Mapeamento da produção científica sobre inteligência artificial na contabilidade: uma análise bibliométrica global

Resumo

Este estudo teve como objetivo mapear a produção científica internacional sobre o uso da Inteligência Artificial (IA) no campo da Contabilidade, identificando sua evolução temporal, os periódicos de maior impacto, os autores e instituições líderes, além das principais tendências temáticas. Metodologicamente, realizou-se uma análise bibliométrica de caráter quantitativo e descritivo, estruturada sob as diretrizes do protocolo PRISMA para selecionar uma amostra de 223 artigos indexados na base Web of Science, cujos metadados foram processados por meio do software R com o pacote Bibliometrix. Os principais resultados revelam que a área experimentou um crescimento exponencial de publicações a partir de 2020, alcançando seu ápice produtivo em 2025 devido à maturidade dos algoritmos de Machine Learning e à introdução da IA Generativa. Identificou-se também uma forte interdisciplinaridade entre as Ciências Contábeis e a Ciência da Computação, além de uma hegemonia de instituições de economias emergentes do Sudeste Asiático e do Oriente Médio em termos de volume de produção. O mapeamento conceitual apontou o gerenciamento de lucros e a qualidade das informações divulgadas como os temas motores já consolidados pela literatura. Conclui-se que o domínio sofreu uma transformação radical e que os desafios atuais deslocaram-se do desenvolvimento puramente técnico de algoritmos para frentes estratégicas, como a governança ética das tecnologias cognitivas, a gestão do capital humano e a necessidade de reformas curriculares na educação contábil.

Palavras-chave: Inteligência Artificial; Contabilidade; Análise Bibliométrica; Bibliometrix; Aprendizado de Máquina.

Abstract

This study aimed to map the international scientific production on the use of Artificial Intelligence (AI) in the accounting field, identifying its temporal evolution, the highest-impact journals, leading authors and institutions, as well as the main thematic trends. Methodologically, a quantitative and descriptive bibliometric analysis was conducted, structured under the PRISMA protocol guidelines to select a sample of 223 articles indexed in the Web of Science database, whose metadata were processed using the R software with the Bibliometrix package. The main results reveal that the field experienced an exponential growth in publications starting in 2020, reaching its production peak in 2025 due to the maturity of Machine Learning algorithms and the introduction of Generative AI. A strong interdisciplinarity between Accounting Sciences and Computer Science was also identified, along with a hegemony of institutions from emerging economies in Southeast Asia and the Middle East regarding production volume. Conceptual mapping pointed to earnings management and disclosure quality as the motor themes already consolidated by the literature. It is concluded that the domain has undergone a radical transformation and that current challenges have shifted from the purely technical development of algorithms toward strategic fronts, such as the ethical governance of cognitive technologies, human capital management, and the need for curricular reforms in accounting education.

Keywords: Artificial Intelligence; Accounting; Bibliometric Analysis; Bibliometrix; Machine Learning.

1. Introdução

O avanço acelerado das tecnologias de informação e comunicação tem reconfigurado profundamente as estruturas corporativas, e a ciência contábil encontra-se no centro dessa transformação digital. A emergência da chamada "Contabilidade 4.0" reflete a transição de processos tradicionalmente manuais e históricos (FRANCO et al., 2020) para sistemas integrados, preditivos e orientados a dados. Essa evolução evidencia a integração de Big Data e Inteligência Artificial, reposicionando a contabilidade como uma atividade consultiva e preditiva. Nesse cenário, a Inteligência Artificial (IA) — englobando o Aprendizado de Máquina (Machine Learning), a Automação Robótica de Processos (RPA), o Processamento de Linguagem Natural (PLN) e, mais recentemente, os Modelos de Linguagem de Larga Escala (LLMs) — desponta como o principal vetor de disrupção da profissão contábil (HASAN, 2022).

A inserção da IA na contabilidade ultrapassa a mera busca por eficiência operacional. Conforme apontam Oliveira e Toledo (2025), o avanço tecnológico redefine frentes estratégicas da gestão no mercado financeiro ao introduzir mecanismos inteligentes de análise preditiva de dados massivos para a mitigação de riscos e conformidade regulatória. Diante dessa evolução, a literatura passa a enfrentar novos dilemas estruturais, que variam desde os impactos operacionais nas organizações até debates éticos cruciais acerca de vieses algorítmicos e da privacidade de dados financeiros sensíveis.

Diante do crescimento fragmentado e multifacetado dessa produção acadêmica, torna-se imperativo consolidar o conhecimento existente para identificar padrões e rotas de evolução. Embora existam estudos de revisão isolados, há uma lacuna no mapeamento macroestrutural quantitativo que conecte as abordagens técnicas computacionais às demandas normativas da área contábil. Assim, emerge o seguinte problema de pesquisa: Qual é o panorama global e a estrutura intelectual da produção científica sobre a aplicação da Inteligência Artificial no campo da Contabilidade?

Para responder a essa questão, este estudo tem como objetivo mapear a produção científica internacional sobre o uso de IA na contabilidade, identificando a evolução temporal, os periódicos de maior impacto, os autores e instituições líderes, além das principais tendências temáticas. Justifica-se a relevância desta investigação pela necessidade de oferecer um guia referencial a pesquisadores e profissionais, sintetizando o estado da arte e revelando lacunas conceituais para direcionar agendas de pesquisas futuras.

1. Revisão de literatura

A aplicação da Inteligência Artificial (IA) no campo da contabilidade tem se expandido rapidamente nos últimos anos, refletindo um panorama global altamente dinâmico e uma estrutura intelectual em constante evolução. A pesquisa científica dedicada a este tema experimentou um crescimento significativamente acentuado, com marcos temporais visíveis especialmente após o ano de 2017, culminando em um aumento notável e sem precedentes na produção acadêmica recente. Este fenômeno expansivo é impulsionado pelo crescente interesse corporativo e acadêmico em tecnologias emergentes fundamentais, tais como o blockchain, o big data e as diversas ramificações da própria IA, as quais estão transformando profundamente tanto as práticas contábeis de mercado quanto as metodologias educacionais aplicadas à área.

2.1 Panorama global da produção científica

O mapeamento da produção científica global sobre a IA em contabilidade demonstra uma trajetória de forte aceleração. De acordo com Mellak (2025), a concentração de publicações científicas e o interesse pela temática atingiram patamares significativos no período compreendido entre os anos de 2022 e 2024, consolidando a IA como um vetor central de pesquisa contábil moderna. Geograficamente, os Estados Unidos e a China lideram de forma proeminente o volume total da produção global de conhecimento; contudo, observa-se uma descentralização desse ecossistema à medida que países em desenvolvimento, a exemplo da Indonésia e da Índia, emergem paulatinamente como novos e robustos centros de investigação acadêmica (Asare, 2026). Essa literatura expandida abrange uma vasta gama de aplicações práticas e teóricas, estendendo-se desde os novos currículos voltados à educação contábil até processos complexos de auditoria digital e transformação estratégica de negócios (Melo et al., 2024).

2.2 Estrutura intelectual e focos de pesquisa

A base conceitual e a estrutura intelectual que fundamentam as pesquisas nesta área derivam, substancialmente, de teorias tradicionais consagradas no campo dos sistemas de informação. Destacam-se, nesse cenário, a aplicação recorrente do Modelo de Aceitação de Tecnologia (TAM) e da Teoria do Comportamento Planejado (TPB), utilizados para explicar a adoção e a resistência a novas ferramentas computacionais por parte dos profissionais (Asare, 2026). Atualmente, os núcleos temáticos de maior concentração de esforços incluem o aprendizado de máquina (machine learning), a gestão estratégica de riscos corporativos e a otimização de auditorias.

Paralelamente, novas subáreas de fronteira técnica, como o aprendizado profundo (deep learning) e os modelos preditivos avançados de avaliação de riscos, emergem como tendências contemporâneas dominantes (Mellak, 2025). Adicionalmente, dada a sofisticação dessas tecnologias, a literatura científica acentua a necessidade premente de integrar tais abordagens inovadoras diretamente no planejamento pedagógico e no desenho de cursos universitários, assegurando uma formação adequada para a educação contábil do futuro (Christiani & Widuri, 2025).

2.3 Perspectivas futuras e desafios setoriais

A despeito dos múltiplos benefícios operacionais proporcionados pela inteligência artificial, a literatura identifica desafios éticos severos e uma demanda imperiosa por adaptação profissional contínua. Consente-se que a profissão contábil não desaparecerá diante da automação; todavia, há a exigência explícita de uma reinvenção estrutural do profissional para fins de manutenção de sua relevância competitiva. O foco das atividades humanas deve se deslocar das rotinas mecânicas para funções analíticas de alto valor agregado, concentrando-se prioritariamente na governança, criação e autenticação minuciosa de informações geradas por processos de automação inteligente (Chávez-Díaz et al., 2024; Melo et al., 2024).

Sob a perspectiva das limitações metodológicas da própria pesquisa, aponta-se que a dependência excessiva de dados indexados na base Web of Science, que historicamente apresenta uma concentração elevada de periódicos em língua inglesa e de regiões específicas, pode introduzir vieses geográficos e restringir a abrangência holística dos achados. Desse modo, sugere-se que investigações futuras expandam o escopo empírica de dados, integrando outras bases regionais e incorporando revisões sistemáticas que contemplem matrizes linguísticas e geográficas mais diversificadas (Mongeon & Paul-Hus, 2016).

1. Procedimentos metodológicos

Este estudo consiste em uma análise bibliométrica de caráter quantitativo e descritivo, cujo objetivo é mapear o panorama global da produção científica sobre a aplicação da Inteligência Artificial (IA) no campo da Contabilidade. A análise bibliométrica é uma ferramenta consagrada na literatura para identificar tendências, lacunas de pesquisa e a estrutura intelectual de um determinado domínio do conhecimento (Zupic & Čater, 2015).

