Arquitetura de Inteligência Artificial para Monitoramento da Coerência entre Discurso e Comportamento Legislativo: Uma Análise Técnica e Política no Contexto Brasileiro¶

A transparência pública no Brasil evoluiu de um conceito jurídico abstrato para uma infraestrutura tecnológica complexa, permitindo que a sociedade civil monitore a atividade parlamentar com precisão inédita. No centro desta evolução está a necessidade de confrontar a retórica política com a prática legislativa efetiva. O desenvolvimento de um sistema de monitoramento de coerência entre discurso e votação exige a integração de repositórios de dados heterogêneos, a aplicação de modelos de Processamento de Linguagem Natural (NLP) e uma compreensão profunda das dinâmicas de poder que regem o Congresso Nacional. A discrepância entre o que é dito em plenário ou em justificativas de projetos e o que é registrado nos painéis de votação nominal constitui um dos principais pontos de atrito na representação democrática contemporânea.

Infraestrutura de Dados e Fontes Governamentais¶

O alicerce de qualquer ferramenta de monitoramento parlamentar reside na qualidade e na acessibilidade dos dados fornecidos pelas casas legislativas. No Brasil, o Portal de Dados Abertos da Câmara dos Deputados e o portal equivalente do Senado Federal são as fontes primárias. A Câmara disponibiliza sua API v2, que segue a arquitetura REST e fornece dados puros em formatos JSON e XML. Esta interface permite a recuperação de informações detalhadas sobre deputados, proposições, votações e a presença em eventos. O Senado Federal, por sua vez, oferece a API de Dados Abertos Legislativos, que contempla não apenas os registros de votação e processos, mas também a íntegra de pronunciamentos e discursos, um componente vital para a análise semântica.

Para além das APIs oficiais, existem iniciativas de consolidação que facilitam o tratamento de grandes volumes de dados. A Base dos Dados (BD) organiza microdados de proposições, temas e votos parlamentares em tabelas tratadas, permitindo consultas via BigQuery. Essa estrutura reduz a carga cognitiva do desenvolvedor ao padronizar identificadores e tipologias que, nas APIs originais, podem apresentar inconsistências temporais. A cobertura temporal desses dados é vasta, permitindo análises que remontam ao início da República, embora o foco para ferramentas de monitoramento em tempo real se concentre nas legislaturas mais recentes.

Comparativo de Endpoints e Acesso Técnico¶

A integração técnica entre as duas casas legislativas exige o mapeamento de endpoints específicos que, embora cumpram funções similares, possuem estruturas de retorno distintas. Enquanto a Câmara agrupa votos individuais em arquivos anuais para download massivo, o Senado permite a consulta granular por parlamentar e matéria de forma mais direta via API.

Funcionalidade	Endpoint Câmara dos Deputados (v2)	Endpoint Senado Federal (v1/v3)
Lista de Parlamentares	`/deputados?ordem=ASC&ordenarPor=nome`	`/senador/lista/atual`
Votos Individuais	`/votacoesVotos`	`/votacoesVotos-{ano}/senador/{id}/votacoes`
Pronunciamentos	`/deputados/{id}/discursos`	`/senador/{id}/pronunciamentos`
Detalhes de Matéria	`/proposicoes/{id}`	`/materia/{id}`
Votos por Votação	`/votacoes/{id}/votos`	`/votacao/{codigo}`

A utilização desses endpoints permite capturar o ciclo completo de uma decisão política: da ementa inicial do projeto à orientação da bancada e, finalmente, ao voto individual depositado pelo parlamentar. A riqueza desses metadados possibilita identificar não apenas o "Sim" ou "Não", mas a ausência estratégica ou a abstenção em temas de alta voltagem política.

A Dialética entre Raspagem de Dados e APIs de Transparência¶

Embora as APIs representem o caminho oficial e estruturado para a obtenção de dados, a prática do monitoramento legislativo frequentemente se depara com a necessidade de realizar web scraping (raspagem de rede). Essa necessidade surge quando certas informações, como a transcrição completa de sessões informais ou detalhes de reuniões de comissões específicas, não são disponibilizadas em tempo real ou com a granularidade necessária nas interfaces de dados abertos. Contudo, a raspagem de dados em portais governamentais brasileiros é um terreno marcado por tensões técnicas e regulatórias.

