Como produzimos

Em resumo

As notícias do Atlas Público são escritas por inteligência artificial. Esta página existe para dizer isso com clareza e para mostrar o que fazemos para que a IA escreva, mas não decida os fatos. O caminho de um ato oficial até o leitor tem oito etapas:

Coletamos os atos nas fontes oficiais e guardamos uma cópia de cada um.
Lemos com regras fixas, sem IA, o que tem forma certa: CNPJ, CPF, valores, números de processo e citações de leis.
Reconhecemos empresas pelo cadastro da Receita Federal e nomes de pessoas com um modelo que só consegue apontar trechos do próprio texto.
Classificamos cada ato por tipo e por assunto com modelos treinados para isso.
Decidimos o que pode virar notícia com regras, notas de modelos próprios e um modelo de decisão, o Jev.
Um agente de IA escreve a notícia a partir do texto integral do ato.
Regras e um segundo agente, de outro fornecedor, conferem o texto contra a fonte.
Depois de publicada, a notícia segue sujeita a auditorias e correções.

Os dossiês e a Busca IA usam as mesmas bases e têm regras próprias, descritas mais abaixo. Como coletamos os dados, sem sobrecarregar ninguém e sem disfarces, está em Ética e responsabilidade.

Da fonte ao registro

Tudo parte de fontes primárias oficiais: o Diário Oficial da União e os diários oficiais dos estados, as publicações da Câmara, do Senado, do Banco Central, da CVM, do Cade, do STF, do TCU, do MPF, do Carf e das agências reguladoras, além de cadastros públicos como o CNPJ da Receita Federal e o Portal Nacional de Contratações Públicas (PNCP). Cada ato é guardado como foi publicado, com o endereço de origem, e cada notícia aponta para o ato de onde partiu.

Quando um estado publica o seu diário em formato eletrônico, lemos a edição inteira, ato por ato, e não apenas trechos escolhidos por palavra-chave. No Diário Oficial da União, uma rotina diária revisita as edições dos últimos dias e busca o que tiver faltado na coleta.

O que lemos com regras, não com IA

Há informações que têm forma certa, e para elas não usamos modelo de linguagem: usamos regras, que dão sempre o mesmo resultado para o mesmo texto.

CNPJ e CPF. Reconhecidos pelo formato e aceitos só com o dígito verificador correto. Nos diários estaduais, um número solto só conta como CNPJ ou CPF quando o próprio texto diz que é um.
Valores, processos e citações nos diários estaduais. Valores em reais, números de processo e citações de leis são lidos por regras. Um valor escrito de forma ambígua é recusado, não adivinhado, e um número de processo do Judiciário só é aceito com o dígito verificador do padrão do CNJ.
Leis citadas. Quando um ato do Diário Oficial da União cita uma lei federal, ligamos a citação ao nosso acervo de legislação só quando a correspondência é inequívoca. Nos diários estaduais, a citação fica registrada como está escrita, sem adivinhar a que lei se refere.
O que a IA extrai passa por regras. Quando um modelo extrai os campos de um ato — o valor de um contrato, os itens, as datas, a empresa contratada —, regras conferem o resultado: o CNPJ precisa ter dígito verificador válido, a soma dos itens precisa bater com o total, a quantidade vezes o preço unitário precisa dar o valor do item e as datas precisam estar em ordem. Nomes genéricos ou de teste são sinalizados. O que não fecha é marcado e vai para uma fila de revisão.
Escolhas fechadas. Quando a IA liga um contrato publicado no Diário Oficial ao mesmo contrato no PNCP, só pode escolher entre os candidatos que o sistema encontrou; um identificador fora da lista é descartado. Nas sanções, órgão e datas que não aparecem no próprio ato são removidos por regra.
Legislação. O nosso acervo de legislação federal é o texto compilado que o Planalto publica. Leis novas entram todos os dias, o texto das leis já alteradas é conferido toda semana e cada mudança fica registrada artigo por artigo. Diferenças só de formatação, e mudanças que se desfazem logo em seguida, são separadas e não aparecem como alteração.

