption pathologies is the existence of clauses in bidding notices that restrict the competitiveness in public purchases. Thus, this research tested AI techniques (text mining for document classification) in the TCU decisions (between 1992 and 2018), with the purpose of systematize the jurisprudential delimitation and consequent unambiguous administrative precedents identification, which give concreteness to the concept of competitiveness restrictive clauses. More than 300 judgments, previously labeled in 11 different classes related to bidding clauses considered restrictive to the competitive nature of the public purchase, were used to train machine learning and deep learning models for multilabel classification, in order to verify whether the machine would be able to point out which others TCU decisions were related to any of these classes. The results using convolutional neural networks for the training and test phases proved to be reasonable, as they presented an evaluation metric of 82.69%. However, in the supervised assessment stage, the trained deep learning algorithm was inconclusive for the desired jurisprudential delimitation. Despite the unsatisfactory results this research was successful, at least partially, in reaching its general objectives, since the mapping of the computational state of art applied to the research problem and the operational details described provide know-how transferring for futures research that envisages the use of AI for jurisprudential systematization. It was also demonstrated the importance of systematically tracking administrative precedents so that there is greater legal security not only for public managers in their administrative actions, but also in improving the algorithms used by AI applications that search for possible irregularities, such as Alice the robot from TCU. Still, this study presents the construction of the jurisprudential line with indication of the probable administrative precedents and their rationes decidendi for the cases of clauses in bidding notices, considered restrictive because they demand technical capacity from bidders in an irregular manner.
Databáze: OpenAIRE
Externí odkaz: