Modelo de Capacidade de Auditoria Interna para o Setor Público (IA-CM) : um estudo baseado na experiência da auditoria interna do Superior Tribunal de Justiça

Abstract

Este estudo tem como objetivo verificar se houve a implementação e a institucionalização dos requisitos necessários para atingir os níveis 2 e 3 do Modelo de Capacidade de Auditoria Interna para o Setor Público (IA-CM) na Secretaria de Auditoria Interna (AUD) do Superior Tribunal de Justiça (STJ), com foco nos processos de trabalho e procedimentos executados pela unidade entre setembro de 2019 e janeiro de 2025. A pesquisa envolveu o mapeamento dos requisitos do modelo, a realização de autoavaliação institucional, a sistematização dos resultados e a proposição de ações voltadas ao alinhamento da atividade de auditoria interna às diretrizes do IA-CM. Como resultado, foi desenvolvido um Produto Técnico-Tecnológico (PTT) do tipo implementação de projeto de assessoria, composto por dois instrumentos: o Plano de Ação e o Relatório do Diagnóstico de Autoavaliação. Ambos foram recepcionados, avaliados e adotados institucionalmente pela AUD como subsídios técnicos ao processo de validação externa conduzido pelo Conselho Nacional de Controle Interno (CONACI). Os dados da autoavaliação indicaram a institucionalização de 93,94% das atividades do Nível 2 e 67,24% das atividades do Nível 3, culminando na execução de ações que permitiram o atingimento de 100% dos requisitos exigidos para os referidos níveis, de forma que o Relatório do Diagnóstico de Autoavaliação confirmou o atingimento do Nível 3 de Capacidade. O estudo reforça o papel da auditoria interna como instrumento estratégico para o fortalecimento da governança pública, promovendo padronização de processos, melhoria da gestão de riscos, transparência e alinhamento às boas práticas internacionais. Como recomendações, destaca-se a importância da manutenção de um processo contínuo de monitoramento dos processos de trabalho, da realização periódica de avaliações externas independentes e do incentivo a pesquisas futuras voltadas à mensuração dos impactos e benefícios decorrentes da adoção do IA-CM.