O fim do “juridiquês exclusivo”: por que a IA incomoda tanto no setor público

O texto do jornalista Pedro Burgos no Co.Inteligência parte de uma observação aparentemente banal, o incômodo crescente com “texto com cara de IA”, mas toca num nervo muito mais profundo do que a simples discussão sobre tecnologia.

Porque a verdade é que as pessoas não estão irritadas apenas com o ChatGPT, Claude ou Gemini.

Elas estão irritadas com a sensação de que algo que antes exigia anos de formação, repertório e prática virou commodity em menos de três anos.

E talvez a escrita profissional seja o melhor exemplo disso.

Durante muito tempo, escrever bem não era apenas uma habilidade. Era um mecanismo de poder.

No ambiente corporativo, quem dominava o idioma dos memorandos, dos relatórios e das apresentações executivas tinha vantagem competitiva. No serviço público, então, isso sempre foi ainda mais evidente. Existe toda uma liturgia da escrita institucional. O despacho correto. A fundamentação correta. A forma correta de dizer algo simples da maneira mais formal possível.

Quem sabe navegar nesse idioma consegue circular melhor dentro das estruturas.

Quem não sabe, fica para trás.

A inteligência artificial entrou exatamente nesse ponto.

E isso explica boa parte da reação emocional que estamos vendo.

Curiosamente, muita gente trata a “linguagem de IA” como se ela tivesse destruído uma era dourada da autenticidade textual. Como se antes das LLMs todos escrevessem como Rubem Braga, Elio Gaspari ou Machado de Assis.

Mas não era isso que acontecia.

O mundo corporativo já falava um idioma artificial muito antes da IA generativa existir.

As empresas já eram povoadas por frases vazias sobre “sinergia”, “mindset”, “stakeholders”, “alinhamento estratégico” e “jornada de transformação”. O LinkedIn já parecia um universo paralelo onde todo café virava uma lição de liderança. O setor público já vivia cercado de juridiquês, formalismos e construções tão engessadas que muitas vezes pareciam produzidas por um algoritmo de 1998.

A IA não inventou a artificialidade da linguagem profissional.

Ela apenas democratizou a capacidade de reproduzi-la.

E talvez seja justamente isso que esteja incomodando tanta gente.

Porque existe um componente de status nessa discussão.

Durante décadas, escrever um bom parecer, um relatório convincente, um artigo técnico organizado ou até um simples e-mail institucional exigia um capital invisível: repertório, leitura, convivência profissional, prática constante e, muitas vezes, pertencimento social.

Agora, um estagiário consegue gerar em segundos um texto estruturalmente melhor do que o que muitos gestores produziam sozinhos.

Claro que isso não significa que a IA substituiu inteligência, experiência ou pensamento crítico. Muito menos significa que todo texto produzido por IA é bom.

Quem lê bastante percebe rapidamente os padrões.

Os travessões dramáticos.

As frases de efeito.

As estruturas espelhadas.

Os “não é X, é Y”.

As enumerações excessivamente organizadas.

A cadência emocional calculada.

Existe, sim, um “cheiro de IA”.

Mas existe também cheiro de LinkedIn.

Cheiro de consultoria.

Cheiro de despacho jurídico.

Cheiro de release corporativo.

Cheiro de texto acadêmico escrito para parecer inteligente e não para comunicar.

Toda linguagem profissional desenvolve seus próprios vícios.

A diferença é que, agora, a IA escancarou isso.

Ela transformou em produto algo que antes parecia quase artesanal.

E isso mexe diretamente com profissões baseadas em produção intelectual.

Advogados, jornalistas, publicitários, analistas, consultores, redatores, servidores públicos, professores. Todos perceberam, de alguma forma, que parte do valor percebido do próprio trabalho estava associado não apenas ao conteúdo, mas à dificuldade de produzir aquele formato.

Quando a dificuldade diminui, o valor simbólico também muda.

Talvez seja por isso que o debate sobre IA frequentemente fique tão emocional tão rápido.

Porque ele raramente é apenas técnico.

Existe medo econômico.

