CONSTRUINDO O BRASIL TRANSPARÊNCIA: IA + ENGENHARIA DE DADOS PARA AUDITORIA DE GASTOS PARLAMENTARES

Nas últimas semanas, tenho trabalhado no Brasil Transparência, uma aplicação que cruza dados públicos da Câmara para identificar padrões de gasto e destacar possíveis anomalias.

A proposta é simples: transformar dados brutos em inteligência visual para investigação cidadã.

Stack e Arquitetura

• Frontend: Next.js 16 + TailwindCSS
• Backend: Node.js + Fastify
• Banco: SQLite (foco em leveza e independência operacional)
• Visualização de rede: react-force-graph-2d

O que já foi entregue

1) Pipeline de ingestão e enriquecimento

• Coleta de dados em paralelo
• Enriquecimento com fontes públicas (BrasilAPI / MinhaReceita)
• Correção crítica para persistência de pagamentos a CPF (não apenas CNPJ)

2) Motor de análise

• Sistema de red flags para pontuação de risco
• Mapeamento em grafo (nós e arestas) para visualizar relações financeiras

3) Frontend investigativo

• Ranking de parlamentares com filtros e paginação
• Dashboard de grafo interativo
• Página de “Ficha Limpa” para parlamentares sem alerta no período

Sprint 2 (foco técnico)

Antes de escalar features, optei por pagar débito técnico e reforçar base de produção:

• Remoção de endpoints hardcoded (localhost) e padronização via .env
• Cache nativo do Next.js com revalidate (sem inflar infra com Redis neste momento)
• Hardening no backend com validação de rotas (Zod) e respostas mais defensivas

Depois disso, evoluí o poder investigativo:

• Filtro temporal no grafo (ano/mês)
• Destaque visual para CPF como alerta
• Caminho reverso do fornecedor: dado um CNPJ/CPF, mostrar todos os parlamentares conectados

Aprendizados da jornada

• MVP rápido é ótimo, mas arquitetura e estabilidade decidem se o projeto sobrevive
• Transparência pública exige UX clara: dados corretos + visualização legível
• Com IA e automação, a distância entre ideia e produto funcional caiu drasticamente