Empresas: o nome tem de estar no ato

Um ato oficial raramente traz o CNPJ de todas as empresas que cita. Para encontrar as demais, montamos um dicionário com os nomes das empresas do cadastro da Receita Federal — inclusive os nomes que cada uma já teve, com o período em que valeram — e o percorremos sobre o texto de cada ato com o algoritmo Aho-Corasick, que encontra de uma só vez todas as ocorrências de todos os nomes do dicionário. Não há modelo de linguagem nesse caminho: ou o nome está escrito no ato, ou não há correspondência.

Regras evitam as falsas correspondências mais comuns:

quando o ato traz o CNPJ, é o CNPJ que decide, acima de qualquer nome;
nomes de uma palavra só não contam;
um nome curto que é apenas o final de um nome maior escrito no ato não conta;
um nome antigo, ou o de uma empresa individual, só conta quando outro indício no ato o confirma.

Cada nova versão do dicionário passa por um conjunto fixo de testes antes de entrar em uso, e a troca é feita à mão. Ele roda a cada 15 minutos sobre o Diário Oficial da União e os diários de dez estados e do Distrito Federal. Fora desse caminho, um nome de empresa só é ligado a um CNPJ quando corresponde exatamente ao nome de uma única empresa do cadastro.

Pessoas: um nome impresso não é uma pessoa

Para os nomes de pessoas usamos o GLiNER, um modelo de reconhecimento de entidades que trabalha marcando trechos do próprio texto. Ele não escreve: aponta onde, no ato, há um nome de pessoa. Pode errar ao marcar — cortar um nome ao meio, tomar outra coisa por um nome —, mas não consegue produzir um nome que não esteja escrito. Roda na nossa própria infraestrutura, sobre o Diário Oficial da União e os diários de dez estados e do Distrito Federal.

Cada nome encontrado é guardado como o que é: um nome impresso num ato, nunca uma pessoa. Ligar um ato a uma pessoa exige mais. Nos diários estaduais, por exemplo, o ato só é atribuído a uma pessoa quando traz o CPF dela a poucos caracteres do nome. O nosso cadastro de pessoas nunca cria uma pessoa a partir de um nome sozinho, e na página de cada pessoa cada ato diz como foi ligado — pelo CPF ou só pelo nome —, com a opção de ver apenas os confirmados. Nomes sob pedido de remoção pela LGPD não são guardados.

Classificar: que ato é este, e sobre o que fala

Tipo de ato. Cada ato do Diário Oficial da União é classificado num grupo — contratos, sanções, licitações, normas, atos de pessoal e outros. Quem classifica primeiro é um modelo estatístico (LightGBM) treinado para isso; quando ele não está seguro, a decisão passa a um modelo de linguagem. Cada grupo segue então para um fluxo próprio, que extrai os campos daquele tipo de ato.
Diários estaduais. Cada estado tem o seu classificador, porque cada diário se organiza de um jeito. Quando o próprio diário já diz o que é o ato, uma regra fixa decide antes do modelo.
Assuntos. Saúde, energia, tributação, meio ambiente e cerca de duzentos outros assuntos são atribuídos por um modelo de linguagem em português que treinamos para isso. Ele pode se abster: quando não está seguro, não rotula.
Notas. O interesse público, a repercussão provável e o grau de atipicidade de cada ato vêm de modelos próprios de árvores de decisão, não de um modelo de linguagem.

Esses modelos foram treinados com dezenas de milhares de atos rotulados com a ajuda de modelos de linguagem, e cada nova versão é medida contra conjuntos de teste fixos antes de entrar em uso.