Existe ansiedade profissional.

Existe insegurança identitária.

E existe também um desconforto silencioso: perceber que muitos textos considerados “profissionais” já eram altamente padronizados muito antes da IA aparecer.

No setor público isso é particularmente interessante.

A administração pública brasileira foi construída em cima da padronização documental. Modelos, minutas, fórmulas, expressões consagradas, citações normativas e estruturas repetidas fazem parte do próprio funcionamento institucional. Em muitos órgãos, escrever “bem” significa dominar convenções específicas muito mais do que necessariamente comunicar melhor.

A IA se encaixa nisso de maneira assustadoramente eficiente.

Ela produz com enorme competência exatamente o tipo de texto que os ambientes burocráticos aprenderam a valorizar.

Só que isso cria um novo desafio.

Se qualquer pessoa consegue gerar um texto formalmente aceitável, então o diferencial deixa de ser a capacidade de “soar técnico”.

O diferencial passa a ser pensamento.

Capacidade de análise.

Capacidade de síntese.

Capacidade de fazer perguntas melhores.

Capacidade de enxergar contradições.

Capacidade de conectar contexto, risco, impacto e consequência.

Talvez estejamos entrando numa era em que escrever bonito perde importância relativa diante de pensar bem.

E isso pode ser desconfortável para muita gente.

Porque pensar continua difícil.

A IA consegue estruturar um despacho. Mas ainda não assume responsabilidade por ele.

Consegue resumir uma norma. Mas não responde ao TCE depois.

Consegue redigir um parecer. Mas não vive as consequências práticas de uma contratação mal planejada.

Consegue produzir um texto elegante. Mas não sente o peso político, institucional ou humano das decisões.

É aí que talvez esteja a fronteira real.

Não entre “texto humano” e “texto de IA”.

Mas entre quem apenas reproduz linguagem e quem efetivamente produz entendimento.

A IA provavelmente continuará melhorando até o ponto em que será quase impossível distinguir a origem de muitos textos.

Mas talvez isso importe menos do que imaginamos.

Porque o verdadeiro problema nunca foi o estilo.

Sempre foi o conteúdo vazio.

E, nesse ponto, sejamos honestos:

a humanidade já tinha bastante experiência antes mesmo da IA chegar.

Entre fantasmas e prompts

Fui varrido pela vassoura biônica que anda voando pelas sedes administrativas dos órgãos do governo do estado do Rio de Janeiro.

Uma tecnologia revolucionária, aparentemente equipada com sensores avançados para caça de fantasmas, milicianos e integrantes do Comando Vermelho. Até hoje não descobri exatamente em qual categoria fui enquadrado, mas o fato é que fui oficialmente removido do tabuleiro.

E curioso como certas demissões modernas não vêm acompanhadas de silêncio. Vêm acompanhadas de narrativas.

Quem trabalha no setor público já percebeu isso faz tempo. Dependendo do humor político da semana, você deixa de ser servidor, técnico ou gestor e vira personagem de filme ruim. Fantasma. Parasita. Miliciano. Infiltrado. Um NPC da máquina estatal.

No início aquilo machuca.

Depois cansa.

E finalmente liberta.

Porque quando arrancam de você a obrigação de participar do teatro, sobra uma coisa rara na vida adulta: tempo para olhar os projetos que ficaram décadas na fila.

Projetos que a rotina empurrou para depois.

Projetos que o excesso de trabalho matou antes mesmo de nascer.

Projetos que sempre moravam naquela frase clássica:

“Quando eu tiver tempo, eu faço.”

Pois bem.

O tempo chegou.

E um desses projetos finalmente saiu do papel.

Sou casado com uma nutricionista maravilhosa e, há muito tempo, eu tinha vontade de construir um sistema voltado para o consultório dela. Não um software genérico cheio de módulos inúteis, dashboards coloridos e relatórios que ninguém lê.

Queria algo focado no que realmente importa:

o Processo de Cuidado em Nutrição.

O famoso PCN.

A parte humana da nutrição.

O acompanhamento.

A evolução.

