Governança Digital e Investigação Patrimonial: Uma Heurística para Identificação de Grupos Econômicos
Resumo
A identificação de grupos econômicos de fato é um desafio relevante na recuperação de ativos, especialmente em contextos de ocultação patrimonial por meio de estruturas societárias complexas. A ausência de vínculos formais dificulta a responsabilização solidária e compromete a efetividade das decisões judiciais. Este artigo propõe uma heurística investigativa que identifica relações ocultas entre empresas, com base em padrões reais observados por especialistas. A abordagem visa apoiar a atuação do Poder Judiciário, alinhando-se à Estratégia Nacional 2021-2026 e aos objetivos do ODS 16. Resultados preliminares indicam que a ferramenta reduz o tempo de análise e aprimora a governança digital nas investigações patrimoniais.Referências
Brandão, M. A., Reis, A. P., Mendes, B. M., De Almeida, C. A. B., Oliveira, G. P., Hott, H., Gomide, L. D., Costa, L. L., Silva, M. O., Lacerda, A., et al. (2024). Plus: A semi-automated pipeline for fraud detection in public bids. Digital Government: Research and Practice, 5(1):1–16.
de Carvalho, Á. A. B. and Holanda Filho, R. (2024). Detecting fraud in public acquisition of brazilian government with an analytical approach. Procedia Computer Science, 238:248–254.
Lopes, C. S. B. and Frattari, R. (2015). Solidariedade tributária e grupos econômicos. Revista de Direito Tributário e Financeiro, 1(1):581–603.
Reichheld, F. F. (2003). The one number you need to grow. Harvard business review, 81(12):46–55.
Reimers, N. and Gurevych, I. (2019). Sentence-bert: Sentence embeddings using siamese bert-networks. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics.
Santos, S. G. d. N., Elias, V. C. d. S., and Capelleti, L. R. (2024). Desconsideração da personalidade jurídica na execução fiscal. Revista Ibero-Americana de Humanidades, Ciências e Educação, 10(5):5422–5431.
Scikit-learn (2024). Scikit-learn: Machine learning in python. Último acesso em 7 de março de 2025.
SentenceTransformers (2024). Sentencetransformers: Pretrained models for sentence embeddings. Último acesso em 7 de março de 2025.
de Carvalho, Á. A. B. and Holanda Filho, R. (2024). Detecting fraud in public acquisition of brazilian government with an analytical approach. Procedia Computer Science, 238:248–254.
Lopes, C. S. B. and Frattari, R. (2015). Solidariedade tributária e grupos econômicos. Revista de Direito Tributário e Financeiro, 1(1):581–603.
Reichheld, F. F. (2003). The one number you need to grow. Harvard business review, 81(12):46–55.
Reimers, N. and Gurevych, I. (2019). Sentence-bert: Sentence embeddings using siamese bert-networks. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics.
Santos, S. G. d. N., Elias, V. C. d. S., and Capelleti, L. R. (2024). Desconsideração da personalidade jurídica na execução fiscal. Revista Ibero-Americana de Humanidades, Ciências e Educação, 10(5):5422–5431.
Scikit-learn (2024). Scikit-learn: Machine learning in python. Último acesso em 7 de março de 2025.
SentenceTransformers (2024). Sentencetransformers: Pretrained models for sentence embeddings. Último acesso em 7 de março de 2025.
Publicado
20/07/2025
Como Citar
ARAÚJO FILHO, Francisco G. de; ISHIKAWA, Edison.
Governança Digital e Investigação Patrimonial: Uma Heurística para Identificação de Grupos Econômicos. In: LATIN AMERICAN SYMPOSIUM ON DIGITAL GOVERNMENT (LASDIGOV), 12. , 2025, Maceió/AL.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 49-60.
ISSN 2763-8723.
DOI: https://doi.org/10.5753/lasdigov.2025.8290.
