IA contra corrupção: 70 bases cruzadas

IA contra corrupção é o nome popular de ferramentas que cruzam bases públicas para achar indícios, não provas. O projeto brasileiro divulgado em 2026 liga CPFs de políticos a empresas, contratos e emendas usando banco de grafos. O resultado é um alerta para investigação humana, nunca uma sentença.

O que é a IA contra corrupção que cruzou 70 bases

IA contra corrupção é o apelido de uma ferramenta que cruza bases públicas para levantar indícios, não provas. Ela parte do CPF de agentes políticos e conecta familiares, empresas, contratos, emendas e declarações de bens. O objetivo é transformar informação dispersa em inteligência estruturada para investigação humana posterior.

O projeto ganhou visibilidade em março de 2026, quando circulou em vídeo e redes sociais. A ideia central é simples de descrever e difícil de executar: reunir mais de 70 bases de dados públicas em um único grafo de relacionamentos. Cada nó é uma entidade, como pessoa, empresa ou contrato; cada aresta é um vínculo verificável entre elas.

O autor divulgou que usa Codex e Claude no desenvolvimento e roda o sistema em uma máquina local com 128 GB de memória. Essa configuração existe porque gerar o grafo consome tempo e RAM. Em entrevista citada no vídeo, ele afirma que ainda é pesado processar tudo.

De onde vêm os dados públicos usados no cruzamento

As bases usadas não são sigilosas. TSE, IBGE, Banco Central, dados abertos da Câmara dos Deputados e Portal da Transparência publicam dados oficiais. O obstáculo é o formato: cada órgão usa padrão, identificador e periodicidade diferentes.

O Portal da Transparência já expõe gastos, contratos e beneficiários de repasses federais. Os dados abertos da Câmara trazem despesas reembolsadas pela cota parlamentar e a produção legislativa de cada deputado. Nenhum deles, isolado, mostra conexão familiar entre quem emenda e quem recebe.

O cruzamento muda a pergunta. Em vez de 'quanto este deputado gastou', você passa a perguntar 'esta empresa que venceu a licitação tem sócio em comum com o autor da emenda'. Essa segunda pergunta exige juntar identificadores que nunca foram pensados para conversar entre si.

Banco de grafos: por que a arquitetura importa aqui

Banco de grafos é um tipo de banco de dados que armazena entidades e relações como nós e arestas. Ferramentas como o Neo4j são o exemplo mais citado. Em vez de buscar linhas em tabelas, você percorre caminhos: CPF do político, sócio da empresa, contrato assinado, emenda indicada.

Essa escolha não é estética. Um banco relacional até consegue responder às mesmas perguntas, mas cada salto de relacionamento exige uma nova junção entre tabelas. Com dezenas de milhões de registros e 70 fontes, o custo cresce rápido e o tempo de consulta inviabiliza a exploração interativa.

No grafo, a pergunta 'qual o caminho mais curto entre este político e este fornecedor' é resolvida como travessia, não como junção. É o que permite apontar autodirecionamento de emendas, funcionários fantasmas e superfaturamento com uma consulta relativamente simples de escrever.

Os três tipos de indício que a ferramenta levanta

A ferramenta não aponta corrupção. Ela levanta três padrões concretos de indício, todos verificáveis por um humano depois. Nenhum deles prova irregularidade por si só, e essa distinção é a parte mais importante de entender antes de qualquer conclusão.

O primeiro padrão é servidor fantasma. O cruzamento busca CPFs registrados como servidores públicos sem sinal compatível de atividade, como presença em folha, lotação real ou vínculo com a estrutura do órgão. Isso gera suspeita, não conclusão.

O segundo é superfaturamento. A ferramenta compara preço de contrato público com preço de mercado para o mesmo objeto e sinaliza desvios grandes. Sem um benchmark de preço confiável, o alerta vale pouco.

O terceiro, e mais complexo, é o autodirecionamento de emendas. É quando o parlamentar indica verba, a licitação é aberta e a empresa vencedora tem conexão — familiar, societária ou política — com quem indicou a verba. Essa é a correlação que exige os saltos de grafo.

Os números divulgados e o que eles provam de fato

Em um único caso investigado, o sistema encontrou 34 servidores fantasmas e pelo menos R$ 47 milhões em autodirecionamento de emendas. Os números foram divulgados pelo próprio autor, no vídeo que apresentou o projeto em março de 2026, não por verificação independente.

Trate esses números como relato de primeira parte. Eles demonstram que o cruzamento encontra volume relevante de sinais em uma investigação específica. Eles não estabelecem taxa de acerto, precisão do modelo nem taxa de falso positivo, que são as métricas que realmente importam aqui.

A ausência dessas métricas não é detalhe técnico irrelevante. Um sistema que aponta mil indícios e erra 40% dos casos é pior, na prática, do que um que aponta cem com alta confiança. Sem o código aberto, ninguém fora do projeto consegue medir isso.

O falso positivo é o risco jurídico central

Apontar que alguém tem funcionário fantasma, quando isso não corresponde à verdade, pode gerar processo. Esse é o gargalo real do projeto, e o próprio autor reconhece a mudança de abordagem que ela exige. A tecnologia está resolvida; a linguagem do resultado ainda não estava.