Os registros.

O cuidado organizado de forma inteligente.

Só existe um pequeno detalhe nessa história:

eu não sou desenvolvedor de software.

Nunca fui.

Sou apenas um curioso profissional.

Um acumulador de ideias.

Um sujeito que passou anos observando problemas e pensando:

“isso podia funcionar melhor.”

E agora apareceu uma variável nova no mundo:

IA com agentes.

Pela primeira vez na vida, alguém que não programa profissionalmente consegue conversar com máquinas de um jeito menos hostil. Você descreve. Ajusta. Corrige. Debate arquitetura. Quebra tarefas. Refaz fluxo. Testa hipóteses.

Mas existe uma fantasia circulando por aí de que basta escrever um prompt mágico e pronto:

o sistema nasce sozinho.

Não nasce.

Cada pequena etapa concluída parece uma vitória de Copa do Mundo.

A tela que finalmente salva corretamente.

O botão que deixa de quebrar.

A sincronização que para de enlouquecer.

A regra de negócio que finalmente respeita a lógica do atendimento real.

E junto com cada vitória vem uma nova lista de defeitos invisíveis que ninguém tinha percebido antes.

Porque software é isso.

Você fecha uma porta e descobre outras cinco abertas.

A IA acelera absurdamente o processo.

Mas ela não substitui clareza mental.

Não substitui visão de produto.

Não substitui entendimento do problema.

Muito menos substitui paciência.

Talvez essa seja a maior mentira dessa nova corrida tecnológica:

a ideia de que construir ficou fácil.

Não ficou.

Ficou possível.

E existe uma diferença enorme entre as duas coisas.

Hoje entendo que meu papel nesse projeto não é “programar”.

É traduzir experiência humana em lógica.

É pegar anos observando problemas reais e tentar transformar isso em fluxo, tela, regra, automação e organização.

Errando bastante no caminho.

Corrigindo mais ainda.

E avançando um pequeno bloco por vez.

No fundo, talvez seja isso que a IA esteja democratizando:

não a perfeição técnica,

mas a coragem de finalmente tirar ideias da gaveta.

Da Farofa à Voz de Prisão: Um Almoço de Família no Rio de Janeiro

Há alguns anos, dizer que trabalhava no Governo do Estado do Rio de Janeiro rendia, no máximo, uma piada cansada sobre café, carimbo e ar-condicionado quebrado.

O sujeito chegava num almoço de família, alguém perguntava “e aí, trabalhando onde?”, e vinha aquele sorriso enviesado: 

“Servidor público? Vida boa, hein…”

Era o velho folclore nacional do funcionário que “não trabalha”.

O Rio conseguiu piorar isso.

Hoje, dependendo da mesa, você não é mais visto como preguiçoso. É visto como cúmplice.

Outro dia, num almoço de Dia das Mães, ouvi a sentença sem anestesia:

“Quem trabalha nesse governo atual ou é miliciano ou é conivente com milícia.”

A frase caiu entre o arroz, a farofa e o silêncio constrangedor típico das famílias brasileiras quando alguém ultrapassa a fronteira entre opinião e acusação moral.

Perguntei, tentando salvar o humor:

“Mas espera aí… achei que a gente fosse do Comando Vermelho.”

Ninguém riu.

Talvez porque, naquela mesa, o humor já tivesse sido substituído por outra coisa: a necessidade moderna de apontar culpados.

Foi então que o filho do cidadão, recém-empossado juiz, ainda com aquele brilho de solenidade recém-saída da cerimônia, resolveu entrar na conversa com a gravidade de quem acredita estar presidindo sessão do Supremo até na sobremesa.

Levantou da cadeira, dedo em riste, e disparou:

“Vou chamar a polícia pra lhe prender!”

Por um instante, achei que fosse brincadeira.

Não era.

O rapaz realmente acreditava estar exercendo algum tipo de autoridade moral ali entre a travessa de maionese e o pudim.

A República brasileira talvez seja o único lugar do mundo onde um almoço de família pode escalar de farofa para crise institucional em menos de três minutos.