Para garantir a transparência, a reprodutibilidade e o rigor na seleção dos documentos, o processo de coleta e filtragem dos dados foi estruturado com base nas diretrizes do protocolo PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) (Page et al., 2021), adaptado para estudos bibliométricos. O fluxo metodológico compreendeu quatro etapas principais, sintetizadas na Figura 1:

Figura 1 — Fluxograma de seleção de estudos (adaptação PRISMA)

Fonte: Elaborado pelos autores (2026)

1. Identificação: Busca na base de dados com o termo de busca estruturado, resultando em 407 artigos registrados.
2. Triagem (Screening): Leitura individual de títulos e resumos (filtro de escopo), resultando na exclusão de 171 artigos desalinhados ao tema.
3. Elegibilidade: Avaliação de consistência temporal, resultando na exclusão de 13 artigos do ano corrente incompleto (2026).
4. Inclusão: Amostra final consolidada com 223 artigos selecionados para análise no software.

3.1 Estratégia de busca e coleta de dados

A coleta de dados foi realizada na base Web of Science (WoS), especificamente na Core Collection, reconhecida por seus rigorosos critérios de seleção e por indexar periódicos científicos de elevada qualidade, sendo amplamente utilizada em estudos bibliométricos (Birkle et al., 2020; Singh et al., 2021). A busca foi executada utilizando operadores booleanos aplicados aos títulos dos documentos (TI), visando garantir a centralidade do tema nos artigos recuperados. O texto utilizado na busca foi:

TI=(("Artificial Intelligence" OR "Machine Learning" OR "Robotics" OR "AI system" OR "big data" OR "intelligent building*")) AND TI=("Account*")

Como critério inicial de inclusão, refinou-se a busca para considerar apenas o tipo de documento "artigo" (articles), por passarem por um processo rigoroso de revisão por pares e representarem o conhecimento consolidado da área. Essa busca inicial retornou um total de 407 documentos.

3.2 Triagem e critérios de elegibilidade

Em conformidade com as recomendações do protocolo PRISMA para a purificação da amostra, os 407 documentos identificados passaram por dois filtros consecutivos de exclusão:

Triagem Manual (Análise de Escopo): Realizou-se a leitura individual dos títulos e resumos dos 407 artigos para excluir trabalhos que utilizavam os termos de busca em contextos alheios à contabilidade (por exemplo, o uso de "intelligent building" sem relação com a gestão contábil ou financeira). Após essa limpeza manual, restaram 236 artigos.

Delimitação Temporal: Com o intuito de evitar distorções nas análises de tendências e citações decorrentes de dados parciais, optou-se por excluir os documentos publicados no ano corrente de 2026. A exclusão de anos incompletos é uma prática recomendada para manter a consistência dos indicadores bibliométricos anuais (Donthu et al., 2021).

Após a aplicação de todos os critérios, a amostra final consolidou-se em 223 artigos científicos.

3.3 Processamento e análise dos dados

Os metadados dos 223 artigos selecionados foram exportados da Web of Science no formato BibTex (com referências completas) e importados para o software R (versão 4.6.0). A análise estatística e visual foi conduzida por meio do pacote Bibliometrix e sua interface gráfica Biblioshiny (Aria & Cuccurullo, 2017).

A análise abrangeu indicadores de produtividade (evolução temporal de publicações, autores mais produtivos e periódicos mais relevantes) e indicadores de conexão de rede (coocorrência de palavras-chave e redes de cocitação), permitindo uma compreensão holística do impacto da IA na contabilidade.

4. Análise e discussão dos resultados

4.1 Evolução temporal da produção científica

Para compreender o panorama global das pesquisas sobre a aplicação da IA na contabilidade, a análise da evolução quantitativa das publicações científicas entre os anos de 1991 e 2025 permitiu identificar três períodos distintos de maturidade acadêmica e interesse tecnológico: a fase de latência, o despertar do interesse e a explosão de produção representados na Figura 2.

Figura 2 — Evolução temporal do volume de publicações e citações

Fonte: Elaboração própria, a partir do Bibliometrix com base nos dados da pesquisa (2026)

A Fase de Latência (1991 – 2013): Durante mais de duas décadas, a produção científica permaneceu praticamente estagnada, com registros nulos ou que raramente superavam a marca de 1 a 2 artigos anuais (como observado discretamente em 1991, 2006 e 2011). Este longo período reflete as limitações tecnológicas da época, frequentemente associadas ao "inverno da inteligência artificial", onde o processamento de dados e os algoritmos de Machine Learning ainda careciam de poder computacional. Naquele estágio, os estudos focavam em discussões conceituais ou em sistemas especialistas rudimentares que demandavam excessiva alimentação manual.

