PAES, UMA CLASSIFICADOR DE EDITAIS LICITATÓRIOS SEGUNDO CRITÉRIOS DE SUSTENTABILIDADE
Palavras-chave:
Sustentabilidade, inteligência artificial, classificação automática, análise de editais, auditoria públicaResumo
O presente trabalho tem por objetivo propor um analisador e classificador de editais de compras públicas sustentáveis, denominado PAES (Proposta de Analisador de Editais Sustentáveis). A sua performance será comparada com o desempenho do modelo de linguagem Gemini em diferentes configurações. Como estudo de caso foram utilizados vinte cinco editais de aquisição de materiais elétricos, área de elevada relevância para a sustentabilidade devido ao seu impacto no consumo energético e na geração de resíduos. A metodologia de avaliação consistiu na definição de um Padrão Ouro, contra o qual foram avaliadas as notas geradas tanto pelo PAES quanto pelo Gemini. O PAES atribui notas aos editais com base em dez critérios de sustentabilidade ponderados por pesos previamente definidos (eficiência energética, normas técnicas, certificações, resíduos, responsabilidade social, entre outros). Para mensuração da performance, utilizaram-se métricas contínuas de erro (MAE e RMSE) e métricas de classificação (Precisão, Recall, Acurácia e F1-score). Os resultados indicaram que o PAES apresentou desempenho consistentemente superior, com valores constantes de MAE (0,125) e RMSE (0,156), independentemente do número de editais analisados. Em contraste, o Gemini demonstrou degradação de desempenho à medida que a quantidade de documentos aumentou, além de maior variabilidade entre cenários. Nas métricas de classificação, o PAES alcançou F1-score de 0,8462, superando significativamente as variantes do Gemini, que oscilaram entre 0 e 0,5263. Conclui-se que o PAES oferece maior robustez, previsibilidade e auditabilidade, características fundamentais para a aplicação de inteligência artificial em auditoria e controle de contratações públicas.
Referências
ARRIETA, A. B. et al. Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges. Information Fusion, v. 58, p. 82-115, 2020.
BRAMMER, S.; WALKER, H. Sustainable procurement in the public sector: an international comparative study. International Journal of Operations & Production Management, v. 31, n. 4, p. 452-476, 2011.
BRASIL. Decreto nº 7.746, de 5 de junho de 2012. Regulamenta critérios de sustentabilidade nas contratações públicas federais.
BRASIL. Lei nº 12.305, de 2 de agosto de 2010. Institui a Política Nacional de Resíduos Sólidos.
BRASIL. Lei nº 14.133, de 1º de abril de 2021. Lei de Licitações e Contratos Administrativos.
BRASIL. Lei nº 9.933, de 20 de dezembro de 1999. Dispõe sobre as competências do Conmetro e do Inmetro.
CARVALHO, F.; OLIVEIRA, T.; SANTOS, L. Compras públicas sustentáveis: uma análise das práticas no Brasil. Revista de Administração Pública, v. 54, n. 3, p. 650-672, 2020.
DOSHI-VELEZ, F.; KIM, B. Towards a rigorous science of interpretable machine learning. arXiv preprint, arXiv:1702.08608, 2017.
DWIVEDI, Y. K. et al. Generative AI for public sector: opportunities, challenges, and research agenda. Government Information Quarterly, v. 40, n. 4, p. 101794, 2023.
GIL-GARCIA, J. R.; DAWES, S.; PARDO, T. Digital government and public management research: finding the crossroads. Public Management Review, v. 20, n. 5, p. 633-646, 2018.
ONU. Transformando Nosso Mundo: A Agenda 2030 para o Desenvolvimento Sustentável. Nova Iorque: ONU, 2015.
PACHECO, R.; SAMPAIO, R. Sustentabilidade e inovação em contratações públicas. Revista do Serviço Público, v. 72, n. 1, p. 45-63, 2021.
PEREIRA, A. K. S. et al. Usando redes complexas na identificação de empresas fraudulentas em licitações públicas. In: Anais do X Workshop de Computação Aplicada em Governo Eletrônico (WCGE 2022). Porto Alegre: SBC, 2022. p. 13-24.
SANTOS, L. M.; MORAES, J. A.; FERREIRA, M. Compras públicas sustentáveis em municípios brasileiros: avanços e desafios. Revista do Serviço Público, v. 70, n. 2, p. 201-220, 2019.
SOKOL, K.; FLACH, P. Explainability fact sheets: a framework for systematic assessment of explainable approaches. In: Proceedings of the AAAI Conference on Artificial Intelligence, v. 34, n. 4, p. 5602-5609, 2020.
SOUZA, A. P.; GOMES, R. C. Sustentabilidade e pesos diferenciados em compras públicas: um estudo exploratório. Revista de Políticas Públicas, v. 25, n. 1, p. 98-115, 2021.
SUN, T. Q.; MEDAGLIA, R. Mapping the challenges of Artificial Intelligence in the public sector: Evidence from public healthcare. Government Information Quarterly, v. 36, n. 2, p. 368-383, 2019.
THAI, K. V. Public procurement re-examined. Journal of Public Procurement, v. 1, n. 1, p. 9-50, 2001.
WIRTZ, B. W. et al. Artificial Intelligence and the public sector—applications and challenges. International Journal of Public Administration, v. 42, n. 7, p. 596-615, 2019.
YEUNG, K. Algorithmic regulation: a critical interrogation. Regulation & Governance, v. 12, n. 4, p. 505-523, 2018.
ZUBOFF, S. The Age of Surveillance Capitalism. New York: PublicAffairs, 2019.