Fiquei olhando aquela cena curiosa.

De um lado, um servidor público tentando explicar que trabalhar no Estado não transforma ninguém automaticamente em criminoso.

Do outro, cidadãos que passaram a enxergar qualquer funcionário estatal como integrante de uma organização clandestina.

E, no centro da mesa, um jovem magistrado recém-chegado ao serviço público acreditando que autoridade é volume de voz.

O Rio produz dessas ironias.

O sujeito passa em concurso, toma posse, jura defender a Constituição na terça e, no domingo seguinte, já quer enquadrar parente em almoço familiar por desacato imaginário.

Talvez seja efeito colateral do país.

Aqui, todo mundo anda armado de alguma coisa:

uns com fuzil,

outros com cargo,

outros com rede social,

outros com superioridade moral.

A arma muda.

A vontade de esmagar o outro continua igual.

O mais curioso é que muita gente que aponta o dedo para “o servidor do Estado” não faz ideia de quem mantém o mínimo de funcionamento da máquina pública enquanto governos entram e saem como técnicos de time em crise.

Porque governo passa.

O servidor fica.

É o sujeito que passa o dia fazendo empenho, conferindo processo, respondendo auditoria, montando termo de referência, tentando impedir contrato irregular e sobrevivendo a sistemas que caem mais do que internet de bairro nos anos 90.

Mas, no imaginário das redes sociais, não existe nuance.

Existe apenas o tribunal permanente da indignação.

O algoritmo odeia complexidade.

Ele prefere caricaturas.

Então o servidor público do Rio virou uma entidade híbrida:

metade fantasma,

metade vilão.

Se trabalha no Estado e não aparece, “não faz nada”.

Se aparece, “tem esquema”.

Se defende a instituição, “é cúmplice”.

Se critica, “ficou anos mamando”.

É impossível vencer.

Talvez porque o Rio tenha chegado num estágio raro da vida pública:

o colapso absoluto da confiança.

Ninguém acredita em ninguém.

Nem no político.

Nem na polícia.

Nem na imprensa.

Nem na Justiça.

Nem no servidor.

Nem no cidadão.

Sobrou apenas a suspeita.

E ela se espalha como infiltração em prédio antigo do Centro.

Lenta.

Persistente.

Destruindo tudo por dentro.

O mais triste é perceber que desapareceu a capacidade de distinguir indivíduo de instituição.

O cidadão comum já não acredita que exista gente honesta trabalhando dentro do Estado.

E parte do próprio Estado parece ter desaprendido que autoridade sem equilíbrio vira apenas arrogância de terno.

No fim, ninguém chamou a polícia.

A sobremesa chegou.

E o Brasil seguiu funcionando exatamente como funciona há décadas:

com pessoas que se odeiam politicamente dividindo a mesma lasanha de domingo.

Enquanto isso, na segunda-feira de manhã, milhões de servidores voltaram aos seus postos invisíveis.

Uns honestos.

Outros nem tanto.

Como em qualquer lugar habitado por seres humanos.

Mas todos carregando, junto do crachá, uma condenação informal:

a de precisar justificar diariamente que ainda não enlouqueceram junto com o país.

Olho para o terminal do Codex e, confesso, quase me emociono.

Minha primeira experiência com código foi lá por 1995.

A escola resolveu criar um curso de programação. Naquela época, veja só, já diziam que desenvolvedor de software seria “a profissão do futuro”.

Prometeram que, ao final do curso, estaríamos aptos a criar o sistema da própria escola. Quem sabe até remunerados.

Eu nem tinha computador em casa.

Pedi para fazer o curso com uma esperança secreta: talvez minha mãe se compadecesse e comprasse um PC para mim.

Meus amigos tinham computador. Eu aproveitava cada ida à casa deles para jogar Elifoot.

Quem lembra?

Minha mãe me matriculou no curso.

Mas não comprou o computador.

E lá fui eu.

Turbo Pascal. Tela preta. Linha de comando. “Escreve isso aqui, menino, para mudar a cor da letra para azul.”

Que saco.

Não havia internet. Mas havia 12 computadores ligados em rede.

E havia Doom.

Que época boa.

Pouco tempo depois, pedi para sair. Achei que minha mãe estava gastando dinheiro à toa. Eu não entendia aquelas linhas de código. E, pior, não queria entender.

Sempre gostei de tecnologia, mas fugia do código.

Quando comecei a estagiar, vi minha primeira planilha. Simples. Até que eu vi que alguns colegas mexiam com “macro”.

Macro?

O sujeito apertava um botão e tudo desaparecia. Apertava outro e tudo voltava.

Aquilo era mágica.

“Me ensina?”

“Claro. Senta aqui.”

Quando vi que tinha código no meio, fugi de novo.

Fiquei nas fórmulas, nas análises na marra, na tela, quebrando a cabeça, gastando horas no que hoje talvez se resolva em minutos.

Anos depois, trabalhando com gestão, ouvi um grande consultor chamar de “planilheiro” quem ficava enfurnado automatizando planilha.

“Esse tipo de consultor eu não quero aqui”, ele dizia.

Na época, achei exagero.

Hoje, acho que ele tinha razão em parte.

Porque o valor nunca esteve apenas na fórmula, na macro ou na linha de código.

O valor está em entender o problema.

A inteligência artificial aprendeu as fórmulas, os códigos, os fóruns de Excel, as dúvidas antigas, os erros repetidos, as soluções improvisadas.

Aquela pergunta que você fazia num fórum torcendo para alguém responder antes da reunião com o chefe?

A IA engoliu tudo.

Hoje, se você domina o negócio e sabe conversar minimamente com uma IA, ela te entrega a fórmula.

Se der erro, você copia o erro e cola.

Pode ser uma vez. Cinco. Dez.

Uma hora, destrava.

E é por isso que Excel continua sendo uma excelente porta de entrada.

Você decompõe o problema. Vê o passo a passo. Erra na tela. Corrige. Entende.

A diferença é que agora você pode perguntar sem medo de cara feia.

Sem ouvir “já usou a barra de pesquisa?”

Sem depender da boa vontade de alguém no fórum.

A resposta pode vir errada no começo.

Tudo bem.

Refaça a pergunta. Melhore o contexto. Explique o problema de novo.

E, por favor, esqueça essa obsessão por prompt pronto.

O melhor prompt ainda é pensar com clareza.

Percorra seu próprio caminho.

Comece pequeno.

Use.

Teste.

Quebre.

Pergunte.

Reformule.

Porque talvez a grande revolução não seja a IA programar por você.

Talvez seja ela finalmente permitir que quem entende do negócio consiga transformar esse conhecimento em ferramenta útil.

Do Tutorial à Prática: Como construí um ecossistema de aprendizado para criar softwares reais

Muitas vezes, a barreira para quem quer aprender programação não é a falta de conteúdo, mas o excesso dele. Estamos na era do "SaaS everywhere" e dos tutoriais que ensinam a colocar tudo na nuvem. Mas, recentemente, decidi seguir um caminho diferente para resolver um problema real em casa: o software de gestão para o consultório de nutrição da minha esposa.

Minha escolha foi contraintuitiva para 2026: desenvolver uma aplicação "Offline First". Vou detalhar aqui como estou usando o ecossistema do Google não apenas para ver códigos, mas para desenhar a arquitetura desse projeto.

Por que Offline? A Rebeldia do Local-First

Vivemos a ditadura das assinaturas mensais e da dependência constante de conexão. Para um consultório, ter os dados rodando localmente na máquina significa:

• Privacidade Total: Os dados sensíveis dos pacientes não saem da máquina.

• Zero Latência: O software responde instantaneamente, independente da qualidade do Wi-Fi.

• Custo de Manutenção Zero: Sem faturas de servidor ao final do mês.

Decidido o "onde", o desafio passou a ser o "como". Saí do papel de aluno passivo para o de arquiteto de soluções.

A Metodologia do "Radar de Conhecimento"

Para não me perder em milhares de abas do Chrome, estruturei um fluxo de trabalho que chamo de Radar de Conhecimento. Ele se divide em quatro pilares fundamentais:

1. Engenharia de Requisitos "No Mundo Real"

Antes de abrir o VS Code ou o Google Colab, o trabalho foi de campo. Sentei com minha esposa e mapeamos o fluxo de atendimento. O erro de muitos programadores iniciantes é querer automatizar o que ainda não entende. Descobrimos que a "tela de pacientes" não é apenas um cadastro; é o coração da anamnese.

2. Curadoria de Referências (Menos é Mais)

Em vez de salvar 50 vídeos no YouTube, busquei no Google apenas duas referências sólidas de softwares de gestão de saúde já existentes (benchmarking). O objetivo aqui não é copiar o código, mas entender a hierarquia da informação: Como eles organizam o histórico de consultas? Como tratam a evolução do peso?

3. NotebookLM: O Grande Diferencial Técnico

Aqui entra a ferramenta que considero a joia escondida do Google: o NotebookLM. Eu subo os PDFs das referências e as anotações dos requisitos para dentro de um notebook privado. A partir daí, o jogo muda:

• Busca Semântica com Deep Research: Em vez de uma busca por palavras-chave, peço ao NotebookLM: "Baseado nesses exemplos de software de nutrição, quais são as melhores práticas de estrutura de banco de dados para rodar em Python offline?"

• Otimização de Pesquisa: Ele utiliza o motor de pesquisa profunda para cruzar os dados que eu forneci com documentações técnicas, sugerindo bibliotecas como SQLite para o banco e CustomTkinter ou PySide para a interface gráfica.

• O Tutor 24/7: Se tenho dúvida na lógica de uma função específica para o cálculo de IMC ou gasto energético, ele me explica com base no contexto do MEU projeto, e não de um exemplo genérico da internet.

4. Validação Iterativa: A Tela de Pacientes

Atualmente, o projeto está na fase de validação da interface de pacientes. Usar Python para criar algo que você pode "tocar" e testar na hora é um salto gigantesco no aprendizado. Cada erro de código (bug) resolvido nessa fase vale por dez aulas teóricas.

Conclusão: O Aprendizado como Subproduto da Execução

A jornada de criar algo "do zero" para atender uma necessidade real é longa e cheia de percalços, mas é a forma mais eficaz de fixar conhecimento. Não estou apenas aprendendo Python; estou aprendendo a resolver problemas, a filtrar informações com IA e a entregar valor.

Se você está "encasquetado" com uma ideia, pare de apenas assistir tutoriais. Escolha sua ferramenta de busca, configure seu NotebookLM e comece a construir. A evolução acontece no fazer.

PNCP na prática: quando acessar dados públicos vira uma tarefa hercúlea

Quando li o relatório “Recomendações e desafios técnicos PNCP: API & Acesso aos dados”, publicado pela Transparência Brasil em junho de 2024, tive a impressão de estar diante de um diagnóstico importante, mas possivelmente datado. Afinal, tratava-se da primeira versão do portal, ainda em início de operação. A expectativa natural era que, com o tempo, os problemas mais evidentes tivessem sido corrigidos.

Resolvi então fazer o teste mais honesto possível: tentar usar o sistema como alguém que precisa, de fato, trabalhar com esses dados. Não como leitura institucional, mas como prática. O objetivo era simples — baixar dados de contratações, cruzar informações e gerar inteligência.

O que encontrei, no entanto, foi algo muito diferente de um ambiente de dados aberto. Foi uma jornada longa, técnica e, em muitos momentos, desgastante.

O relatório já apontava, com bastante clareza, alguns entraves estruturais: ausência de download massivo, fragmentação das informações, limitações nas APIs e a necessidade de conhecimento técnico avançado para lidar com os dados. À época, isso já era suficiente para acender um alerta. Mas vivenciar esses problemas na prática revela uma dimensão muito mais profunda.

Baixar dados do PNCP não é uma tarefa trivial. Não é sequer uma tarefa operacional. É, na prática, um projeto de engenharia de dados.