O Senado Federal, através do Projeto de Resolução (PRS 65/2019), estabeleceu restrições ao uso de robôs e sistemas automatizados, particularmente em canais de interação como o portal e-Cidadania, visando proteger a integridade das consultas públicas contra manipulações. Tecnicamente, os portais legislativos podem implementar bloqueios de CORS (Cross-Origin Resource Sharing) ou limitar o número de requisições por IP, o que gera timeouts e erros persistentes em ferramentas de monitoramento que não respeitam os intervalos de coleta. Repositórios no GitHub, como o raspador-discursos-camara, demonstram que a comunidade de desenvolvedores busca contornar essas limitações para extrair discursos de arquivos PDF e páginas HTML quando a API falha em fornecer o conteúdo textual completo.

Legalmente, o tratamento desses dados deve observar a Lei Geral de Proteção de Dados (LGPD) e o Marco Civil da Internet. O Senado Federal enfatiza que a coleta de dados pessoais no âmbito do portal atende à finalidade pública e à persecução do interesse público. Para o desenvolvedor de um painel de monitoramento, isso significa que, enquanto os dados de atividade parlamentar são de natureza pública e livre para reuso, a coleta de dados de usuários e a automação de interações (como votos em enquetes populares) podem sofrer sanções rigorosas. A tendência legislativa aponta para um modelo de "privacidade por padrão", o que reforça a importância de utilizar as APIs oficiais, que já passam por processos de filtragem e anonimização de dados sensíveis antes da exposição pública.

Processamento de Linguagem Natural Aplicado ao Discurso Político¶

A análise da coerência parlamentar transcende a simples comparação de tabelas; ela exige a decodificação da semântica presente em milhares de páginas de discursos, notas técnicas e ementas. O Processamento de Linguagem Natural (NLP) fornece as ferramentas para transformar essa massa de texto não estruturado em métricas quantificáveis de posicionamento ideológico e consistência temática.

O estado da arte para o processamento de textos em português do Brasil é o modelo BERTimbau, uma implementação do BERT (Bidirectional Encoder Representations from Transformers) pré-treinada em um vasto corpus de textos em português. Modelos baseados em Transformers, como o BERTimbau, superam abordagens tradicionais de frequência de palavras (como o TF-IDF) por serem capazes de capturar o contexto bidirecional de uma frase, o que é fundamental para identificar ironias, negações e nuances típicas do debate político.

Pipeline de Análise Semântica¶

A construção de um modelo de comparação entre discurso e voto segue um pipeline rigoroso de engenharia de dados e linguística computacional:

Pré-processamento e Limpeza: O texto bruto de pronunciamentos ou justificativas de projetos é submetido à tokenização, remoção de stopwords e lematização. Bibliotecas como spaCy são essenciais nesta fase para realizar a análise de dependência e a marcação de partes do discurso (Part-of-Speech tagging), permitindo que o modelo foque em substantivos e verbos que carregam a carga semântica principal.
Vetorização e Embeddings: O texto limpo é convertido em vetores de alta dimensão (embeddings). Ao utilizar o BERTimbau, cada frase ou parágrafo é mapeado para um espaço vetorial onde a proximidade geométrica indica similaridade semântica. Isso permite que o sistema identifique que um discurso sobre "ajuste fiscal" e uma justificativa de projeto sobre "responsabilidade orçamentária" tratam do mesmo tema, mesmo que não compartilhem as mesmas palavras exatas.
Cálculo de Similaridade e Divergência: A métrica fundamental utilizada é a Similaridade de Cosseno, que mede o cosseno do ângulo entre dois vetores. Um valor próximo a 1 indica alta paridade entre o discurso e a matéria votada, enquanto valores próximos a 0 ou negativos indicam dissonância.
Ajuste Fino (Fine-Tuning): Para aumentar a precisão no domínio legislativo, o modelo pode passar por um ajuste fino utilizando datasets como o SQuAD-BR (versão brasileira do Stanford Question Answering Dataset) ou corpora específicos de documentos jurídicos. Técnicas de Parameter-Efficient Fine-Tuning (PEFT), como o LoRA (Low-Rank Adaptation), permitem que esse ajuste seja feito com baixo custo computacional, injetando matrizes de baixo posto no modelo original para adaptá-lo ao jargão parlamentar sem a necessidade de re-treinar bilhões de parâmetros.