O que vira notícia

Nem todo ato é notícia. A escolha passa por camadas:

Regras. Atos de órgãos com cobertura própria no Atlas — STF, TCU, Banco Central, CVM, Cade, Carf, Câmara e Senado — seguem por essa cobertura, e não pela do Diário Oficial. Algumas classes de ato, como decretos, leis sancionadas e soluções de consulta da Receita Federal, são sempre avaliadas.
Notas. As notas de interesse público e repercussão dos modelos acima, somadas à avaliação do modelo que resume o ato.
O Jev. O Jev é um modelo de decisão: não escreve uma palavra. Para cada ato, responde com uma probabilidade a um conjunto fixo de perguntas — se é notícia, se rende pauta, se é só burocracia — a partir do órgão, do tipo, do título e do resumo do ato. Nos diários estaduais, essas respostas já participam da escolha: acima de um patamar, o ato segue para a redação; numa faixa intermediária, um agente editor lê o ato e decide; abaixo dela, o ato fica de fora. No Diário Oficial da União, o Jev roda em paralelo às regras atuais: registramos o que ele decidiria, ato por ato, para medir antes de deixá-lo decidir.
O próprio redator. O agente que escreve também avalia se o ato é notícia. Quando conclui que não é, o texto não é publicado.

Como a notícia é escrita

Um agente de IA redige cada notícia a partir do texto integral do ato — nunca a partir do resumo feito por outro modelo — e do contexto do nosso cadastro: o órgão, o tipo do ato, quem de fato o assina e as empresas citadas. Antes de escrever, o sistema confere se o texto disponível basta para uma notícia; se não basta, não há notícia.

As instruções valem para toda notícia, e algumas são específicas de cada fonte:

números, identificadores e datas são copiados literalmente do ato, sem conhecimento de fora;
nunca CPF, RG, endereço residencial ou contato pessoal; um CPF que escape é removido por regra ao guardar a notícia e de novo ao exibi-la;
neutralidade, sem juízo de valor;
termos jurídicos exatos: no STF, réu não é condenado e uma liminar não é decisão de mérito; no MPF, um termo de ajustamento de conduta não é confissão; no Cade, a Superintendência recomenda e só o Tribunal condena; no TCU, na dúvida, ninguém é nomeado;
um título que fale de uma categoria em vez de um fato é reescrito; se ainda assim não servir, não há notícia.

As conferências

A verificação automática

Antes de publicar, regras comparam o texto com o ato: valores, percentuais, CNPJs, datas, números de atos e nomes citados. O que é impossível — uma data que não existe, um prazo que termina antes de começar, uma votação com todos os placares zerados, um dia da semana errado para uma reunião do Copom — bloqueia o texto. As demais divergências ficam registradas e orientam as auditorias.

O revisor

Um segundo agente de IA, de outro fornecedor, relê a notícia contra o ato. Ele tem ferramentas: o texto integral do ato, a busca no Diário Oficial, o cadastro de empresas e órgãos, os registros da Câmara e do Senado, o nosso acervo de legislação — para conferir o que um artigo de lei diz hoje, e não o que o modelo lembra — e uma pesquisa no Google. Antes de aprovar um texto, precisa ter feito ao menos uma consulta externa.

O revisor pode corrigir, confirmar o texto como está, concluir que não é notícia, bloquear um texto sem conserto ou segurá-lo para nova revisão. E as regras valem também para ele:

toda alteração de fato precisa vir com um trecho literal, de pelo menos 15 caracteres, do que ele leu; um programa confere se o trecho existe mesmo;
corrigir ou bloquear exige evidência oficial: o resultado de uma pesquisa no Google não basta;
um número novo só entra se estiver nas evidências;
uma revisão que corte mais da metade do texto é recusada;
o próprio Atlas nunca conta como fonte;
uma alteração que esbarre na verificação automática é desfeita, e o texto anterior permanece.

Quando a revisão não conclui

Notícias sobre decisões do STF, julgamentos do TCU e atos dos diários oficiais dos estados só vão ao ar depois de aprovadas pelo revisor. Nas demais fontes, se a revisão falha ou demora demais, a notícia é publicada como foi escrita, e só chega aos buscadores se as notas do ato forem altas o bastante. Uma notícia que o revisor bloqueou, segurou ou julgou não ser notícia nunca é indexada.

As edições do dia e da semana

As edições do dia e da semana também são montadas por agentes: um seleciona as notícias mais importantes do período, outro as ordena. Cada notícia escolhida passa de novo pelo revisor antes de entrar na edição.

