Um app sinistro em 30 dias
Nesta newsletter #29, vamos falar sobre como foi construir o LegislatechAI, um buscador de legislações brasileiras com inteligência artificial.
Salve, moçada, beleza? Por aqui tá tão sinistro que eu simplesmente esqueci de escrever a newsletter da semana passada, e por isso você está recebendo isso só agora.
Não foi por mal, mas semana passada talvez tenha sido uma das mais atribuladas do ano pra mim.
Como eu disse umas newsletters atrás, a Appetrecho vai mudar, e em breve traremos mais novidades.
Nesta newsletter #29, vamos falar sobre como foi construir o LegislatechAI, um buscador de legislações brasileiras com inteligência artificial.
O LegislatechAI, pode ser acessado aqui Acessar buscador
O início (financiamento)
A gente já queria fazer algo com IA fazia um tempo, porém nós não tínhamos recursos para tocar um projeto desses. Felizmente, neste ano, conseguimos alguns recursos livres (ou seja, não atrelados a nenhuma demanda ou entrega) junto à Microsoft, que possui um programa para jornalismo. Recebemos um grant.
Como vocês sabem, o Núcleo aceita dinheiro de Big Techs para projetos que não envolvam produção de investigações. Isso não é segredo, está lá declarado na nossa política de financiamento do site (print abaixo) - toggle COMO NOS FINANCIAMOS.
Tem muita gente que torce o nariz pra isso, e eu entendo, de verdade. Mas a gente aqui consegue fazer isso com total independência. A gente não vai cobrir a Microsoft ou qualquer outra empresa de forma menos crítica por causa disso.
A concepção
Quando tivemos a sinalização de que os recursos de fato iriam entrar, começamos a pensar em como fazer isso de forma rápida e eficiente. Ora, nós já temos uma equipe in-house de tecnologia no Núcleo, com um CTO, um lead dev backend, um programador front-end e um programador backend/infra.
Mas a gente precisaria de mais duas pessoas se quiséssemos dar conta do recado sem terceirizar nada (já tivemos problemas com isso, agora gostamos de fazer o máximo possível dentro de casa).
Uma delas seria um desenvolvedor voltado exclusivamente para raspar e limpar os dados para que os outros desenvolvedores pudessem criar os embeddings e a RAG por trás da nossa ferramenta.
Também precisaríamos de um gerente de projeto que pudesse acompanhar cada tarefa, não importa quão pequena fosse.
A equipe
Eu fiquei de liderar o projeto todo, pessoalmente, amarrando todas as pontas.
O Felippe Mercurio, nosso CTO, foi o responsável pela coordenação técnica do projeto, garantindo que tudo seria implementado conforme nossos padrões, no tempo certo.
Héctor Moraes, que antes gerenciava nosso departamento comercial do Legislatech, assumiu como gerente de projetos, certificando que as coisas andariam dentro do prazo, registrando as tarefas e catalogando tudo para futura referência.
Michel Gomes, nosso lead dev de aplicações, ficou encarregado de fazer a engrenagem de IA funcionar, criando nosso RAG (Retrieval-Augmented Generation), basicamente o método pelo qual as informações da ferramenta foram criadas. Essa parte foi bem treta, com muito vai e vem e testes. Usamos GPT-04-mini como modelo por trás do app.
O nosso outro dev, Henrique Rieger, além de ajudar o Michel, certificou-se de que a infraestrutura estava apta, com todos os elementos (desde o banco de dados até a interface de aplicação) alinhados.
Daí entra Rafael Calpena, o nosso xamã do front-end, que utilizou o framework assistant-ui para construir e customizar a interface da aplicação em cima das APIs que o Michel criou.
Por fim, a gente precisava de dados de todas as legislações federais vigentes, e foi tarefa do nosso frila Lucas Bueno de coletar e limpar todos esses dados.
A identidade visual é de Rodolfo Almeida, e o suporte institucional é de Jade Drummond, Milena Giacomini e Aleksandra Ramos.
Quase todo mundo do Núcleo participou desse projeto.
O resultado
No começo a gente chamava o LegislatechAI de chatbot, mas por fim começamos a perceber que está mais para um mecanismo de buscas do que para um robozinho amigo.
Ele é como é por design, seja para evitar outros usos que não prevemos, seja para economizar recursos.
Por exemplo, ele não tem “memória”. Se você perguntar algo na sequência de outra pergunta, ele não sabe o que foi dito antes. Fizemos isso porque não tivemos tempo de entender as consequências de perguntas em cadeia, nem quanto isso iria custar. Sem contar a complexidade de implementação.
Também tornamos o app bastante “seco”, sem personalidade nem dar muita bola para ser amigo. A ideia é que as pessoas entrem lá para fazer boas consultas de legislações, não como uma forma de entretenimento.
Por fim, também desabilitamos a capacidade de o modelo de linguagem dar respostas que não estão previstas nos dados que temos, o que ajuda a reduzir alucinações da ferramenta – embora sim, o bot está sujeito a erros, embora, em nossa testagem extensiva, tenhamos encontrado poucos.
O resultado disso tudo foi uma ferramenta inédita, específica e visualmente bonita. Pode não estar perfeita, mas convido você a testar e deixar suas impressões.
Vale notar que todos os dados e códigos desse projeto são abertos e disponíveis gratuitamente.