Hidden cost at risk (H-CaR): um novo indicador de gestão preditiva de custos ocultos baseado em inteligência artificial

Resumo

Os custos ocultos representam perdas econômicas frequentemente não evidenciadas pelos sistemas tradicionais de custeio, dificultando sua incorporação nos processos de gestão de riscos industriais. Este estudo teve como objetivo propor e aplicar o indicador Hidden Cost at Risk (H-CaR) para estimar o risco associado aos custos ocultos, integrando o Time-Driven Activity-Based Costing (TDABC), o algoritmo Random Forest e os fundamentos probabilísticos do Cost at Risk (CaR). Inicialmente, os custos ocultos foram mensurados economicamente por meio do TDABC. Em seguida, foi desenvolvido um modelo preditivo utilizando o algoritmo Random Forest, validado por meio de validação cruzada (10-fold cross-validation). O modelo apresentou elevado desempenho preditivo, com coeficiente de determinação (R2 = 0,941), MAE = 2,053, RMSE = 2,664, MSE = 7,099 e MAPE = 4,8%. O RMSE foi utilizado para determinar a Margem de Risco (MR), incorporada às previsões individuais para o cálculo do H-CaR. Os resultados demonstraram que o indicador permite transformar previsões pontuais em estimativas protegidas por um nível de confiança previamente definido, possibilitando sua parametrização conforme diferentes políticas de gestão de riscos. Como contribuição, o H-CaR amplia a gestão de custos ao integrar mensuração econômica, modelagem preditiva e análise probabilística em um único indicador gerencial, fornecendo suporte ao planejamento de custos, à formação de preços e à tomada de decisão em ambientes industriais caracterizados por incerteza.