Cliente

PRODEMGE

A Prodemge é a Companhia de Tecnologia da Informação do Estado de Minas Gerais. Trata-se de uma empresa pública (economia mista) controlada pelo governo mineiro, criada para desenvolver sistemas, hospedar dados e modernizar a gestão e os serviços públicos do estado.

Resumo Executivo ↩

A Prodemge é a empresa de Tecnologia da Informação do Estado de Minas Gerais, responsável por apoiar digitalmente secretarias estratégicas como Fazenda, Saúde, Justiça e Segurança Pública, Educação, e Planejamento e Gestão. Atuando em um ambiente onde a precisão e a transparência nas compras públicas são mandatórias, a Prodemge buscou uma solução capaz de modernizar esse processo com o uso de Inteligência Artificial.

O cenário das compras públicas apresenta desafios estruturais: burocracia, subjetividade na definição de preços e fluxos complexos que dificultam tanto a participação de fornecedores quanto a chegada a valores justos e consistentes. Esse contexto gerava diferenças entre os preços pesquisados e os efetivamente praticados, com impacto direto em custos e qualidade das aquisições.

No âmbito de sua iniciativa de Inovação Aberta (TREM), a Prodemge adotou o Genius para desenvolver uma solução de predição de preços baseada em IA. A abordagem centralizou dados governamentais, incorporou busca semântica avançada com Elasticsearch e BERT, deep learning para previsão de preços futuros e recursos de curadoria humana para validação dos resultados.

O resultado foi expressivo: o tempo médio das pesquisas de preços caiu de 36 para 8 dias, com ganho simultâneo em precisão e confiabilidade dos valores apurados.

O Desafio ↩

As compras públicas operam sob exigências rigorosas de conformidade e transparência, o que torna a definição de preços de referência um processo de alta responsabilidade. O cenário demandava uma evolução estrutural para tornar esse processo mais ágil, preciso e auditável.

• Burocracia e subjetividade no processo de precificação: Os fluxos de pesquisa de preços eram extensos e sujeitos a interpretações variadas, dificultando a padronização e aumentando o tempo necessário para concluir cada processo de compra.
• Distorção entre preços pesquisados e praticados: A ausência de uma base analítica robusta gerava divergências entre os valores levantados nas pesquisas e os efetivamente contratados, com reflexo em custos e na qualidade das aquisições.
• Dificuldade na identificação de itens similares: A variedade de nomenclaturas para materiais e serviços tornava a comparação entre itens um processo impreciso, comprometendo a qualidade das referências de preço utilizadas.

A Solução ↩

A Prodemge, em parceria com a Squadra Digital, desenvolveu uma plataforma de predição de preços públicos com IA, integrada à base histórica do Portal Nacional de Compras Públicas. A solução foi estruturada em duas frentes complementares: inteligência de dados para análise e recuperação de informações, e modelagem preditiva com validação humana.

Genius em ação: Predição de Preços com IA para Compras Públicas ↩

Inteligência de Dados: Centralização e Busca Semântica Avançada

A primeira frente estruturou a base analítica da solução, garantindo que os dados históricos de compras fossem acessíveis, comparáveis e visualmente interpretáveis.

• Centralização de dados governamentais: Consolidação das informações do Portal Nacional de Compras Públicas em uma única base estruturada, viabilizando análises históricas confiáveis para qualquer item, seja material ou serviço.
• Elasticsearch e BERT (busca semântica): Mecanismo de busca semântica avançada para identificar itens similares mesmo com variações de nomenclatura, ampliando a cobertura e a precisão das pesquisas de preço.
• Gráficos interativos: Visualização dos preços dentro do desvio padrão, permitindo leitura clara da distribuição histórica de valores e apoiando decisões mais fundamentadas.

Predição e Curadoria: Recomendação de Preços com Deep Learning

A segunda frente incorporou modelagem preditiva e um fluxo de validação que combina IA e julgamento humano.

• Deep learning para previsão de preços futuros: Modelos treinados com o histórico de compras públicas para recomendar preços considerando sazonalidade, período e similaridade entre itens, sem restrição de volume de itens processados.
• Curadoria humana integrada: Recursos dedicados à validação e ao ajuste dos valores previstos, garantindo que a precisão da IA fosse complementada pelo conhecimento dos gestores públicos.

Resultados ↩

• Pesquisa de preços até 4,5x mais rápida: o tempo médio das pesquisas caiu de 36 para 8 dias, liberando equipes para atividades de maior valor estratégico.
• Maior precisão na definição de preços de referência: o uso de histórico real, busca semântica e modelagem preditiva reduziu a subjetividade do processo e aproximou os valores pesquisados dos praticados no mercado.
• Processo auditável com curadoria humana: a combinação entre previsão automatizada e validação humana garantiu rastreabilidade e confiabilidade aos preços recomendados.