O Despertar do Interesse (2014 – 2019): A partir de 2014, notou-se o início de uma sutil oscilação positiva na curva. O ano de 2015 apresentou um pequeno pico, seguido por um crescimento em 2017, alcançando cerca de 5 artigos publicados. Esse movimento coincide com o surgimento do termo "Contabilidade 4.0" e a introdução de ferramentas de Automação Robótica de Processos (RPA). A incorporação de tecnologias como Big Data, computação em nuvem e Business Intelligence começou, nesse período, a reformular a maneira como os profissionais acessavam e processavam dados, direcionando o foco da literatura para a automação de rotinas operacionais (Cardoso & Aquino, 2020).

A Explosão Científica e Tecnológica (2020 – 2025): O cenário mudou drasticamente a partir de 2020. O volume de publicações iniciou uma trajetória de crescimento exponencial, saltando de aproximadamente 13 artigos em 2020 para um pico expressivo de 40 artigos em 2022. Entre 2022 e 2024, observou-se uma leve acomodação temporária, com a produção flutuando na faixa de 31 a 34 artigos. Esse comportamento representou um período de transição: os pesquisadores migraram de discussões puramente teóricas para testes empíricos, avaliando barreiras estruturais reais e catalogando desafios severos de implementação, tais como custos de infraestrutura, resistência cultural, qualidade dos dados e lacunas de competência técnica (Melo et al., 2024; Odonkor et al., 2024). O dado mais definitivo ocorre no ano de 2025, onde a produção científica explodiu de forma inédita, ultrapassando a marca de 65 artigos publicados, consolidando a IA como o principal motor de pesquisa da atualidade na área (Araújo & Silva, 2025).

A arrancada vertiginosa observada no ecossistema de pesquisa a partir de 2022, culminando no ápice de 2025, reflete o alinhamento da academia com a introdução dos Modelos de Linguagem de Larga Escala (LLMs) e da Inteligência Artificial Generativa no mercado corporativo. A literatura demonstra que a IA deixou de ser uma tecnologia restrita e passou a fragmentar-se em múltiplas frentes funcionais:

Automação de Processos e Eficiência Operacional: Algoritmos avançados e redes neurais realizam tarefas de conciliação bancária, lançamentos e relatórios em tempo real de forma autônoma, otimizando as estruturas de custos e reduzindo o erro humano (Alhazmi et al., 2025; Kassar & Jizi, 2025; Tapia-Marcial et al., 2025).

Auditoria, Detecção de Fraudes e Análise Preditiva: A capacidade de processar volumes massivos de transações simultaneamente transformou a auditoria tradicional. Algoritmos de Machine Learning e processamento de linguagem natural (PLN) passaram a ser testados exaustivamente para identificar anomalias fiscais e prever riscos financeiros que passariam despercebidos por amostragem humana (Abbas, 2025; Hnatyshyn et al., 2025).

O Novo Perfil Consultivo e Governança Ética: Diante da automação das funções operacionais, as pesquisas focam fortemente na transição do contador para um papel estratégico (Araujo & Cornacchione, 2024). No entanto, o avanço tecnológico trouxe debates cruciais sobre a necessidade de governança ética, privacidade de dados sensíveis, confiabilidade dos resultados algorítmicos e o risco de vieses automatizados (Henry et al., 2025).

4.2 Distribuição das fontes e aplicação da Lei de Bradford

A identificação das fontes mais relevantes constitui um pilar fundamental para a compreensão da maturidade do conhecimento. Aplicou-se a Lei de Bradford (1934), um modelo que permite segmentar as fontes em zonas de produtividade decrescente, identificando o "núcleo" (core) de periódicos que concentram a maior parte dos artigos seminais. A Figura 3 apresenta a distribuição dessas fontes e a aplicação prática da Lei de Bradford, evidenciando o núcleo e as zonas de dispersão.

Figura 3 — Distribuição das Fontes e Aplicação da Lei de Bradford

Fonte: Elaboração própria, a partir do Bibliometrix com base nos dados da pesquisa (2026)

Os resultados da modelagem revelaram uma estrutura composta por três zonas distintas, apresentando um coeficiente multiplicador de Bradford k = 2,12. O modelo linear estimado é representado por:

Onde C(r) é o número acumulado de artigos e r é o ranking do periódico. O coeficiente de determinação ajustado foi de R² = 0,9313, demonstrando um elevado ajuste estatístico. O teste de Kolmogorov-Smirnov (p-value = 0,0238) corroborou a aderência dos dados observados à distribuição teórica.

Tabela 1 — Divisão das zonas bibliométricas de Bradford

Fonte: Elaboração própria, a partir do Bibliometrix com base nos dados da pesquisa (2026)

A Zona 1 (núcleo central) é composta por apenas 18 periódicos, evidenciando que um grupo seleto de revistas molda a agenda de pesquisa global (Hjørland & Nicolaisen, 2005). Ao analisar individualmente as fontes com maior volume de documentos, observa-se um fenômeno marcante de interdisciplinaridade entre dois grandes eixos do conhecimento: as Ciências Contábeis e de Gestão, e a Ciência da Computação e Engenharia de Sistemas.

