📄 Apresentação em PDF (9 páginas) · Demonstração on-line: outorga.cepify.com.br (dados fictícios, sem envio de documentos) · resumo executivo · como foi testado
O Outorga verifica, antes da assinatura da ATPV-e, se quem vai assinar tem poder para vender ou comprar aquele veículo. Vale para empresa de qualquer tipo e para pessoa física representada por procurador.
O sistema lê os documentos (ATPV-e, contrato social e alterações, estatuto, atas, procurações, substabelecimentos, revogações, CRLV) com uma IA que roda na própria máquina, e nada sai do computador. Uma camada de regras jurídicas confere a leitura e decide. A resposta sai numa escala de 0 a 100, com três faixas: 🟢 aceito, 🟡 revisão humana e 🔴 recusado.
Protótipo desenvolvido no Núcleo de Informática do DETRAN-CE. Todos os nomes, CPFs, CNPJs, placas e documentos deste repositório são fictícios. Análise de apoio à decisão: não substitui a conferência do servidor responsável.
A Resolução CONTRAN nº 1.027/2026 (DOU de 18/08/2026), que revogou a 809/2020, diz no art. 28, § 7º:
"Quando o antigo ou o novo proprietário for pessoa jurídica, a assinatura será admitida mediante comprovação eletrônica dos poderes do signatário, por consulta a bases oficiais ou por instrumento de outorga verificável, com identificação do outorgante, do outorgado, dos poderes conferidos, do prazo de validade e de eventual revogação […]"
O prazo de adequação termina por volta de 16/11/2026. O CNJ (Provimento nº 252/2026) registra que a plataforma federal de venda digital não aceita pessoa jurídica "em razão da inviabilidade de verificação automatizada e segura de poderes societários". O Outorga faz essa verificação, e o parecer sai exatamente nos cinco elementos do § 7º.
| Situação | Exemplo de resposta |
|---|---|
| Antes da ATPV-e, só com placa + CPF + vender/comprar | "Maria do Socorro Viana pode assinar como compradora — Art. 20 do estatuto" |
| Empresa com regra de assinatura | "Exige os dois sócios em conjunto: Carlos e Luciana" |
| Pessoa física e o CPF não é o do dono | "O CPF não é o do proprietário. Tem procuração? Anexe para conferir" |
| Procuração com problema | "Procuração vencida em 01/04/2026" · "dada pela esposa, não pelo dono registral" · "só poderes gerais: vender exige poder especial (CC, art. 661)" |
| Cooperativa ou associação | "Diretor-Presidente em conjunto com o Diretor Financeiro (ata da AGO de 2025)" |
| PJ dos dois lados | "Vendedor pode; comprador não: quem assinou é sócia quotista sem poder" |
flowchart LR
A["Documentos<br/>PDF · escaneado · foto · DOCX"] --> B["1 · Leitura pela IA local<br/>cada fato com o trecho literal"]
B --> C["2 · Conferência<br/>léxico jurídico + citação ancorada no texto"]
C --> D["3 · Motor de regras jurídicas<br/>CC · Lei das S.A. · cooperativas · CTB · CONTRAN · DETRAN-CE"]
P["Pedido<br/>placa + CPF + vender/comprar<br/>ou a própria ATPV-e"] --> D
V[("Base veicular<br/>quem é o dono")] --> D
D --> E["4 · Índice 0–100<br/>aceito · revisão · recusado"]
E --> F["Parecer em PDF (§ 7º)<br/>trilha de auditoria"]
E --> G["Revisão humana<br/>com a lista do que conferir"]
- A IA generativa lê e cita o trecho exato de cada fato, em JSON validado.
- A conferência corrige leituras erradas conhecidas e confere se cada citação existe no documento. Medido: a IA sozinha leu "indistintamente" como assinatura conjunta, que é o contrário.
- O motor de regras decide: quem administra na data da venda, assinatura conjunta, alçada de valor, cláusula do veículo específico, aprovação de sócios, cargos de estatuto, procuração (poderes, prazo, revogação, veículo, forma), substabelecimento, titularidade. A IA não decide sozinha.
- A faixa intermediária manda para revisão humana tudo o que tiver dúvida ou documento faltando, com a lista do que conferir. Os limites são calibráveis.

A interface também funciona no celular.
