Introdução
O paradoxo do volume de dados públicos aprisionados em formatos não estruturados e semiestruturados, impede a análise do impacto sistêmico das decisões governamentais. Este trabalho apresenta um sistema no Tribunal de Contas do Estado do Acre que utiliza Large Language Models para ir além da extração, estruturando dados de decisões. O foco é transformar dados textuais em uma visão estratégica da governança, inaugurando uma nova fase para os dados abertos e revelando o alinhamento do Estado com as prioridades da Agenda 2030, não só através dos pontos explícitos de uma decisão.
Problema de Pesquisa e Objetivo
Esta pesquisa aborda o desafio de transformar o vasto volume de decisões judiciais não estruturadas em uma visão sistêmica que revele as prioridades de governança de facto e seu alinhamento com a Agenda 2030. Diante dessa problemática, o objetivo é demonstrar como a estruturação de dados via LLMs, usando a correlação com os Objetivos de Desenvolvimento Sustentável como métrica central, permite a análise do impacto estrutural das ações de controle e diagnostica as prioridades governamentais.
Fundamentação Teórica
A fundamentação parte da necessidade de fiscalizar a Agenda 2030 (UNITED NATIONS, 2015) com ferramentas adequadas à era da governança digital. Neste cenário, LLMs (GEMINI TEAM; GOOGLE, 2023) são aplicados para superar as limitações de análise dos Tribunais de Contas (Genaro-Moya et al., 2025). A inovação teórica consiste em utilizar a correlação com os ODS não como um fim classificatório, mas como um meio para um diagnóstico quantitativo, revelando as prioridades governamentais implícitas e o impacto sistêmico do controle externo.
Metodologia
A metodologia emprega uma arquitetura multi-prompt com o modelo LLM, instruído a retornar respostas em um schema JSON estruturado. Essa abordagem converte os Acórdãos do TCE-AC em uma base de dados analítica, garantindo consistência. Após a extração, os dados passam por uma camada de validação automática para assegurar a integridade. Por fim, são classificados e correlacionados aos ODS, permitindo a análise agregada e a identificação de padrões de governança sistêmicos.
Análise e Discussão dos Resultados
A análise agregada de todas as decisões possibilitaria o cálculo do foco sistêmico em cada ODS, formando uma visão macro da governança (H1). O mesmo cálculo poderia ser aplicado a entidades individuais. A inovação residiria em comparar o desempenho individual contra a média do grupo, tornando possível quantificar o foco nos ODS em ambos os níveis (H2). Tal análise poderia expor lacunas de fiscalização e oferecer um diagnóstico do alinhamento do controle às necessidades do Acre, impactando a Agenda 2030.
Considerações Finais
Conclui-se que a estruturação de dados, em vez da simples extração, resolve o problema central de análise sistêmica da governança. A metodologia apresentada converte o controle externo em uma ferramenta de diagnóstico ao usar os ODS como métrica. Ao democratizar esses insights em plataformas web, a abordagem não apenas fortalece o controle social, mas também alinha a gestão pública às metas da Agenda 2030, transformando dados brutos em impacto real e estratégico.
Referências
GEMINI TEAM; GOOGLE. Gemini: A Family of Highly Capable Multimodal Models. arXiv:2312.11805, 2023.
GENARO-MOYA, D.; LÓPEZ-HERNÁNDEZ, A. M.; GODZ, M. Artificial Intelligence and Public Sector Auditing: Challenges and Opportunities for Supreme Audit Institutions. World, v. 6, n. 2, p. 78, 2025.
UNITED NATIONS. Transforming our world: the 2030 Agenda for Sustainable Development. New York: UN, 2015.