O presente trabalho teve como objetivo desenvolver um classificador de texto das recomendações emitidas pela CGU, com vistas a identificar a viabilidade de atendimento de uma recomendação de auditoria pelo gestor público federal. Para tanto, foi seguida a metodologia CRISP-DM, sendo construídos modelos utilizando as seguintes técnicas de Aprendizado de Máquina: regressão logística, Naive Bayes, Support Vector Machine e redes neurais. O modelo que obteve melhor acurácia, acertando o atendimento ou não de 69% das recomendações utilizadas na avaliação foi aquele baseado em redes neurais. Os trabalhos futuros envolvem a implantação do modelo e a melhoria do pré-processamento de dados e das técnicas utilizadas.