Análise de Coerência: Seleção de 10 Parlamentares de Influência¶

Para demonstrar a eficácia do monitoramento, selecionamos 10 parlamentares que ocupam posições centrais no Congresso Nacional, classificados como "Cabeças do Congresso" pelo DIAP em virtude de sua capacidade de articulação, formulação e liderança. A análise de coerência para esses perfis deve considerar que parlamentares em posições de presidência ou liderança de governo frequentemente subordinam seus discursos ideológicos ao pragmatismo da gestão da pauta.

Parlamentar	Casa	Papel de Influência	Foco do Discurso	Comportamento de Voto Esperado
Arthur Lira	Câmara	Presidente da Câmara	Gestão da pauta, coalizão	Alinhado à governabilidade e centro
Rodrigo Pacheco	Senado	Presidente do Senado	Estabilidade institucional	Mediador, foco constitucional
Erika Hilton	Câmara	Liderança de Minoria	Direitos humanos, minorias	Ideológico, alta coerência social
Guilherme Boulos	Câmara	Influenciador/Liderança	Habitação, movimentos sociais	Oposição/Governo (depende do tema)
Bia Kicis	Câmara	Liderança Conservadora	Costumes, justiça, direita	Coerência com pauta conservadora
Tabata Amaral	Câmara	Formuladora Técnica	Educação, dados, economia	Voto técnico, baseado em evidências
Marcel van Hattem	Câmara	Liderança Liberal	Fiscalismo, livre mercado	Rigor fiscal, oposição ao executivo
Flávio Bolsonaro	Senado	Articulador de Oposição	Segurança, pauta familiar	Alinhamento com o bolsonarismo
Randolfe Rodrigues	Senado	Líder do Governo	Articulação governista	Alta fidelidade às pautas do Executivo
Tereza Cristina	Senado	Liderança Setorial	Agronegócio, infraestrutura	Defesa de interesses do agronegócio

O monitoramento de Arthur Lira e Rodrigo Pacheco apresenta um desafio único: como presidentes das casas, seus discursos costumam ser institucionais, mas suas votações (quando ocorrem) e as orientações de pauta que definem revelam a coerência real com seus blocos de apoio. Já parlamentares como Marcel van Hattem e Erika Hilton tendem a apresentar uma coerência semântica muito alta entre o que proferem em tribuna e como votam, uma vez que suas bases eleitorais exigem fidelidade doutrinária explícita.

Métricas de Divergência e Mudança de Posicionamento¶

O sistema de monitoramento deve detectar dois fenômenos principais: a divergência pontual (contradição imediata) e a deriva semântica (mudança ao longo do tempo). A divergência pontual ocorre, por exemplo, quando um parlamentar justifica um projeto defendendo a "redução da carga tributária" (ementa), mas vota favoravelmente a um destaque que aumenta impostos em um setor específico.

A análise de séries temporais de embeddings permite visualizar a mudança de posicionamento. Ao plotar os vetores de discursos de um senador ao longo de quatro anos, o sistema pode identificar o exato momento em que o vocabulário e a tônica ideológica mudam, correlacionando essa mudança com eventos externos como a troca de ministérios ou a aproximação com novas coligações. Estudos indicam que word embeddings são eficazes para capturar conceitos latentes de ideologia, permitindo posicionar parlamentares em um espectro esquerda-direita de forma automática e independente de rótulos partidários, que muitas vezes são fluidos no Brasil.

A fórmula para o Escore de Coerência (EC) pode ser modelada considerando a similaridade semântica (Sim) entre o conjunto de discursos (D) e o conjunto de votos (V) ponderada pela importância da matéria (W):

$$EC = \frac{\sum_{i=1}^{n} W_i \cdot Sim(D_i, V_i)}{\sum_{i=1}^{n} W_i}$$

Onde $W_i$ representa o peso da votação (votações de emendas constitucionais possuem peso maior do que moções de aplauso). Se o parlamentar não discursou sobre uma matéria específica, o sistema busca a ementa do projeto original ou a orientação de sua liderança de partido como proxy para a intenção de voto.