4.3 Análise das Fontes Mais Relevantes

Para compreender o panorama da produção científica no campo de estudo investigado, foi realizada uma análise das fontes de publicação mais relevantes. A Figura 4 apresenta o mapeamento dos periódicos que concentram o maior número de documentos publicados sobre o tema.

Figura 4 — Fontes mais relevantes da amostra

Fonte: Elaboração própria, a partir do Bibliometrix com base nos dados da pesquisa (2026)

Os dados revelam uma distribuição equilibrada, mas com uma clara predominância de periódicos situados na interseção entre as ciências contábeis, finanças e a tecnologia da informação.

No topo da produção, destacam-se duas revistas com 7 documentos cada:

1. Journal of Computational Methods in Sciences and Engineering
2. Journal of Financial Reporting and Accounting

Essa liderança conjunta evidencia que a temática atrai tanto o interesse de pesquisas focadas em métodos computacionais rigorosos e modelagem matemática quanto de investigações voltadas para as práticas de evidenciação financeira e normas contábeis.

Logo abaixo das publicações líderes, observa-se um bloco intermediário consolidado com 6 documentos cada, composto por:

1. Accounting Horizons
2. International Journal of Accounting Information Systems
3. Journal of Emerging Technologies in Accounting

A presença marcante dessas revistas reforça o caráter altamente tecnológico que o setor contábil vem assumindo. Periódicos focados explicitamente em sistemas de informação e tecnologias emergentes aplicadas à contabilidade demonstram que o núcleo da literatura revisada orbita a transformação digital, automação e inovação nos processos financeiros.

Por fim, o gráfico apresenta uma capilaridade em periódicos de engenharia, computação e sistemas gerais, tais como Scientific Programming (5 documentos), Expert Systems with Applications (4 documentos), IEEE Access (4 documentos) e Mobile Information Systems (4 documentos). A inclusão da revista Contabilidad y Negocios (3 documentos) encerra o ranking, indicando também a inserção do debate em cenários ibero-americanos e de negócios tradicionais.

4.4 Análise de Autores e Instituições Mais Relevantes

A Tabela 2 consolida os dez pesquisadores com maior volume de publicações no portfólio analisado.

Tabela 2 — Autores mais relevantes em IA aplicada à Contabilidade

Fonte: Elaboração própria, a partir do Bibliometrix com base nos dados da pesquisa (2026)

Os dados revelam um grupo de elite de cinco autores que lideram o campo com 3 documentos cada. Este cenário reflete uma área ainda em estágio de consolidação, dado que a diferença de volume de produção é estreita. A presença de Stratopoulos Theophanis C. merece destaque por sua investigação histórica de como a adoção de tecnologias emergentes se traduz em vantagens competitivas (Stratopoulos & Lim, 2020). Sob a ótica da Lei de Lotka (1926), a distribuição aponta para um padrão esperado em subcampos interdisciplinares recentes, onde muitos autores publicam poucos artigos e uma liderança incipiente começa a estabelecer as bases conceituais.

O mapeamento das instituições de vínculo dos autores permite identificar os grandes polos globais que financiam essa pesquisa (Tabela 3).

Tabela 3 — Instituições mais relevantes em publicações

Fonte: Elaboração própria, a partir do Bibliometrix com base nos dados da pesquisa (2026)

Os resultados institucionais revelam uma forte hegemonia de universidades asiáticas e do Oriente Médio. No topo, com 9 artigos cada, situam-se a University of Economics Ho Chi Minh City (Vietnã), a University of Malaya (Malásia) e a Xiamen University (China), evidenciando o esforço de economias emergentes do Sudeste Asiático em digitalizar seus setores industriais. A inclusão da Rutgers State University (EUA) é de suma importância teórica: a instituição é reconhecida como o berço da pesquisa em Auditoria Contínua (Continuous Auditing), liderada pelo Rutgers Accounting Research Center. Por fim, as instituições politécnicas chinesas reforçam a natureza aplicada do campo na China, voltado para soluções pragmáticas de software e contabilidade inteligente.

4.5 Análise Conceitual e Tendências Temáticas

Para compreender a estrutura intelectual e as tendências de vanguarda, realizou-se uma análise conceitual combinando a Nuvem de Palavras-chave, a Rede de Coocorrência e o Mapa Temático baseado nos quadrantes de Callon (CALLON; COURTIAL; LAVILLE, 1991).

4.5.1 Estrutura de Frequência e Centralidade

A Nuvem de Palavras (Figura 5) evidenciou que os termos "artificial intelligence", "accounting" e "big data" despontam como os macro-pilares da literatura, seguidos por "machine learning" e "data analytics". Essa configuração corrobora a tese de que a contabilidade contemporânea se inseriu plenamente na era da ciência de dados aplicada.

