Entre espelhos e muros: disputas simbólicas e reconfiguração algorítmica na ciência contábil

Entre espejos y muros: disputas simbólicas y reconfiguración algorítmica en la ciencia contable

Resumo

O ensaio teórico avalia como a difusão da Inteligência Artificial (IA) pode reconfigurar fronteiras epistemológicas e institucionais da ciência contábil sob condições específicas de dados, governança e incentivos acadêmicos. Com base em revisão crítica, análise temática e síntese integrativa, articula literatura clássica e recente em quatro eixos: sociologia dos campos científicos; filosofia da ciência; psicodinâmica do trabalho; e aplicações de IA em auditoria, relato financeiro e classificação fiscal. Sugerem-se quatro proposições: (1) a expansão da IA tende a recompensar pesquisas híbridas que integrem teoria substantiva, desenho interdisciplinar e validação fora da amostra; (2) programas que combinam contabilidade e ciência de dados podem ampliar impacto institucional, mas enfrentam barreiras de legitimação; (3) modelos robustos a validações automatizadas tendem a ganhar reconhecimento quando acompanhados de transparência, interpretação substantiva e governança; e (4) a ubiquidade algorítmica pode tensionar a fragmentação paradigmática quando houver incentivos à coautoria interdisciplinar. Experiências iniciais sugerem ganhos operacionais contextuais, enquanto reguladores e pesquisas recentes reforçam transparência, auditoria de viés e documentação de dados. Conclui-se que a Contabilidade é chamada a deslocar-se da lógica de muros à lógica de pontes, alinhando capital simbólico a relevância prática, pluralismo metodológico e responsabilidade social.

Palavras-chave:
inteligência artificial; contabilidade; boundary-work ; narcisismo das pequenas diferenças; capital simbólico

Abstract

This theoretical essay examines how the diffusion of artificial intelligence (AI) may reconfigure the epistemic and institutional boundaries of accounting under specific conditions of data, governance, and academic incentives. Drawing on a critical review, thematic analysis, and integrative synthesis, it connects classic and recent literature across four axes: the sociology of scientific fields, philosophy of science, the psychodynamics of work, and AI applications in auditing, financial reporting, and tax classification. Four propositions are advanced: (1) AI expansion tends to reward hybrid research that integrates substantive theory, interdisciplinary design, and out-of-sample validation; (2) programs combining accounting and data science may expand institutional impact while facing legitimation barriers; (3) models that are robust to automated validation tend to gain recognition when supported by transparency, substantive interpretation, and governance; and (4) algorithmic ubiquity may strain paradigm fragmentation when institutional incentives foster interdisciplinary co-authorship. Early adoption experiences suggest context-specific operational gains, while regulators and recent research emphasize transparency, bias auditing, and data documentation. The essay concludes that accounting is called to shift from a logic of walls to a logic of bridges, aligning symbolic capital with practical relevance, methodological pluralism, and social responsibility.

Keywords:
artificial intelligence; accounting; boundary-work; narcissism of minor differences; symbolic capital

Resumen

Este ensayo teórico examina cómo la difusión de la inteligencia artificial (IA) puede reconfigurar las fronteras epistemológicas e institucionales de la ciencia contable bajo condiciones específicas de datos, gobernanza e incentivos académicos. A partir de una revisión crítica, análisis temático y síntesis integrativa, articula literatura clásica y reciente en cuatro ejes: sociología de los campos científicos, filosofía de la ciencia, psicodinámica del trabajo y aplicaciones de IA en auditoría, información financiera y clasificación fiscal. Se formulan cuatro proposiciones: (1) la expansión de la IA tiende a recompensar investigaciones híbridas que integren teoría sustantiva, diseño interdisciplinar y validación fuera de la muestra; (2) los programas que articulan contabilidad y ciencia de datos pueden ampliar el impacto institucional, pero enfrentan barreras de legitimación; (3) los modelos robustos frente a validaciones automatizadas tienden a ganar reconocimiento cuando se acompañan de transparencia, interpretación sustantiva y gobernanza; y (4) la ubicuidad algorítmica puede tensionar la fragmentación paradigmática cuando existen incentivos a la coautoría interdisciplinaria. Las experiencias iniciales sugieren ganancias operativas contextuales, mientras reguladores e investigaciones recientes refuerzan la transparencia, la auditoría de sesgos y la documentación de datos. Se concluye que la contabilidad está llamada a pasar de una lógica de muros a una lógica de puentes, alineando capital simbólico con relevancia práctica, pluralismo metodológico y responsabilidad social.

Palabras clave:
inteligencia artificial; contabilidad; boundary-work ; narcisismo de las pequeñas diferencias; capital simbólico

INTRODUÇÃO

A ciência contábil encontra-se em momento de transição, no qual algoritmos de aprendizado de máquina e automação robótica de processos (Robotic Process Automation - RPA) já vêm sendo incorporados, em ritmos desiguais, a tarefas como conciliações, classificações fiscais e elaboração de relatórios (Eisikovits et al., 2025). Esse avanço técnico dialoga com uma estrutura disciplinar ainda marcada por segmentações metodológicas preservadas desde a triangulação positivista, interpretativa e crítica descrita por Chua (1986); ainda, estudos de avaliação acadêmica revelam que periódicos de prestígio continuam a favorecer abordagens consolidadas, reduzindo espaço para agendas heterodoxas e colaboração interparadigmática (Fraser & Sheehy, 2020). Tal prática reflete o fenômeno de trabalho de fronteira, ou boundary-work, mapeado por Gieryn (1983), por meio do qual comunidades científicas reafirmam limites para salvaguardar recursos e autoridade simbólica (Bourdieu, 1984a).

No ambiente profissional, levantamentos setoriais indicam que muitos contadores projetam reconfiguração de suas funções nos próximos anos (Bowling, 2024), embora a adoção efetiva de Inteligência Artificial (IA) varie segundo maturidade regulatória, infraestrutura tecnológica, disponibilidade de dados e políticas de governança. Essa assimetria contribui para a percepção recorrente de distanciamento entre pesquisa acadêmica e necessidades da prática (Bennis & O’Toole, 2005; Clor-Proell et al., 2025). Sob essas condições, fintechs e consultorias baseadas em ciência de dados podem ocupar espaços historicamente associados à profissão contábil, redirecionando valor econômico e legitimidade social quando a área não desenvolve respostas compatíveis com o ritmo das inovações.

Do ponto de vista psicossocial, essa dinâmica dialoga com o “narcisismo das pequenas diferenças” proposto por Freud (1996): subgrupos metodológicos, embora partilhem objeto e vocação comuns, acentuam distinções para afirmar identidade, reduzindo oportunidades de convergência. Pesquisas sobre saúde institucional sugerem que tal fragmentação pode fomentar estratégias defensivas que preservam o status quo, mas adiam a incorporação de práticas emergentes (Dejours et al., 1994). Nesse cenário, ferramentas algorítmicas funcionam como teste de estresse epistemológico: evidenciam pontos fortes de programas de pesquisa adaptativos e sinalizam limitações de linhas que permanecem fechadas à triangulação de métodos ou à validação em larga escala.

Surge, assim, a questão central deste ensaio: de que modo as disputas simbólicas internas influenciam a capacidade da Contabilidade de integrar a inteligência artificial de forma relevante e socialmente legítima? O estudo persegue um objetivo geral, compreender como a pressão algorítmica redistribui capital simbólico e reconfigura fronteiras disciplinares, e quatro objetivos específicos: (1) cartografar linhas de trabalho de fronteira vigentes; (2) analisar essas linhas à luz de mecanismos psicanalíticos e sociológicos; (3) examinar como aplicações de IA expõem ou mitigam tais divisões, evitando a ciência de culto à carga, ou cargo-cult science, denunciada por Feynman (1974); e (4) propor um arcabouço que mobilize Popper (2002), Kuhn (2012), Lakatos (1999) e Feyerabend (2010) como lentes tensionadas para orientar investigações futuras.

NOTA METODOLÓGICA DO ENSAIO

Este ensaio não se propõe como revisão sistemática ou bibliométrica. A seleção da literatura foi intencional e orientada pela pergunta teórica, combinando textos clássicos que estruturam o debate sobre ciência, campos científicos e trabalho com pesquisas recentes sobre IA, contabilidade, auditoria, governança algorítmica e profissões. Foram priorizados estudos que: (i) discutem fronteiras disciplinares e disputas de autoridade; (ii) examinam capital simbólico, reconhecimento acadêmico e hibridização profissional; (iii) analisam ética, transparência e validação de modelos; e (iv) permitem aproximar filosofia da ciência de fenômenos contábeis contemporâneos, como auditoria contínua, detecção de distorções, classificação fiscal e relato financeiro.

