A Vert Analytics aplica sua tecnologia de agentes autônomos também dentro da administração pública, uma frente que exige adaptação além do que costuma ser necessário no setor privado: dados fragmentados entre secretarias, sistemas legados que não se comunicam e a responsabilidade adicional de lidar com informação que afeta diretamente o cidadão, não apenas o resultado de um negócio.
Um departamento estadual de trânsito atendido pela empresa ilustra bem essa aplicação: mais de 500 mil documentos de CNH e RG já foram processados com apoio de inteligência artificial desde a implementação do serviço, com a grande maioria aprovada sem qualquer intervenção humana. Na análise de recursos de multa de trânsito, o agente não se limita a triagem simples: ele analisa o processo completo, cruza a documentação apresentada com a legislação de trânsito aplicável e elabora o parecer técnico de forma automática, do início ao fim, reduzindo o tempo de tramitação e aumentando a arrecadação espontânea do órgão.
Por que o setor público exige um nível extra de cuidado na implementação?
Diferente de um processo interno de empresa privada, uma decisão automatizada no setor público afeta diretamente o acesso do cidadão a um serviço essencial. Um erro num sistema de aprovação documental, por exemplo, pode impedir que uma pessoa obtenha ou renove um documento necessário para trabalhar ou se deslocar, o que exige um padrão de precisão e de possibilidade de revisão humana ainda mais rigoroso do que em aplicações comerciais.
Por isso, a implementação de agentes autônomos em serviço público, segundo a experiência acumulada pela Vert Analytics, sempre mantém caminho claro de escalonamento para revisão humana nos casos que fogem do padrão esperado, garantindo que nenhum cidadão fique sem alternativa quando o sistema automatizado não consegue resolver seu caso com segurança. Um recurso de multa com documentação incompleta ou com alegação atípica, por exemplo, não é simplesmente rejeitado pelo agente: é encaminhado para análise de um servidor, exatamente o tipo de caso em que o julgamento humano continua insubstituível.
Da fila para o atendimento qualificado
O ganho mais visível desse tipo de aplicação para o cidadão é a redução de fila e tempo de espera. Mas o benefício menos visível, e talvez mais relevante a longo prazo, é a realocação do tempo de servidores públicos: em vez de gastar energia em tarefas repetitivas de triagem documental, esses profissionais passam a se concentrar nos casos que realmente exigem julgamento humano qualificado, o que tende a melhorar a qualidade do atendimento nos casos mais complexos.
A Vert Analytics também aplica tecnologia similar ao monitoramento de segurança pública, com um sistema de cerco inteligente que cruza dados de veículos em tempo real para identificar automóveis roubados ou envolvidos em ocorrências criminais. Um veículo com placa clonada ou registro de roubo, por exemplo, pode ser sinalizado automaticamente para as forças de segurança no momento em que passa por um ponto monitorado, sem depender de um agente humano checando manualmente cada placa que circula naquele trecho, ampliando a capacidade de resposta sem exigir aumento proporcional de efetivo dedicado ao monitoramento manual de cada veículo que circula pelo estado.
O que sustenta essa transição, segundo a Vert Analytics?
Para que essa aplicação funcione de forma consistente, a empresa parte sempre de um diagnóstico prévio da qualidade dos dados disponíveis naquele órgão específico, antes de qualquer implementação. Governos com cadastros desatualizados e sistemas fragmentados entre secretarias não obtêm o mesmo resultado apenas adotando uma ferramenta pronta, sem esse trabalho de base. Um agente que decide sobre dados ruins reproduz esse problema em escala, em vez de corrigi-lo.
Para gestores públicos avaliando esse tipo de tecnologia, a experiência da empresa em projetos de missão crítica sugere que o ponto de partida certo é identificar o serviço que gera mais fila e mais frustração para o cidadão, mapear os dados disponíveis e só então definir qual tecnologia aplicar a esse problema específico, em vez de escolher a ferramenta antes de entender o problema que ela precisa resolver.
