Uma IA agora lê os dados bagunçados de compras de remédios do Brasil, de US$ 75 bilhões
Tradução automática do original em inglês, publicada sem revisão humana. Em caso de dúvida, o inglês prevalece. Se um trecho soar errado, seleccione-o e sinalize-o no fim da página.
O Brasil gasta US$ 75 bilhões por ano em remédios públicos, mas os governos locais os compram por meio de 263 sistemas diferentes. Como os compradores costumam registrar as compras em texto livre, sem detalhes padronizados como a dosagem, comparar preços em todo o país tem sido difícil. Para resolver isso, uma coalizão de órgãos governamentais e organizações da sociedade civil construiu uma plataforma que reúne dois anos de dados do portal nacional de compras públicas. Eles descobriram que 30% dos processos de compra originais tinham descrições insuficientes ou incorretas. Para padronizar o banco de dados, a equipe usou um grande modelo de linguagem para ler os registros de compra não estruturados e associar cada item a um código de produto federal padrão.
O modelo de linguagem conseguiu associar 80% dos itens comprados ao catálogo padrão, ante 5% na revisão manual inicial da equipe. Ele classifica 100 itens em cinco segundos, uma tarefa que levava 90 minutos para uma pessoa. Os gestores de compras públicas agora usam o banco de dados resultante para filtrar buscas, estabelecer preços de referência e planejar compras. Embora melhorar a qualidade dos dados possa aumentar o número de itens que o sistema classifica, o artigo argumenta que essa abordagem demonstra ser possível tornar as compras públicas comparáveis em mercados altamente descentralizados.
Usar inteligência artificial para associar registros locais bagunçados a uma taxonomia central resolve um problema fundamental de escala na administração pública. A questão em aberto é se essa abordagem funciona para serviços públicos que não têm um catálogo de destino tão estruturado. Sem um índice nacional rígido pronto para captar os resultados, os modelos de linguagem podem ter dificuldade para organizar dados municipais.
Links de hoje: Links diversos para 1 de outubro de 2026.
Tiago C. Peixoto · English original · About