A análise temática agrupou a literatura por convergências, tensões e lacunas, distinguindo evidência direta em contabilidade e auditoria de exemplos mobilizados por analogia em campos adjacentes. A síntese integrativa transformou esses eixos em proposições teórico-analíticas (P1-P4), e não em hipóteses causais já comprovadas. Por isso, exemplos empíricos e relatos setoriais são tratados como indícios situados ou ilustrações heurísticas quando não derivam de estudos contábeis diretos, preservando o caráter ensaístico do artigo e tornando explícitos seus limites de generalização.

A argumentação desenvolve-se em quatro etapas. A segunda seção revisita contribuições sobre identidade disciplinar, disputas paradigmáticas e defesas institucionais. A terceira apresenta a tese de que a IA tensiona fronteiras disciplinares e formula proposições testáveis sobre integração epistêmica. A quarta discute implicações para a pesquisa, prática profissional e governança regulatória, sugerindo mecanismos de mitigação de riscos tecnológicos. Por fim, a quinta e última seção sintetiza as contribuições e delineia uma agenda interdisciplinar voltada a integrar algoritmos a processos responsáveis de inovação, e não a amplificar fragilidades latentes.

Ao posicionar a Contabilidade “entre espelhos e muros”, o ensaio argumenta que sua relevância futura dependerá menos da aceleração de processos existentes e mais da revisão crítica das fronteiras simbólicas que ainda limitam o diálogo interno e o engajamento externo. Derrubar muros conceituais permanece condição prévia para que espelhos digitais reflitam não apenas técnicas aprimoradas, mas também propósitos alinhados às demandas de transparência, sustentabilidade e equidade em ambientes orientados por dados.

FUNDAMENTAÇÃO TEÓRICA

Identidade disciplinar: entre técnica, ambição científica e capital simbólico

A história da contabilidade revela uma metamorfose que combina prática utilitária, regulação profissional e aspiração acadêmica. Estudos recentes sobre fronteiras disciplinares da contabilidade retomam sua trajetória histórica como prática de registro, profissão regulada e disciplina acadêmica, destacando a coexistência de funções técnicas, institucionais e científicas (Volkova, 2024). A coexistência desses registros pode ser descrita, em diálogo com Hopwood (1989), como uma “identidade anfíbia”: a contabilidade serve simultaneamente ao mercado, ao cumprir obrigações normativas, e à ciência, ao produzir conhecimento crítico.

Essa ambivalência reaparece no debate vocacional e acadêmico. Demski (2007) criticou, de forma provocativa, a forte influência profissional sobre o currículo contábil. Nessa direção, currículos focados em listas de normas, como International Financial Reporting Standards (IFRS), pronunciamentos do Comitê de Pronunciamentos Contábeis (CPC) e leis fiscais, podem produzir especialistas de curto prazo, mas não pensadores de longo alcance. Em contraste, correntes interpretativas sustentam que compreender práticas contábeis requer lentes sociológicas, históricas e políticas (Hopwood & Miller, 1994). A tensão não se esgota em retórica curricular: ela se manifesta em como os departamentos definem seus critérios de promoção. Em muitas universidades, publicar em periódicos de finanças de alto prestígio vale mais do que influenciar normas locais - indicador de que o capital simbólico associado à ciência “dura” continua a regular o prestígio interno.

O conceito de capital simbólico de Bourdieu (1984a, 1984b) elucida essa dinâmica. Para ascender no campo científico, pesquisadores competem por prêmios, financiamento e, sobretudo, citações. Malsch et al. (2011) analisam a influência de Bourdieu na literatura contábil, enquanto Willmott (2011) alerta que listas de periódicos podem comprimir a diversidade temática e metodológica. No campo contábil, Vogt et al. (2021) reforçam a importância da vigilância epistemológica ao discutir a aplicação da abordagem bourdieusiana à contabilidade. Esse deslocamento pode gerar afastamento entre academia e prática profissional, à medida que parte da produção científica não aborda diretamente desafios enfrentados na auditoria independente, na governança de dados ou na incorporação de padrões ambientais, sociais e de governança (Environmental, Social and Governance - ESG). Por outro lado, a academia argumenta que, sem rigor metodológico, corre o risco de comprometer sua legitimidade científica. Forma-se, assim, um dilema reputacional: ser reconhecida como ciência autônoma ou manter-se como ferramenta de apoio a demandas regulatórias.

A disputa por prestígio emerge também na relação com disciplinas vizinhas. Estudos indicam que programas de doutorado em contabilidade absorveram teorias de agência e modelos de apreçamento de ativos para “emprestar” rigor estatístico da economia (Kaplan, 2011; Lee & Williams, 1999). Se, por um lado, essa estratégia elevou a Contabilidade em rankings interdisciplinares, por outro, reforçou percepções de dependência epistemológica.

Boundary-work, narcisismo das pequenas diferenças e fragmentação epistemológica

Boundary-work, ou trabalho de fronteira, designa o conjunto de operações discursivas e institucionais que definem quem tem autoridade para falar em nome da ciência (Gieryn, 1983). Na contabilidade, esse fenômeno é visível em três planos:

1. Fronteira externa: diferenciar a ciência contábil da “mera prática” empresarial. Conselhos profissionais enfatizam certificações exclusivas; departamentos acadêmicos, por sua vez, destacam teorias socioeconômicas para justificar o status universitário.

2. Fronteira intersubdisciplinar: distinguir contabilidade financeira, contabilidade gerencial, auditoria e fiscal. Cada subcampo reivindica competências singulares: a contabilidade financeira enfatiza domínio dos “números duros”; a gerencial reivindica expertise em tomada de decisão; a auditoria destaca julgamento profissional e asseguração; e a área fiscal mobiliza conhecimento normativo e regulatório.

3. Fronteira paradigmática: separar pesquisa positivista quantitativa, pesquisa interpretativa qualitativa e abordagens críticas. Aqui, a clivagem é metodológica: regressões e experimentos controlados de um lado; etnografias, análises históricas e estudos críticos de outro.

Golyagina e Valuckas (2020) demonstram que representantes oficiais do Institute of Management Accountants (IMA) utilizam principalmente estratégias de monopolização, enquanto membros da associação na Rússia adotam sobretudo estratégias de expansão. Tal jogo de poder é dinâmico: muda conforme regulações, tecnologias e conjunturas de mercado, como crises financeiras e escândalos de fraude.

Dinâmica semelhante ocorreu com a difusão de sistemas integrados de gestão empresarial (Enterprise Resource Planning - ERP) e, posteriormente, de RPA. Em vez de constituírem imediatamente uma agenda integrada sobre informação, controle e julgamento profissional, tais tecnologias foram frequentemente absorvidas por subáreas específicas como ferramentas operacionais. Auditoria e contabilidade gerencial, fiscal e financeira tenderam a incorporá-las segundo suas próprias métricas de competência, preservando fronteiras simbólicas já estabelecidas. Esse movimento ilustra como diferenças relativamente pequenas entre subcampos podem bloquear agendas sociotécnicas mais amplas, ainda que todas lidem com problemas comuns de dados, controle, rastreabilidade e responsabilização.

A intensidade dessas disputas é amplificada pelo narcisismo das pequenas diferenças. Freud (1996) argumenta que grupos quase idênticos exageram divergências para preservar coesão interna. No campo contábil, positivistas e interpretativistas compartilham um objetivo comum - explicar práticas de mensuração, controle e prestação de contas -, mas frequentemente se atacam em debates sobre “rigor” ou “relevância”. Hussain et al. (2020) constataram que artigos positivistas recorrem a um conjunto mais estreito de referências, enquanto pesquisas crítico-interpretativas e interdisciplinares utilizam fontes mais diversas, evidenciando segmentação bibliográfica no campo. Tal segmentação agrava a fragmentação do conhecimento.

Esse cenário favorece a proliferação de rituais de cientificidade sem real questionamento ontológico, fenômeno que Feynman (1974) denominou cargo-cult science, ou ciência de culto à carga. Vários autores sustentam que replicar, com pequenas variações, modelos de earnings management ou value relevance gera um volume expressivo de produção incremental, mas pode deixar intocados dilemas da era digital, como a atribuição de responsabilidade por vieses algorítmicos em estimativas de crédito tributário. A disciplina, assim, corre o risco de reproduzir sofisticação metodológica sem ampliar proporcionalmente sua capacidade de explicar problemas contábeis emergentes.

Aprofundando a análise de poder, Burri (2008) mostra, em paralelo com a radiologia, que novas tecnologias de imagem podem reordenar capitais simbólicos: práticas e artefatos de visualização tornam-se recursos de prestígio em contextos específicos. Na Contabilidade, por analogia, a proliferação de ferramentas de aprendizado de máquina cria oportunidades para subcampos emergentes, como data analytics; desafia hierarquias tradicionais entre auditores, controllers, analistas e profissionais fiscais; e torna a luta por fronteiras ainda mais aguda.

Sofrimento institucional, defesas coletivas e cinismo organizacional

Sob o prisma da psicodinâmica do trabalho, Dejours (1999) argumenta que ambientes sob forte pressão meritocrática geram sofrimento psíquico. A academia contábil evidencia esse quadro: metas de publicação, prazos de revisão curtos e rankings internacionais convertem-se em dispositivos de controle. Para suportar tais demandas, comunidades científicas acionam defesas coletivas.

Formalismo metodológico: a adesão estrita a checklists estatísticos, como heterocedasticidade, endogeneidade e robustez, pode atuar como “armadura” contra a ansiedade de produzir algo socialmente significativo. Autores críticos alertam que, ao transformar o método em fim em si, o campo pode sacrificar criatividade e originalidade (Willmott, 2011).

Cinismo institucional: sentimento de descrença no valor intrínseco da produção, mascarado por conformidade externa. Dejours (1998) descreveu fenômeno análogo em fábricas francesas; na academia, isso se manifesta em frases de corredor, como “publica-se porque sim”, e em submissões mínimas apenas para cumprir pontuação docente. Sloterdijk (1983) denomina essa atitude de consciência cínica, uma “falsa consciência esclarecida” em que o agente sabe das contradições do sistema, mas persiste por achar que, se ele não o fizer, outros o farão.

Indicadores empíricos reforçam a gravidade, ainda que não se refiram especificamente à contabilidade. Evans et al. (2018) reportaram sintomas moderados a severos de ansiedade em 41% e de depressão em 39% dos pós-graduandos pesquisados, proporções muito superiores às observadas na população geral. Ademais, pesquisa publicada na Nature registrou insegurança e sofrimento entre pós-doutores quanto às perspectivas de carreira, à carga de trabalho e à cultura do ambiente profissional (Woolston, 2020). O cinismo, longe de mera postura pessoal, correlaciona-se negativamente com a inovação: estudos em gestão encontram associação negativa entre cinismo organizacional e comportamento inovador. Firoozi et al. (2016), por exemplo, identificaram essa associação em profissionais de órgãos de esporte e juventude. Esses achados são mobilizados aqui como evidência contextual e analógica para pensar pressões acadêmicas, não como medida direta do campo contábil.

Em ambientes crescentemente digitalizados, essas defesas podem ser reativadas quando sistemas de mensuração de desempenho prometem neutralidade, mas ampliam comparação, controle e pressão por produtividade. Assim, a automação não elimina, por si só, o sofrimento institucional: ela pode deslocá-lo das tarefas repetitivas para novas formas de vigilância, responsabilização individual e disputa por reconhecimento.

Tecnologia algorítmica, interdisciplinaridade e futuro da contabilidade

Sistemas algorítmicos, como RPA, blockchain, IA generativa e modelos de aprendizado de máquina, redesenham tarefas de lançamento, conciliação, classificação e auditoria em contextos com maior digitalização de dados e infraestrutura analítica. Relatórios sobre o futuro do trabalho indicam pressão crescente por requalificação, automação de tarefas rotineiras e transformação das competências profissionais, ainda que tais projeções devam ser interpretadas como tendências gerais, e não como estimativas lineares para todas as atividades contábeis (World Economic Forum, 2020). Esse advento exige que a disciplina redefina seu núcleo de conhecimento: permanecer centrada no cálculo manual ou migrar para a análise crítica e contextual dos resultados algorítmicos?

Se as fronteiras internas permanecerem rígidas, cada subcampo poderá tratar a IA como acessório de sua própria agenda: contabilidade financeira utilizará algoritmos para prever lucros; auditoria, para amostrar ou examinar transações; contabilidade gerencial, para otimizar orçamentos; e fiscal, para classificar operações. Esse uso estratégico e fragmentado da IA por diferentes subáreas pode aprofundar divisões entre paradigmas metodológicos, em vez de fomentar integração interdisciplinar. Contudo, a IA também expõe as limitações de cada abordagem isolada. Detectar viés em classificações de risco tributário, por exemplo, demanda colaboração entre estatísticos, juristas, especialistas em ética de dados e profissionais contábeis.

Iniciativas pioneiras apontam caminhos, especialmente no campo da supervisão financeira. O Cambridge SupTech Lab (2024), vinculado ao Cambridge Centre for Alternative Finance, tem desenvolvido iniciativas voltadas à transformação digital da supervisão financeira, com ênfase em governança, uso responsável de tecnologia e accountability em ecossistemas regulatórios. Como se trata de campo adjacente, e não de evidência direta sobre a profissão contábil, sua transposição deve ser feita com cautela. Ainda assim, o exemplo oferece aprendizados relevantes para auditoria de modelos, transparência algorítmica e prestação de contas em ambientes de dados intensivos. Tais iniciativas sugerem que a Contabilidade pode participar de debates sobre responsabilidade algorítmica, convertendo sua tradição de prestação de contas em vantagem comparativa.

Para aproveitar essa oportunidade, instituições precisam rever incentivos: valorizar publicações interdisciplinares, incluir competências digitais nos currículos e repensar avaliações de desempenho que premiem apenas volume. Na lógica de Bourdieu (1984a), isso implica redefinir o que conta como capital simbólico: não apenas fator de impacto, mas também capacidade de articular dimensões éticas, sociais, regulatórias e tecnológicas. Sob tais condições, a Contabilidade pode fortalecer sua posição como ciência social aplicada e crítica na era digital, equilibrando exatidão numérica, julgamento profissional e reflexividade institucional.

PROPOSIÇÃO TEÓRICA/ARTICULAÇÃO

A IA ingressa na contabilidade como tecnologia de propósito geral, isto é, como artefato aplicável a múltiplos domínios organizacionais, e pode deslocar fronteiras disciplinares antes vistas como estáveis em subcampos mais expostos a dados digitalizados, infraestrutura analítica e pressão regulatória. Revisões recentes mapeiam aplicações em auditoria, provisões fiscais, previsão de fluxos de caixa, avaliação de risco e pesquisa em contabilidade e finanças (Hasan, 2022; Liaras et al., 2024). Evidências preliminares sobre o desempenho de modelos de linguagem em exames profissionais de contabilidade e auditoria também sugerem que parte expressiva do conhecimento contábil declarativo se tornou codificável, embora isso não elimine a necessidade de julgamento contextual, responsabilidade profissional e interpretação substantiva (Eulerich et al., 2024).

Essa constatação evidencia assimetrias internas. Conteúdos curriculares ancorados em regras, como os “manuais” criticados por Demski (2007), correspondem justamente ao domínio que sistemas algorítmicos tendem a replicar com maior facilidade em contextos avaliativos padronizados. Nesse cenário, parcela da competência crítica desloca-se para a formulação de problemas, a interpretação de contextos institucionais, a negociação de ambiguidades éticas e o desenho de sistemas híbridos humano-algoritmo. Kaplan (2011) já apontava subinvestimento em temas emergentes; a concorrência com saídas algorítmicas de baixo custo acentua esse hiato e pressiona a pesquisa contábil a produzir resultados que não sejam prontamente imitáveis por máquinas.

Nesse contexto, a IA exerce pressão seletiva sobre parte do campo contábil: tópicos ou métodos de baixo valor incremental podem perder centralidade, enquanto abordagens transdisciplinares, orientadas por problemas concretos e colaboração interprofissional, ganham relevância quando combinam infraestrutura, acesso a dados e validação. Essa dinâmica estimula redes que articulam econometria clássica, aprendizado de máquina, mineração de texto, análise qualitativa e conhecimento regulatório. Observa-se, por exemplo, a aplicação de aprendizado de máquina à detecção de anomalias em dados da razão geral, com potencial para apoiar a seleção de lançamentos de maior risco em auditoria (Bakumenko & Elragal, 2022). Mais do que dissolver automaticamente fronteiras, a IA torna essas fronteiras mais visíveis e pressiona os subcampos a justificar seus critérios de relevância, validação e utilidade pública.

