Painel de Auditoria Financeira
Statistical Sampling| Titulo | Entidade | Exercicio | Status | Amostragens | Criada em | |
|---|---|---|---|---|---|---|
| Nenhuma auditoria cadastrada | ||||||
Arraste um arquivo ou clique para selecionar
Map your spreadsheet columns to standard fields. The system auto-detects when possible.
| # | Standard Field | Spreadsheet Column |
|---|
Painel de Auditoria Financeira — Statistical Sampling System
O PAFI (Painel de Auditoria Financeira) e um sistema especializado em amostragem estatistica para auditoria financeira, projetado para atender aos padroes do Board of Auditors das Nacoes Unidas e normas ISSAI.
O sistema automatiza todo o ciclo de amostragem: desde a avaliacao de riscos e calculo do tamanho da amostra ate a selecao deterministica dos itens e geracao de relatorios profissionais.
Crie e gerencie auditorias como entidade raiz. Cada auditoria agrupa multiplas amostragens com controle de status.
Upload de planilhas Excel/CSV com mapeamento automatico de colunas, preview de dados e deteccao de campos de valor.
MUS (AICPA), Aleatoria Simples (Cochran), Sistematica, Estratificada e por Atributos — cada um com formula propria.
A IA calcula parametros e valida consistencia. A selecao dos itens e feita por algoritmos deterministicos no backend — nunca pela IA.
Relatorios Word formatados (Times New Roman 12pt) e planilhas Excel com abas de parametros, populacao e amostra.
| Frontend | SPA vanilla JS, CSS Grid, Inter font |
| Backend | Node.js + Express |
| Banco de Dados | SQLite (better-sqlite3, sincrono) |
| IA | OpenAI GPT-5.4 via fetch direto (sem SDK) |
| Autenticacao | JWT (Bearer token) + bcrypt |
| Exportacao | docx (Packer) para Word, ExcelJS para planilhas |
O processo segue 5 passos sequenciais, alinhados com as ISSAI 1530 (Amostragem em Auditoria) e ISSAI 1200 (Planejamento).
Testes Substantivos — verificam se valores nas demonstracoes financeiras estao corretos. A amostra e baseada em unidades monetarias (MUS) ou itens (aleatoria/sistematica/estratificada).
Testes de Controle — verificam se controles internos funcionam. Amostra por atributos (presente/ausente), distribuicao binomial.
Referencia: ISSAI 1330 — "O auditor deve obter evidencia de auditoria sobre a eficacia operacional dos controles."
Upload: aceita .xlsx, .xls, .xlsm, .csv (ate 50MB). O sistema detecta colunas automaticamente via regex.
Mapeamento: 10 campos padrao (Transaction, Account, Description, Reference, Doc Type, Amount, Currency, Amount LC, Date, Fund). Cada campo e associado a uma coluna da planilha.
Preview: exibe os 20 primeiros itens para validacao visual.
Os dados sao mantidos em cache em memoria (2h de retencao) para uso nas etapas seguintes.
Risco de Aceitacao Incorreta (DR): o auditor informa diretamente o DR (1%, 5%, 10%, etc.). Distorcao Toleravel e Esperada tem defaults (2% VMP e 10% DT) que podem ser ajustados.
Materialidade: Distorcao Toleravel (TD), Distorcao Esperada (DE), Materialidade de Execucao e Limite Trivial.
Opcoes: separar itens-chave (>= materialidade, testados 100%) e excluir triviais (<= limite).
MUS adicional: selecao direcionada (valor ja testado) e inicio aleatorio.
Ao clicar em "Calcular Amostra", o sistema executa em sequencia:
n = ROUNDUP(VMA × FC / DT) e IA = VMA / n. Em seguida seleciona os itens da amostra via MUS sistematica.Nao existe botao separado de "IA" — o calculo ja acontece em conjunto com a narrativa.
Visualizacao: tabela com itens selecionados, itens-chave e estatisticas de cobertura.
Populacao classificada: apos o calculo, a populacao completa e exibida com classificacao por cores (Selecionado, Chave, Trivial, Normal) e paginacao.
Excel: 3 abas — Parametros, Populacao completa, Amostra selecionada.
