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.
Modelo de Risco (ISSAI 1200): o auditor avalia Risco Inerente (IR) e Risco de Controle (CR) em escala 1-5. O sistema calcula DR = AR / (IR x CR).
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.
O sistema oferece dois modos de calculo:
Calculo deterministico (botao "Calcular Amostra"): usa estatisticaService para calcular tamanho da amostra e selecionar itens. Rapido, sem custo de API.
Calculo com IA (botao "Generate AI Report"): a IA (GPT-5.4) recebe os parametros e dados da populacao (ate 1.000 itens completos, ou estatisticas resumidas para populacoes maiores). A IA calcula os parametros, valida consistencia e redige o relatorio. A selecao dos itens e feita pelo backend com algoritmos deterministicos — nunca pela IA.
A IA identifica ate 7 tipos de inconsistencia nos parametros informados pelo auditor (TD ausente, amostra >= populacao, populacao pequena, etc).
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.
CF (Confidence Factor): obtido da tabela AICPA Poisson, cruzando o Risco de Deteccao (DR) com a razao ED/TD.
Selecao: sistematica sobre valores acumulados. Gera inicio aleatorio entre 1 e SI, depois seleciona a cada intervalo SI.
| DR \ ED/TD | 0% | 10% | 20% | 30% | 40% | 50% |
|---|---|---|---|---|---|---|
| 37% | 1.00 | 1.13 | 1.25 | 1.40 | 1.55 | 1.70 |
| 25% | 1.39 | 1.51 | 1.63 | 1.78 | 1.93 | 2.08 |
| 14% | 1.97 | 2.09 | 2.21 | 2.36 | 2.51 | 2.66 |
| 10% | 2.31 | 2.43 | 2.55 | 2.70 | 2.85 | 3.00 |
| 5% | 3.00 | 3.12 | 3.24 | 3.39 | 3.54 | 3.69 |
O DR e arredondado para a linha mais proxima. Exemplo: DR=13.9% usa a linha 14% (CF=1.97).
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.
O risco de auditoria e a probabilidade de o auditor emitir uma opiniao inadequada. O modelo decompoe esse risco em tres componentes:
Onde AR (Audit Risk) = 5% (padrao), IR (Inherent Risk), CR (Control Risk), DR (Detection Risk).
| Score | Classificacao | Valor | Significado |
|---|---|---|---|
| 1 | Muito Baixo | 20% | Ambiente de controle robusto, historico limpo |
| 2 | Baixo | 40% | Controles adequados, poucos problemas |
| 3 | Moderado | 60% | Controles parciais, risco medio |
| 4 | Alto | 80% | Fragilidades nos controles, historico de problemas |
| 5 | Muito Alto | 100% | Controles inexistentes ou inoperantes |
| Cenario | IR | CR | DR | Confianca | Efeito |
|---|---|---|---|---|---|
| Baixo risco | 2 (40%) | 2 (40%) | 31.3% | 68.7% | Amostra menor |
| Risco moderado | 3 (60%) | 3 (60%) | 13.9% | 86.1% | Amostra media |
| Alto risco | 4 (80%) | 4 (80%) | 7.8% | 92.2% | Amostra grande |
| Risco maximo | 5 (100%) | 5 (100%) | 5.0% | 95.0% | Amostra maxima |
Quanto maior o risco, menor o DR, maior a confianca necessaria e, consequentemente, maior a amostra.
Distorcao Toleravel (TD): valor maximo de distorcao que o auditor aceita na populacao. Normalmente 1-5% do valor monetario da populacao (VMP).
Distorcao Esperada (DE): distorcao que o auditor espera encontrar, baseada em historico. Normalmente 0-50% da TD.
Materialidade de Execucao: limite acima do qual itens sao testados integralmente (itens-chave).
Limite Trivial: distorcoes abaixo desse valor sao consideradas insignificantes e excluidas da amostra.
A IA e utilizada como ferramenta de apoio ao auditor, nunca como substituta. O modelo utilizado e o GPT-5.4 da OpenAI, acessado via API REST (fetch direto, sem SDK).
| Modo | Populacao | O que a IA recebe |
|---|---|---|
| Completo | Ate 1.000 itens | Dados completos (todos os itens com todas as colunas) + parametros |
| Resumo | Acima de 1.000 | Estatisticas agregadas (soma, media, desvio, quartis, distribuicao por classe) + parametros |
Em ambos os modos, a IA calcula os mesmos parametros. A diferenca e a profundidade da analise narrativa.
A IA executa 7 verificacoes obrigatorias antes de calcular:
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 | Modelo de risco (AR = IR x CR x DR), 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) |
A tabela de fatores de confiabilidade (Confidence Factors) para MUS segue o AICPA Audit Sampling Guide, baseada na distribuicao de Poisson.
Os fatores de expansao de erro para distorcoes esperadas tambem seguem a metodologia AICPA.
A linguagem e formato dos relatorios seguem os padroes do Board of Auditors das Nacoes Unidas, incluindo: