Esse estudo tem por objetivo analisar as técnicas de dissuasão, detecção e prevenção de fraudes financeiras mais pesquisadas entre os anos de 2019 a 2024, por meio de uma revisão sistemática da literatura usando o método ProKnow-C. Para isso, foram selecionados 45 artigos encontrados nas bases de dados Scopus, Google Scholar e Web of Science e 12 relatórios encontrados em sites de auditoria, para compor o portfólio bibliográfico. Por meio da análise sistêmica do portfólio de artigos, separada pelos três tipos de técnicas, foram encontrados oito tipos de ferramentas, divididos em três status. Dentre os achados da pesquisa, foi identificado que a técnica de detecção é a mais pesquisada e que dentro dessa técnica o Controle Interno, o Machine Learning e as Tecnologias/Softwares são as ferramentas mais abordadas, evidenciando uma ação mais reativa no combate à fraude do que preventiva. Por meio da análise das tendências futuras evidenciadas nos relatórios de sites de auditoria, foi possível observar que a tecnologia é o tema mais citado e discutido entre as empresas de auditoria e associações relacionadas ao combate à fraude, tendo vertentes diversas como: o Machine Learning, as biometrias e a base de dados. Essa pesquisa buscou contribuir na identificação das técnicas e ferramentas mais pesquisadas e evidenciadas como tendências futuras, além de comparar as pesquisas de métodos tradicionais com abordagens inovadoras e uso de tecnologias emergentes, ampliando a discussão sobre a evolução no combate às fraudes.
This study aims to analyze the most researched techniques of deterrence, detection, and prevention of financial fraud between 2019 and 2024, through a systematic literature review using the ProKnow-C method. To this end, 45 articles retrieved from the Scopus, Google Scholar, and Web of Science databases and 12 reports from audit-related websites were selected to compose the bibliographic portfolio. Through a systemic analysis of the article portfolio, organized according to the three types of techniques, eight types of tools were identified and classified into three status categories. Among the findings, the detection technique emerged as the most researched, with Internal Control, Machine Learning, and Technologies/Software being the most frequently discussed tools. This highlights a more reactive than preventive approach in combating fraud. Based on the analysis of future trends presented in the audit-related reports, technology was identified as the most frequently cited and discussed theme among audit firms and anti-fraud associations, with various branches such as Machine Learning, biometrics, and databases. This research seeks to contribute by identifying the most researched techniques and tools, as well as those highlighted as future trends, while also comparing studies on traditional methods with innovative approaches and the use of emerging technologies, thereby broadening the discussion on the evolution of fraud prevention and detection.