A resposta adotada foi trocar palavras por números. O projeto passou a discutir a lógica de risco para gerar score, em vez de usar termos como corrupção e suspeito. Um score pode ser contestado, revisado e recalibrado; uma acusação nominal entra em outra categoria jurídica.

Advogados estão sendo consultados justamente para definir o que pode ser exibido e como. A pergunta que sobra é de escopo: a ferramenta será aberta para qualquer pessoa ou restrita a jornalistas, ONGs e órgãos de controle? Cada escolha muda o tipo de responsabilidade de quem publica.

Serenata de Amor e outros precedentes brasileiros

O Serenata de Amor é o precedente brasileiro mais conhecido. Lançado em 2016 por um grupo de oito pessoas, o projeto analisou despesas reembolsadas pela cota parlamentar e publicou suspeitas com base em cruzamento de dados.

A diferença de ambição é grande. O Serenata de Amor trabalhava principalmente com dados de reembolso da Câmara, um escopo bem mais estreito do que 70 bases cruzadas. Ele também usou código aberto, o que permitiu auditoria externa, algo que o projeto de 2026 ainda não oferece.

A comparação serve para calibrar expectativa. Cruzar mais bases aumenta o alcance e multiplica o risco de erro. Quanto mais fontes entram no grafo, mais difícil fica provar que um determinado alerta não é produto de um identificador compartilhado por coincidência.

Camisa de saudade, licenciamento e o futuro do projeto

A expressão 'virar camisa de saudade' aparece no vídeo como piada recorrente sobre o risco pessoal de quem mexe nesse tema. O autor comentou, em tom de brincadeira, que ainda não havia virado. O riso não elimina a preocupação de fundo sobre exposição pública.

Sobre licenciamento, a intenção declarada é tornar o projeto open source. Até a publicação deste artigo, o código-fonte não havia sido liberado, e a divulgação pública se apoiou em capturas de tela. Trate 'open source' como plano anunciado, não como estado atual.

O autor também afirmou que deixaria uma versão beta pronta para testadores nos dias seguintes. Se isso se concretizar, será a primeira oportunidade de medir precisão fora do ambiente de quem construiu o sistema. Enquanto isso, o que existe é uma demonstração controlada.

FAQ sobre IA contra corrupção

• A IA contra corrupção prova que alguém cometeu crime? Não. Ela levanta indícios que precisam de verificação humana, documental e jurídica. O resultado é um alerta para investigação, nunca uma conclusão sobre culpabilidade.

• Quais bases públicas a ferramenta cruza? Ela usa dados do TSE, IBGE, Banco Central, Portal da Transparência e dados abertos da Câmara dos Deputados, entre outras fontes oficiais. Os formatos são heterogêneos, e é isso que torna o cruzamento difícil.

• Qual foi o resultado divulgado no caso investigado? O autor relatou 34 servidores fantasmas e pelo menos R$ 47 milhões em autodirecionamento de emendas. Números relatados por ele mesmo, sem verificação independente até agora.

• O código-fonte já está aberto? Até a publicação deste artigo, não. A intenção declarada é abrir o projeto, mas a divulgação pública até aqui se baseou em capturas de tela. Um beta para testadores foi prometido para os dias seguintes.

• Que técnica de banco de dados torna isso viável? O uso de banco de grafos, como o Neo4j, permite percorrer cadeias de relacionamento entre CPF, empresa e contrato sem o custo de junções sucessivas em tabelas relacionais.

• Por que o falso positivo é um problema tão grave aqui? Porque acusar alguém de ter funcionário fantasma sem que isso seja verdade tem consequência jurídica direta. A mudança para score de risco existe justamente para reduzir esse tipo de exposição.

• Qual é o principal precedente brasileiro? O Serenata de Amor, de 2016, que cruzou despesas da cota parlamentar com código aberto. Ele cobria um escopo bem mais estreito do que o projeto atual.

• A ferramenta vai ser aberta ao público geral? Essa decisão ainda não está fechada. Acesso amplo aumenta o impacto e o risco de uso indevido; acesso restrito a jornalistas e órgãos de controle reduz o risco e limita o alcance.

• O que ainda falta para esse tipo de projeto amadurecer no Brasil? Faltam métricas públicas de precisão, código auditável e definição jurídica clara sobre o que pode ser exibido. Sem isso, o indício gerado continua dependendo inteiramente de quem o interpreta.

De vídeo para artigo, com contexto preservado

A ideia central deste texto é que conectar dados dispersos só vira inteligência quando alguém organiza a informação para outra pessoa entender. Explicar o cruzamento entre CPF, empresa e emenda dá trabalho, e é exatamente esse trabalho que separa um alerta útil de um print solto.

Se você tem esse tipo de explicação gravada em um vídeo — uma análise técnica, uma entrevista, uma opinião fundamentada —, o Skala Blog transforma esse material em artigo escrito. Você cola o endereço do vídeo, o conteúdo é transcrito e vira uma versão em texto pronta para revisão.

Vale conhecer também o Crazystack, stack em TypeScript que reúne o tipo de estrutura que projetos de dados como este costumam precisar. É o tipo de base que ajuda um Dev doido a tirar uma ideia dessas do papel sem reconstruir tudo do zero.

Source video