Franco: Inteligência de Dados para Equidade Racial - AI Tinkerers São Paulo - Google Deepmind Hackathon
AI Tinkerers - São Paulo
Hackathon Showcase

Franco: Inteligência de Dados para Equidade Racial

Franco is an AI agent translating complex racial inequality data into actionable, concrete roadmaps for public sector managers.

3 members Watch Demo

Franco: Inteligência de Dados para Equidade Racial

Visão Geral da Solução

O Franco é um agente de inteligência artificial de ponta, cujo nome presta uma homenagem singela a Marielle Franco, vereadora, pesquisadora e símbolo da luta pela equidade racial no Brasil. O projeto foi desenvolvido para transformar o vasto ecossistema de dados de desigualdade racial em planos de ação governamentais tangíveis, atuando como um assessor estratégico que cruza indicadores socioeconômicos reais de fontes oficiais (como IBGE, DataSUS e RAIS) com um arcabouço sólido de legislação e literatura acadêmica especializada. O resultado é a entrega de diagnósticos precisos e recomendações práticas em linguagem natural, garantindo que a solução não apenas identifique o problema, mas aponte o caminho para que o combate ao racismo estrutural se transforme em política pública executável em segundos.

Criatividade e Inovação

A inovação do Franco reside na sua capacidade de tradução técnica e interdisciplinar. Enquanto a maioria das IAs generativas opera em vácuos de informação, o Franco utiliza uma arquitetura que ancora suas sugestões em um “repositório de ouro” contendo marcos legais e estudos sobre equidade racial. A criatividade está em transformar o LLM (Large Language Model) em um especialista em administração pública brasileira que não “inventa” soluções, mas fundamenta cada linha de ação em evidências científicas e bases legais vigentes através de técnicas avançadas de RAG.

Impacto Social

O Franco ataca o racismo institucional ao democratizar o acesso à inteligência de dados na gestão pública. Alinhado ao ODS 18 (Igualdade Étnico-Racial), o projeto compreende que o combate ao racismo é um eixo transversal que permeia todos os outros 17 Objetivos de Desenvolvimento Sustentável (ODS). Não existe Saúde de Qualidade (ODS 3), Educação Inclusiva (ODS 4) ou Trabalho Decente (ODS 8) sem enfrentar as disparidades raciais. Ao reduzir o hiato entre o diagnóstico e a solução, o Franco acelera políticas que reduzem abismos históricos, garantindo que o desenvolvimento sustentável chegue a todos os municípios.

Viabilidade Técnica e Execução

A viabilidade é sustentada por uma infraestrutura de dados moderna e uma equipe com histórico no desenvolvimento de sistemas para o governo federal. A solução utiliza fontes de dados públicos consolidados e uma arquitetura escalável (Python, FastAPI, React), permitindo que a ferramenta seja aplicada em qualquer um dos 5.570 municípios brasileiros sem a necessidade de infraestruturas locais complexas.

Nossa solução fundamenta-se em uma base de dados robusta, consolidada ao longo de três anos em uma parceria estratégica entre o LEMA/UFPB e o Ministério da Igualdade Racial (MIR). Cada membro da equipe atuou diretamente na padronização de pipelines de ETL de bases nacionais com atualização anual. Adotamos uma arquitetura de dados agnóstica e resiliente, capaz de documentar e absorver com precisão as frequentes mudanças estruturais que esses repositórios sofrem, garantindo a integridade histórica dos indicadores.

DataSUS e RAIS com o contexto do ODS 18. (URL: https://odsr.lema.ufpb.br/) FastAPI: Utilizado para a construção de uma API de alto desempenho e rápida resposta para as consultas do gestor. LangChain: Framework fundamental para a orquestração do agente de IA e implementação da arquitetura RAG (Retrieval-Augmented Generation) Plataforma ODS Racial (LEMA/UFPB): Utilizada como a principal fonte de dados e o "repositório de ouro" para os indicadores de desigualdade racial PostgreSQL & MongoDB: Motores de banco de dados utilizados para armazenar React: Ferramenta para o desenvolvimento da interface de usuário focada em transformar dados complexos em uma visualização intuitiva e acionável. garantindo que as recomendações sejam baseadas em evidências. indicadores estruturados e vetores de contexto. permitindo o cruzamento de dados oficiais do IBGE respectivamente