Embora programas de pesquisa alinhados à ciência de dados possam ampliar o impacto aplicado da contabilidade, sistemas de avaliação universitária continuam a premiar métricas individuais, desencorajando esforços coletivos. Tal desalinhamento cria tensão entre reconhecimento institucional e utilidade prática: projetos interdisciplinares dependem de tempo de coleta, infraestrutura computacional, acesso a dados proprietários e equipes multidisciplinares, elementos nem sempre valorizados por comitês de promoção ou agências de fomento. A literatura sobre profissões e IA sugere, nesse sentido, que a adoção de sistemas algorítmicos não elimina disputas jurisdicionais; ela tende a reconfigurá-las por meio de novas formas de boundary-work (Faulconbridge et al., 2025).

Para a profissão, a desmaterialização de fronteiras pode inaugurar especializações como auditoria de algoritmos, governança corporativa de IA e verificação de explicabilidade de modelos contábeis (Dwivedi et al., 2023). Processos rotineiros tendem a convergir para automação robótica em organizações com dados digitalizados; nesse contexto, parte do trabalho contábil desloca-se para a curadoria de resultados algorítmicos, o exercício de ceticismo profissional, o julgamento contextual e a comunicação de riscos. Esse deslocamento funcional exige atualização curricular em ética computacional, estatística aplicada, avaliação de vieses e governança de dados, preparando profissionais para validar sistemas que processam grandes volumes de informação em velocidade contínua.

A reflexão filosófica importa menos como síntese expositiva dos autores clássicos e mais como lente para fenômenos contábeis concretos mediados por IA. Popper (2002) ajuda a pensar testes severos em detecção de fraude, classificação fiscal e previsão de fluxos; Kuhn (2012) permite interpretar anomalias reveladas por auditoria contínua ou processamento de linguagem natural aplicado a relatórios; Lakatos (1999) distingue programas que geram conhecimento novo de usos meramente cosméticos de modelos; e Feyerabend (2010) sustenta pluralismo metodológico para combinar modelos estatísticos, estudos de caso e crítica institucional, sem dispensar transparência e responsabilidade. Essa aproximação é compatível com trabalhos que já mobilizam Lakatos para avaliar programas de pesquisa em contabilidade gerencial (Modell, 2022).

Ao aproximar esses marcos teóricos, o ensaio não busca conciliar integralmente suas filosofias da ciência. Popper (2002), Kuhn (2012), Lakatos (1999) e Feyerabend (2010) não compõem uma matriz epistemológica homogênea; suas tensões são mobilizadas como dispositivos analíticos. Nessa leitura, a IA pode ampliar oportunidades de validação empírica, precipitar anomalias em rotinas tradicionais, pressionar cinturões auxiliares de programas estabelecidos e exigir pluralidade metodológica sob critérios explícitos de transparência, responsabilidade e escrutínio público. Sem essas condições, a sofisticação algorítmica pode apenas deslocar o formalismo metodológico para novos artefatos computacionais.

Essa articulação pode ser sintetizada em quatro efeitos epistemológicos:

1. Popper (2002): a possibilidade de gerar previsões em larga escala e reproduzi-las automaticamente amplia o espaço de testabilidade em temas como fraude, distorções contábeis e classificação fiscal, desde que hipóteses, dados, critérios de validação e testes fora da amostra em novas firmas, períodos e jurisdições sejam explicitados.

2. Kuhn (2012): a multiplicação de anomalias detectadas por IA em auditoria contínua, notas explicativas, relatórios de sustentabilidade ou registros fiscais pode intensificar crises em paradigmas baseados exclusivamente em amostragem manual ou validação restrita, sem implicar revolução automática.

3. Lakatos (1999): programas que integram aprendizado de máquina podem acrescentar hipóteses auxiliares progressivas quando aumentam poder explicativo ou preditivo sobre problemas contábeis substantivos; linhas que apenas ajustam parâmetros ex post, sem ganho teórico, tendem a se tornar degenerativas.

4. Feyerabend (2010): a crítica a monopólios metodológicos reforça a necessidade de abertura a combinações entre estatística clássica, redes neurais, análise qualitativa, estudos críticos e diálogo com reguladores, desde que tal pluralidade seja acompanhada de justificativa teórica, transparência e responsabilidade.

Da articulação precedente emergem quatro proposições interligadas:

P1 - Quanto maior a difusão de IA no ciclo de vida da informação contábil, maior tende a ser o prêmio reputacional de pesquisas que combinem evidência empírica aplicada, teoria substantiva e diálogo interdisciplinar.

P2 - Programas que alinham competências contábeis à ciência de dados tendem a produzir impacto institucional superior, mas enfrentam barreiras de legitimação em sistemas tradicionais de avaliação acadêmica.

P3 - Modelos contábeis capazes de resistir a testes automatizados fora da amostra tendem a conquistar legitimidade científica mais rapidamente quando acompanhados de documentação transparente, validação independente e interpretação substantiva.

P4 - A adoção generalizada de IA pode reduzir a segmentação paradigmática quando acompanhada de incentivos institucionais à coautoria interdisciplinar, tensionando o narcisismo das pequenas diferenças.

Essas proposições destacam um cenário em que a IA não extingue a contabilidade nem resolve, por si só, suas disputas internas. Ela pode redefinir critérios de excelência ao tornar mais visíveis as conexões entre validade empírica, relevância prática, governança de dados e responsabilidade pública. O sucesso acadêmico e profissional tende a depender da capacidade de traduzir problemas complexos em projetos colaborativos, ancorados em evidências verificáveis, sensíveis a contextos institucionais e submetidos a escrutínio humano em ambientes híbridos humano-algoritmo.

DISCUSSÃO E IMPLICAÇÕES

Esta seção retoma as quatro proposições formuladas anteriormente e discute seus desdobramentos para a pesquisa, a prática profissional e o arcabouço institucional da Contabilidade. A análise articula a redistribuição de capital simbólico, nos termos de Bourdieu (1984a, 1984b), as defesas institucionais associadas à psicodinâmica do trabalho (Dejours, 1999; Dejours et al., 1994), o trabalho de fronteira descrito por Gieryn (1983) e o risco de formalismo vazio associado à ciência de culto à carga (Feynman, 1974). O objetivo não é apresentar a IA como solução automática para impasses disciplinares, mas examinar sob quais condições ela pode reconfigurar critérios de relevância, validação e responsabilidade pública na ciência contábil.

P1: Hibridismo metodológico, validação e reputação científica

Ferramentas de IA ampliam possibilidades de testes empíricos quando há bases versionadas, critérios explícitos de validação e comparação fora da amostra. Em auditoria contínua, por exemplo, modelos automatizados podem examinar volumes amplos de transações e sinalizar padrões residuais que escapam a procedimentos amostrais tradicionais, oferecendo material empírico para conjecturas mais precisas (Issa et al., 2016). Esse processo pode fortalecer programas de pesquisa progressivos no sentido lakatosiano, desde que os modelos acrescentem poder explicativo ou preditivo, e não apenas sofisticação técnica.

A literatura recente indica que combinações entre aprendizado de máquina e teoria contábil tradicional permitem avaliar temas como fraude, distorções contábeis, qualidade da informação e comportamento de usuários em ambientes de dados complexos (Bao et al., 2020; Bertomeu et al., 2021; Liaras et al., 2024). Contudo, quando projetos permanecem exclusivamente orientados por dados, sem diálogo com fundamentos conceituais, surgem relações espúrias que comprometem a relevância teórica. Reciprocamente, abordagens estritamente dedutivas podem apresentar baixa aderência empírica quando ignoram bases digitais, textos, registros transacionais e novas formas de evidência.

Nesse cenário, o hibridismo metodológico tende a ganhar relevância. A triangulação entre dados estruturados, textos, métricas contextuais e interpretação substantiva fortalece a replicação independente e amplia a capacidade de escrutínio público. A contribuição da IA, portanto, não reside apenas em acelerar testes, mas em tornar mais exigente a relação entre hipótese, base empírica, validação e interpretação contábil.

P2: Hibridização profissional, dados e legitimação acadêmica

Algoritmos de processamento de linguagem natural aplicados a notas explicativas, transcrições de conferências, relatórios de sustentabilidade e documentos regulatórios aproximam métodos quantitativos de abordagens interpretativas voltadas a narrativas organizacionais (Luthfiani, 2024). Esse “idioma comum” tecnológico pode atenuar o narcisismo das pequenas diferenças descrito por Freud (1996), pois pesquisadores de escolas distintas passam a negociar escolhas sobre curadoria de dados, mitigação de viés, critérios de explicabilidade e interpretação dos resultados.

A literatura sobre profissões e IA sugere, entretanto, que a adoção de sistemas algorítmicos não elimina disputas jurisdicionais. Ela tende a reconfigurá-las por meio de novas formas de boundary-work, nas quais profissionais e pesquisadores disputam autoridade sobre dados, modelos, métricas e interpretação (Faulconbridge et al., 2025). Assim, a IA não dissolve fronteiras por si só; ela desloca o conteúdo dessas fronteiras. O prestígio pode passar a envolver também infraestrutura computacional, acesso a dados, capacidade de documentação, governança e colaboração interprofissional, sem deixar de depender dos repertórios teóricos e metodológicos já consolidados.

Tais colaborações, contudo, esbarram em sistemas de avaliação baseados em métricas bibliométricas que privilegiam especialização estreita. Projetos que envolvem ciência de dados demandam mais tempo de coleta, infraestrutura computacional, negociação de acesso a dados proprietários e equipes multidisciplinares, elementos nem sempre valorizados por comitês de promoção ou agências de fomento (Kaplan, 2011). A tensão sugere a necessidade de revisar métricas de impacto, incorporando dimensões de utilidade social, reprodutibilidade, transparência de código, abertura controlada de dados e diálogo com reguladores e usuários da informação contábil.

P3: Validação automatizada, documentação e interpretação substantiva

A replicação automatizada em múltiplos contextos pode acelerar a consolidação de modelos contábeis mais generalizáveis quando os dados são comparáveis, os critérios de teste são previamente declarados e os resultados podem ser contestados. Estudos em detecção de fraude e distorções contábeis indicam que modelos de aprendizado de máquina podem ampliar a capacidade preditiva em bases complexas, especialmente quando avaliados fora da amostra e acompanhados de interpretação substantiva (Bao et al., 2020; Bertomeu et al., 2021). Quando tais evidências ajudam a resolver anomalias persistentes, ocorre deslocamento da capacidade de resolução de problemas em chave kuhniana, encurtando o ciclo de atualização teórica e curricular (Kuhn, 2012).

Esse reconhecimento, contudo, não deve ser confundido com validação automática. A rapidez dos testes pode mascarar fragilidades quando os conjuntos de dados apresentam vieses culturais, setoriais, históricos ou regulatórios não corrigidos. A legitimação sustentável requer protocolos de auditoria de modelos, versionamento de código, documentação de pipelines analíticos, validação independente e abertura controlada de dados quando possível. Tais práticas são mais comuns em ciência da computação do que na contabilidade, mas se tornam centrais para que evidências geradas por IA possam ser avaliadas, contestadas e reutilizadas por outros pesquisadores.

A robustez estatística, portanto, não substitui a interpretação contábil. Um modelo pode apresentar bom desempenho preditivo e, ainda assim, reproduzir pressupostos inadequados, assimetrias institucionais ou padrões históricos de exclusão. Por isso, a legitimidade científica de modelos contábeis mediados por IA depende da articulação entre desempenho empírico, explicação substantiva, documentação transparente e responsabilidade sobre os efeitos de uso.

P4: Coautoria interdisciplinar, capital simbólico e governança do trabalho

Programas de pesquisa e inovação têm incorporado, de forma crescente, critérios de impacto, colaboração e uso social dos resultados. No caso europeu, documentos do Horizon Europe estruturam programas de trabalho por chamadas, resultados esperados, impactos e escopos de pesquisa e inovação, indicando uma lógica de financiamento orientada por aplicabilidade e colaboração (European Commission, 2023). Essa orientação não se refere especificamente à contabilidade, mas sinaliza um ambiente institucional em que colaboração, difusão e uso potencial dos resultados ganham relevância na avaliação de projetos.

Para a ciência contábil, esse movimento sugere a necessidade de ampliar o conceito de capital simbólico. O prestígio acadêmico pode continuar associado a artigos em periódicos qualificados, mas tende a incorporar também repositórios de dados, códigos auditáveis, observatórios setoriais, evidências úteis a reguladores e colaboração com usuários da informação contábil. Essa ampliação não elimina disputas disciplinares. Ao contrário, pode deslocá-las para novos critérios de validação, como reprodutibilidade, explicabilidade, segurança informacional, impacto social e contestabilidade.

Benefícios operacionais têm sido relatados em contextos corporativos e setoriais, especialmente em rotinas de fechamento, reconciliação, classificação fiscal, sumarização de relatórios e detecção de inconsistências. Tais relatos sugerem ganhos potenciais de eficiência, mas devem ser interpretados com cautela, pois derivam frequentemente de fornecedores, consultorias ou experiências organizacionais específicas, nem sempre acompanhados de validação independente. Assim, essas evidências não devem ser lidas como prova definitiva da superioridade algorítmica ou como tendência linear para todos os segmentos da profissão, mas como indícios de que a IA já pressiona a contabilidade a redefinir tarefas, competências e critérios de qualidade em contextos específicos.

Em termos profissionais, o efeito mais relevante pode não ser apenas a redução de tempo operacional, mas a realocação do julgamento contábil. Sistemas algorítmicos podem automatizar atividades repetitivas, mas aumentam a demanda por validação de premissas, auditoria de modelos, documentação de dados, avaliação de vieses e comunicação de incertezas. Nesse sentido, em organizações que incorporam IA de modo mais intensivo, parte da competência profissional tende a deslocar-se do processamento direto da informação para a curadoria, interpretação e responsabilização pelos resultados produzidos em ambientes híbridos humano-algoritmo.

Sob a ótica da psicodinâmica do trabalho, a automação não deve ser interpretada apenas como alívio operacional. A IA pode reduzir parte do sofrimento associado a tarefas repetitivas, retrabalho, conciliações manuais e pressão por prazos curtos. Entretanto, quando incorporada sem governança, também pode produzir novas formas de sofrimento institucional: intensificação de metas, vigilância de desempenho em tempo real, comparação algorítmica entre profissionais e redução da autonomia decisória. Assim, a questão não é se a IA elimina ou aprofunda o sofrimento, mas sob quais arranjos organizacionais ela redistribui carga cognitiva, controle e reconhecimento profissional.

Para capitalizar ganhos e mitigar riscos, recomenda-se:

1. Requalificação sistemática em ciência de dados, governança de IA, auditoria de modelos e ética algorítmica em currículos de graduação, pós-graduação e educação continuada.

2. Protocolos de transparência e explicabilidade, contemplando documentação de dados, critérios de validação, limites dos modelos e responsabilidades humanas na interpretação dos resultados.

3. Laboratórios colaborativos entre universidades, empresas, reguladores e escritórios de contabilidade, de modo a permitir pesquisa aplicada em ambientes controlados e com problemas reais.

4. Revisão de normas e práticas de auditoria, reconhecendo evidências geradas por IA apenas quando acompanhadas de salvaguardas de independência, integridade, segurança e contestabilidade.

5. Políticas organizacionais de proteção ao trabalho, evitando que métricas algorítmicas de produtividade sejam convertidas em mecanismos opacos de vigilância, comparação e intensificação de desempenho.

Limites e riscos merecem atenção. Revisões sobre decisão baseada em IA em contabilidade e auditoria identificam desafios recorrentes de objetividade, privacidade, transparência, accountability e confiabilidade (Lehner et al., 2022). A utilização acrítica de algoritmos pode reproduzir o formalismo vazio apontado por Feynman (1974), situação em que a forma científica é preservada sem substância analítica. Modelos caixa-preta dificultam a contestação de estimativas e podem comprometer o ceticismo profissional, especialmente quando seus resultados são tratados como autoridade técnica indiscutível. Além disso, bases históricas podem carregar vieses que, se não forem identificados e mitigados, perpetuam distorções em avaliação de crédito, estimativa de perdas, classificação de riscos ou decisões de conformidade.

A psicodinâmica do trabalho contribui para compreender outro tipo de risco: as reações defensivas desencadeadas quando inovações ameaçam identidades profissionais, regimes de competência e formas tradicionais de reconhecimento. Dejours et al. (1994) ajudam a interpretar por que parte da comunidade pode rejeitar, enfraquecer ou absorver apenas superficialmente tecnologias que deslocam fronteiras de autoridade. Sem processos graduais de aprendizagem, participação e governança, a IA tende a ser recebida ora como ameaça à profissão, ora como fetiche de modernização; ambos os movimentos limitam sua apropriação crítica.

A mitigação desses riscos exige políticas de governança de modelos, auditoria por pares independentes e integração de perspectivas críticas que questionem pressupostos embutidos nos algoritmos. Estratégias como auditorias de viés, documentação de bases de dados por meio de datasheets for datasets (Gebru et al., 2021) e participação de partes interessadas na fase de desenho dos sistemas contribuem para reduzir opacidade e ampliar contestabilidade. Na mesma direção, Saltelli et al. (2020) defendem que modelos socialmente relevantes devem ser transparentes, humildes quanto a seus limites e abertos ao escrutínio. A colaboração entre especialistas de domínio e sistemas de IA, como sugere Jarrahi (2018), preserva a capacidade interpretativa humana e adiciona robustez às conclusões.

