O Ulysses — Observatório dos Legislativos Municipais é o sistema do LabP² que acompanha como as câmaras municipais do país se apresentam na internet: se têm site, que sistema usam para publicar o processo legislativo e o que divulgam sobre as próprias contratações. Para separar os contratos de tecnologia, usa inteligência artificial.
Onde o cidadão encontra, na internet, o que a câmara do seu município discute e aprova? Para responder em escala nacional, o Ulysses faz o que um cidadão faria, só que para as 5.569 câmaras: procura o site, confere se é mesmo o da câmara e verifica se há um sistema que publique proposições, sessões e normas. Depois cruza esse retrato com os contratos e as compras que cada câmara publica no Portal Nacional de Contratações Públicas (PNCP).
Inteligência artificial: machine learning e destilação de modelos
Entre milhares de contratos de material de limpeza e combustível, quais são de software e serviços digitais? É nessa pergunta que o Ulysses usa inteligência artificial. O caminho escolhido foi a destilação de modelos: modelos de linguagem, grandes, caros e lentos, fazem o papel de professores e rotulam uma amostra de contratos; um classificador de machine learning (aprendizado de máquina), pequeno e rápido, é o aluno que aprende com esses rótulos e depois classifica a base inteira sozinho, em segundos. Rotular todos os contratos com um modelo de linguagem custaria caro; o classificador leve roda em servidor comum, e é possível mostrar por que ele decidiu.
Como o classificador está sendo desenvolvido
- Definir antes de medir: o que conta como contrato de tecnologia está num guia de rotulagem escrito e revisto pela equipe. O critério é das pessoas, não da máquina.
- Mais de um professor: dois modelos de linguagem leem, cada um por sua conta, o objeto e os itens de cada contrato da amostra e dão o rótulo com a justificativa. Um terceiro opina quando os dois discordam.
- Aprender com a discordância: a divergência entre os modelos vinha das fronteiras que o guia deixava abertas. Depois que a equipe decidiu quatro dessas fronteiras, a concordância subiu de 94,0% para 96,5%. Decidir a definição rendeu mais do que trocar de ferramenta.
- Amostra nacional: os exemplos vêm de câmaras sorteadas por estado e por porte do município, para que o classificador não aprenda só com as capitais e as regiões metropolitanas.
- Comparar com o que já existe: o classificador será medido contra as regras escritas à mão usadas hoje, que acertam cerca de três em cada quatro contratos que marcam e encontram cerca de metade dos que existem.
- Revisão humana: modelos erram, e dois modelos concordarem não prova que estão certos. Por isso uma parte dos rótulos passa por revisão de pessoas antes de servir de régua.
Em que ponto estamos: os modelos de linguagem já rotularam a primeira amostra; a revisão humana e o treino do classificador são os próximos passos, e ele ainda não foi medido. Os modelos do Laboratório ficam no perfil do LabP² no Hugging Face.
O que o sistema faz
- Varredura dos sites: um robô visita o site de cada câmara, só aceita o endereço quando o conteúdo da página confirma que é a câmara daquele município e registra a situação encontrada (acessível, bloqueado, fora do ar, não localizado).
- Sistema de processo legislativo: reconhece o SAPL pela API pública dele e mede se a câmara publicou alguma norma, matéria ou sessão nos últimos 365 dias; reconhece o Portal Modelo e os sistemas de fornecedores privados por marcas deixadas no código da página.
- Fornecedores: identifica quem desenvolveu o site, pelo crédito no rodapé, e quem fornece o sistema legislativo. São mercados diferentes, e o sistema os mantém separados.
- Contratações no PNCP: consulta as APIs públicas do portal pelo CNPJ de cada câmara e guarda contratos, compras, itens e vencedores. Registra também se a câmara publica no portal e qual sistema envia os dados por ela.
- Órgãos públicos municipais: um cadastro de 76.425 órgãos com CNPJ (prefeituras, câmaras, fundos, autarquias, consórcios), extraído da base aberta da Receita Federal, confirma o CNPJ de cada câmara e mostra quem pode publicar contratações por um município.
- Painel, fichas e histórico: os números aparecem por região, estado e porte do município; cada câmara tem uma ficha com a evidência do que foi encontrado; cada varredura fica registrada com data, quantitativos e log de erros, o que permite comparar retratos de datas diferentes.
Telas do sistema
As capturas mostram o sistema em uso pela equipe. Clique em uma imagem para ampliá-la.
O que a primeira varredura mostrou
A varredura nacional dos sites foi concluída em outubro de 2026. Das 5.569 câmaras municipais:
- 4.893 (87,9%) têm site acessível e confirmado pelo conteúdo;
- 1.207 (21,7%) usam o SAPL, do Interlegis, e 73% dos SAPL que respondem publicaram algo no último ano;
- 1.634 (29,3%) usam sistema ou módulo de fornecedor privado;
- 1.305 (23,4%) têm site acessível, mas nenhum sistema legislativo identificado;
- 391 (7,0%) barram a leitura automática com proteção anti-robô.
Nas contratações, uma amostra nacional de 360 câmaras, sorteada por estado e porte do município, mostrou que 219 delas (60,8%) têm algum contrato ou compra publicado no PNCP desde 2021. A ausência se concentra nos municípios de até 20 mil habitantes, que têm prazo legal até abril de 2027 para adotar o portal.
Em desenvolvimento
- Classificador de contratações de tecnologia, que será comparado com as regras escritas à mão usadas hoje;
- varredura de presença no PNCP para todas as câmaras, em todas as modalidades de contratação;
- painéis de transparência de compras por órgão, ainda em fase de plano: uma página pública e didática para o cidadão e um painel que a câmara ou a prefeitura possa embutir no próprio site, com exportação no padrão aberto OCDS.
Princípios de desenvolvimento
- Só dados públicos: os sites das câmaras, as APIs públicas do PNCP, do SAPL e do IBGE e a base aberta do CNPJ;
- coleta que respeita barreiras: o robô se identifica, não imita navegador e não contorna CAPTCHA, firewall nem bloqueio. Site que barra robôs é registrado como bloqueado, e isso vira dado;
- sinais de atenção, nunca vereditos: “sistema não identificado” não quer dizer que a câmara não tenha sistema, e ausência no PNCP pode ser prazo legal, compra feita pela prefeitura ou falta de integração;
- números com data e método: cada resultado traz a data da coleta e as limitações conhecidas, e os erros e correções ficam registrados.
Pesquisa
O Ulysses é também objeto de pesquisa do LabP². Os dados sustentam estudos sobre transparência ativa, desigualdade de acesso entre municípios grandes e pequenos, qualidade dos dados abertos e o mercado de sistemas para o Legislativo municipal, com um recorte das 853 câmaras de Minas Gerais. Os resultados estão sendo preparados para publicação.
Como usar
O Ulysses está em uso pela equipe do Laboratório, em servidor da Faculdade de Direito da UFMG, e o acesso é feito por conta criada pelo LabP². Pesquisadores, casas legislativas e órgãos de controle interessados nos dados ou em parcerias podem entrar em contato pelo formulário de contato.
Saiba mais sobre a atuação do Laboratório na página Nosso Projeto.