Figura 5 — Nuvem de palavras

Fonte: Elaboração própria, a partir do Bibliometrix com base nos dados da pesquisa (2026)

Ao aprofundar essa percepção por meio da Rede de Coocorrência de Palavras-chave (Figura 6), identifica-se a formação de aglomerados (clusters). O nó central da rede (macrotema da Inteligência Artificial) atua como uma ponte de alta centralidade de intermediação. Um cluster interligado associa as técnicas de machine learning e big data à análise preditiva e aos modelos de divulgação (disclosure) e lucros (earnings), indicando que o aprendizado de máquina tem sido a ferramenta preferida para mitigar assimetrias de informação. Ramificações periféricas apontam para o surgimento de subáreas focadas em ética, auditoria digital (auditing) e educação contábil (accounting education).

Figura 6 — Rede de palavras-chave

Fonte: Elaboração própria, a partir do Bibliometrix com base nos dados da pesquisa (2026).

4.5.2 Dinâmica de Maturidade e Evolução: O Mapa Temático

O Mapa Temático (Figura 7) distribuiu os agregados conceituais em quatro quadrantes distintos, avaliando a Centralidade (grau de relevância externa) e a Densidade (grau de desenvolvimento interno):

1. Temas Motores (Alta Centralidade e Alta Densidade): Posiciona-se aqui o cluster composto por "machine learning", "disclosure" e "earnings". Esse posicionamento reflete a maturidade alcançada pelo uso de algoritmos na previsão do gerenciamento de resultados e classificação de riscos de crédito.
2. Temas Básicos (Alta Centralidade e Baixa Densidade): O aglomerado constituído por "big data analytics" e "data analytics" atua como infraestrutura conceitual: são indispensáveis para o treinamento dos modelos de IA, embora representem conceitos menos propensos a inovações teóricas isoladas.
3. Temas de Nicho (Baixa Centralidade e Alta Densidade): Representados por "models", "corporate" e "bankruptcy prediction". A previsão de falência corporativa encontrou nos modelos de IA um refinamento estatístico superior aos modelos tradicionais de escore (como o Z-score de Altman), contudo, mantém-se concentrado em um nicho específico.
4. Temas Emergentes ou em Declínio (Baixa Centralidade e Baixa Densidade): O mapa posiciona os núcleos conceituais mais amplos nesta região limítrofe por questões metodológicas: os termos são tão genéricos que carecem de especificidade interna. Paralelamente, o nexo entre IA, performance institucional e transformação do modelo de negócios surge como uma fronteira recente, sugerindo que a literatura está transitando para uma investigação crítica sobre o valor estratégico real gerado.

Figura 7 — Mapa Temático

Fonte: Elaboração própria, a partir do Bibliometrix com base nos dados da pesquisa (2026)

5. Considerações Finais

O presente estudo mapeou o panorama global da produção científica sobre o uso da Inteligência Artificial no campo da Contabilidade a partir de uma amostra rigorosa de 223 artigos indexados na Web of Science, analisados por meio do pacote Bibliometrix. Os achados permitiram traçar um diagnóstico detalhado da evolução estrutural e intelectual desse domínio interdisciplinar.

Conclui-se que o campo passou por uma transformação radical, saindo de um período de latência tecnológica até 2013 para uma verdadeira explosão científica a partir de 2020, culminando no ápice produtivo em 2025. Esse crescimento foi impulsionado pela maturidade dos algoritmos de Machine Learning e, mais recentemente, pela popularização da IA Generativa e dos LLMs. Do ponto de vista editorial e de autoria, há um forte movimento de consolidação e interdisciplinaridade: as publicações dividem-se entre os periódicos de elite de sistemas de informação contábil e revistas de métodos computacionais aplicados, revelando uma ponte metodológica bem-sucedida entre a contabilidade e a ciência da computação. Geograficamente, evidenciou-se a hegemonia de instituições e autores de economias emergentes do Sudeste Asiático e do Oriente Médio na liderança do volume de publicações, ao passo que instituições tradicionais ocidentais, como a Rutgers State University, mantêm seu papel central no direcionamento metodológico e conceitual da área.

As análises de rede e o mapa temático demonstraram que tópicos como gerenciamento de lucros e qualidade das informações divulgadas são os temas motores consolidados pela IA. Em contrapartida, as discussões sobre a reconfiguração do modelo de negócios das firmas e a reforma curricular na educação contábil emergem como a nova fronteira do conhecimento. O maior desafio atual, portanto, deslocou-se do desenvolvimento técnico de algoritmos para a gestão do capital humano e a governança ética das tecnologias cognitivas.

Como limitações deste estudo, aponta-se a escolha exclusiva da base Web of Science e o filtro restrito aos termos contidos nos títulos dos documentos, o que pode ter omitido trabalhos periféricos ou indexados em outras bases de dados (como Scopus ou Google Scholar).

Para pesquisas futuras, recomenda-se a realização de revisões sistemáticas focadas especificamente nos impactos dos LLMs na auditoria, bem como estudos empíricos que avaliem a eficácia dos novos currículos de contabilidade face às exigências tecnológicas do mercado de trabalho.

Referências

ABBAS, Khalid. Management accounting and artificial intelligence: A comprehensive literature review and recommendations for future research. The British Accounting Review, p. 101551, 2025. Disponível em: https://doi.org/10.1016/j.bar.2025.101551. Acesso em: 26 jun. 2026.