A discussão sugere que a incorporação responsável de IA pode contribuir para realinhar pesquisa contábil, prática profissional e regulação, desde que acompanhada de governança, transparência e revisão dos incentivos institucionais. Esse avanço depende de repensar métricas de legitimidade, incentivar ecossistemas de dados abertos e cultivar competências críticas nas futuras gerações de contabilistas. A transformação é viável, mas não automática: requer compromisso coletivo com ceticismo construtivo, proteção ao trabalho, responsabilidade pública e pluralidade metodológica sob critérios explícitos de validação.

DO NARCISISMO À INTEGRAÇÃO ALGORÍTMICA

A trajetória examinada neste ensaio indica que a inteligência artificial não constitui apenas um acréscimo técnico às rotinas contábeis. Ela expõe fragilidades acumuladas, pressiona fronteiras simbólicas e leva a contabilidade a reconsiderar seus critérios de relevância científica, legitimidade profissional e responsabilidade pública. No plano interno, a disciplina permanece atravessada por segmentações paradigmáticas que, desde Chua (1986), organizam disputas entre abordagens positivistas, interpretativas e críticas. No plano externo, a difusão de sistemas algorítmicos pode deslocar vantagem comparativa para atores capazes de articular ciência de dados, julgamento contábil, governança e sensibilidade ética.

O argumento central do ensaio é que a IA não dissolve automaticamente essas fronteiras. Seu efeito depende dos incentivos institucionais, das formas de governança e da capacidade do campo de transformar disputas simbólicas em colaboração sociotécnica. Nesse sentido, a metáfora dos “espelhos e muros” sintetiza a tensão analisada: os espelhos revelam fragilidades do campo, enquanto os muros representam fronteiras disciplinares, metodológicas e institucionais que ainda dificultam a integração entre pesquisa, prática e regulação.

Contribuições teóricas

O ensaio oferece quatro contribuições teóricas principais. Primeiro, articula os conceitos de boundary-work, capital simbólico e narcisismo das pequenas diferenças para explicar por que a incorporação da IA na contabilidade não é apenas uma questão técnica. A resistência ou adesão à IA envolve disputas por autoridade, prestígio, território metodológico e reconhecimento institucional. Assim, o texto desloca a análise da IA de uma perspectiva instrumental para uma leitura sociológica das fronteiras do campo contábil.

Segundo, aproxima sociologia dos campos científicos, psicanálise e psicodinâmica do trabalho para interpretar a fragmentação interna da contabilidade. O narcisismo das pequenas diferenças ajuda a compreender por que subcampos com objetos próximos podem exagerar divergências para preservar identidade. A psicodinâmica do trabalho, por sua vez, mostra que resistências à inovação também podem expressar sofrimento, ameaça à competência e perda de reconhecimento - e não apenas conservadorismo intelectual.

Terceiro, a discussão epistemológica contribui ao tratar Popper, Kuhn, Lakatos e Feyerabend como lentes tensionadas, e não como uma matriz homogênea. Popper auxilia a pensar testabilidade em detecção de fraudes, distorções e classificações fiscais; Kuhn, a emergência de anomalias em auditoria contínua e relatórios digitais; Lakatos, a distinção entre programas progressivos e degenerativos em pesquisas contábeis com IA; e Feyerabend, a crítica a monopólios metodológicos que impedem combinações entre modelagem, interpretação e crítica institucional. Essa articulação permite interpretar a IA como pressão que amplia possibilidades de validação, revela anomalias e questiona padrões metodológicos excessivamente fechados, sem convertê-la em solução automática para os impasses da ciência contábil.

Quarto, as proposições P1-P4 organizam uma agenda conceitual testável. Elas sugerem que a difusão da IA pode aumentar o valor reputacional de pesquisas híbridas, favorecer programas que integrem contabilidade e ciência de dados, acelerar a legitimação de modelos robustos a validações automatizadas e tensionar a segmentação paradigmática quando houver incentivos à coautoria interdisciplinar. O ponto central é condicional: a IA pode favorecer integração, mas apenas quando acompanhada de desenho institucional, validação transparente e colaboração efetiva.

Contribuições práticas e profissionais

Do ponto de vista prático, o ensaio sugere que a profissão contábil tende a deslocar parte de sua competência central do processamento direto da informação para a curadoria, interpretação e responsabilização por resultados produzidos em ambientes híbridos humano-algoritmo. Sistemas de IA podem automatizar conciliações, classificações, sumarizações e detecção de inconsistências, mas não substituem o julgamento profissional necessário para interpretar premissas, avaliar riscos e comunicar incertezas.

A principal implicação prática é que a adoção responsável de IA requer novas competências profissionais. Entre elas, destacam-se: ciência de dados aplicada à contabilidade, auditoria de modelos, documentação de bases de dados, avaliação de vieses, explicabilidade, segurança informacional e governança algorítmica. A formação contábil não deve abandonar fundamentos normativos e conceituais, mas precisa integrá-los a competências sociotécnicas capazes de sustentar decisões em ambientes de dados intensivos.

O ensaio também alerta que benefícios operacionais não devem ser confundidos com legitimidade automática. Relatos setoriais sugerem ganhos em rotinas de fechamento, reconciliação, classificação fiscal e detecção de inconsistências, mas tais evidências exigem cautela quando derivam de fornecedores, consultorias ou experiências organizacionais específicas. Para que esses ganhos se convertam em contribuição profissional sustentável, precisam ser acompanhados de validação independente, rastreabilidade, auditoria e mecanismos de contestação.

Além disso, a IA pode tanto reduzir quanto ampliar sofrimento institucional. Ela pode aliviar tarefas repetitivas, retrabalho e pressão por prazos curtos. Contudo, se implementada sem governança, pode gerar novas formas de vigilância, intensificação de metas, comparação algorítmica entre profissionais e redução da autonomia decisória. A contribuição prática do ensaio, portanto, não é defender a IA como solução redentora, mas propor critérios para sua incorporação responsável, preservando julgamento humano, reconhecimento profissional e proteção ao trabalho.

Implicações institucionais e curriculares

No plano institucional, o ensaio indica que universidades, periódicos, agências de fomento, órgãos reguladores e entidades profissionais precisam rever critérios de reconhecimento. A lógica tradicional de capital simbólico, centrada quase exclusivamente em publicações e métricas bibliométricas, tende a ser insuficiente para avaliar pesquisas que envolvem dados proprietários, equipes multidisciplinares, infraestrutura computacional, repositórios, códigos auditáveis e impacto regulatório.

Programas de pós-graduação podem responder a esse cenário por meio de currículos que articulem teoria contábil, estatística, ciência de dados, ética digital e governança de IA. Também podem incentivar práticas como pré-registro de estudos, abertura controlada de bases, versionamento de código, documentação de pipelines analíticos e replicação independente. Tais mecanismos ampliam a capacidade de escrutínio público e reduzem o risco de formalismos metodológicos vazios.

Para periódicos e avaliadores, a agenda proposta sugere reconhecer formas de contribuição que ultrapassam o artigo tradicional. Bases documentadas, modelos auditáveis, instrumentos de mensuração, relatórios técnicos, evidências úteis a reguladores e projetos coproduzidos com organizações podem compor uma noção mais ampla de impacto científico. Isso não significa reduzir o rigor acadêmico, mas ampliar os critérios pelos quais a relevância da pesquisa contábil é reconhecida.

Para reguladores e entidades profissionais, a principal implicação é a necessidade de padrões de governança algorítmica. Evidências produzidas por IA só devem ser aceitas como documentação auditável quando acompanhadas de critérios de independência, integridade, segurança, explicabilidade e contestabilidade. A tradição contábil de prestação de contas pode, nesse ponto, converter-se em vantagem comparativa: a profissão já possui repertório institucional para lidar com confiança, evidência, responsabilidade e controle.

Agenda de pesquisa futura

As quatro proposições formuladas no ensaio podem orientar diferentes desenhos empíricos, mas devem ser lidas como agenda teórico-analítica, e não como resultados já demonstrados de modo longitudinal. Estudos bibliométricos e análises de redes de coautoria podem testar se a difusão da IA aumenta colaborações interdisciplinares e reduz endogenia paradigmática. Pesquisas longitudinais podem investigar se programas que combinam contabilidade e ciência de dados obtêm maior impacto institucional, seja em citações, adoção por reguladores, uso corporativo ou produção de artefatos replicáveis.