Word: relatorio profissional com identificacao, modelo de risco, materialidade, calculo, amostra e narrativa IA (Times New Roman 12pt, justificado).
Salvar: amostragem fica vinculada a auditoria no banco de dados, com todos os parametros, populacao e resultado.
O PAFI implementa 5 metodos, cada um com formula e algoritmo de selecao proprios.
Quando usar: testes substantivos de saldos. Itens de maior valor monetario tem maior probabilidade de selecao.
Metodo: conforme planilha Sampling - MUS - PPE (tabela AICPA Poisson).
FC (Fator de Confiabilidade): obtido da tabela AICPA Poisson, cruzando o Risco de Aceitacao Incorreta (DR) com a razao DE/DT.
VMA (Valor Monetario a Amostrar) = VMP - Selecao Direcionada. Quando informada a materialidade, itens-chave sao separados antes e testados integralmente.
DT: Distorcao Toleravel (padrao: 2% do VMP). DE: Distorcao Esperada (padrao: 10% da DT).
Selecao: sistematica sobre valores acumulados. Gera inicio aleatorio entre 0 e IA, depois seleciona a cada intervalo IA. Itens com valor >= IA podem ser interceptados multiplas vezes.
| DR \ DE/DT | 0% | 5% | 10% | 15% | 20% | 25% | 30% |
|---|---|---|---|---|---|---|---|
| 1% | 4.61 | 6.64 | 7.41 | 10.05 | 11.61 | 13.11 | 14.57 |
| 5% | 3.00 | 3.31 | 3.68 | 4.11 | 4.63 | 5.24 | 6.00 |
| 10% | 2.31 | 2.52 | 2.77 | 3.07 | 3.41 | 3.83 | 4.33 |
| 15% | 1.90 | 2.06 | 2.25 | 2.47 | 2.73 | 3.04 | 3.41 |
| 20% | 1.61 | 1.74 | 1.89 | 2.06 | 2.26 | 2.49 | 2.77 |
| 25% | 1.39 | 1.49 | 1.61 | 1.74 | 1.90 | 2.09 | 2.30 |
| 30% | 1.21 | 1.29 | 1.39 | 1.49 | 1.62 | 1.76 | 1.93 |
| 50% | 0.70 | 0.73 | 0.77 | 0.82 | 0.87 | 0.92 | 0.99 |
O DR e DE/DT sao arredondados para a celula mais proxima. Exemplo: DR=5%, DE/DT=20% → FC=4.63.
Quando usar: quando cada item deve ter igual probabilidade de selecao, independente do valor.
z: z-score baseado no nivel de confianca. s²: variancia da populacao. e: erro toleravel por item (TD/N).
Correcao de populacao finita (FPC): aplicada quando n0 > 5% de N.
Selecao: indices aleatorios sem reposicao.
Quando usar: quando se deseja distribuicao uniforme ao longo da populacao.
n: calculado com a mesma formula de Cochran. Inicio: aleatorio entre 0 e k-1.
Quando usar: quando a populacao tem grupos heterogeneos (ex: tipos de conta, faixas de valor).
Alocacao: proporcional ao valor monetario de cada estrato (nao por contagem). Minimo 1 item por estrato.
Selecao: aleatoria dentro de cada estrato.
Quando usar: testes de controle — verifica se um atributo esta presente ou ausente.
Parametros: Risco de Amostragem, Taxa de Desvio Toleravel (TDR), Taxa de Desvio Esperada (EDR).
Tabela AICPA: lookup direto do tamanho da amostra. FPC para populacoes pequenas.
No metodo MUS conforme planilha Sampling - MUS - PPE, o auditor informa diretamente o Risco de Aceitacao Incorreta (DR) — a probabilidade maxima aceitavel de concluir que a populacao esta correta quando na verdade contem distorcao material.
| DR | Confianca | Quando usar |
|---|---|---|
| 1% | 99% | Auditoria de alto impacto, controles inoperantes, historico de irregularidades |
| 5% | 95% | Padrao para testes substantivos — balance entre rigor e esforco |
| 10% | 90% | Controles parciais, risco moderado |
| 15%-20% | 80%-85% | Controles confiaveis ou teste com objetivo restrito |
| 25%-30% | 70%-75% | Teste complementar, confirmatorio |
| 50% | 50% | Analise preliminar, sem valor conclusivo isolado |
Distorcao Toleravel (DT): valor maximo de distorcao que o auditor aceita na populacao. Padrao: 2% do VMP. Pode ser ajustada entre 1-5% conforme julgamento do auditor.
Distorcao Esperada (DE): distorcao que o auditor espera encontrar, baseada em historico ou risco. Padrao: 10% da DT.
Selecao Direcionada: valor ja testado fora da amostra (julgamento do auditor). E subtraido do VMP para compor o VMA.
Materialidade de Execucao (opcional): quando informada, itens com valor >= materialidade sao separados e testados integralmente (itens-chave). A amostra e calculada sobre o restante.
Menor DR = maior Fator de Confiabilidade = maior amostra.
Exemplo: com VMP=R$ 2.831.487 e DE/DT=10%, DR=5% gera amostra de 184 itens; DR=10% gera 139; DR=1% gera 371.
A IA e ferramenta de apoio ao auditor, usada apenas para validacao de parametros e redacao da narrativa do relatorio. Todos os calculos estatisticos sao feitos por codigo deterministico (arquivo estatisticaService.js), nao pela IA.
Modelo padrao: gpt-4o-mini da OpenAI, configuravel via variavel de ambiente OPENAI_MODEL.
Amostragem em auditoria exige reprodutibilidade: os mesmos inputs devem produzir sempre o mesmo resultado para fins de defesa do papel de trabalho. LLMs sao probabilisticos e cometem erros de aritmetica imprevisiveis em operacoes longas. Por isso:
| Modo | Populacao | O que a IA recebe |
|---|---|---|
| Completo | Ate 1.000 itens | Resultado do calculo do backend + dados completos da populacao + parametros do auditor |
| Resumo | Acima de 1.000 | Resultado do calculo do backend + estatisticas agregadas (soma, media, desvio, quartis, distribuicao por classe) + parametros |
Em ambos os modos o calculo e o mesmo — muda apenas a profundidade do texto narrativo.
A IA sinaliza flags qualitativas nos parametros informados:
O PAFI foi projetado em conformidade com as normas internacionais de auditoria do setor publico.
| Norma | Titulo | Aplicacao no PAFI |
|---|---|---|
| ISSAI 1200 | Planejamento da Auditoria | Risco de Aceitacao Incorreta (DR) informado diretamente, avaliacao de materialidade |
| ISSAI 1315 | Identificacao de Riscos | Escala de avaliacao de risco inerente e de controle |
| ISSAI 1320 | Materialidade em Auditoria | Distorcao toleravel, materialidade de execucao, limite trivial |
| ISSAI 1330 | Respostas aos Riscos | Escolha entre testes substantivos e de controle, extensao dos testes |
| ISSAI 1530 | Amostragem em Auditoria | Metodos de amostragem, selecao, avaliacao de resultados |
| ISSAI 1450 | Avaliacao de Distorcoes | Classificacao de distorcoes (factual, projetada, de julgamento) |
O calculo do MUS segue a metodologia da planilha Sampling - MUS - PPE (propriedade, planta e equipamento), baseada na tabela AICPA Poisson. Os parametros e a formula sao identicos aos da planilha oficial.
Formato e linguagem dos relatorios seguem o padrao do Board of Auditors da ONU:
| Parametro | Obrigatorio? | Default |
|---|---|---|
| Risco de Aceitacao Incorreta (DR) | Sim | 5% |
| Distorcao Toleravel (DT) | Nao (default) | 2% do VMP |
| Distorcao Esperada (DE) | Nao (default) | 10% da DT |
| Selecao Direcionada | Nao | 0 |
| Materialidade de Execucao | Opcional | — (se informada, separa itens-chave) |
O PAFI hoje cobre a etapa de planejamento da amostra (calculo do tamanho, selecao dos itens, geracao de relatorio metodologico).
A etapa de avaliacao dos resultados (Basic Precision, Most Probable Misstatement, Incremental Adjustment e Upper Limit Misstatement) ainda nao esta implementada. Para concluir a avaliacao apos a analise dos itens selecionados, utilize a aba de resultados da planilha oficial.