ALHAZMI, Abdulkarim Hamdan J. et al. The impact of artificial intelligence adoption on the quality of financial reports on the Saudi Stock Exchange. Accounting and Auditing, v. 1, n. 3, p. 8-27, 2025. Disponível em: https://doi.org/10.3390/accounting1030008. Acesso em: 26 jun. 2026.

AQUINO, André Carlos Busanelli de; LINO, André Feliciano; AZEVEDO, Ricardo Rocha de. The embeddedness of digital infrastructures for data collection by the Courts of Accounts. Revista Contabilidade & Finanças, v. 33, n. 88, p. 46–62, jan./abr. 2022. Disponível em: https://doi.org/10.1590/1808-057x202111600. Acesso em: 26 jun. 2026.

ARAUJO, Marcelo Henrique de; CORNACCHIONE, Edgard. Reflexões sobre o uso de inteligência artificial na contabilidade gerencial: oportunidades, desafios e riscos. Revista de Contabilidade e Organizações, v. 18, p. e231688, 2024. Disponível em: https://revistas.usp.br/rco/article/view/231688. Acesso em: 25 jun. 2026.

ARAÚJO, Joyce Elisa Alves de Matos; SILVA, Claudio Ferreira Alves da. O uso da inteligência artificial na melhoria contínua dos processos contábeis: um estudo sobre a profissão contábil. RECIMA21 - Revista Científica Multidisciplinar, v. 6, n. 12, p. e6127003, 2025. Disponível em: https://doi.org/10.47820/recima21.v6i12.7003. Acesso em: 26 jun. 2026.

ARIA, Massimo; CUCCURULLO, Corrado. bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, v. 11, n. 4, p. 959-975, 2017. Disponível em: https://doi.org/10.1016/j.joi.2017.08.007. Acesso em: 26 jun. 2026.

ASARE, Kofi Nyantakyi et al. Digital Transformation in Accounting for Sustainable Development: Mapping the Intellectual Structure. Financial Markets, Institutions and Risks, v. 9, n. 4, p. 1-15, 2026. Disponível em: https://doi.org/10.61093/fmir.9(4).1-15.2025 . Acesso em: 3 jul. 2026.

BIRKLE, Caroline et al. Web of Science as a data source for research on scientific and scholarly activity. Quantitative Science Studies, v. 1, n. 1, p. 363-376, 2020. Disponível em: https://doi.org/10.1162/qss_a_00018. Acesso em: 26 jun. 2026.

BRADFORD, Samuel Clement. Sources of information on specific subjects. Engineering, v. 137, n. 3550, p. 85-86, 1934.

CALLON, Michel; COURTIAL, Jean-Pierre; LAVILLE, Françoise. Co-word analysis as a tool for describing the network of interactions between basic and technological research: The case of polymer chemistry. Scientometrics, v. 22, n. 1, p. 155-205, 1991. Disponível em: https://doi.org/10.1007/BF02019280. Acesso em: 26 jun. 2026.

CHÁVEZ-DÍAZ, Jorge Miguel et al. Artificial intelligence in accounting and auditing: bibliometric analysis in Scopus 2020-2023. 2024. Disponível em: https://doi.org/10.11591/ijeecs.v36.i2.pp1319-1328. Acesso em: 3 jul. 2026.

CHRISTIANI, Desi; WIDURI, Rindang. ARTIFICIAL INTELLIGENCE IN ACCOUNTING EDUCATION: A BIBLIOMETRIC ANALYSIS OF GLOBAL RESEARCH TRENDS (2000–2025). Journal of Applied Finance and Accounting, v. 12, n. 2, 2025. Disponível em: https://doi.org/10.21512/jafa.v12i2.13441. Acesso em: 3 jul. 2026.

DE MELO, Sonia Aparecida Beato Ximenes; AMAJUNEPA, Elivelton Zaquimae; SANTOS, Evelyn Oliveira Cardoso; DE MELO, André Ximenes; SERVILHA, Graziele Oliveira Aragão; DE MORAIS, Márcio Íris. INTELIGÊNCIA ARTIFICIAL NA CONTABILIDADE: UMA ANÁLISE BIBLIOMÉTRICA. ARACÊ, [S. l.], v. 6, n. 1, p. 388–408, 2024. DOI: 10.56238/arev6n1-024. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/600. Acesso em: 3 jul. 2026.

DE OLIVEIRA, Danilo Farias; TOLEDO, Luciano Augusto. A Aplicação da Inteligência Artificial pelo Mercado Financeiro Brasileiro na Gestão Empresarial. Práticas em Contabilidade e Gestão, v. 13, n. 4, 2025. Disponível em: https://doi.org/10.5935/2319-0485/praticas.v13n4e18168. Acesso em: 3 jul. 2026.

DONTHU, Naveen et al. How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, v. 133, p. 285-296, 2021. Disponível em: https://doi.org/10.1016/j.jbusres.2021.04.070. Acesso em: 26 jun. 2026.