Desenvolvimento do Painel de Monitoramento: Arquitetura e IA¶

A implementação prática do painel requer um ambiente Python robusto. A escolha de bibliotecas como pandas para manipulação de dados, scikit-learn para métricas de similaridade e Hugging Face Transformers para o carregamento do BERTimbau forma o núcleo técnico do projeto.

Estrutura do Backend e Processamento¶

O backend deve ser capaz de realizar tarefas agendadas de ingestão de dados. Devido à natureza instável de alguns endpoints da Câmara, é recomendável a implementação de uma camada de persistência em banco de dados SQL (para dados estruturados de votos) e NoSQL (para a grande massa de textos de discursos).

Ingestão: Scripts que consultam os endpoints /votacoesVotos e /senador/{id}/pronunciamentos diariamente.
Processamento de NLP: Utilização de instâncias de GPU para rodar o modelo BERTimbau-Large. O uso de quantização (como o QLoRA) pode reduzir drasticamente o consumo de memória, permitindo que o modelo rode em hardware mais acessível sem perda significativa de precisão.
API do Painel: Uma interface FastAPI que serve os escores de coerência calculados para o frontend.

O frontend deve apresentar visualizações como o "Gráfico de Dispersão Léxica", que mostra a evolução dos temas abordados por um parlamentar, e o "Mapa de Calor de Coerência", que destaca as matérias onde houve maior dissonância entre o discurso e o voto. A utilização de técnicas de Topic Modeling (LDA) permite que o painel categorize automaticamente as votações em grandes eixos (Economia, Direitos Humanos, Saúde), facilitando a navegação do usuário final.

Desafios de Precisão e o Problema da Ambiguidade Política¶

Um dos maiores desafios para a IA aplicada ao monitoramento político é a ambiguidade deliberada. Parlamentares frequentemente utilizam discursos vagos para manter margem de manobra em negociações de bastidores. O modelo de NLP deve ser capaz de distinguir entre um discurso de apoio genérico e uma justificativa técnica detalhada. O uso de modelos encoder-decoder como o T5 ou o BART-PT pode ser empregado para gerar resumos abstratos de pronunciamentos longos, extraindo apenas os pontos de decisão (voto pretendido) para comparação com o voto real.

Além disso, a análise de sentimentos desempenha um papel crucial. Um parlamentar pode proferir um discurso com palavras-chave similares a um projeto, mas com uma polaridade negativa (criticando a forma como o projeto foi redigido). Modelos treinados em corpora de português brasileiro, como o BERTimbau, demonstram superioridade em capturar essa polaridade em relação a modelos genéricos ou traduzidos. A precisão relatada para esses modelos em tarefas de classificação de emoções chega a 0.87, o que confere alta confiabilidade estatística aos resultados do painel.

O Futuro do Monitoramento Legislativo Digital¶

A convergência entre dados abertos e inteligência artificial está criando um novo paradigma de fiscalização cidadã. A capacidade de processar, em segundos, o que um parlamentar disse ao longo de uma década e confrontar com cada voto nominal desestimula o comportamento oportunista e a "falsa retórica". À medida que modelos mais eficientes (Green AI) se tornam disponíveis, o custo de manter tais sistemas de monitoramento diminui, permitindo que organizações da sociedade civil de pequeno porte possam implementar suas próprias ferramentas de análise.

O portal LexML e as iniciativas de integração de dados do Senado e da Câmara são fundamentais para garantir que a IA tenha acesso a uma base de conhecimento jurídico sólida, evitando interpretações errôneas de termos técnicos que possuem significados específicos no direito parlamentar. O monitoramento da coerência, portanto, não é apenas um desafio de programação, mas uma tarefa multidisciplinar que exige o rigor da ciência de dados aliado à sensibilidade da análise política.

A implementação deste projeto com foco em lideranças como Arthur Lira, Tabata Amaral ou Guilherme Boulos oferece um espelho da complexidade do poder no Brasil. Se a tecnologia for capaz de traduzir essa complexidade em dados claros e acessíveis, o fosso entre o representante e o representado poderá ser reduzido, fortalecendo a confiança nas instituições democráticas por meio da transparência radical e da inteligência aplicada.