Outra linha promissora envolve testar modelos contábeis em múltiplas jurisdições, setores e regimes regulatórios. Validações automatizadas fora da amostra podem indicar quais modelos apresentam maior robustez externa e quais apenas reproduzem ajustes locais. Esses estudos devem combinar métricas preditivas com interpretação substantiva, evitando que desempenho estatístico seja confundido com explicação teórica.

Também são necessários estudos sobre governança, ética e responsabilidade algorítmica em ambientes contábeis. Pesquisas podem examinar como auditores, controllers, analistas, reguladores e usuários da informação lidam com recomendações produzidas por IA, especialmente quando há opacidade, viés ou conflito entre resultado algorítmico e julgamento profissional. Experimentos com usuários da informação contábil podem avaliar efeitos da IA sobre confiança, compreensibilidade, percepção de risco e tomada de decisão.

Por fim, a dimensão psicodinâmica abre uma agenda ainda pouco explorada. Estudos qualitativos, entrevistas em profundidade e métodos mistos podem investigar como a IA altera reconhecimento, autonomia, sofrimento e defesas coletivas em departamentos acadêmicos, firmas de auditoria, áreas fiscais e centros de serviços compartilhados. Essa agenda é particularmente relevante porque a transformação algorítmica não afeta apenas tarefas; ela reconfigura identidades profissionais, hierarquias simbólicas e formas de pertencimento.

CONCLUSÃO

O campo contábil encontra-se diante de uma escolha institucional. Uma possibilidade é preservar muros disciplinares estreitos, usando a IA apenas para acelerar rotinas já existentes e reforçar segmentações antigas. Nesse caminho, os espelhos digitais tendem a refletir, e talvez ampliar, impasses preexistentes: formalismo metodológico, distanciamento entre pesquisa e prática, disputas internas por prestígio e baixa integração com demandas sociais.

A outra possibilidade é transformar esses espelhos em instrumentos de reflexividade. Isso implica derrubar muros quando eles bloqueiam a colaboração, mas preservar critérios de rigor quando eles protegem a qualidade da evidência. A Contabilidade pode reposicionar-se no centro dos debates sobre transparência, sustentabilidade, governança e justiça econômica em ambientes baseados em dados, desde que alinhe capital simbólico, responsabilidade pública e pluralidade metodológica sob critérios explícitos de validação.

Entre espelhos e muros, a questão decisiva não é simplesmente adotar ou rejeitar a IA. O desafio é incorporá-la sem abdicar do julgamento contábil, da crítica institucional e da responsabilidade social. A integração algorítmica relevante não será aquela a substituir a ciência contábil, mas a que ampliar sua capacidade de explicar, auditar e transformar práticas em benefício da sociedade.

