Artificial Intelligence-Enabled Accounting Information Systems and Fraud Detection in Nigeria's Financial Services Sector: The Moderating Role of Natural Language Processing

Resumo Técnico: Sistemas de Informação Contábil Habilitados por Inteligência Artificial e Detecção de Fraudes no Setor de Serviços Financeiros da Nigéria

1. Definição do Problema

A rápida digitalização dos sistemas financeiros em economias emergentes, particularmente na Nigéria, aumentou a eficiência operacional e a inclusão financeira, mas simultaneamente elevou a exposição a fraudes cibernéticas sofisticadas. Esquemas de fraude contemporâneos — que variam desde a fraude de identidade sintética e phishing até redes coordenadas de decepção digital — frequentemente contornam mecanismos de auditoria convencionais. Os sistemas tradicionais, que dependem de verificação retrospectiva, monitoramento baseado em regras e amostragem periódica, lutam para lidar com a velocidade, a complexidade e a natureza adaptativa do crime financeiro moderno.

Além disso, existe uma lacuna significativa na literatura quanto à aplicação dessas tecnologias dentro de ecossistemas financeiros africanos emergentes. As evidências empíricas existentes estão fortemente concentradas em economias ocidentais e do Leste Asiático tecnologicamente avançadas, deixando subexploradas as realidades operacionais de infraestruturas fragmentadas e condições regulatórias em evolução em países como a Nigéria. Especificamente, há uma compreensão limitada de como o Processamento de Linguagem Natural (PLN) modera a relação entre os Sistemas de Informação Contábil (SIC) habilitados por IA e a eficácia da auditoria, particularmente no que diz respeito à interpretação de dados textuais não estruturados e à explicabilidade das decisões impulsionadas por IA.

2. Metodologia

Desenho e Filosofia de Pesquisa:
O estudo emprega uma filosofia de pesquisa positivista e um desenho de levantamento transversal quantitativo. Utiliza uma abordagem hipotético-dedutiva para testar empiricamente hipóteses baseadas em teoria sobre as relações entre SIC habilitados por IA, PLN e eficácia na detecção de fraudes.

Coleta de Dados:

• População: Profissionais de auditoria, contabilidade, conformidade (compliance), gestão de fraudes e governança de risco financeiro dentro do setor financeiro regulado da Nigéria (bancos comerciais, seguradoras e organizações de FinTech).
• Amostragem: Foi utilizada uma técnica de amostragem proposital estratificada para garantir a representação entre os setores. De um quadro amostral de 310 profissionais (obtidos de diretórios do ICAN e CIBN), 186 respostas válidas foram retidas (taxa de resposta de 74,8%).
• Instrumento: Um questionário estruturado com 47 itens medindo oito construtos: Coleta de Dados, Análise de Dados, Avaliação de Risco, Detecção, Prevenção, Investigação, Auditoria e Eficácia na Detecção de Fraudes, e Capacidade de PLN. Os itens foram medidos em uma escala Likert de cinco pontos.
• Validade e Confiabilidade: A validade de conteúdo foi estabelecida via revisão por especialistas. A valididade de construto foi avaliada por meio de Análise Fatorial Exploratória (AFE), removendo itens com cargas inferiores a 0,60. A consistência interna foi confirmada com valores de alfa de Cronbach superiores a 0,70 para todos os construtos. O viés de método comum foi avaliado via teste de fator único de Harman (variância de 34,6%).

Estratégia Analítica:
Os dados foram analisados utilizando IBM SPSS Statistics 27 e AMOS 27. A análise seguiu quatro estágios:

1. Estatísticas descritivas para resumir os perfis dos respondentes e distribuições das variáveis.
2. Testes diagnósticos para normalidade, multicolinearidade (VIF < 10) e pressupostos de resíduos.
3. Regressão linear múltipla para examinar a influência das dimensões de SIC habilitados por IA na eficácia da auditoria.
4. Regressão moderada hierárquica para testar o papel moderador do PLN, seguindo os procedimentos de Baron e Kenny e Cohen et al., com variáveis centradas na média para reduzir a multicolinearidade.

