O que acontece
antes da resposta.

Todo fundo de investimento no Brasil é obrigado a contar ao regulador o que fez com o dinheiro. Todo mês, todo trimestre, no prazo. Quanto tem em caixa, quanto emprestou, quanto não voltou, quem são os cotistas. Uma companhia aberta protocola cada ata, cada fato relevante, cada dividendo. Tudo isso é público. Qualquer pessoa pode baixar, hoje, de graça.

E quase ninguém consegue usar.

Não é má vontade nem falta de tecnologia. É volume e formato. Existem hoje cerca de 1,7 milhão de documentos públicos esperando quem os leia, e eles chegam em quatro formatos que não conversam entre si: PDF, planilha compactada, arquivo de dados estruturado e página de portal antigo. Um regulamento de fundo tem, em média, 53 páginas de juridiquês — o maior que já lemos tem 673. Cerca de 3 em cada 100 documentos chegam como imagem: o número está lá, mas é um desenho de número, e alguém precisa enxergá-lo. Cada tipo de fundo ainda tem sua própria régua, seu próprio formulário, seu próprio calendário.

E o pior: um documento sozinho quase nunca responde a pergunta que importa. Saber que um fundo declarou R$ 31 milhões de inadimplência não diz nada. O que diz é comparar com os onze meses anteriores dele, com o tamanho do próprio fundo e com o que os fundos parecidos declararam no mesmo mês. Isso exige ter lido todos eles.

Tudo que o Tomé faz cabe em cinco verbos. Quatro deles acontecem sem ninguém pedir, todo dia, enquanto ninguém está olhando — é o trabalho de sempre estar em dia com o que a CVM publicou. O quinto só acontece quando alguém pergunta.

Se você guardar só uma imagem desta página, que seja esta.

Acompanhe um documento qualquer — digamos, a ata de uma assembleia de cotistas publicada hoje de manhã. Da hora em que ela aparece no portal público até a hora em que alguém pode perguntar sobre ela no chat, ela atravessa oito estações. Cada estação tem um jeito próprio de dar errado, e a maior parte da engenharia do Tomé existe para tratar justamente disso.

Na média, esse caminho inteiro leva cerca de 14 horas; em nove de cada dez casos, menos de 22 horas.

Quem confere o leitor

A estação 6 merece um parágrafo próprio, porque nela está a decisão de arquitetura mais importante do sistema — e ela nasceu de uma descoberta desconfortável.

Peça a uma inteligência artificial para ler o mesmo documento duas vezes e você recebe duas respostas diferentes. Não muito diferentes no sentido geral, mas diferentes no que importa: a frase que ela diz estar citando muda entre uma leitura e outra. Às vezes a frase citada simplesmente não está no documento — está apenas muito parecida com algo que está.

A conclusão foi direta: quem lê não pode ser quem aprova. No Tomé, um modelo de IA lê e propõe; depois, um programa comum — sem inteligência artificial nenhuma, incapaz de ser criativo — vai ao documento e confere se aquela frase existe mesmo, naquela página, e se o número é plausível. O que não passa é descartado, não corrigido.

Quando dizemos que o Tomé tem memória, não é força de expressão nem metáfora de marketing. São quatro camadas empilhadas, e a graça está em guardar todas as quatro — porque cada uma responde a um tipo de pergunta que as outras não respondem.

Quatro coisas sobre essa memória valem mais do que o tamanho dela.

Esta é a pergunta que todo mundo faz, e com razão: como confiar num número dito por uma inteligência artificial? Modelos de linguagem são conhecidos por produzir respostas plausíveis e falsas com a mesma segurança com que produzem as verdadeiras.

A resposta do Tomé é estrutural, não é promessa: o modelo não tem permissão de gerar número. Ele não sabe nenhum número de cor. Tudo o que ele pode fazer é escolher quais gavetas do acervo abrir, e o que sai da gaveta é que vira resposta.