85 cenários fictícios com gabarito. Na primeira rodada de cada lote, a IA local leu todos os documentos do zero.
| Lote | Veredito | Aceites indevidos | Observação |
|---|---|---|---|
| Motor com leitura perfeita (gabarito), todos os lotes | 100% | 0 | valida as regras jurídicas |
| 38 cenários principais (exemplos do áudio, Código Civil) | 37/38 | 0 | |
| 8 cenários novos, redação inédita (cego) | 7/8 | 0 | |
| 10 casos de um autor independente, sem acesso ao código (cego) | 7/10 | 2 | os 2 erros viraram regras gerais e testes |
| 14 casos com ATPV-e: empresa dos dois lados, cooperativa, associação, MEI, EIRELI, sociedade simples (cego) | 14/14 | 0 | achou um risco latente, corrigido |
| 15 consultas por CPF: pessoa física e procuração (cego) | 15/15 | 0 |
O teste independente foi o mais duro, e é a razão de a faixa intermediária existir. A recomendação é um piloto com
processos reais anonimizados antes de deixar o sistema decidir sozinho. Detalhes em
docs/RESULTADOS.md. Máquina, IA, metodologia e horários de cada rodada em
docs/COMO_FOI_TESTADO.md.
Os mesmos 85 casos foram lidos pelos modelos Claude atuais em todos os níveis de esforço (17/10/2026, 30 rodadas, custo real de US$ 108,94):
| IA | Acertos (de 85) | Aceites indevidos | Tempo por caso | Custo por caso |
|---|---|---|---|---|
Claude Sonnet 5.5, esforço medium (padrão do Outorga) |
84 · 84 · 84 | 0 | ~14 s | US$ 0,029 |
Claude Haiku 5.5, esforço medium (mais barato) |
84 · 83 · 85 | 0 | ~25 s | US$ 0,0025 |
Claude Sonnet 5.5, esforço xhigh (qualidade máxima) |
85 · 85 | 0 | ~29 s | US$ 0,045 |
Claude Opus 5.5, esforço medium |
84 · 85 | 0 | ~23 s | US$ 0,062 |
| Qwen3.8-27B local (RTX 3060)¹ | 84 | 0 | 1–2 min | — (energia) |
¹ Depois das correções do motor feitas olhando as leituras do próprio Qwen; nas primeiras rodadas cegas, ver a tabela acima.
Modelos locais menores, que cabem com folga na GPU, foram testados também: o Gemma 4 12B e o Qwen3.5-9B geram o dobro
de tokens por segundo, mas acertaram só 24 dos 33 casos da triagem (o Qwen3.8-27B acertou 32). Esforço máximo (max)
custou de 7 a 10 vezes mais e não acertou mais nada. Todos os erros acima são casos mandados para
revisão humana, nunca uma aprovação automática errada. A comparação completa, com os modelos locais testados e o custo
de cada configuração, está em docs/MODELOS.md.
- Linux (testado no Kubuntu 26.04), Python 3.12+ com uv, Node.js 20+ com pnpm
- Tesseract com português, para documentos escaneados:
sudo apt install tesseract-ocr tesseract-ocr-por - Bibliotecas do WeasyPrint, para o PDF:
sudo apt install libpango-1.0-0 libpangoft2-1.0-0 - Uma IA, à escolha, configurada no arquivo
.env(modelo em.env.example; detalhes emdocs/IA.md):- local, com GPU: llama.cpp, Ollama, LM Studio ou vLLM. Nos testes: llama.cpp + Qwen3.8-27B numa RTX 3060 de 12 GB;
- local, sem GPU: funciona, mas num desktop comum fica lento demais (medido:
docs/COMO_FOI_TESTADO.md); - por chave de API: Anthropic (Claude), OpenAI, Google Gemini, Groq, OpenRouter, DeepSeek, Mistral, Together, xAI ou qualquer API compatível com a da OpenAI;
- sem IA nenhuma: a demonstração, a consulta por CPF sem documentos, a simulação e o parecer funcionam do mesmo jeito. A IA só é necessária para ler documentos novos.