O ponto de partida parece simples. A API existe, os endpoints estão disponíveis, há documentação e o discurso institucional é de transparência. Mas basta iniciar as requisições para perceber que o caminho não é linear. A paginação precisa ser controlada manualmente, os intervalos de datas exigem estratégia para evitar perdas, e a cada nova chamada surgem limitações que obrigam o usuário a adaptar a abordagem.

Em pouco tempo, o que era uma tentativa de download se transforma em um conjunto de decisões técnicas: implementar mecanismos de retry, lidar com erros intermitentes, tratar respostas inconsistentes, controlar paralelismo para evitar bloqueios, registrar checkpoints para não perder progresso e, ao final, ainda garantir que os dados coletados fazem sentido.

E isso tudo acontece antes mesmo de qualquer análise.

Um dos pontos mais sensíveis — e que o relatório já antecipava — é a fragmentação das informações. Uma contratação não está disponível como uma entidade única, coesa, pronta para uso. Ela está distribuída em múltiplos endpoints, cada um trazendo apenas uma parte do processo. Para reconstruir o todo, é necessário realizar diversas chamadas, entender como essas partes se conectam e criar, manualmente, os vínculos entre elas.

Na prática, o usuário assume o papel de quem deveria ter modelado o dado na origem. É preciso identificar chaves de relacionamento, tratar inconsistências de nomenclatura, ajustar tipos de dados e validar se aquilo que foi reunido representa, de fato, uma contratação completa.

Esse cenário se agrava quando entram em cena as limitações técnicas das APIs. O próprio relatório menciona restrições como o limite de resultados por consulta e a necessidade de múltiplas requisições para obter informações complementares. No uso real, essas limitações deixam de ser um detalhe e passam a ser um obstáculo estrutural. Não é possível extrair grandes volumes de dados de forma direta. É preciso fatiar a coleta por estados, órgãos, períodos, e ainda assim lidar com o risco de inconsistências no meio do caminho.

A instabilidade do sistema é outro fator que pesa. Durante a coleta, não são raros os erros de conexão, respostas incompletas ou simplesmente falhas que interrompem o fluxo. Mesmo com estratégias de mitigação — como retries e controle de taxa de requisições — o processo não se sustenta de forma confiável sem uma camada adicional de engenharia para garantir resiliência.

A situação não melhora quando se tenta complementar os dados com outras fontes, como o Compras.gov. Embora seja uma base relevante, ela não conversa naturalmente com o PNCP. Os padrões são diferentes, os dados não são integrados e a responsabilidade de conciliar essas informações recai novamente sobre quem está tentando utilizá-las.

No fim das contas, o maior problema deixa de ser técnico e passa a ser estrutural. O relatório da Transparência Brasil aponta com precisão a ausência de um modelo de dados padronizado como uma das principais causas dessas dificuldades. A sugestão de adoção do Open Contracting Data Standard (OCDS) não é apenas uma recomendação acadêmica — ela é, na prática, uma necessidade para que o sistema funcione de forma eficiente.

Sem um padrão comum, cada pedaço do sistema opera com sua própria lógica. Campos idênticos aparecem com nomes diferentes, informações essenciais não são estruturadas adequadamente e a comparação entre contratações se torna um exercício de interpretação. Isso compromete não apenas a usabilidade dos dados, mas também a confiabilidade das análises.

Há um ponto particularmente crítico que merece destaque. O relatório menciona que, em muitos casos, não é possível acompanhar os itens contratados de forma estruturada ao longo do processo. Ou seja, mesmo quando se consegue acessar os dados, ainda é necessário recorrer a documentos não estruturados, como PDFs, para entender o que foi efetivamente contratado. Isso vai diretamente contra a proposta de transparência e dificulta qualquer tentativa séria de análise de preços ou identificação de sobrepreço.

Diante de tudo isso, a conclusão é inevitável. O PNCP representa um avanço institucional importante. A centralização das informações é um passo relevante e o potencial da plataforma é indiscutível. No entanto, do ponto de vista técnico, ainda há uma distância significativa entre disponibilizar dados e torná-los efetivamente acessíveis.

