3 publicações com a etiqueta "graphrag"

📌 Principais Conclusões (Key Takeaways)

• Superação da Limitação Anterior: Para desmantelar laranjas invisíveis nos portais de licitação, criamos o cliente CorporateRegistryClient que cruza registros civis e demonstrações DART.
• Prevenção Arquitetural:
  1. Tabela hash tripla para resolver disparidades entre CNPJ, registro civil e códigos DART.
  2. Filtros de significância no grafo de conhecimento (diretores estatutários + cotas >50%).
• 3 Falhas Críticas Corrigidas:
  1. RecursionError por participações cruzadas resolvido via condensação de ciclos com componentes fortemente conexos (SCC).
  2. Identificação de empresas de fachada abertas menos de 180 dias antes do contrato.
  3. Manobra de cotas 51:49 entre cônjuges desarticulada por regras de laços de parentesco.
• Resultado: Revelado conluio de US$ 130 mil controlado em 80% por uma única pessoa; 17/17 baterias de testes aprovadas.

📌 Principais Conclusões (Key Takeaways)

• Execução Intermediária: Nosso agente autônomo de auditoria (national_budget_ai) realizou uma varredura completa sobre dados reais de compras públicas (5 programas e 6 contratos chave).
• 4 Fraudes Críticas Detectadas (Totalmente Anonimizadas):
  1. Fracionamento de Licitação: Divisão de contratos abaixo do teto de dispensa ($20.000) em 12 dias para fugir da concorrência aberta ($43.000 no total).
  2. Cartel de Empresas Fantasma com Mesmo Endereço: 3 empresas registradas na mesma sala simulando concorrência pública.
  3. Superfaturamento de 7x a 10x: Consultorias 7 vezes acima da mediana e locação de servidores GPU inflada em 10 vezes.
  4. Baixo Índice de Eficiência de Entrega (DEI 30%): Apenas 30% chegaram aos beneficiários finais (70% retidos em custos administrativos).
• Avaliação de Desempenho: Zero alucinação financeira via Text-to-SQL determinístico e latência de 0,03s por relatório.

📌 Principais Conclusões (Key Takeaways)

• O Objetivo: Construir um agente autônomo de IA para auditar US$ 500 bilhões em gastos públicos anuais, rastreando licitações e desarticulando fraudes de superfaturamento e cartéis de empresas de fachada.
• Prevenção Arquitetural: Eliminação de alucinações numéricas delegando cálculos a um motor Text-to-SQL Determinístico, enquanto o mapeamento de conluios foi isolado em um Grafo de Conhecimento (GraphRAG) em arquitetura Dual-Brain.
• Bugs Reais Resolvidos: (1) Resolução da fragmentação de nomes e endereços de empresas com o EntityResolver; (2) Identificação de fracionamento temporal de contratos via janelas deslizantes de 30 dias; (3) Superação da desconfiança de auditores integrando gerador de dossiês XAI vinculado a leis e precedentes.
• Resultados: 11 suítes de testes de regressão aprovadas com 100% de sucesso, identificando cartel de US$ 38.5M KRW e 70% de vazamento em despesas indiretas.