git clone https://github.com/DanielFreitasDev/outorga.git && cd outorga
uv sync # dependências Python
(cd web && pnpm install && pnpm build) # interface
uv run pytest -q # 253 testes, sem IA
./scripts/iniciar.sh # API + interface em http://127.0.0.1:8765| Forma | Como |
|---|---|
| Tela web | ./scripts/iniciar.sh → http://127.0.0.1:8765: consulta por CPF, análise com ATPV-e, demonstração, simulação "e se…?", revisão humana, faixa intermediária, auditoria |
| Consulta por CPF (linha de comando) | uv run outorga consultar --placa HNM2Z92 --cpf <CPF> --papel vender [procuracao.pdf …] |
| Modo agente (pasta vigiada, local) | uv run outorga agente --entrada ~/outorga/entrada --saida ~/outorga/saida. Cada subpasta com a ATPV-e e os documentos vira parecer.pdf, resumo.txt e resultado.json. Há um serviço systemd pronto em scripts/outorga-agente.service |
| API (integração) | POST /api/analises, GET /api/veiculo, POST /api/atpv/ler, POST /api/analises/{id}/simular; documentação interativa em /docs. Ver docs/INTEGRACAO.md |
| Análise de uma pasta | uv run outorga analisar corpus/casos/A07 --pdf parecer.pdf |
| Documento | Conteúdo |
|---|---|
docs/Outorga-apresentacao.pdf |
apresentação didática em PDF (9 páginas): o que é, como funciona, telas, IAs e resultados. Fonte em docs/apresentacao/, gerada por scripts/gerar_apresentacao.py |
docs/PARA_O_CHEFE.md |
resumo executivo: o pedido, o que existe, resultados, o que falta confirmar |
docs/COMO_FOI_TESTADO.md |
máquina, IA local, stack, metodologia, linha do tempo dos testes, uso sem GPU |
docs/IA.md |
como ligar a IA: local (com ou sem GPU) ou por chave de API (Anthropic, OpenAI, Gemini…) |
docs/MODELOS.md |
qual IA usar: os modelos Claude em todos os níveis de esforço (acerto, tempo e custo real) e modelos locais testados nesta máquina |
docs/TREINAMENTO.md |
dá para treinar um modelo só para o Outorga? O que seria preciso (dados, máquina, tempo) e quando vale a pena |
docs/RESULTADOS.md |
todas as rodadas de avaliação, caso a caso, com as lições |
docs/REGRAS.md |
as regras jurídicas codificadas, com fundamento e caso de teste |
docs/ARQUITETURA.md |
módulos, índice de aceitação, privacidade, desempenho |
docs/INTEGRACAO.md |
API, consulta por CPF, modo agente, requisitos de produção |
docs/PESQUISA_JURIDICA.md |
pesquisa normativa: Res. CONTRAN 1.027/2026, CNJ, DETRAN-CE, Código Civil |
docs/PUBLICACAO.md |
a demonstração on-line: o que funciona, como foi publicada, o que falta para produção |
docs/demo/outorga.html |
página de demonstração autocontida (baixe e abra no navegador) |
src/outorga/ leitura (ingest, extract, prompts, schemas), conferência (lexicon, grounding),
motor (engine), pipeline, parecer, API, modo agente, base veicular
web/ interface React + TypeScript + Vite + Tailwind
corpus/ 85 cenários fictícios: fatos e gabarito (spec.py), documentos (docs/*.md), casos montados
(casos/<ID>/), gabarito de leitura (gold.py), base veicular simulada
tests/ 253 testes (motor, cenários no modo oráculo, consulta por CPF, agente, API, provedores de IA, Claude)
avaliacoes/ resultados de todas as rodadas de avaliação (evidência dos números)
.cache/leituras/ leituras da IA local para o corpus fictício (reproduz a avaliação sem GPU)
docs/ documentação, pesquisa jurídica, imagens e página de demonstração
scripts/ iniciar.sh, agente.sh, serviço systemd, relatórios e exportação da demonstração
- Corpus sintético. Bom para regras e semântica; documentos reais trazem carimbos, rasuras e variações. Próximo passo: piloto com 20–30 processos reais anonimizados e recalibração da faixa.
- Base veicular simulada. No DETRAN, o dono viria da base RENAVAM pela placa ou pelo RENAVAM.
- Leitor da ATPV-e calibrado num layout simulado; precisa de amostras do PDF oficial. A IA cobre o que o leitor não reconhecer.
- Não confere assinatura digital nem consulta bases oficiais (Receita, Junta, CENSEC). São pontos de extensão previstos no § 7º.
- Produção: autenticação, servidor de inferência dedicado e política de retenção de documentos (LGPD).