3. Principais Contribuições

• Empirismo Contextual: O estudo fornece evidências empíricas da Nigéria, uma economia emergente caracterizada pela rápida digitalização e fragmentação de infraestrutura, estendendo assim a aplicabilidade da auditoria inteligente para além dos contextos desenvolvidos do Ocidente e do Leste Asiático.
• Integração Teórica: Ancoras a investigação no Teoria do Diamante da Fraude (incorporando a capacidade como uma quarta dimensão da fraude) e no Modelo de Aceitação da Tecnologia (TAM) (focando na utilidade percebida e facilidade de uso). Este duplo framework explica tanto as condições estruturais que facilitam a fraude quanto as dinâmicas institucionais que impulsionam a adoção tecnológica.
• Papel Moderador do PLN: A pesquisa isola e testa especificamente o efeito moderador do PLN, abordando uma lacuna na literatura sobre como as capacidades de interpretação semântica aumentam a eficácia da detecção de fraudes assistida por IA em ambientes onde dados textuais não estruturados (ex: relatórios de auditoria, narrativas de conformidade) são críticos.

4. Resultados

Achados Descritivos:
Os respondentes geralmente mantiveram percepções positivas sobre os SIC habilitados por IA e as capacidades de PLN. "Análise de Dados" (Média = 3,96) e "Detecção" (Média = 3,93) foram as mais bem avaliadas, enquanto "Coleta de Dados" e "Investigação" pontuaram mais baixo, refletindo potenciais desafios de infraestrutura e integração.

Teste de Hipóteses (H1):
A análise de regressão múltipla revelou que as dimensões do SIC habilitado por IA explicam coletivamente aproximadamente 62,6% da variância na eficácia da auditoria e detecção de fraudes ($R^2 = 0,626$, $p < 0,001$).

• A Prevenção emergiu como o preditor mais forte ($\beta = 0,384, p < 0,001$), indicando que o monitoramento proativo e preditivo é o componente mais crítico para uma governança de fraude eficaz.
• Detecção ($\beta = 0,173, p < 0,001$), Coleta de Dados ($\beta = 0,149, p = 0,001$) e Análise de Dados ($\beta = 0,117, p = 0,015$) também mostraram influências positivas estatisticamente significativas.
• A Avaliação de Risco mostrou uma relação positiva, mas marginalmente insignificante ($p = 0,058$), sugerindo que sua eficácia pode depender de condições institucionais complementares.

Análise de Moderação (H2):
A regressão moderada hierárquica confirmou que o PLN modera significativamente a relação entre o SIC habilitado por IA e a eficácia da auditoria.

• A inclusão do PLN melhorou o poder explicativo do modelo ($\Delta R^2 = 0,035, p = 0,002$).
• O termo de interação (IA $\times$ PLN) foi estatisticamente significativo ($\Delta R^2 = 0,013, p = 0,041$).
• Os resultados indicam que o PLN atua como uma capacidade complementar, aumentando a eficidade dos sistemas de IA ao estender a análise de dados numéricos estruturados para ambientes textuais não estruturados (ex: narrativas de auditoria, declarações de divulgação), melhorando assim a interpretação semântica e a precisão investigativa.

5. Significância e Alegações

O artigo alega que os SIC habilitados por IA e o PLN são cada vez mais vitais para fortalecer a governança de fraudes, a responsabilidade regulatória e a confiança institucional dentro de ambientes financeiros digitais emergentes.

• Significância Prática: O estudo argumenta que as instituições financeiras devem transitar de auditorias retrospectivas e baseadas em regras para um monitoramento contínuo e orientado por inteligência. Destaca que as capacidades preventivas são o mecanismo mais eficaz para mitigar perdas por fraude. Além disso, postula que o PLN é essencial para enfrentar a natureza de "caixa-preta" da IA, traduzindo saídas algorítmicas em narrativas de auditoria compreensíveis, aumentando assim a explicabilidade e a defensabilidade regulatória.
• Significância Teórica: Os achados estendem a Teoria do Diamante da Fraude ao demonstrar como a IA reduz a dimensão de "oportunidade" da fraude através de vigilância contínua e conformidade automatizada. Simultaneamente, os resultados reforçam o TAM ao sugerir que as instituições adotam essas tecnologias principalmente devido à sua utilidade percebida na melhoria do desempenho da governança e da eficiência operacional.
• Limitações: Os autores reconhecem modestamente que o desenho transversal limita a inferência causal e que a dependência de dados de levantamento perceptuais pode introduzir viés. Sugerem que pesquisas futuras utilizem abordagens longitudinais ou de métodos mistos para examinar as implicações organizacionais de longo prazo.

Em conclusão, o estudo afirma que, embora o SIC habilitado por IA forneça a arquitetura fundamental para a detecção moderna de fraudes, a integração do PLN é um fator moderador crítico que amplia o escopo analítico, a interpretabilidade e a eficácia geral da governança em ecossistemas financeiros complexos e intensivos em dados, como o da Nigéria.