REFERÊNCIAS

• Bakumenko, A., & Elragal, A. (2022). Detecting anomalies in financial data using machine learning algorithms. Systems, 10(5), 130. https://doi.org/10.3390/systems10050130
  » https://doi.org/10.3390/systems10050130
• Bao, Y., Ke, B., Li, B., Yu, Y. J., & Zhang, J. (2020). Detecting accounting fraud in publicly traded U.S. firms using a machine learning approach. Journal of Accounting Research, 58(1), 199-235. https://doi.org/10.1111/1475-679X.12292
  » https://doi.org/10.1111/1475-679X.12292
• Bennis, W. G., & O’Toole, J. (2005). How business schools lost their way. Harvard Business Review https://hbr.org/2005/05/how-business-schools-lost-their-way
  » https://hbr.org/2005/05/how-business-schools-lost-their-way
• Bertomeu, J., Cheynel, E., Floyd, E., & Pan, W. (2021). Using machine learning to detect misstatements. Review of Accounting Studies, 26, 468-519. https://doi.org/10.1007/s11142-020-09563-8
  » https://doi.org/10.1007/s11142-020-09563-8
• Bourdieu, P. (1984a). Homo academicus Les Éditions de Minuit.
• Bourdieu, P. (1984b). Distinction: a social critique of the judgement of taste Harvard University Press.
• Bowling, S. (2024, July 23). How AI is transforming accounting. Accounting Today https://www.accountingtoday.com/list/how-ai-is-transforming-the-accounting-profession
  » https://www.accountingtoday.com/list/how-ai-is-transforming-the-accounting-profession
• Burri, R. V. (2008). Doing distinctions: boundary work and symbolic capital in radiology. Social Studies of Science, 38(1), 35-62. https://doi.org/10.1177/0306312707082021
  » https://doi.org/10.1177/0306312707082021
• Cambridge SupTech Lab. (2024). SupTech Week 2024: Insights and innovations for digital financial supervision https://cambridgesuptechlab.org/event/suptech-week-2024-insights-and-innovations-for-digital-financial/
  » https://cambridgesuptechlab.org/event/suptech-week-2024-insights-and-innovations-for-digital-financial/
• Chua, W. F. (1986). Radical developments in accounting thought. The Accounting Review, 61(4), 601-632. https://doi.org/10.2308/TAR-4479026
  » https://doi.org/10.2308/TAR-4479026
• Clor-Proell, S. M., Even-Tov, O., Lee, C. M. C., & Rajgopal, S. (2025). Bridging the gap between academia and practice in accounting. Accounting Horizons, 39(1), 1-14. https://doi.org/10.2308/HORIZONS-2024-071
  » https://doi.org/10.2308/HORIZONS-2024-071
• Dejours, C. (1998). Souffrance en France: la banalisation de l’injustice sociale Éditions du Seuil.
• Dejours, C. (1999). A banalização da injustiça social (2ª ed.). FGV.
• Dejours, C., Abdoucheli, E., & Jayet, C. (1994). Psicodinâmica do trabalho: contribuições da escola dejouriana à análise da relação prazer, sofrimento e trabalho Atlas.
• Demski, J. S. (2007). Is accounting an academic discipline? Accounting Horizons, 21(2), 153-157. https://doi.org/10.2308/acch.2007.21.2.153
  » https://doi.org/10.2308/acch.2007.21.2.153
• Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., ... Wright, R. (2023). Opinion Paper: “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
  » https://doi.org/10.1016/j.ijinfomgt.2023.102642
• Eisikovits, N., Johnson, W. C., & Markelevich, A. (2025). Should accountants be afraid of AI? Risks and opportunities of incorporating artificial intelligence into accounting and auditing. Accounting Horizons, 39(2), 117-123. https://doi.org/10.2308/HORIZONS-2023-042
  » https://doi.org/10.2308/HORIZONS-2023-042
• Eulerich, M., Sanatizadeh, A., Vakilzadeh, H., & Wood, D. A. (2024). Is it all hype? ChatGPT’s performance and disruptive potential in the accounting and auditing industries. Review of Accounting Studies, 29, 2318-2349. https://doi.org/10.1007/s11142-024-09833-9
  » https://doi.org/10.1007/s11142-024-09833-9
• European Commission. (2024). Horizon Europe work programme 2023-2025: 1. General introduction (European Commission Decision C(2024) 2371 of 17 April 2024). European Union. https://ec.europa.eu/info/funding-tenders/opportunities/docs/2021-2027/horizon/wp-call/2023-2024/wp-1-general-introduction_horizon-2023-2024_en.pdf
  » https://ec.europa.eu/info/funding-tenders/opportunities/docs/2021-2027/horizon/wp-call/2023-2024/wp-1-general-introduction_horizon-2023-2024_en.pdf
• Evans, T. M., Bira, L., Gastelum, J. B., Weiss, L. T., & Vanderford, N. L. (2018). Evidence for a mental health crisis in graduate education. Nature Biotechnology, 36, 282-284. https://doi.org/10.1038/nbt.4089
  » https://doi.org/10.1038/nbt.4089
• Faulconbridge, J., Sarwar, A., & Spring, M. (2025). How professionals adapt to artificial intelligence: the role of intertwined boundary work. Journal of Management Studies, 62(5), 1991-2024. https://doi.org/10.1111/joms.12936
  » https://doi.org/10.1111/joms.12936
• Feyerabend, P. (2010). Against method (4th ed.). Verso.
• Feynman, R. P. (1974). Cargo cult science. Engineering and Science, 37(7), 10-13. https://resolver.caltech.edu/CaltechES:37.7.0
  » https://resolver.caltech.edu/CaltechES:37.7.0
• Firoozi, M., Mokhtari, A., & Mokhtari, G. (2016). The relationship between organizational cynicism and innovative behaviors of sport and youth offices in Hamedan Province. International Journal of Science Culture and Sport, 4(3), 295-303. https://izlik.org/JA47RC99SX
  » https://izlik.org/JA47RC99SX
• Fraser, K., & Sheehy, B. (2020). Abundant publications but minuscule impact: the irrelevance of academic accounting research on practice and the profession. Publications, 8(4). https://doi.org/10.3390/publications8040046
  » https://doi.org/10.3390/publications8040046
• Freud, S. (1996). O mal-estar na civilização Imago.
• Gebru, T., Morgenstern, J., Vecchione, B., Vaughan, J. W., Wallach, H., Daumé, H., III., & Crawford, K. (2021). Datasheets for datasets. Communications of the ACM, 64(12), 86-92. https://doi.org/10.1145/3458723
  » https://doi.org/10.1145/3458723
• Gieryn, T. F. (1983). Boundary-work and the demarcation of science from non-science: strains and interests in professional ideologies of scientists. American Sociological Review, 48(6), 781-795. https://doi.org/10.2307/2095325
  » https://doi.org/10.2307/2095325
• Golyagina, A., & Valuckas, D. (2020). Boundary-work in management accounting: the case of hybrid professionalism. The British Accounting Review, 52(2), 100841. https://doi.org/10.1016/j.bar.2019.100841
  » https://doi.org/10.1016/j.bar.2019.100841
• Hasan, A. R. (2022). Artificial intelligence (AI) in accounting & auditing: a literature review. Open Journal of Business and Management, 10(1), 440-465. https://doi.org/10.4236/ojbm.2022.101026
  » https://doi.org/10.4236/ojbm.2022.101026
• Hopwood, A. G. (1989). Accounting and the pursuit of social interests. In W. F. Chua, T. Lowe, & T. Puxty (Eds.), Critical perspectives in management control (pp. 141-157). Palgrave Macmillan. https://doi.org/10.1007/978-1-349-07658-1_8
  » https://doi.org/10.1007/978-1-349-07658-1_8
• Hopwood, A. G., & Miller, P. (Eds.). (1994). Accounting as social and institutional practice Cambridge University Press.
• Hussain, S., Liu, L. Y. J., & Miller, A. D. (2020). Accounting as a dichotomised discipline: an analysis of the source materials used in the construction of accounting articles. Critical Perspectives on Accounting, 66, 102086. https://doi.org/10.1016/j.cpa.2019.04.007
  » https://doi.org/10.1016/j.cpa.2019.04.007
• Issa, H., Sun, T., & Vasarhelyi, M. A. (2016). Research ideas for artificial intelligence in auditing: The formalization of audit and workforce supplementation. Journal of Emerging Technologies in Accounting, 13(2), 1-20. https://doi.org/10.2308/jeta-10511
  » https://doi.org/10.2308/jeta-10511
• Jarrahi, M. H. (2018). Artificial intelligence and the future of work: human-AI symbiosis. Business Horizons, 61(4), 577-586. https://doi.org/10.1016/j.bushor.2018.03.007
  » https://doi.org/10.1016/j.bushor.2018.03.007
• Kaplan, R. S. (2011). Accounting scholarship that advances professional knowledge and practice. The Accounting Review, 86(2), 367-383. https://doi.org/10.2308/accr.00000031
  » https://doi.org/10.2308/accr.00000031
• Kuhn, T. S. (2012). The structure of scientific revolutions (4th ed.). University of Chicago Press.
• Lakatos, I. (1999). The methodology of scientific research programmes Cambridge University Press.
• Lee, T. A., & Williams, P. F. (1999). Accounting from the inside: legitimizing the accounting academic elite. Critical Perspectives on Accounting, 10(6), 867-895. https://doi.org/10.1006/cpac.1998.0281
  » https://doi.org/10.1006/cpac.1998.0281
• Lehner, O. M., Ittonen, K., Silvola, H., Ström, E., & Wührleitner, A. (2022). Artificial intelligence based decision-making in accounting and auditing: ethical challenges and normative thinking. Accounting, Auditing & Accountability Journal, 35(9), 109-135. https://doi.org/10.1108/AAAJ-09-2020-4934
  » https://doi.org/10.1108/AAAJ-09-2020-4934
• Liaras, E., Nerantzidis, M., & Alexandridis, A. (2024). Machine learning in accounting and finance research: a literature review. Review of Quantitative Finance and Accounting, 63, 1431-1471. https://doi.org/10.1007/s11156-024-01306-z
  » https://doi.org/10.1007/s11156-024-01306-z
• Luthfiani, A. D. (2024). The artificial intelligence revolution in accounting and auditing: opportunities, challenges, and future research directions. Journal of Applied Business, Taxation and Economics Research, 3(5), 516-530. https://doi.org/10.54408/jabter.v3i5.290
  » https://doi.org/10.54408/jabter.v3i5.290
• Malsch, B., Gendron, Y., & Grazzini, F. (2011). Investigating interdisciplinary translations: the influence of Pierre Bourdieu on accounting literature. Accounting, Auditing & Accountability Journal, 24(2), 194-228. https://doi.org/10.1108/09513571111100681
  » https://doi.org/10.1108/09513571111100681
• Modell, S. (2022). Is institutional research on management accounting degenerating or progressing? A Lakatosian analysis. Contemporary Accounting Research, 39(4), 2560-2595. https://doi.org/10.1111/1911-3846.12792
  » https://doi.org/10.1111/1911-3846.12792
• Popper, K. R. (2002). The logic of scientific discovery Routledge.
• Saltelli, A., Bammer, G., Bruno, I., Charters, E., Di Fiore, M., Didier, E., Espeland, W. N., Kay, J., Lo Piano, S., Mayo, D., Pielke, R., Jr., Portaluri, T., Porter, T. M., Puy, A., Rafols, I., Ravetz, J. R., Reinert, E., Sarewitz, D., Stark, P. B., ... Vineis, P. (2020). Five ways to ensure that models serve society: a manifesto. Nature, 582, 482-484. https://doi.org/10.1038/d41586-020-01812-9
  » https://doi.org/10.1038/d41586-020-01812-9
• Sloterdijk, P. (1983). Crítica da razão Estação Liberdade.
• Vogt, M., Silva, M. Z., & Valle, I. R. (2021). “Comendo pelas beiradas”: vigilância epistemológica e a abordagem bourdieusiana no campo contábil. Cadernos EBAPE.BR, 19(1), 58-69. https://doi.org/10.1590/1679-395120190117x
  » https://doi.org/10.1590/1679-395120190117x
• Volkova, O. N. (2024). Disciplinary boundaries of accounting: structure and history of research programs and institutions SSRN. https://doi.org/10.2139/ssrn.5057182
  » https://doi.org/10.2139/ssrn.5057182
• Willmott, H. (2011). Journal list fetishism and the perversion of scholarship: reactivity and the ABS list. Organization, 18(4), 429-442. https://doi.org/10.1177/1350508411403532
  » https://doi.org/10.1177/1350508411403532
• Woolston, C. (2020). Postdoc survey reveals disenchantment with working life. Nature, 587, 505-508. https://doi.org/10.1038/d41586-020-03191-7
  » https://doi.org/10.1038/d41586-020-03191-7
• World Economic Forum. (2020). The future of jobs report 2020 https://www3.weforum.org/docs/WEF_Future_of_Jobs_2020.pdf
  » https://www3.weforum.org/docs/WEF_Future_of_Jobs_2020.pdf

⁴

• 4
  AGRADECIMENTOS A autora agradece à equipe editorial e aos pareceristas pelas contribuições ao aprimoramento do manuscrito.

• DISPONIBILIDADE DE DADOS DA PESQUISA
  Este ensaio teórico não gerou conjunto de dados de pesquisa.
• USO DE INTELIGÊNCIA ARTIFICIAL
  A ferramenta de inteligência artificial generativa ChatGPT (OpenAI) foi utilizada como apoio à organização, redação e revisão linguística do manuscrito. A autora revisou criticamente e validou a versão final, assumindo integral responsabilidade pelo conteúdo do trabalho.
• PARECERISTAS
  Os pareceristas não autorizaram a divulgação de sua identidade.
• RELATÓRIO DE REVISÃO POR PARES
  O relatório de revisão por pares está disponível em https://periodicos.fgv.br/rap/article/view/97420

Editado por

• EDITOR-CHEFE
  Hélio Arthur Reis Irigaray, Fundação Getulio Vargas, Rio de Janeiro, RJ, Brasil. ORCID: https://orcid.org/0000-0001-9580-7859

• EDITOR ADJUNTO
  Fabricio Stocker, Fundação Getulio Vargas, Rio de Janeiro, RJ, Brasil. ORCID: https://orcid.org/0000-0001-6340-9127

Disponibilidade de dados

Este ensaio teórico não gerou conjunto de dados de pesquisa.

Datas de Publicação

• Publicação nesta coleção
  21 Set 2026
• Data do Fascículo
  2026

Histórico

• Recebido
  16 Jun 2025
• Aceito
  19 Jun 2026