Decisão automatizada na fiscalização tributária: o que a LGPD exige do município que usa IA

Há uma pergunta que toda secretaria de fazenda que adota modelos preditivos vai receber, cedo ou tarde, de um contribuinte, de um advogado ou do controle interno: “com base em quê o sistema escolheu a minha empresa?” A resposta não pode ser “o algoritmo decidiu”. Este artigo mostra o que a Lei Geral de Proteção de Dados e o Código Tributário Nacional exigem, em conjunto, do município que usa inteligência artificial para selecionar contribuintes — e por que essas exigências, bem atendidas, tornam a fiscalização mais sólida, não mais lenta.

O que a LGPD chama de decisão automatizada

O art. 20 da LGPD dá ao titular o direito de solicitar a revisão de decisões tomadas unicamente com base em tratamento automatizado de dados pessoais que afetem seus interesses, “incluídas as decisões destinadas a definir o seu perfil pessoal, profissional, de consumo e de crédito”. Dois detalhes da redação importam para o fisco:

• A palavra é “unicamente”. A proteção incide com força máxima quando não há intervenção humana relevante entre a saída do modelo e o efeito sobre a pessoa.
• A redação vigente, dada pela Lei 13.853/2019, não exige mais que a revisão seja feita “por pessoa natural” — a expressão constava do texto original e foi retirada. Para a administração tributária isso é quase irrelevante na prática, porque, como se verá adiante, o CTN impõe a decisão humana por outro caminho.

O § 1º do mesmo artigo obriga o controlador a fornecer, sempre que solicitado, “informações claras e adequadas a respeito dos critérios e dos procedimentos utilizados para a decisão automatizada”, observados os segredos comercial e industrial. E o § 2º autoriza a Autoridade Nacional de Proteção de Dados a auditar o tratamento para verificar aspectos discriminatórios quando essas informações não forem oferecidas.

O poder público está dentro do alcance da lei. O art. 7º, III autoriza o tratamento “pela administração pública, para o tratamento e uso compartilhado de dados necessários à execução de políticas públicas”, e o art. 23 condiciona esse tratamento ao atendimento de finalidade pública, com transparência sobre as hipóteses em que os dados são usados. A fiscalização tributária é finalidade pública típica — o que a lei pede não é que o município deixe de tratar dados, e sim que saiba dizer para quê, com base em quê e sob que salvaguardas.

Ranking de risco é decisão? Depende do que acontece depois

A pergunta prática é se um índice de risco — o número que ordena os 18 mil prestadores de serviço do município do mais ao menos provável de estar subdeclarando — configura “decisão automatizada”. A resposta depende do desenho do processo, e há três situações distintas:

1. O modelo ordena, o auditor decide

O índice serve para escolher quais dossiês o auditor abre primeiro. Ele lê o dossiê, confere a NFS-e, o PGDAS-D, a declaração de meios de pagamento, e decide se notifica. Aqui a decisão que afeta o contribuinte é humana; o modelo é instrumento de priorização. O art. 20 não é acionado no seu núcleo — mas os princípios do art. 6º (finalidade, adequação, necessidade, transparência, não discriminação, prevenção, responsabilização) continuam valendo integralmente para o tratamento que produz o índice.

2. O modelo notifica sem que ninguém leia

O sistema cruza os dados, ultrapassa um limiar e dispara a notificação de autorregularização automaticamente. Aqui há decisão “unicamente” automatizada com efeito direto sobre o contribuinte: o art. 20 aplica-se por inteiro, e o município precisa estar preparado para explicar critérios e rever a decisão. É um desenho possível para volumes altos e regras simples — mas exige mais governança, não menos.

3. O modelo exclui silenciosamente

O caso menos discutido: o modelo decide quem nunca será fiscalizado. Uma exclusão sistemática também é efeito sobre interesses — dos demais contribuintes, que suportam a carga de quem ficou de fora, e do erário. A LGPD olha para o titular; o controle externo olha para a isonomia. Vale documentar o critério de exclusão com o mesmo rigor do critério de seleção.

O CTN já exigia a decisão humana: art. 142

O art. 142 do CTN define o lançamento como atividade administrativa “vinculada e obrigatória”, privativa da autoridade, que verifica a ocorrência do fato gerador, determina a matéria tributável, calcula o montante e identifica o sujeito passivo. Três consequências para quem usa modelos:

• Indício não é prova. A saída de um modelo — desvio de Benford, divergência DIMP × NFS-e, probabilidade de subdeclaração — é indício que justifica abrir procedimento. O lançamento exige a verificação dos fatos, e o art. 148 só admite arbitramento “mediante processo regular”, com contraditório.
• O modelo não lança. Não há como delegar a um sistema a competência que a lei atribui à autoridade. Mesmo no desenho em que a notificação de autorregularização é automática, o ato que constitui o crédito precisa ser humano, motivado e assinado.
• O auditor precisa conseguir explicar. A motivação é requisito do ato administrativo — a Lei 9.784/1999, art. 50, que rege o processo federal e serve de referência às leis municipais, exige indicação dos fatos e fundamentos. “Foi o sistema” não é fundamento.