Hoje, os dados estão lá. Mas acessá-los de forma eficiente exige conhecimento, tempo, infraestrutura e uma boa dose de insistência. O que deveria ser uma ferramenta de democratização da informação acaba, na prática, restringindo seu uso a quem tem capacidade técnica para superar as barreiras impostas pelo próprio sistema.

Baixar dados do PNCP, hoje, não é simplesmente consumir uma API.

É resistir a ela.

---

Fonte:
Transparência Brasil. Recomendações e desafios técnicos PNCP: API & Acesso aos dados. Junho de 2024.
Disponível em: https://www.transparencia.org.br/downloads/publicacoes/portalnacionaldecontratacoespublicas_recomendacoesedesafiostecnicos.pdf

Rio Rotativo Digital: Inovação Urbana ou apenas a Digitalização de um Imposto Indireto ?

O Rio de Janeiro acaba de anunciar o fim dos talões de papel e a chegada do Rio Rotativo Digital, via app Jaé. A promessa é ambiciosa: tirar o poder das máfias que controlam as ruas e formalizar os guardadores, transformando-os em fiscais. Mas, para quem vive o dia a dia da "Cidade Maravilhosa", a pergunta que fica não é sobre o software, mas sobre o território: será que o flanelinha vai deixar de existir por um passe de mágica digital?

A Teoria: O Estado retoma o controle

Do ponto de vista da gestão pública, o projeto é irretocável. Ao fixar o valor em R$ 2,00 (sendo R$ 1,00 destinado diretamente ao guardador credenciado via Prefeitura), o município tenta sufocar o lucro das milícias e facções que "vendem" esquinas como se fossem propriedades privadas. O discurso oficial é de libertação: o guardador vira um prestador de serviço e o motorista tem a segurança de pagar o preço justo.

O Problema: O "Imposto Invisível" e a Bitributação Social

A grande falha de projetos anteriores de digitalização de vagas no Brasil não foi técnica, mas de segurança pública. No Rio, o motorista enfrenta um dilema ético e financeiro:

1. O custo oficial: Se eu não pagar pelo app, a Prefeitura me multa.

2. O custo do medo: Se eu pagar pelo app, mas não der o "trocado" para o flanelinha ilegal que continua ali, o que acontece com o meu carro?

Se a Guarda Municipal não garantir a ordem pública de forma onipresente, o cidadão passará a ser tributado duas vezes. O Rio Rotativo corre o risco de virar apenas um imposto indireto: uma taxa para o governo não te multar, enquanto você continua pagando a "taxa de proteção" informal para não ter o retrovisor quebrado.

Tecnologia não substitui Autoridade

A tecnologia é um meio, não um fim. Cidades inteligentes não são feitas apenas de aplicativos, mas de ocupação ordenada do espaço. O sucesso deste sistema depende de três pilares que ainda geram ceticismo:

• Fiscalização Real: De nada serve um app de última geração se o "dono da rua" continua coagindo o motorista a dois metros de distância de uma placa oficial.

• Inclusão vs. Exclusão: Como fica o idoso ou o turista sem bateria no celular? A dependência 100% digital pode criar zonas de atrito e multas injustas.

• Transitoriedade: O guardador-fiscal terá autoridade para coibir o flanelinha clandestino? Ou ele será a primeira vítima da retaliação de quem hoje lucra com o caos?

Conclusão: O Rio no Divã

Instituir o sistema é o passo mais fácil. O desafio hercúleo da gestão atual será convencer o carioca de que ele pode, finalmente, estacionar em via pública sem sentir que está sendo assaltado duas vezes.

Se o sistema funcionar, o Rio dá um salto de civilidade. Se falhar, teremos apenas criado a forma mais moderna do mundo de pagar por um serviço que o Estado ainda não consegue entregar: a ordem.

E você, acredita que o app Jaé vai conseguir "limpar" as ruas ou é apenas mais uma taxa no nosso bolso? Deixe seu comentário abaixo.