Isso tem um preço, e é honesto dizê-lo: o Tomé é mais lento que um chatbot comum. Uma resposta típica leva algo entre meio minuto e um minuto, porque entre a sua pergunta e a resposta ele vai e volta ao acervo várias vezes — a mediana é de três idas e vindas, e já houve resposta com noventa e uma. As primeiras palavras aparecem em poucos segundos; o raciocínio continua na frente dos seus olhos.

Um chute é instantâneo. Conferir, não.

Um sistema que lê sozinho, todo dia, sem ninguém olhando, tem um inimigo silencioso: parar de funcionar sem dar erro. Uma fonte muda de formato, uma rotina morre de madrugada, uma tabela para de ser atualizada — e nada acusa. O sistema continua respondendo, bonito, com dado velho.

Por isso o Tomé dedica uma fatia enorme do próprio relógio a desconfiar de si mesmo: cerca de uma em cada cinco tarefas automáticas que ele roda não produz dado nenhum — existe só para conferir se as outras fizeram o trabalho.

Essa frase parece óbvia e é, na prática, a lição mais cara do sistema. Quando uma verificação não consegue rodar — o arquivo sumiu, o banco não respondeu —, é tentador tratar o silêncio como aprovação. O Tomé trata como uma terceira resposta, distinta das outras duas: não é verde, não é vermelho, é "eu não olhei". Só assim a ausência de notícia para de ser confundida com boa notícia.

Até aqui esta página falou do que o Tomé lê. Esta parte é sobre o que foi preciso construir para que ele consiga ler — e serve para responder de uma vez a pergunta que costuma vir depois da demonstração: "isso dá para montar em um fim de semana com uma IA?"

E vale dizer o que esses números não significam. Linha de código não é mérito, é custo — um sistema que fizesse o mesmo com metade disso seria melhor, não pior. O que a ficha acima mede não é esforço: é superfície. São 36 formatos de documento que mudam sem avisar, 9 fontes que não combinam entre si, 24 anos de histórico com regra diferente em cada época. Nada disso some porque a ferramenta de escrever código ficou melhor.

Uma página institucional costuma parar antes desta parte. Esta não vai parar, porque a forma como um sistema fala das próprias lacunas é a melhor evidência de como ele fala dos dados.

O Tomé conhece o índice inteiro do que existe: ele sabe que aquele documento foi protocolado, em que data, por quem, e tem o link oficial. Saber que existe não é o mesmo que ter lido por dentro, e essas duas coisas nunca são apresentadas como se fossem uma só.

Boa parte do trabalho de engenharia do Tomé não foi para ensiná-lo a fazer coisas. Foi para impedi-lo de fazer uma coisa: dar palpite.

Um sistema como este pode melhorar de dois jeitos, e o Tomé melhora pelos dois ao mesmo tempo — mas só um deles é óbvio.

O jeito óbvio é ler mais. Todo dia, o dia inteiro, entra documento novo: só nos últimos sete dias foram cerca de 18 mil informes e 96 mil deliberações de assembleia. Isso acontece sem ninguém pedir, em duas direções ao mesmo tempo — uma fila correndo atrás do que foi publicado hoje, outra escavando o arquivo histórico ano a ano.

O jeito menos óbvio é aprender o que ele ainda não sabe fazer. E esse é mais interessante, porque quem ensina é quem pergunta.

Vale dizer com todas as letras onde esse ciclo está hoje: ele é automático até a fila. Detectar que faltou, registrar, medir quantas pessoas pediram a mesma coisa, priorizar — isso acontece sozinho. A construção da capacidade nova ainda passa pela mão de quem desenvolve.

O caminho é esse trecho encurtar até fechar sozinho. Não estamos lá, e dizer que estamos seria exatamente o tipo de afirmação sem lastro que o resto desta página existe para evitar.

O nome vem do apóstolo que só acreditou depois de ver. É a descrição exata da arquitetura: cada camada deste sistema existe para que nenhuma afirmação chegue até você sem o documento que a sustenta.

O dado sempre foi público. O que faltava era alguém com paciência para ler tudo, memória para guardar o que leu, e disciplina para não dizer nada além disso.