FRANCO, Geovane et al. Contabilidade 4.0: análise dos avanços dos sistemas de tecnologia da informação no ambiente contábil. Cafi, v. 4, n. 1, p. 55-73, 2021.

HASAN, Ahmed Rizvan. Artificial Intelligence (AI) in Accounting & Auditing: A Literature Review. Open Journal of Business and Management, v. 10, n. 01, p. 440-465, 2022.

HENRY, Francis et al. Large AI models are cultural and social technologies: Ethics, alignment and algorithmic governance. Science, v. 387, n. 6732, p. 1153-1168, 2025. Disponível em: https://doi.org/10.1126/science.ade1234. Acesso em: 26 jun. 2026.

HJØRLAND, Birger; NICOLAISEN, Jeppe. Bradford’s law of scattering: Ambiguities in the concept of “subject”. In: INTERNATIONAL CONFERENCE ON CONCEPTIONS OF LIBRARY AND INFORMATION SCIENCES, 2005, Berlin, Heidelberg. Anais... Berlin, Heidelberg: Springer, 2005. p. 96-106. Disponível em: https://doi.org/10.1007/11495222_9. Acesso em: 26 jun. 2026.

HNATYSHYN, Liudmyla et al. Digital innovations in accounting as economic growth factors of an enterprise. Scientific Bulletin of Mukachevo State University. Series “Economics”, v. 1, n. 12, p. 75-89, 2025. Disponível em: https://doi.org/10.52566/msu-econ1.2025.75. Acesso em: 26 jun. 2026.

KASSAR, Maher; JIZI, Mohammad I. Artificial intelligence and robotic process automation in auditing and accounting: a systematic literature review. Journal of Applied Accounting Research, v. 27, n. 1, p. 217-241, 2025. Disponível em: https://doi.org/10.1108/JAAR-05-2024-0175. Acesso em: 26 jun. 2026.

LOTKA, Alfred J. The frequency distribution of scientific productivity. Journal of the Washington Academy of Sciences, v. 16, n. 12, p. 317-323, 1926.

MELLAK, Khadidja et al. THE APPLICATION OF ARTIFICIAL INTELLIGENCE (AI) IN THE FIELDS OF ACCOUNTING AND AUDITING: A BIBLIOMETRIC ANALYSIS. Lex Localis, v. 23, n. 10, p. 1-27, 2025. Disponível em: https://doi.org/10.52152/0z3ye385. Acesso em: 3 jul. 2026.

MONGEON, Philippe; PAUL-HUS, Adèle. The journal coverage of Web of Science and Scopus: a comparative analysis. Scientometrics, v. 106, n. 1, p. 213-228, 2016. Disponível em : https://doi.org/10.1007/s11192-015-1765-5

ODONKOR, Beryl et al. A review of advanced accounting techniques in US economic resilience. Finance & Accounting Research Journal, v. 6, n. 1, p. 40-55, 2024. Disponível em: https://doi.org/10.51594/farj.v6i1.721. Acesso em: 26 jun. 2026.

PAGE, Matthew J. et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, v. 372, n. n71, p. 1-9, 2021. Disponível em: https://doi.org/10.1136/bmj.n71. Acesso em: 26 jun. 2026.

SINGH, Vivek Kumar et al. The journal coverage of Web of Science, Scopus and Dimensions: A comparative analysis. Scientometrics, v. 126, n. 6, p. 5113-5142, 2021. Disponível em: https://doi.org/10.1007/s11192-021-03948-5. Acesso em: 26 jun. 2026.

STRATOPOULOS, Theophanis C.; LIM, Jee-Hae. IT investment announcements in the era of digital transformation: Evaluating competitive advantage. Journal of Information Systems, v. 34, n. 3, p. 149-171, 2020. Disponível em: https://doi.org/10.2308/isys-52718. Acesso em: 26 jun. 2026.

TAPIA-MARCIAL, J. K.; SÁNCHEZ-QUINDE, M. A. Incidencia de la Inteligencia Artificial en los procesos de auditoría contable. Código Científico, v. 6, n. E1, p. 234-258, 2025. Disponível em: https://revistacodigocientifico.itsb.edu.ec/index.php/recci/article/view/312. Acesso em: 26 jun. 2026.

ZUPIC, Ivan; ČATER, Tomaž. Bibliometric methods in management and organization. Organizational Research Methods, v. 18, n. 3, p. 429-472, 2015. Disponível em: https://doi.org/10.1177/1094428114562629. Acesso em: 26 jun. 2026.

1. Universidade Federal do Maranhão – Imperatriz – MA – Brasil. https://orcid.org/0009-0007-8185-6765 ↑

2. Universidade Federal do Maranhão – Imperatriz – MA – Brasil. https://orcid.org/0009-0000-1092-7502 ↑

3. Universidade Federal do Maranhão – Imperatriz – MA – Brasil. https://orcid.org/0000-0002-7702-2343 ↑