Há um encaixe elegante aqui: o que a LGPD pede (revisão e explicação) o direito tributário já pedia (decisão vinculada e motivada). O município que respeita o art. 142 cumpre boa parte do art. 20 sem precisar de nenhuma estrutura nova — desde que o processo esteja desenhado para que o auditor de fato leia, decida e registre.

Explicabilidade na prática: o que o município precisa conseguir dizer

“Explicar o critério” não significa entregar o código-fonte nem os pesos de uma rede neural. Significa responder, para um caso concreto, a cinco perguntas — e ter isso registrado antes de o contribuinte perguntar:

• Quais dados entraram (NFS-e de 24 competências, PGDAS-D, DIMP, cadastro) e de onde vieram;
• Quais variáveis pesaram naquele caso — por exemplo: “concentração atípica de notas com valor logo abaixo do limiar de retenção” e “receita declarada 38% inferior aos recebimentos por cartão”;
• Qual versão do modelo produziu o índice, calibrada quando, com que limiar;
• Quem decidiu abrir o caso, quando, e o que confirmou ou descartou;
• Como o contribuinte pede revisão e em que prazo — o que, no ciclo da LC 225/2026, art. 3º, XX, coincide com a própria autorregularização: a notificação já é o convite ao contraditório antes de qualquer autuação.

Não discriminação e o teste do proxy

O inciso IX do art. 6º veda o tratamento “para fins discriminatórios ilícitos ou abusivos”. Em modelos de seleção fiscal o risco raramente é intencional: ele entra por variáveis proxy. Bairro ou CEP correlacionados com renda; porte; tempo de abertura; tipo de atividade dominada por determinado perfil de empreendedor. Um modelo que aprende que “serviços de beleza em bairro periférico” têm mais desvio pode estar aprendendo um padrão real de informalidade — ou apenas reproduzindo onde a fiscalização historicamente concentrou esforço.

O teste prático é medir a taxa de seleção e a taxa de confirmação por segmento: se um grupo é selecionado com frequência desproporcional mas confirma na mesma proporção que os demais, o modelo está calibrado; se é selecionado mais e confirma menos, há viés. Essa medição é barata, cabe num painel mensal e é exatamente o tipo de evidência que o § 2º do art. 20 supõe existir quando fala em auditoria de aspectos discriminatórios.

Registro, relatório de impacto e o papel de cada um

Três dispositivos completam o quadro. O art. 37 obriga controlador e operador a manter registro das operações de tratamento — para o fisco, isso é a trilha: quem consultou o quê, quando, e que decisão se seguiu. O art. 38 prevê o relatório de impacto à proteção de dados, que a autoridade pode exigir e que descreve tipos de dados, metodologia e salvaguardas — um modelo de seleção fiscal é candidato natural a ter o seu. E o art. 39 fixa que o operador trata segundo as instruções do controlador: é o município quem define finalidade, limiares e regras de revisão; o fornecedor executa e responde por segui-las.

Nada disso é novo para quem já opera sob o sigilo fiscal do art. 198 do CTN. A LGPD acrescenta uma camada de organização — encarregado (art. 41), registro, relatório — sobre um dever de cuidado que a administração tributária já tinha.

Checklist para o município que usa (ou vai usar) modelos

• Definir por escrito a finalidade de cada modelo e as bases de dados que ele pode consumir;
• Garantir, em contrato, explicação em nível de variável para qualquer caso individual;
• Exigir versionamento do modelo e registro do limiar vigente a cada competência;
• Desenhar o fluxo para que a decisão de notificar ou lançar seja humana, com o dossiê lido e a motivação registrada;
• Medir seleção × confirmação por segmento e revisar o modelo quando houver disparidade;
• Preparar o relatório de impacto e nomear o encarregado antes que alguém peça.

Como o Portal aplica isso

No Portal Tributário Municipal Inteligente, cada índice de risco vem acompanhado das variáveis que o compuseram, em linguagem que o auditor consegue transcrever para a motivação do ato. Os modelos são versionados, e a versão que gerou cada caso fica gravada no dossiê. Nenhuma notificação sai sem um auditor confirmar o caso — o sistema monta a fila, o dossiê e a minuta; a decisão e a assinatura são humanas. A trilha de ações tem encadeamento criptográfico, o que atende ao registro do art. 37 e sustenta a auditabilidade perante Tribunais de Contas. E o painel de segmentos mostra seleção e confirmação por atividade e porte, para que a disparidade apareça antes de virar questionamento.

Para o panorama de onde a IA ajuda e onde não ajuda na fiscalização, veja Inteligência artificial na fiscalização tributária municipal; para a técnica estatística mais usada como indício, Lei de Benford aplicada a NFS-e.