Depois de publicar

Auditorias. Agentes de IA de mais de um fornecedor, independentes dos que escrevem e revisam, releem o que publicamos contra o ato original. O que encontram vira correção.
Correções. Uma notícia corrigida traz um quadro "Correção" com o que mudou, e a data da correção aparece junto da assinatura. A notícia corrigida fica travada: se for gerada de novo, a nova versão vira uma proposta para revisão e não substitui o texto corrigido.
Newsletter. Cada edição é pesquisada por agentes, conferida item por item por três agentes verificadores e lida por uma pessoa da equipe antes do envio.

Dossiês

Essencial e Completo

Os dossiês Essencial e Completo são montados a partir dos registros: nenhum modelo escreve o dossiê. Cada seção mostra o que as bases oficiais registram sobre a empresa, com a fonte de cada registro.

Investigativo

O Dossiê Investigativo acrescenta uma busca em fontes abertas, e é ali que mais regras cercam a IA:

as buscas são planejadas por regras a partir dos dados da empresa — razão social, CNPJ, nomes anteriores, cidade, sócios; o modelo não escreve nenhuma consulta;
usamos dois índices de busca, e uma consulta diferente da planejada é descartada;
os agentes só decidem o que ler e o que citar, e só abrem endereços que a busca devolveu ou que uma página já aberta indicou; sites que copiam cadastros de empresas são recusados;
atos de diários oficiais que imprimem o CNPJ da empresa e documentos de contratos no PNCP também são lidos, e cada citação deles é conferida contra o texto que guardamos;
uma regra de dados pessoais roda antes de tudo: uma afirmação que traga RG, CPF, data de nascimento, estado civil, endereço residencial ou o nome de uma pessoa física que não esteja no quadro societário nem seja agente público citado num documento oficial é descartada — nunca editada;
cada citação precisa estar no documento de origem, e os CNPJs e CPFs da afirmação precisam estar no próprio trecho citado; guardamos a posição do trecho e uma impressão digital criptográfica do documento;
um modelo revisor, de outro fornecedor, examina cada afirmação, uma de cada vez, contra o trecho; só fica o que ele confirma, e o que ele não confirma, ou não consegue avaliar, sai;
o texto final é escrito só a partir das afirmações confirmadas, citando cada uma;
o quadro de presença digital da empresa — site, perfis, registro do domínio — é montado sem modelo nenhum.

Entrega

Antes de chegar a quem comprou, o Dossiê Investigativo é congelado e passa por revisão: uma revisão por agente daquela versão exata, ou a aprovação de uma pessoa da equipe. Depois de entregue, nenhum dossiê muda; uma correção posterior é publicada como errata, junto do documento.

Os agentes que respondem perguntas

A Busca IA responde a perguntas sobre os registros do Atlas, e as suas regras são de código, não só de instrução:

ela só pode abrir registros que a busca devolveu;
um link que nenhuma ferramenta retornou é cortado da resposta;
para afirmar um identificador — um CNPJ, um número de processo —, ela precisa ter buscado antes;
CPFs aparecem mascarados.

O aplicativo do Atlas para assistentes de IA de terceiros lê exatamente o que as nossas páginas públicas mostram: uma ferramenta nunca mostra mais do que a página correspondente.

Onde entram pessoas

Pessoas definem as fontes, as regras, as instruções de cada agente e os patamares de cada modelo; leem as auditorias; corrigem o que está errado; decidem cada pedido de remoção feito com base na LGPD; e leem a newsletter antes do envio. Nenhuma pessoa lê cada notícia antes de ela ser publicada. É por isso que as conferências descritas aqui existem.

Limites e correções

Nada disso elimina o erro. Modelos erram, e as conferências reduzem os erros, mas não os zeram. Por isso a regra final é simples: a fonte oficial está sempre a um clique, e ela prevalece sobre o nosso texto.

Encontrou algo incorreto? Escreva para [email protected] — corrigimos e sinalizamos a correção. Se você é citado num registro, pode registrar uma manifestação. Os nossos princípios estão em Ética e responsabilidade.